Young Scientist School – 2016

Young Scientist School – 2016 ____________________________________________________________________ 10 Решающая статистика ) , ( YXU формируется в соответствии с соотношением:    2 1 )( )( )( ) , ( 1 ) , ( J j n n n Y X U N YXU , (1) а решение о наличии или отсутствии сейсмически активного объекта (САО) выносится по правилу:        " " " " ) , ( 0 0 т отсутствуе САО U ет присутству САО U YXU (2) Принцип классификации сейсмических объектов по спектральным признакам В настоящей работе для решения задачи классификации предлагается использовать статистический анализ спектральных компонент огибающих сейсмических сигналов. Сейсмические сигналы человека и крупного животного (лошадь), а также пучки их нормированных спектров для нормированных частот, приведены на рис.3. Относительные частоты j , в которых приведены АСО, связаны с абсолютными значениями f применительно к параметрам эксперимента соотношением j f 6.0  Гц. Спектр сигнала человека имеет ярко выраженный характер периодических спектральных зон, повторяющихся с шагом 3  j . Характерные частоты свойственны и для сигнала от крупного животного, однако в целом спектральная картина существенно отличается от предыдущей. Если для анализа используются временные циклы M m ,1  и датчики сигналов с номерами N n ,1  , то классификатор располагает при принятии решения векторами данных: N nM m J j nm jx nmX ,1 , ,1 , 0,) , ( ) , (     , для которых совместное распределение вероятностей каждого из классов имеет вид: 4,1 , , , )) , ( ( ) (   k jnm nm jxkp XkP . Здесь вектор X представляет собой объединение соответствующих векторов ) , ( nmX , а вид локальных распределений )) , ( ( nm jxkp не зависит от номеров цикла и датчика n m и . В соответствии с принципом максимального правдоподобия на каждом шаге анализа m вычисляются меры правдоподобия 4,1 ), (  k XkP и выносится текущее решение в соответствии с максимальной из этих мер.