基于井震联合反演方法的泥页岩有机碳质量分数预测及应用
信息融合技术
信息融合技术 1引言 融合(Fusion)的概念开始出现于70年代初期，当时称之为多源相关、多源合成、多传感器混合或数据融合(Data Fusion),现在多称之为信息融合(Information Fusion)或数据融合。 融合是指采集并集成各种信息源、多媒体和多格式信息，从而生成完整、准确、及时和有效的综合信息过程。数据融合技术结合多传感器的数据和辅助数据库的相关信息以获得比单个传感器更精确、更明确的推理结果。经过融合的多传感器信息具有以下特征:信息的冗余性、互补性、协同性、实时性以及低成本性。 多传感器信息融合与经典信号处理方法之间存在本质的区别，其关键在于信息融合所处理的多传感器信息具有更为复杂的形式，而且可以在不同的信息层次上出现。 2信息融合的结构模型 由于信息融合研究内容的广泛性和多样性，目前还没有统一的关于融合过程的分类。
2.1按照信息表征层次的分类系统的信息融合相对于信息表征的层次相应分为三类:数据层融合、特征层融合和决策层融合。 数据层融合通常用于多源图像复合、图像分折与理解等方面，采用经典的检测和估计方法。特征层融合可划分为两大类:一类是目标状态信息融合，目标跟踪领域的大体方法都可以修改为多传感器目标跟踪方法;另一类是目标特性融合，它实质上是模式识别问题，具体的融合方法仍是模式识别的相应技术。 决策层融合是指不同类型的传感器观测同一个目标，每个传感器在本地完成处理，其中包括顶处理、特征抽取、识别或判决，以建立对所观察目标的初步结论。然后通过关联处理、决策层触合判决，最终获得联合推断结果。 2.2JDL模型(Joint Directors of Laboratories, JDL)和λ -JDL模型该模型将融合过程分为四个阶段:信源处理,第一层处理(即目标提取)、第二层处理(即态势提取)、第三层提取(即威胁提取)和第四层提取(即过程提取)。模型中的每一个模块都可以有层次地进一步分割，并且可以采用不同的方法来实现它们。 λ-JDL模型为JDL模型的简化，把0层包含进了1层，4层融入其他各层中。
傅里叶变换性质证明
傅里叶变换性质证明 Company number：【0089WT-8898YT-W8CCB-BUUT-202108】
傅里叶变换的性质 2.6.1线性 若信号和的傅里叶变换分别为和， 则对于任意的常数a和b，有 将其推广，若,则 其中为常数，n为正整数。
由傅里叶变换的定义式很容易证明线性性质. 显然傅里叶变换也是一种线性运算，在第一章我们已经知道了，线性有两个含义：均匀性和叠加性。均匀性表明，若信号乘以常数a，则信号的傅里叶变换也乘以相同的常数a，即 叠加性表明，几个信号之和的傅里叶变换等于各个信号的傅里叶变换之和 ? 2.6.2 反褶与共轭性 设f(t)的傅里叶变换为，下面我们来讨论信号反褶、共轭以及既反褶又共轭后，新信号的傅里叶变换。
（1）反褶 f(-t)是f(t)的反褶，其傅里叶变换为 （2）共轭 （3）既反褶又共轭 本性质还可利用前两条性质来证明： 设g(t)=f(-t)，h(t)=g*(t)，则 在上面三条性质的证明中，并没有特别指明f(t)是实函数还是复函数，因此,无论f(t)为实信号还是复信号，其傅里叶变换都满足下面三条性质2.6.3 奇偶虚实性 已知f(t)的傅里叶变换为。在一般情况下，是复函数，因此可以把它表示成模与相位或者实部与虚部两部分，即 ? 根据定义，上式还可以写成 下面根据f(t)的虚实性来讨论F()的虚实性。 (1) f(t)为实函数对比式(2-33)与(2-34)，由FT的唯一性可得 （）f(t)是实的偶函数，即f(t)=f(-t)
X()的积分项是奇函数，而奇函数在对称区间内的积分为零，故 这时X()=0，于是 可见，若f(t)是实偶函数，则F()也是实偶函数，即 左边反褶，右边共轭 （）f(t)是实的奇函数，即-f(t)=f(-t) R()的积分项是奇函数，而奇函数在对称区间内的积分为零，故 这时R()=0，于是 可见，若f(t)是实奇函数，则F()是虚奇函数，即 左边反褶，右边共轭 有了上面这两条性质，下面我们来看看一般实信号（即可能既不是偶信号，又不是奇信号，反正不清楚，或者说是没有必要关心信号的奇偶特性）的FT频谱特点。 2.6.4对称性
(不用)近震源地震波波形资料反演震源破裂过程的可靠性分析_周仕勇
周仕勇,K ojiro Irikura.近震源地震波波形资料反演震源破裂过程的可靠性分析.地球物理学报,2005,48(1):124～131 Zhou S Y,Irikura K.Analysis on the reliability of the earthquake rupture process in ferred from near s ource waveforms.Chinese J .G eophys .(in Chinese ),2005,48(1):124～131 近震源地震波波形资料反演震源破裂 过程的可靠性分析 周仕勇1 ,K ojiro Irikura 2 1北京大学地球与空间科学学院,北京 1008712日本京都大学防灾研究所,京都宇冶 61120011 摘 要 用近震源波形资料拟合反演地震的震源破裂过程,所包含的一些不确定因素将对反演结果的精度及可 靠性产生影响.