Диссертация (Оценивание параметров микросейсмического источника по измерениям, производимым группой датчиков), страница 5
Описание файла
Файл "Диссертация" внутри архива находится в папке "Оценивание параметров микросейсмического источника по измерениям, производимым группой датчиков". PDF-файл из архива "Оценивание параметров микросейсмического источника по измерениям, производимым группой датчиков", который расположен в категории "". Всё это находится в предмете "физико-математические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ ВШЭ. Не смотря на прямую связь этого архива с НИУ ВШЭ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата физико-математических наук.
Просмотр PDF-файла онлайн
Текст 5 страницы из PDF
Элементами блочной матрицыM являются значения m m матричнойавтоковариационной функции C , Z временного ряда y k , k Z , котораяможетбытьнайденаиз(1.11)спомощьюобратногодискретногопреобразования Фурье. Ясно, что построение компьютерного алгоритма ММПоценки на основе указанной mn -мерной плотности, практически невозможноиз-за больших вычислительных сложностей, возникающих при значениях mn(около 10000), требуемых в практике сейсмического мониторинга с помощьюповерхностных групп сейсмометров и сложности функциональной зависимостиM 1 от параметров .Построить практически реализуемую ММП оценку возможно, еслиперейти к эквивалентному частотному представлению временных наблюденийy k , k 1,n при помощи дискретного конечного преобразования Фурье (ДКПФ)[42]. Тогда в частотной области модель (1.2) будет иметь вид: x f j h f j u f j f j fj j fs j 1,n ,nгде x f j - ДКПФ наблюдений x k , k 1,n , т.е x fj xj 1 n y k exp i 2 kf j / f s , j 1,nn k 1(1.13)26 f j - ДКПФ значений помех k , k 1,n ; u f j- ДКПФ значений сигнала висточнике uk , k 1,n , векторы h f j получаются путем подстановки частотДКПФ f j будемj fs, j 1,n в функцию (1.12) .
Ниже функцию частоты h j h f j nназыватьвекторнойчастотнойхарактеристикой«путейраспространения» сейсмических волн от источника к датчикам группы,комплексныевеличины спектральнымиuj u f j -отсчетамисигналаисточника, а комплексные векторные величины x j , j 1,n – спектральныминаблюдениями сейсмической группы.В прикладной статистике случайных процессов существует традицияиспользования следующего асимптотического приближения для совместногораспределения гауссовских комплексных случайных величин x j x f j , j 1,n спектральных наблюдений (1.13) [91]:p xn ; xn ; n xn ; ,(1.14)где xn x j , j 1,n - совокупность спектральных наблюдений.n xn ; 2 detF j mj 11/ 2exp x*j F j 1 x j , Fj = F f j , ,(1.15)где F f j , определяется формулой (3.1).При этом полагают, что при больших n слагаемое n xn ; в (1.14) достаточномало по сравнению со слагаемым (1.15) и поэтому им пренебрегают.
Этопренебрежениеобычноэвристическиосновываютнаследующихасимптотических свойствах ДКПФ от «отрезка» стационарного случайноговременного ряда [5,21]:а) декоррелирующее свойство ДКПФ: 0 при n ,max E x fi xT f ji, j1,n(1.16)б) асимптотическая нормальность ДКПФ: N 0,F f , при n ,Ln x f jj(1.17)27где Ln x f j обозначает совместное распределение действительной и мнимойчастей комплексной m - мерной случайной величины x f j ; N 0, F f j , -комплексное m - мерное нормальное распределение с нулевым средним иковариационной матрицей F f j , [5,21]. Оценку параметров затем находятметодом максимума правдоподобия в виде: xn argmax ln xn ; .(1.18)QСтрогое математическое обоснование оценки (1.18) как АЭ оценки всмысле равенства (1.10) можно получить путем следующих рассуждений.Известно [49] что совместное распределение значенийy k , k 1,n «отрезка»многомерного стационарного гауссовского случайного временного ряда сМСПМ F f , обладает (при определенных ограничениях на эту МСПМ)свойством локальной асимптотической нормальности (ЛАН) [74,75]:lnp y n , n 1/ 2p y n , T1 x n , T n n y n , ,2(1.19)где n xn , 0 по вероятности равномерно по c , где c - любоеположительное число, и Q , где Q R s ограниченное множество параметровМСПМ F f , , 1 n * 1 ' xn , x j F j , Fk , j , F j ,1 x j trF j ,1Fk' , j , ; k 1,q , n j 1(1.20)1 n n trF j,1 Fk' , j , F j,1 Fl', j , ; k , l 1, q , n j 1F j , F f j , , Fk' , j , F f j , kВекторная статистика xn , в (1.19) представляет собой асимптотическидостаточную статистику (АД-статистику) для параметрапоследовательностьматриц n φn в (1.19) [74],обладаетсвойством:28lim n lim n 1 n ,nnгдеn - матрица Фишера для совместногораспределения величин y k , k 1,n .
