تشخیص سیگنال لرزه ای به کمک روش یادگیری ماشین غیرنظارتی

برداشت داده های لرزه ای همواره با نوفه همراه است. در پاره ای از کاربردها در پردازش و تفسیر داده های لرزه ای لازم است محل سیگنال در داده آلوده به نوفه شناسایی گردد. در این مقاله الگوریتم خوشه بندی سلسله مراتبی جهت تشخیص خودکار داده از نوفه استفاده شده است. این الگوریتم یکی از روش های یادگیری ماشین غیر نظارتی هست. در این روش مجموعه داده ها با استفاده از چهار نشانگر به دو گروه سیگنال و غیر سیگنال تقسیم بندی می شوند. در این مقاله چهار پارامتر نسبت انرژی میانگین در پنجره کوتاه مدت به بلندمدت پیشرو، نسبت انرژی میانگین کوتاه مدت به بلندمدت پسرو، همپوشانی و پنجره متحرک واریانس به عنوان نشانگر جهت خوشه بندی سیگنال و از معیار فاصله Chebyshev استفاده شده است. برای برآورد کارایی الگوریتم تشخیص سیگنال لرزه ای، دو شاخص آماری یعنی نرخ بین انرژی کل سیگنال های اصلی و شناسایی شده ( RTE ) و نرخ بین انرژی های متوسط سیگنال های اصلی و شناسایی شده پیشنهاد می شود.عملکرد روش روی داده های مصنوعی ارزیابی و نتایج ارایه می شود.