文中的数值实验分析了所假定的反演断层模型参数的某些不确定性对反演结果的影响程度,并对观测波形的截取长度对反演精度的影响进行了讨论.结果表明:(1)近震源地震波形资料能较好地分辨断层浅部的破裂过程.然而对断层深部的位错分布的约束和反演能力较差.联合使用近、远场地震波资料进行反演,能反演出一个更为完全的整个断层破裂过程的图像.(2)用近震源地震波资料反演时,反演结果对所假定的反演断层的走向和倾角非常敏感.断层走向偏离真实值2°或倾角偏离真实值5°都会导致一个虚假的反演结果.(3)反演中所使用的介质速度结构模型的不确定性,也会对反演结果产生影响. 关键词 地球物理观测 震源破裂 反演 近震源地震波 文章编号 0001-5733(2005)01-0124-08 中图分类号 P315 收稿日期 2003-12-26,2004-07-24收修定稿 Analysis on the reliability of the earthquake rupture process inferred from near source w aveforms ZHOU Shi 2Y ong ,K ojiro Irikura 1Department o f G eophysics ,P eking Univer sity ,Beijing 100871,China 2Disaster Prevention Research Institute ,K yoto Univer sity ,Uji ,K yoto 61120011,Japan Abstract Several numerical tests have been analyzed in this paper to discuss the in fluences from the uncertain parameters of the presumed inversion fault m odel.The in fluence from the data on the res olution of the inversion results has been als o analyzed.We have discussed the in fluence from the time length of the data and distribution of observational stations.Our research indicates :(1)The near 2field waveform data can well reveal the s ource rupture process of the shallow part of the fault ,however ,it poorly constrains the slip distribution on the deep part of the fault.Jointly using near 2and far 2field waveform data can provide m ore com plete message of the rupture process of the whole fault.(2)The near 2field inversion result on the s ource is very sensitive to the strike and dip parameters of the presumed fault m odel.2°deviated for the presumed strike and 5°deviated for the presumed dip angle from that of the true fault will lead to a distorted inversion result.(3)The uncertainty of the media m odel will als o in fluence the inversion results in s ome degree. K eyw ords G eophysical observation ,Earthquake rupture process ,Inversion ,Near 2s ource seismic waveforms. 基金项目 国家自然科学基金项目(40174015)资助. 作者简介 周仕勇,男,1962年生,理学博士,副教授,主要从事震源破裂过程、地震定位及地震活动性模拟研究.E 2mail :zsy @https://www.wendangku.net/doc/cd14281363.html, 第48卷第1期2005年1月 地 球 物 理 学 报 CHI NESE JOURNA L OF GE OPHY SICS V ol.48,N o.1 Jan.,2005
从汶川地震到芦山地震_陈运泰