Ниже мы будем называть n φn предельнойнормированной матрицей Фишера (ПНФ-матрицей).В [20,21], показано, что при дополнительных ограничениях на АДстатистику xn , , существует сфера S в R q с центром в 0 , (где 0 истинноезначение параметров наблюдаемого векторного временного ряда y k ), такая,что при достаточно больших n решение системы уравнений xn , 0, Sсуществует и единственно, и корень уравнения (1.21)(1.21) xn является АЭоценкой параметра 0 .Воспользовавшись известными формулами матричной алгебры [10]:ln detF tr Fk' F 1 ,kkF -1 F-1 Fk' F-1 (1.22)нетрудно показать, что компоненты k xn ; АД статистики (1.20)частные производные по параметрам k функции ln xn , , гдеесть xn , определяется выражением (1.15):k xn ; =1 1 n * 1 ' 1ln x n , ,x j Fj Fk , j F x j trFj1Fk' , j =n kn j 1(1.23)Т.е.
x n ; n 1/2grad ln xn , . Кроме того, при указанных в работах [20,21] k xn ; ограничениях на АД статистику xn , , матрица l, k ,l 1,q при достаточно больших n является отрицательно определенной.Отмеченные выше ограничения, накладываемые на АД статистику xn ; , сформулированы в теореме 1.4.2 книги [21].
В рассматриваемой задачеони имеют место, еслиа) Компоненты hl f ; , l 1,m векторной функции (1.12) имеют непрерывныечастные производные третьего порядка по любой компоненте векторногопараметра rx ,ry ,rz ,1 ,..., q Q R s .29б)Выполнены хорошо известные условия регулярности многомерногостационарного временного ряда, накладываемые на матрицу F f [58].Следовательно, существует шар S R q с центром в точке истинныхзначений параметров наблюдений группы y k , k 1,n такой, что при достаточнобольших n асимптотически эффективная оценка может быть получена как xn argmax ln xn , .(1.24)SИз (1.15) следует, что вместо ln xn , в (1.24) можно использоватьследующий функционал от наблюдений, зависящий от параметра L xn , nmnln 2 1 n ln detFj1 xj Fj1 x j .22 j 1j 1(1.25)Используя известную формулу Бартлетта [39] для обращения матриц,представляющих собой сумму эрмитовой матрицы полного ранга и эрмитовойматрицы единичного ранга, получаем:Fj1 Fj , g j h j h j* Fj,1 1Fj,1 g j h j h*j Fj,11 g j h*j Fj,1h j.(1.26)Используя (1.26) можно преобразовать функционал (1.25) к виду,который упрощает вычисления в процессе его итеративной максимизации ипроясняет его "физический" смысл:L xn C xn ,где xn z j xn , Cn21 n*lndetFghhzx,,j,jjjjn j 12 j 1 hj Fj,1 x jg j 1 hj Fj,1h j ,(1.27)(1.28)mnln 2 n 1 x j Fj , x j – постоянная, не зависящая от параметров задачи .2j 1Таким образом, АЭ оценка (1.24) (решение уравнения (1.21)) имеет следующийвид: 1 n x n argmax ln det F j , g j h j h*j S 2 j 1 2hj F j ,1 x j n . j 1 g 1 h F 1 h jjj , j(1.29)301.4.
Оценка параметров очага при неизвестной временной форме сигналаисточника.При полностью неизвестной временной форме сигнала в источнике u t спектральныеотсчеты u f j u j j 1 n , входящие в выражение (1.13) дляспектральныхнаблюденийxj ,полностьюнеизвестны,иихследуетрассматривать как мешающие параметры задачи. Из (1.13) при этом следует,чтоспектральныенаблюденияудовлетворяютмоделимногомернойнелинейной регрессии с неизвестными множителям u j в «регрессорах»h j 0 u j . Эти множители являются мешающими параметрами в задачеоценивания информативных параметров . Поскольку число мешающихпараметров u j неограниченно возрастает с ростом числа наблюдений n, товозникает вопрос: имеются ли при этой постановке задачи регулярные оценкипараметров , для которых существуют матрицы среднеквадратическихотклонений (МСКО) с асимптотикой (1.8),Нижеметодом,правдоподобия,аналогичнымпостроенаклассическомурегулярнаяоценкаметодуn xn ,максимумадлякоторойаналитическое выражение для предельной ковариационной матрицы можновывести, базируясь на результатах, изложенных в [20,21].
