[Back]


Diploma and Master Theses (authored and supervised):

M. Steiner:
"Classification of signal sources based on seismic and acoustic measurements";
Supervisor: E. Brückl; Department für Geodäsie und Geoinformation, 2015.



English abstract:
The need for automated classification of signals recorded with seismic sensors led to the development of various classification techniques. However, most of these techniques use very complex hardware and software equipment. The present work investigates the potential of establishing a source classification that mainly relies upon the comparison of seismic and acoustic data.
Therefore, five rather generally described source types were defined. These source types cover all sources that are known or supposed to produce or induce seismic signals. Based upon these source types classification criteria relying on seismic and acoustic data were defined. In order to be able to verify the usability of these criteria a heterogeneous data set had to be generated that comprises signals produced by various sources. For this purpose in-situ experiments were arried out which incorporated seismic and acoustic sensors deployed in form of a sensor array.
Additionally, meteorological parameters were observed. From the recorded data various parameters describing the signal characteristics could be obtained and were used to compute possible classification criteria. The ratio of seismic and acoustic signal amplitudes and the amplitude spectrum similarity can be used to distinguish seismic and acoustic sources. The slowness computed via array analysis was found to be a third possible classification criterion allowing for an identification of high altitude acoustic sources and different seismic wave phases. However, it was shown that the array analysis maybe would require an interactive processing flow.
Based on these criteria classification diagrams were generated. These diagrams clearly illustrate the usability of the three criteria for the classification of signal sources. The amplitude ratio might even be used as a real-time classification criterion.
Finally, suggestions on how to improve the data basis and regarding an efficient design of a sensor array are discussed.

German abstract:
Die Notwendigkeit der automatischen Klassifizierung von Signalen in seismischen Daten hat zur Entwicklung von verschiedenen Klassifizierungsmethoden geführt. Die meisten dieser Methoden nutzen jedoch komplexe Hardware und Software-Komponenten. Die vorliegende Arbeit untersucht die Möglichkeit der Einführung einer Klassifizierungsmethode, welche hauptsächlich auf dem Vergleich von seismischen und akustischen Daten basiert.
Es wurden fünf relativ allgemein beschriebene Klassen von Quellen definiert. Diese Klassen umfassen alle Arten von Quellen, von denen bekannt ist oder vermutet wird, dass sie seismische Signal hervorrufen. Ausgehend von diesen Klassen wurden Klassifikationskriterien definiert.
Um die Brauchbarkeit dieser Kriterien zu prüfen musste eine heterogene Datenbasis geschaffen werden. Die Datenbasis sollte Signale, welche von verschiedenen Quellen produziert wurden, enthalten. Zu diesem Zweck wurden Experimente durchgeführt, bei denen sowohl seismische als auch akkustische Sensorarrays eingesetzt wurden. Zusätzlich wurden meteorologische Parameter gemessen.
Aus den aufgezeichneten Daten konnten verschiedenste Parameter gewonnen werden, welche die Signalcharakteristiken beschreiben. Diese Parameter wurden verwendet, um mögliche Klassifizierungskriterien
zu berechnen. Das Verhältnis der seismischen und akkustischen Signalamplituden und die Ähnlichkeit der Amplitudenspektren können für die Unterscheidung von seismischen und akustischen Quellen verwendet werden. Die Langsamkeit, welche mittels Array-Analyse berechnet wurde, konnte als drittes mögliches Kriterium gefunden werden, welches die Identifizierung von akustischen Quellen und von verschiedenen Phasen seismischer Wellen ermöglicht. Die Durchführung der Array-Analyse benötigt jedoch eine interaktive Prozessierung.
Basierend auf diesen Kriterien wurden Klassifizierungsdiagramme erstellt. Diesen Diagramme haben die Eignung der drei Kriterien für die Klassifizierung von Quellen bestätigt. Das Amplitudenerhältnis
könnte auch als Echtzeit-Klassifizierunskriterium verwendet werden.
Abschließend sind Vorschläge zur Verbesserung der Datenbasis und für ein effizientes Design von Sensorarrays angeführt.


Electronic version of the publication:
http://publik.tuwien.ac.at/files/PubDat_239308.pdf


Created from the Publication Database of the Vienna University of Technology.