中国科学: 地球科学 2013年 第43卷 第6期: 1064 ~ 1072 https://www.wendangku.net/doc/cd14281363.html, https://www.wendangku.net/doc/cd14281363.html, 中文引用格式: 陈运泰, 杨智娴, 张勇, 等. 从汶川地震到芦山地震. 中国科学: 地球科学, 2013, 43: 1064–1072 英文引用格式: Chen Y T, Yang Z X, Zhang Y, et al. From 2008 Wenchuan earthquake to 2013 Lushan earthquake (in Chinese). Scientia Sinica Terrae, 2013, 43: 1064–1072 《中国科学》杂志社 SCIENCE CHINA PRESS 论 文 从汶川地震到芦山地震 陈运泰*, 杨智娴, 张勇, 刘超 中国地震局地球物理研究所, 北京 100081 * E-mail: chenyt@https://www.wendangku.net/doc/cd14281363.html, 收稿日期: 2013-05-14; 接受日期: 2013-05-22; 网络版发表日期: 2013-06-05 国家自然科学基金项目(批准号: 41090291)资助 摘要 本文概述作者在龙门山断裂带中、小地震精确定位、地震活动性以及2008年汶川M W 7.9(M S 8.0)地震和2013年芦山M W 6.7(M S 7.0)地震破裂过程等方面所做的研究工作. 这些工作表明, 青藏高原东缘的龙门山断裂带不但是一条规模宏大的断裂带, 也是一条非常活跃的地震带. 通过对地震构造、地震活动性、地震矩释放“亏空”区以及余震活动规律的分析, 作者在汶川地震后提出了龙门山断裂带西南段宝兴-小金一带存在发生M W 6.7~7.3地震的潜在危险性的地震趋势估计. 芦山地震的发生初步验证了这一估计. 芦山地震发生后作者进一步做的分析结果表明, 芦山地震的发生并没有显著地缓解龙门山断裂带西南段的地震危险性, 该地段整体上仍存在发生M W 7.2~7.3地震的潜在危险性; 特别是, 其北段(即邛崃大邑西-宝兴 北-汶川南一带)存在发生M W 6.8地震的潜在危险性; 其南段(即天全-荥经-泸定-康定一带)存在发生M W 7.2地震的潜在危险性. 作者认为, 应当强化对上述具有潜在地震危险性区域的监测与多学科综合研究. 关键词 芦山地震 汶川地震 地震精确定位 地震破裂过程 地震危险性 据中国地震台网中心测定, 2013年4月20日北京时间上午08时02分46秒, 四川省雅安市芦山县境内发生了面波震级M S 7.0地震, 震中位置: 30.3°N, 103.0°E, 震源深度: 13.0 km. 另据美国地质调查局国家地震信息中心(USGS/NEIC)报道, 发震时刻: 00时02分47.5秒UTC (协调世界时); 震中位置: 30.308°N, 102.888°E; 震源深度: 14.0 km; 矩震级M W 6.6. 截止至05月17日16时00分, 共记录到余震9294次, 其中M ≥3.0余震132次, 包括3.0≤M <3.9地震106次, 4.0≤M <4.9地震22次, 5.0≤M <5.9地震4次. 芦山地震是继2008年5月12日汶川M W 7.9地震以来在青藏高原东缘的龙门山断裂带上发生的又一次 灾害性地震事件. 截止至24日14时30分, 芦山强烈地震已造成196人死亡, 失踪21人, 11470人受伤. 芦山地震发生于龙门山断裂带上的西南段, 该段是汶川地震时龙门山断裂带没有发生破裂的特殊地段. 为什么会发生芦山地震? 芦山地震是如何发生的? 它的发生对于龙门山断裂带及其周边地区的地震活动性究竟有何影响? 等等, 都是亟待研究解决的问题. 为此, 本文通过概述作者自2003年以来开展的与龙门山断裂带地震精确定位、地震活动性以及汶川地震和芦山地震的破裂过程有关的研究工作, 对芦山地震的发生及其可能的影响做一初步分析与探讨.
信息融合方法研究进展
龙源期刊网 https://www.wendangku.net/doc/cd14281363.html, 信息融合方法研究进展 作者：陈慈张敬磊盖姣云王云 来源：《科技视界》2019年第17期 【摘要】从信息融合的起源，功能模型，数学模型，在民事上的应用以及发展趋势对多 源信息融合进行介绍，指出该领域的研究趋势，为信息融合的研究发展提供一些借鉴和启示。 【关键词】信息融合;功能模型;数学模型;综述 中图分类号： TP202 文献标识码： A 文章编号： 2095-2457（2019）17-0032-002 DOI：10.19694/https://www.wendangku.net/doc/cd14281363.html,ki.issn2095-2457.2019.17.014 Research Progress on Information Fusion Methods CHEN Ci ZHANG Jing-lei GAI Jiao-yun WANG Yun （School of Transportation and Vehicle Engineering
傅里叶变换性质证明
傅里叶变换的性质 2.6.1线性 若信号和的傅里叶变换分别为和， 则对于任意的常数a和b，有 将其推广，若,则 其中为常数，n为正整数。 由傅里叶变换的定义式很容易证明线性性质. 显然傅里叶变换也是一种线性运算，在第一章我们已经知道了，线性有两个含义：均匀性和叠加性。均匀性表明，若信号乘以常数a，则信号的傅里叶变换也乘以相同的常数a，即