Из существованияэтой оценки можно заключить, что в рассматриваемой задаче с неограниченновозрастающим числом мешающих параметров, в принципе, существует целыйкласс K регулярных оценок n параметров , ковариации 0 , n которыхимеют асимптотическое разложение (1.8) и удовлетворяют неравенству (1.9).Очень интересной (и до сих пор, по-видимому, не решенной) являетсятеоретическая проблема построения достижимой нижней границы дляасимптотических ковариаций оценок из класса K , аналогичной границе (1.9).Т. е. проблема нахождения такой матрицы 0 J 1 0 , для которойследующее асимптотическое неравенство31 0 , n 0 , φ0 Q ,имело бы место для каждой оценки n xn из класса K .Для построения оценки параметров при неизвестном сигнале u j ,рассмотрим сначала случай, когда u j заданы.
В этом случае для совместногораспределения наблюдений (1.2) существует ЛАН-разложение (3.9) с АДстатистикой [21]* 1 n h j 1 h j , xn ; uFxu;k1,q j , j jj n j 1 k k(1.30)Легко проверить, что выражение (1.30) является градиентом по параметрам от логарифма следующей аппроксимации совместного распределенияспектральных наблюдений (1.13) при заданных значениях u j , j 1, n :np x, j 1*1exp x j u j h j F j ,1 x j u j h j ,2 detF j ,(1.31)Следовательно, повторяя рассуждения предыдущего раздела, можноутверждать, что АЭ оценка параметров в модели наблюдений (1.13) приизвестных u j , j 1, n может быть получена в следующей форме: n* xn argmax x j u j h j F j ,1 x j u j h j S j 1 .(1.32)В случае, когда мешающие параметры u j , j 1, n не известны, можно,эвристическииспользоватьформальнуюлогикуметодамаксимумаправдоподобия, пытаясь найти «хорошую» оценку информативных параметров , максимизируя правую часть выражения (1.32) не только по компонентам ,но и по мнимой и действительной частям комплексных величин u j , j 1, n : xn argmax L xn , ,u j , j 1,n ,SReu jImu jгде L xn ,,u j , j 1,n x j u j h j F j ,1 x j u j h j .nj 1*(1.33)(1.34)32Оценка (1.33) удовлетворяет следующей системе уравнений:L xn u j 0L xn u j 0 , j 1 n ;Re u jIm u jk(1.35)L x n ,u j 0 k 1 q .Непосредственным дифференцированием функции L x n u j по переменнымRe u j и Im u j , переходим к системе эквивалентной (1.35) :*L xn u j h*j Fj,1 x j u j h j h*j Fj,1 x j u j h j 0.Re u j*L xn u j h*j Fj,1 x j u j h j + h*j Fj,1 x j u j h j 0.Im u jk(1.36)L x n ,u j 0 k 1 q, j 1,n.Первые два уравнения системы (1.36) разрешаются относительно u j независимоот остальных уравнений этой системы.
Для этого рассмотрим разность первогои второго уравнений системы (1.36):L xn u j L xn u j 2h*j Fj,1 x j u j h j 0 ; j 1, n ,Re u jIm u j(1.37)Из (4.8) следует, что:uj h*j Fj,1 x jh*j Fj,1h j , j 1, n.(1.38)Несмотря на то, что выражение (1.38) для u j , j 1, n было получено из линейнойкомбинации первых двух уравнений системы (1.36), нетрудно убедиться, чтооно также является решением каждого из них.Перепишем функцию (1.34) в видеnL xn ,,u j , j 1,n j 1x*j F j ,1 x jnj 1u j x*j F j ,1h jn u*j h*j Fj,1 x j u j h j .j 1(1.39)Последнее слагаемое выражения (1.39) в силу (1.37) равно нулю. Кроме того,поскольку оценка xn получается с помощью оптимизации функции L по33параметрам ,u j , j 1,n , то первое слагаемое в выражении (1.39) в дальнейшемможно не учитывать.