Statistical signal processing for multiple sources separation on antennas
Traitement statistique du signal pour la séparation de sources multiples sur des antennes
Résumé
The CEA has been using the International Monitoring System (IMS) data since the late 1990s to verify compliance with the Comprehensive Nuclear Test-Ban Treaty (CTBT). The monitoring system relies on, among other things, the detection of infrasonic waves through a network of stations equipped with microbarometers, allowing the localisation of acoustic sources in the 0.01-4 Hz frequency band.This data reveals numerous signals of both natural and anthropogenic origins (such as oceanic swell,volcanoes, or industrial activities). This study aims to simultaneously detect and estimate signals from different sources that interfere within the same frequency band, using robust statistical methods adapted for real-time processing. Reference algorithms such as MUltiple SIgnal Classification (MUSIC) or Minimum Variance Dis-tortionless Response (MVDR) are evaluated. Other methods based on Multi-Channel Maximum Likelihood (MCML), the Independent Component Analysis (ICA), or the dictionary coding are developed. An evaluation on synthetic and real signals allows for comparison of the accuracy of these methods. Two methods based on MCML are particularly promising. One of them, based on iterative signal subtraction, enables real-time computation. The wave vector parameter estimates (azimuth and horizontal velocity) provided by these algorithms require post-processing to create events. A new method for clustering detection pixels in the time-frequency domain using a Gaussian Mixture Model (GMM) is proposed for the separation of multiple sources
Le CEA utilise, depuis la fin des années 1990, les données du Systeme de Surveillance International (SSI) pour la vérification du Traité d’Interdiction Complète des Essais nucléaires (TICE). La surveillance repose entre autre sur la détection des ondes infrasonores, grâce à un réseau de stations équipées de microbaromètres, permettant de localiser des sources acoustiques dans la bande de fréquence0.01-4 Hz. Ces données révèlent de nombreux signaux d’origines naturelles et anthropiques (comme la houle océanique, les volcans, ou les activités industrielles). Cette étude vise à détecter et estimer simultanément des signaux issus de sources différentes interférant la même bande de fréquence, à l’aide de méthodes statistiques robustes adaptées au traitement en temps réel. Des algorithmes de référence comme MUltiple SIgnal Classification (MUSIC) ou Minimum Variance Distortionless Response (MVDR) sont évalués. D’autres méthodes basées sur Multi-Channel Maximum Likelihood (MCML), l’Analyse en Composantes Indépendantes (ACI) ou le dictionary coding sont développées. Une évaluation sur des signaux synthétiques et réels permet de comparer la précision de ces méthodes. Deux méthodes basées sur MCML sont particulièrement prometteuses. Une d’entre elle, basée sur la soustraction itérative des signaux, autorise des calculs en temps réel.Les estimations des paramètres du vecteur d’onde (azimut et vitesse horizontale) fournies par ces algorithmes nécessitent un post-traitement pour créer des évènements. Une nouvelle méthode de regroupement des pixels de détection dans le domaine temps-fréquence utilisant un modèle de mélange de gaussiennes (Gaussian Mixture Model (GMM)) est proposée pour la séparation de sources multiples.
Origine | Version validée par le jury (STAR) |
---|