叠加性表明，几个信号之和的傅里叶变换等于各个信号的傅里叶变换之和 2.6.2 反褶与共轭性 设f(t)的傅里叶变换为，下面我们来讨论信号反褶、共轭以及既反褶又共轭后，新信号的傅里叶变换。 （1）反褶 f(-t)是f(t)的反褶，其傅里叶变换为 （2）共轭 （3）既反褶又共轭
本性质还可利用前两条性质来证明： 设g(t)=f(-t)，h(t)=g*(t)，则 在上面三条性质的证明中，并没有特别指明f(t)是实函数还是复函数，因此,无论f(t)为实信号还是复信号，其傅里叶变换都满足下面三条性质 2.6.3 奇偶虚实性 已知f(t)的傅里叶变换为。在一般情况下，是复函数，因此可以把它表示成模与相位或者实部与虚部两部分，即 根据定义，上式还可以写成 下面根据f(t)的虚实性来讨论F()的虚实性。
(1) f(t)为实函数 对比式(2-33)与(2-34)，由FT的唯一性可得 （）f(t)是实的偶函数，即f(t)=f(-t) X()的积分项是奇函数，而奇函数在对称区间内的积分为零，故 这时X()=0，于是 可见，若f(t)是实偶函数，则F()也是实偶函数，即 左边反褶，右边共轭 （）f(t)是实的奇函数，即-f(t)=f(-t) R()的积分项是奇函数，而奇函数在对称区间内的积分为零，故 这时R()=0，于是 可见，若f(t)是实奇函数，则F()是虚奇函数，即 左边反褶，右边共轭 有了上面这两条性质，下面我们来看看一般实信号（即可能既不是偶信号，又不是奇信号，反正不清楚，或者说是没有必要关心信号的奇偶特性）的FT频谱特点。 2.6.4对称性 傅里叶变换与傅里叶反变换之间存在着对称关系，称为傅里叶变换的对称性质。若已知
2008年汶川大地震的时空破裂过程
中国科学D辑:地球科学 2008年 第38卷 第10期: 1186~1194 https://www.wendangku.net/doc/cd14281363.html, https://www.wendangku.net/doc/cd14281363.html, 1186 《中国科学》杂志社SCIENCE IN CHINA PRESS 2008年汶川大地震的时空破裂过程 张勇①②,冯万鹏②,许力生②*, 周成虎③,陈运泰①②? ①北京大学地球与空间科学学院, 北京 100871; ②中国地震局地球物理研究所, 北京100081; ③中国科学院地理科学与资源研究所, 北京 100101 * 联系人, E-mail: xuls@https://www.wendangku.net/doc/cd14281363.html, ? 责任作者, E-mail: chenyt@https://www.wendangku.net/doc/cd14281363.html, 收稿日期: 2008-07-25; 接受日期: 2008-08-13 国家基础研究发展计划(编号: 2004CB418404-4, 2001CB711005)和国家自然科学基金(批准号: 40574025, 40474018)资助 摘要利用全球地震台网(GSN)记录的长周期数字地震资料反演了2008年5月12日四川汶川M S8.0地震的震源机制和动态破裂过程, 并在反演所得结果的基础上定量分析了汶川大地震同震位移场的特征, 探讨了汶川大地震近断层地震灾害的致灾机理. 反演中采用了单一机制的有限断层模型, 使用了从全球范围内挑选的、方位覆盖较均匀的21个长周期地震台垂直向记录的P波波形资料. 通过反演得出: 汶川大地震的发震断层走向为225°、倾角为39°、滑动角为120°, 是一次以逆冲为主、兼具小量右旋走滑分量的断层; 这次地震所释放的标量地震矩为9.4×1020 ~2.0×1021 Nm, 相当于矩震级M W7.9~8.1. 汶川大地震是在破裂长度超过300 km的发震断层上发生的、破裂持续时间长达90 s的一次复杂的震源破裂过程. 整个断层面上的平均滑动量约2.4 m, 但断层面上滑动量(位错)的分布很不均匀. 有4个滑动量集中且破裂贯穿到地表的区域, 其中最大的两个, 一个在汶川-映秀一带下方, 最大滑动量(也是本次地震的最大滑动量)所在处在震源(初始破裂点)附近, 达7.3 m; 另一个位于北川一带下方, 一直延伸到平武境内下方, 其最大滑动量所在处在北川地面上, 达5.6 m. 其余2个滑动量集中的区域规模较小, 一个在康定以北下方, 最大滑动量达 1.8 m; 另一个位于青川东北下方, 最大滑动量达0.7 m. 汶川地震整个断层面上的平均应力降约18 MPa, 最大应力降约53 MPa. 由反演得到的断层面上滑动量分布计算得出的汶川大地震震中区地表同震位移场表明, 汶川大地震地表同震位移场的分布特征与该地震烈度分布的特征非常一致, 表明了汶川大地震的大面积、大幅度、贯穿到地表的、以逆冲为主的断层错动是致使近断层地带严重地震灾害在震源方面的主要原因. 关键词 汶川大地震地震破裂过程同震位移 根据中国国家地震台网测定, 2008年5月12日14时28分4秒(北京时间), 在我国四川省汶川县境内的映秀镇附近(31.0°N, 103.4°E, 震源深度15 km)发生了面波震级M S8.0地震. 地震引发大规模的山体滑坡和泥石流, 造成了多处河流淤塞, 形成了3000个以上的堰塞湖(卫星影像图1(b)和(c)); 汶川大地震使位于龙门山断裂带附近的上百座城镇遭受严重破坏, 大量房屋损毁, 公路桥梁坍塌(卫星影像图1(d)和(e)), 造成了近9万人死亡或失踪. 汶川大地震震中位于青藏高原东缘的龙门山断裂带上. 龙门山断裂带是一条长约500 km、宽约30~50 km 沿NE-SW方向展布的巨大断裂带, 其断
