Removal of wavelet dispersion from ground-penetrating radar data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Wavelet dispersion caused by frequency-dependent attenuation is a common occurrence in ground-penetrating radar (GPR) data, and is displayed in the radar image as a characteristic “blurriness” that increases with depth. Correcting for wavelet dispersion is an important step that should be performed before GPR data are used for either qualitative interpretation or the quantitative determination of subsurface electrical properties. Over the bandwidth of a GPR wavelet, the attenuation of electromagnetic waves in many geological materials is approximately linear with frequency. As a result, the change in shape of a radar pulse as it propagates through these materials can be well described using one parameter, Q∗, related to the slope of the linear region. Assuming that all subsurface materials can be characterized by some Q∗ value, the problem of estimating and correcting for wavelet dispersion becomes one of determining Q∗ in the subsurface and deconvolving its effects using an inverse-Q filter. We present a method for the estimation of subsurface Q∗ from reflection GPR data based on a technique developed for seismic attenuation tomography. Essentially, Q∗ is computed from the downshift in the dominant frequency of the GPR signal with time. Once Q∗ has been obtained, we propose a damped-least-squares inverse-Q filtering scheme based on a causal, linear model for constant-Q wave propagation as a means of removing wavelet dispersion. Tests on synthetic and field data indicate that these steps can be very effective at enhancing the resolution of the GPR image.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle