基于 Operational GANs 的高质量全带宽地震信号合成
机器学习
2024-07-17 v1 人工智能
摘要
振动传感器是获取地震活动的关键组件，对于准确地震评估至关重要。最先进的传感器能够提供最佳信号质量和最高带宽；然而，其高成本通常阻碍了其在广泛应用范围内的部署，而这在使用其基础且经济的等价物中是可能的。然而，信号质量较差且带宽低会显著降低信号保真度，并导致分析不准确。为此，本研究提出了一种通过转换来自劣质传感器获取的信号，以实现高质量和全带宽地震信号合成的方法。我们采用 1D Operational 生成对抗网络（Op-GAN）并设计了新型损失函数以实现上述目标。因此，本研究的关键贡献包括发布新数据集、解决地震监测中的操作约束问题，以及创造性地开发一种深度学习转换技术，以创建第一个虚拟地震传感器。该方法在模拟地震动（Simulated Ground Motion, SimGM）基准数据集上进行了广泛评估，结果表明，所提出的方法显著提高了来自各种传感器（包括 CSN-Phidgets 低成本地震传感器以及来自 Android 和 iOS 手机的集成加速度计）获取的信号质量和带宽，达到与最先进传感器（如 Kinemetrics-Episensor）相同的水平。SimGM 数据集、结果以及经过优化的 PyTorch 实现也已公开分享。
引用
@article{arxiv.2407.11040,
title = {High-Quality and Full Bandwidth Seismic Signal Synthesis using Operational GANs},
author = {Ozer Can Devecioglu and Serkan Kiranyaz and Zafer Yilmaz and Onur Avci and Moncef Gabbouj and Ertugrul Taciroglu},
journal= {arXiv preprint arXiv:2407.11040},
year = {2024}
}