信息融合的分类方法
多源信息融合技术分为假设检验型信息融合技术、滤波跟踪型信息融合技术、 聚类分析型信息融合技术、模式识别型信息融合技术、人工智能型信息融合技术等。 1、假设检验型信息融合技术 假设检验型信息融合技术是以统计假设检验原理为基础，信息融合中心选择某种最优化假设检验判决准则执行多传感器数据假设检验处理，获取综合相关结论。 2、滤波跟踪型信息融合技术 滤波跟踪型信息融合技术是将卡尔曼滤波（或其他滤波）航迹相关技术由单一传感器扩展到多个传感器组成的探测网，用联合卡尔曼滤波相关算法执行多传感器滤波跟踪相关处理。 3、聚类分析型信息融合技术 聚类分析型信息融合技术是以统计聚类分析或模糊聚类分析原理为基础，在多 目标、多传感器大量观测数据样本的情况下，使来自同一目标的数据样本自然聚集、来自不同目标的数据样本自然隔离，从而实现多目标信息融合。 4、模式识别型信息融合技术 模式识别型信息融合技术是以统计模式识别或模糊模式识别原理为基础，在通常的单一传感器模式识别准则基础上建立最小风险多目标多传感器模式识别判决准则，通过信息融合处理自然实现目标分类和识别。 5、人工智能信息融合技术 人工智能信息融合技术将人工智能技术应用于多传感器信息融合，对于解决信
息融合中的不精确、不确定信息有着很大优势，因此成为信息融合的发展方向。智能融合方法可分 为：基于专家系统的融合方法；基于神经网络的融合方法；基于生物基础的融合方法；基于模糊逻 辑的融合方法等。 多源信息融合的融合判决方式分为硬判决方式和软判决方式。所谓硬判决或软判决指的是数据处理活动中用于信号检测、目标识别的判决方式。每个传感器内部或信息融合中心都既可选用硬判决方式，也可选用软判决方式。 1、硬判决方式 硬判决方式设置有确定的预置判决门限。只有当数据样本特征量达到或超过预置门限时，系统才做出判决断言；只有当系统做出了确定的断言时，系统才向更高层次系统传送”确定无疑”的判决结论。这种判决方式以经典的数理逻辑为基础，是确定性的。 2、软判决方式 软判决方式不设置确定不变的判决门限。无论系统何时收到观测数据都要执行相应分析，都要做出适当评价，也都向更高层次系统传送评判结论意见及其有关信息，包括评判结果的置信度。这些评判不一定是确定无疑的，但它可以更充分地发挥所有有用信息的效用，使信息融合结论更可靠更合理。 按信息融合处理层次分类，多源信息融合可分为数据层信息融合、特征层信息融合、决策层信息融合等。 1、数据层信息融合 数据层信息融合联合来自每一个传感器的原始数据，其优点是信息丰富，结果精确，但是通讯和运算量大，数据需要预处理，传感器之间往往要求同质或者同等精度。主要的数学方法是：加权平均法、卡尔曼滤波[147,148]、贝叶斯估计、参数估计法等，与信号处理有一定的相似性。
卷积定理验证实验
信息与通信工程学 院实验报告 课程名称:数字信号处理 实验题目:卷积定理 指导教师: 班级: 学号: 学生姓名: 一、实验目的与任务 通过本实验,验证卷积定理,掌握利用DFT 与FFT 计算线性卷积的方法。 二、实验原理 时域圆周卷积在频域上相当于两序列DFT 的相乘,因而可以采用FFT 的算法来计算圆周卷积,当满足121-+≥N N L 时,线性卷积等于圆周卷积,因此可利用FFT 计算线性卷积。 三、实验内容及步骤 1. 给定离散信号)(n x 与)(n h ,用图解法求出两者的线性卷积与圆周卷积; 2. 编写程序计算线性卷积与圆周卷积; 3. 比较不同列长时的圆周卷积与线性卷积的结果,分析原因。 三、实验数据及程序代码 给定两个序列[][]1,6,0,5,0,3,4,2,4,3,1,6,0,5,0,3,4,2X Y ==,点数N=18,分别用conv()函数与FFT 与IFFT 计算卷积。代码如下: clc;clear; x = [1 6 0 5 0 3 4 2 4 3]; %原始序列 y = [1 6 0 5 0 3 4 2]; N = length(x) + length(y); %两序列的长度与 z=conv(x,y); %直接计算线性卷积 %利用 FFT 计算 % %手动补零 % x1 = [x zeros(1,N-length(x))]; %利用对序列 x 补零点 % y1 = [y zeros(1,N-length(y))]; %利用对序列 x 补零点 X = fft(x , N); %对两序列分别求 FFT Y = fft(y, N); Z = X 、*Y; %对两序列的 FFT 相乘并求 IFFT z1=ifft(Z); figure('numbertitle','off','name','1605034243刘桢'); subplot(221),stem(x);axis([1 N -inf inf]);title('序列 x'); subplot(222),stem(y);axis([1 N -inf inf]);title('序列 y'); subplot(223),stem(z);axis([1 N -inf inf]);title('直接卷积'); subplot(224),stem(z1);axis([1 N -inf inf]);title('N=18 点的圆周卷积'); 成绩
