Sismik sinyal işleme tabanlı hedef tespiti ve sınıflandırması
Target detection and classification based on seismic signal processing
- Tez No: 432228
- Danışmanlar: PROF. DR. ABDULLAH BAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgi ve Belge Yönetimi, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Information and Records Management, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Sismik, insan yürüyüşü, hedef tespiti, sınıflandırma, jeofon, ivmeölçer, boyut indirgeme, Rayleigh, Wigner-Ville dağılımı, Dalgacık dönüşümü, makine öğrenmesi, Seismic, human footstep, target detection, classification, geophone, accelerometer, dimension reduction, Rayleigh, Wigner-Ville distribution, Wavelet transform, machine learning
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 89
Özet
Bu tez çalışması, insan yürüyüşünü sismik olarak tespit etmeyi, diğer varlıklardan ayırt etmeyi ve sınıflandırmayı amaçlamaktadır. İnsan ve hayvan yürüyüşünün her adımı zemin içerisinde ilerleyen sismik bir dalga oluşturur. Sismik dalgalar jeofon ve ivmeölçer olarak adlandırılan sensörler ile elektriksel işarete dönüştürülürler. Bu elektriksel işaretler bir veri toplama ünitesi aracılığıyla bir bilgisayar ortamına veya bir gömülü sistem bilgisayarına iletilirler. Burada sismik imzayı oluşturan sinyallerin, spektral içerik, basıklık, ritim, dalgacık katsayıları ve güç spektral yoğunluğu gibi karakteristik özellikleri işaret işleme yöntemleri ile çıkarılır. Bu öznitelikler makine öğrenmesi teknikleri ile sınıflandırıcıya verilerek sistemin eğitilmesi sağlanır. Son aşamada test öznitelikleri sınıflandırmaya tabi tutularak sismik sinyalin bir insana ait olma ihtimali hesaplanır. Burada yapılan çalışmada at ve insan yürüyüşüne ait sismik sinyaller jeofon sensörü ile kaydedilmiştir. Kaydedilen bu işaretler, gürültü giderme, normalizasyon, boyut indirgeme, DC bileşenin çıkarılması gibi ön işlemlerden geçirilmiştir. Bu aşamadan sonra STFT (Short Time Fourier Transform), basıklık (kurtosis) gibi yöntemler ile öznitelik vektörleri oluşturulmuştur. Bu öznitelikler, LDA (Linear Discriminant Analysis), SVM (Support Vector Machine) ve SVDD (Support Vector Data Description) yöntemleri ile oluşturulan sınıflandırıcıya sokulmuştur. Sistemin başarısını ölçmek için sınıflandırıcıya test öznitelik vektörleri verilmiş ve sınıflandırma sonuçları değerlendirilmiştir. Bir sınıfa ait örnek sayısının arttırılması ile sınıflandırma başarısının arttığı görülmüştür. Yapılan deneysel sonuçlarda en yüksek başarı STFT-LDA ikilisinde elde edilmiştir. Bu çalışma için SVM yöntemi ile elde edilen sonuçların LDA yöntemi ile elde edilen başarı sonuçlarına yakın olduğu görülmüştür. Gürültülü ortam koşulları ve sismik sinyallerin durağan olmayan yapısından dolayı, zorlu bir problem olan sismik hedef tespiti, özellikle frekans tabanlı analizler ile çözülmesi mümkün hale gelmiş ve bu alanda yüksek başarı oranları elde edilmiştir.
Özet (Çeviri)
This thesis study aims to detect seismic human footstep, to distinguish them from other entities such as vehicle, animal and classify them. Every human and animal footstep generates a seismic signal propagating through the earth. Seismic waves are converted to electrical signals via geophone or accelerometer sensors. These electrical signals are transmitted to a computer environment or an embedded system computer unit by means of a data acquisiton unit. Such as spectral content, kurtosis, cadence, wavelet coefficients and power spectral density features of signals which constitute seismic signature are extracted using digital signal processing techniques. These features are fed to the classifier using machine learning techniques and system is trained. In final stage, classifying test features, probability of belonging of this signal to a human is calculated. In this study, human and horse seismic signals are recorded via geophone. Signals recorded here are preprocessed with denoising, normalization, dimension reduction, removing DC component. In next step, the features are extracted based on STFT, kurtosis etc. methods. These features are fed to the classifier which is construted with LDA, SVM, SVDD methods. Test features are fed to the classifier to measure the success rate of the system and classification results are evaluated. When class instances are increased in a classifier system, it is observed that the success rate will increase. The best results were achieved with paired STFT-LDA in this experimental study. It is observed that success results with SVM one are close to the success results with LDA ones. Although because noisy enviromental conditions and non-stationary seismic signal in nature, seismic target detection is a challenging problem, it can be possible to cope with especially with frequency based models, and high success rate is achieved in this study area.
Benzer Tezler
- Node clustering and fusion for moving target localization in distributed seismic sensor networks
Dağıtık sismik sensör ağlarında hareketli hedef konumlandırma için sensör kümelemesi ve füzyonu
ERDEM KÖSE
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ KÖKSAL HOCAOĞLU
- One-dimensional real-time signal denoising using wavelet-based Kalman filtering
Tek boyutlu sinyallerde dalgacık tabanlı Kalman filtresi kullanarak gerçek zamanlı gürültü bastırılması
MURAT DURMAZ
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. MAHMUT ONUR KARSLIOĞLU
- Türkiye ulusal kuvvetli yer hareketi istasyonları için periyot bazlı sismik zemin sınıflamasının geliştirilmesi
Development of predominant period based seismic site classfication for Tturkey's strong ground motion stations
HAMDULLAH LİVAOĞLU
Doktora
Türkçe
2021
Jeofizik MühendisliğiKocaeli ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. FADİME SERTÇELİK
- Kısa dalga (KD) haberleşmesi için doppler kaymasının kestirilmesi
Estimation of doppler shift for high frequency (HF) communications
GİZEM ARI ÖZCAN
- Sismik veri işlem yazılım paketi geliştirilmesi
Developing seismic data processing software packpage
ALİCAN PEKİYİ
Yüksek Lisans
Türkçe
2018
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA EMİN DEMİRBAĞ