傅里叶变换性质证明
2.6 傅里叶变换的性质 2.6.1线性 若信号和的傅里叶变换分别为和， 则对于任意的常数a和b，有 将其推广，若,则 其中为常数，n为正整数。 由傅里叶变换的定义式很容易证明线性性质. 显然傅里叶变换也是一种线性运算，在第一章我们已经知道了，线性有两个含义：均匀性和叠加性。均匀性表明，若信号乘以常数a，则信号的傅里叶变换也乘以相同的常数a，即 叠加性表明，几个信号之和的傅里叶变换等于各个信号的傅里叶变换之和 2.6.2 反褶与共轭性 设f(t)的傅里叶变换为，下面我们来讨论信号反褶、共轭以及既反褶又共轭后，新信号的傅里叶变换。 （1）反褶
f(-t)是f(t)的反褶，其傅里叶变换为 （2）共轭 （3）既反褶又共轭 本性质还可利用前两条性质来证明： 设g(t)=f(-t)，h(t)=g*(t)，则 在上面三条性质的证明中，并没有特别指明f(t)是实函数还是复函数，因此,无论f(t)为实信号还是复信号，其傅里叶变换都满足下面三条性质
2.6.3 奇偶虚实性 已知f(t)的傅里叶变换为。在一般情况下，是复函数，因此可以把它表示成模与相位或者实部与虚部两部分，即 根据定义，上式还可以写成 下面根据f(t)的虚实性来讨论F()的虚实性。 (1) f(t)为实函数 对比式(2-33)与(2-34)，由FT的唯一性可得 （1.1）f(t)是实的偶函数，即f(t)=f(-t) X()的积分项是奇函数，而奇函数在对称区间内的积分为零，故这时X()=0，于是 可见，若f(t)是实偶函数，则F()也是实偶函数，即 左边反褶，右边共轭 （ 1.2）f(t)是实的奇函数，即-f(t)=f(-t) R()的积分项是奇函数，而奇函数在对称区间内的积分为零，故这时R()=0，于是
信息融合技术
信息融合技术及其方法研究 1 信息融合技术 信息融合是为了达到目标的精确位置、身份估计以及实时的战场态势和敌方威胁评估，而对单个或多个信息源的数据进行互联和综合的过程，将信息融合划分成如下几个过程：对准、互联、滤波、识别和威胁评估及战场态势评估。 对准是一个数据排列处理过程。它包括时间、空间和度量单位的处理。因为多传感器的信息融合将涉及到不同的坐标系统、观察时间和扫描周期，所以需将所有传感器的数据转换到一个公共的参考系中，尽管已经有许多技术可用，其中最典型的方法是最小平方估计，目前很少有学者在进行这个领域的研究，但战场结果显示有许多问题都是由于不良的定位所造成的。 互联是当今信息融合中最有技术挑战力的一个领域。它是决定从不同传感器中哪些测量是代表同一个目标的处理过程。数据互联可在3个层次上进行，第1层是测量—测量互联，被用来处理在单个传感器或单个系统的初始跟踪上。第2层是测量—跟踪互联，被用在跟踪维持上；第3层是跟踪—跟踪互联，用于多传感器的数据处理中，互联中使用最多的方法是序贯最近邻法。该方法是选择使统计距离最小和残缺概率密度最大的回波作为目标回波，计算方法比较简单，缺点是在实际应用中容易发生误跟和丢失目标。其它方法，如联合概率数据关联方法，它全部考虑了跟踪门内的所有候选回波，并根据不同相关情况计算出各个概率加权系数，以及所有候选回波的加权和，即为等效回波，然后用等效回波更新多个目标的状态。另外，多假设跟踪法也是今后要考虑的方法之一。 识别是对目标属性进行评估的一个过程。识别问题的第1步是识别外形面貌特征，识别问题的第2步是一个决策理论问题。 威胁评估以及战场态势评估是一个较为抽象的处理过程，相对前面提到的各个过程处理复杂的多，处理技术要用到大量的数据库，该数据库必须包括有不同的目标行为、目标飞行趋势、将来企图的数据和敌方军事力量的智能信息。传统的经典方法可以被用于这个层次上的处理，由于它是一个抽象的推理过程，因而符号处理更为合适，人工智能技术在此过程也已被利用。 总之，信息融合采用的方法有：极大似然估计方法，Bayes推理方法，Kalman 滤波方法等都是比较成熟的算法，对于其中一些模糊现象处理，如相关门限中有许多个测量待选择，航迹维持的时间和质量等。目前在不同的系统中正在开发相应的适用方法，例如，多目标多传感器中相关处理所采用的多周期动态组合算法和矩阵优化算法，目标检测中采用的软判定传感器技术，航迹维持中的航迹质量因子描述航迹状态转移方法等等，都已达到实际应用阶段，技术已经成熟。正在研究的属于认识类模型算法，在信息融合的初级处理过程中尚未达到适用阶段。 2 信息融合结构 目前还没有多传感器信息融合结构的标准分类，但和结构相关的有以下2个问题。 2.1传感器布置 传感器融合结构中的最重要的问题是如何布置传感器，基本上有3种类型的布置，最常用的拓扑结构是并行拓扑，在这种布置中，各种类型的传感器同时工
信息融合的分类方法
一、信息融合技术分类： 多源信息融合技术分为假设检验型信息融合技术、滤波跟踪型信息融合技术、 聚类分析型信息融合技术、模式识别型信息融合技术、人工智能型信息融合技术等。 1、假设检验型信息融合技术 假设检验型信息融合技术是以统计假设检验原理为基础，信息融合中心选择某 种最优化假设检验判决准则执行多传感器数据假设检验处理，获取综合相关结论。 2、滤波跟踪型信息融合技术 滤波跟踪型信息融合技术是将卡尔曼滤波(或其他滤波)航迹相关技术由单一传 感器扩展到多个传感器组成的探测网，用联合卡尔曼滤波相关算法执行多传感器滤波跟踪相关处理。 3、聚类分析型信息融合技术 聚类分析型信息融合技术是以统计聚类分析或模糊聚类分析原理为基础，在多 目标、多传感器大量观测数据样本的情况下，使来自同一目标的数据样本自然聚集、来自不同目标的数据样本自然隔离，从而实现多目标信息融合。 4、模式识别型信息融合技术 模式识别型信息融合技术是以统计模式识别或模糊模式识别原理为基础，在通 常的单一传感器模式识别准则基础上建立最小风险多目标多传感器模式识别判决 准则，通过信息融合处理自然实现目标分类和识别。 5、人工智能信息融合技术 人工智能信息融合技术将人工智能技术应用于多传感器信息融合，对于解决信 息融合中的不精确、不确定信息有着很大优势，因此成为信息融合的发展方向。智能融合方法可分为：基于专家系统的融合方法；基于神经网络的融合方法；基于生物基础的融合方法；基于模糊逻辑的融合方法等。
二、按融合判决方式分类： 多源信息融合的融合判决方式分为硬判决方式和软判决方式。所谓硬判决或软判决指的是数据处理活动中用于信号检测、目标识别的判决方式。每个传感器内部或信息融合中心都既可选用硬判决方式，也可选用软判决方式。 1、硬判决方式 硬判决方式设置有确定的预置判决门限。只有当数据样本特征量达到或超过预置门限时，系统才做出判决断言；只有当系统做出了确定的断言时，系统才向更高层次系统传送”确定无疑”的判决结论。这种判决方式以经典的数理逻辑为基础，是确定性的。 2、软判决方式 软判决方式不设置确定不变的判决门限。无论系统何时收到观测数据都要执行相应分析，都要做出适当评价，也都向更高层次系统传送评判结论意见及其有关信息，包括评判结果的置信度。这些评判不一定是确定无疑的，但它可以更充分地发挥所有有用信息的效用，使信息融合结论更可靠更合理。 三、按信息融合处理层次分类： 按信息融合处理层次分类，多源信息融合可分为数据层信息融合、特征层信息融合、决策层信息融合等。 1、数据层信息融合 数据层信息融合联合来自每一个传感器的原始数据，其优点是信息丰富，结果精确，但是通讯和运算量大，数据需要预处理，传感器之间往往要求同质或者同等精度。主要的数学方法是：加权平均法、卡尔曼滤波[147,148]、贝叶斯估计、参数估计法等，与信号处理有一定的相似性。 2、特征层信息融合 特征层融合联合从观测量中提取的特征向量，既保持足够数量的重要信息，又实现信息压缩，有利于实时性；但是不可避免地会有某些信息损失，精确性有所下降，因而需对传感器预处理提出较严格的要求。主要的数学方法是：分离
2013年4月20日四川雅安芦山地震破坏过程推演(中科院)
2013年4月20日四川雅安芦山6.7级地震震源破裂过程2013年4月20日四川雅安芦山6.7级地震 震源破裂过程反演初步结果 Preliminary result for Rupture Process of Apr. 20, 2013, Mw6.7 Earthquake, Lushan, Yaan, China 王卫民1 郝金来2 姚振兴2 1中国科学院青藏高原研究所，北京，100085 2中国科学院地质与地球物理研究所，北京，100029 地震发生后，从IRIS数据中心下载了地震数据资料用于研究地震震源机制和震源破裂过程。选取其中信噪比较高并且沿方位角分布比较均匀的31个远场P波波形（震中距位于范围之内）数据进行点源模型的震源机制解反演；根据反演结果再利用31个远场P波波形并增加14个SH波波形资料用于震源过程反演。初始破裂点取USGS给出的震中位置。 计算得到的地震矩为1.54×10**19Nm，Mw=6.7。最大滑动159cm。 结果表明：雅安芦山地震为震级Mw6.7，震源深度10.2km的逆冲断层，破裂在断层面上的分布比较集中，震中区的地震烈度（中国地震烈度表，2008）约为9度。主震和余震分布于龙门山断层带西南端的彭县—灌县断裂带上，位于2008年5月12日汶川地震后的库伦应力增加区域内（单斌等，中国科学D，2009年39卷5期），且两者震源性质相近均为逆冲断裂为主，表明该地震与汶川地震有密切关系，可视为汶川地震的强余震。
图 1 雅安芦山Mw6.7级地震震源机制解 采用下半球投影，同时给出了点源模型的P波垂向位移理论图（红线）与资料（黑线）的拟合情况。图形下方给出了两组节面解（左下，λ，δ，θ，h分别表示错动倾伏角、断层倾角、断层走向、震源深度）和点源模型的震源时间函数（右下）。 Figure 1 Focal mechanism of the Mw6.7 earthquake, Lushan, Yaan, China. Lower-hemisphere projection is used here. The observed P wave records (black line) and the synthetic seismogram (red line) based on the simple point model are compared. The parameters of two possible fault planes are listed also, with l, d, q ,h indicating the rake angle, dip angle, strike direction and source depth respectively. The obtained source time function are plotted.
数据融合概念
数据融合概念的提出源自战争的需要，是依赖于军事应用的。但随着数据融合的发展，它已经成为一门独立的学科，不受某一种应用明显的影响，而是借助于推理，对概念进行一般化，特殊化的综合分析来提出自己的问题。数据融合是一个具有广泛应用领域的概念，很难给出一个统一的定义。数据融合是针对一个系统中使用多个传感器这一特定问题而展开的研究方向，它的定义可以概括为：利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程。按照这一定义，多传感器系统是数据融合的硬件基础，多源信息是数据融合的加工对象，协调优化和综合处理是数据融合的核心。 数据融合最早用于军事领域，美国国防部JDL（Joint Directors of Laboratories）从军事应用的角度将数据融合定义为这样的一个过程，即把来自许多传感器和信息源的数据进行联合（Association）、相关（Correlation）、组合（Combination）和估值的处理，以达到准确的位置估计（Position Estimation）与身份估计（Identity Estimation），以及对战场情况和威胁及其重要程度进行及时的完整评价。吉林大学博士学位论文：多传感器数据融合问题的研究有的专家对上述定义进行了补充和修改，用状态估计代替位置估计，并加入了检测的功能，从而给出了如下定义：数据融合是一个多层次、多方面的处理过程，这个过程是对多源数据进行检测、结合、相关、估计和组合，以达到精确的状态估计和身份估计，以及完整及时的态势评估和威胁估计。此定义有三个要点：数据融合是多信源、多层次的处理过程，每个层次代表信息的不同抽象程度；数据融合过程包括数据的检测、关联、估计与合并；数据融合的输出包括低层次上的状态身份估计和高层次上的总战术态势的评估。从非军事应用的角度来说，数据融合是对多个传感器和信息源所提供的关于某一环境特征的不完整信息加以综合，以形成相对完整、一致的感知描述，从而实现更加准确的识别判断功能。综合考虑上述定义，融合都是将来自多传感器或多源数据进行综合处理，从而得出更为准确可信的结论。多传感器数据融合主要包括多传感器的目标检测、数
多传感器信息融合综述
1.多传感器信息融合概念 多传感器信息融合是指综合来自多个传感器的感知数据, 以产生更可靠、更准确或更精确的信息。经过融合的多传感器系统能完善地、精确地反映检测对象特性, 消除信息的不确定性, 提高传感器的可靠性。经过融合的多传感器信息具有以下特性: 信息的冗余性、信息的互补性、信息的实时性和信息的低成本性。 2.多传感器信息融合分类 按融合判断方式分类 （1）硬判决方式 硬判决方式设置有确定的预置判决门限。只有当数据样本特征量达到或超过预置门限时，系统才做出判决断言；只有当系统做出了确定的断言时，系统才向更高层次系统传送“确定无疑”的判决结论。这种判决方式以经典的数理逻辑为基础，是确定性的。 （2）软判决方式 软判决方式不设置确定不变的判决门限。无论系统何时收到观测数据都要执行相应分析，都要做出适当评价，也都向更高层次系统传送评判结论意见及其有关信息，包括评判结果的置信度。这种评判不一定是确定无疑的，但它可以更充分地发挥所有有用信息的效用，使信息融合结论更可靠更合理。 按传感器组合方式分类 （1）同类传感器组合 同类传感器组合只处理来自同一类传感器的环境信息，其数据格式、信息内容都完全相同，因而处理方式相对比较简单。 （2）异类传感器组合 异类传感器组合同时处理来自各种不同类型传感器采集的数据。优点是信息内容广泛，可以互相取长补短，实现全源信息相关，因而分析结论更准确、更全面、更可靠，但处理难度则高很多。 3.信息融合的系统结构 信息融合的系统结构研究包含两部分, 即信息融合的层次问题和信息融合的体系结构。融合的层次结构主要从信息的角度来分析融合系统, 信息融合的体系结构则主要是从硬件的角度来分析融合系统。 （1）信息融合的层次 信息融合系统可以按照层次划分, 对于层次划分问题存在着较多的看法。目前较为普遍接受的是层次融合结构, 即数据层、特征层和决策层。 数据层融合是指将全部传感器的观测数据直接进行融合, 然后从融合的数据中提取特征向量, 并进行判断识别。这便要求传感器是同质的, 如果传感器是异质的, 则数据只能在特征层或者决策层进行融合。数据层融合的优点是保持了尽可能多的原始信息,缺点是处理的信息量大, 因而处理实时性较差。 特征层融合是指将每个传感器的观测数据进行特征抽取以得到一个特征向量, 然后把这些特征向量融合起来, 并根据融合后得到的特征向量进行身份判定。特征层融合对通信带宽的要求较低, 但由于数据丢失使其准确性有所下降。 决策层融合是指每个传感器执行一个对目标的识别, 将来自每个传感器的识别结果进行融合。该层次融合对通信带宽要求最低, 但产生的结果相对来说最