Statistical Methods for Localization and Discrimination of Acoustical Signals Backscattered by Air Bubbles. Localisation et Discrimination de Signaux Acoustiques de Bulles d'Air par des Techniques Statistiques

Statistical Methods for Localization and Discrimination of Acoustical Signals Backscattered by Air Bubbles

Localisation et Discrimination de Signaux Acoustiques de Bulles d'Air par des Techniques Statistiques

Ali Khelil Claude Mante  Pascal David 

Seconde Adresse: Ecole Normale Supérieure BP 358, Route de Constantine DZ-04000 Oum EI Bouaghi

Centre d'Océanologie de Marseille Campus de Luminy, Case 901 F-1 3288 Marseille cedex 9

Page: 
151-159
|
Received: 
19 March 1996
| |
Accepted: 
N/A
| | Citation

OPEN ACCESS

Abstract: 

Five records of acoustic echoes backscattered by experimentally produced distinct size « monobubbles » are studied . These records were splitted into several blocks so as to detect bubble signals . We proceeded to the analysis of distances between blocks, which were expressed either by usual distances or by distances between equivalence classes of blocks (orbital distances) . The bubble detection is rendered easier by filtering records through principal component analysis . The selected blocks were then submitted to a series ofdiscriminant analyses in five, four or three classes . The discriminant variables were either Fourier coefficients or scores stemming from various orbital distances analyses, The obtained results are discussed and validated by a resampling method .

Résumé 

On étudie cinq enregistrements d'échos acoustiques de « monobulles », de tailles distinctes, produites expérimentalement. Ces enregistrements sont découpés en blocs afin de détecter les signaux de bulles. On procède ensuite à l'analyse des interdistances entre blocs, exprimées soit au moyen de la distance usuelle, soit au moyen de distances entre classes d'équivalence de blocs (distances orbitales). La détection des bulles est facilitée par un filtrage des enregistrements par analyse en composantes principales. Les blocs sélectionnés sont soumis à une série d'analyses discriminantes en cinq, quatre et trois classes, les variables discriminantes étant soit les coefficients de Fourier du signal, soit les facteurs issus de l'analyse de diverses tables d'inter-distances orbitales. Les résultats obtenus sont discutés et validés par une technique de rééchantillonnage . 

Keywords: 

Air bubble, discrimination, principal component analysis, orbital distances, cross validation . 

Mots clés 

Bulle d'air, discrimination, analyse en composantes principales, distances orbitales, validation croisée.

1. Introduction
2. Pretraitements
3. Filtrage par Analyse en Composantes Principales
4. Utilisation de Distances Orbitales
5. Analyse Discriminante
6. Test de la Validité des Résultats de Discrimination
7. Discussion et Conclusion
  References

[1] Y.H.L. Hsu, P.A. Hwang, J. Wu, « Bubbles produced by breaking wind waves in gas transfer at water surfaces », W. Brutsaert and G.H. Jirka, D. Reidel, New York, 1984, p. 221-227. 

[2] S.A. Thorpe, D.N. Humphries, « Bubbles and breaking waves », Nature, Vol.283, 1980, p. 463-465. 

[3] 0. Guerin-Ancey, P.M. David, « Use of a multibeam-multifrequency sounder to study the distribution of small zooplankton », Deep-Sea Res., Vol. 40, 1993,p.119-128. 

[4] H. Medwin, C. Albert, Jr. Daniel, « Acoustical measurements of bubble production by spilling breakers », J. Acoust. Soc. Amer, Vol. 88, n° 1, 1990, p. 408-412. 

[5] R.J. Ulrick, Principles of Underwater Sound for Engineers, McGraw-Hill, New York, 1967, p. 337. 

[6] T.G. Leighton, The Acoustic Bubble,Academic Press, London, 1994. 

[7] J.P. Van Cuyck, Etude de la réflexion acoustique d'une lame d'eau de mer contenant des organismes planctoniques, Thèse, Univ. Aix-Marseille II, 1995. 

[8] A. Khelil, Acoustique de bulles d'air dans une colonne d'eau. Identification et discrimination, ThèseUniv. Méditerranée, 1995. 

[9] C. Cachard,Mouvementdebulles dans unchampultrasonore intense. Débullage d'un liquide,Thèse, I.N.S.A. Lyon, 1988. 

[10] DR. Brillinger,Time series- Data analysis and theory,McGraw-Hill, New York, 1981. 

[11]C.Mante,« Analyse encomposantes principales d'un processus multiple non stationnaire : une application à des données météorologiques », Statistique et Analyse des Données, Vol. 14, n°2, 1989, p. 25-53. 

[12] F. Caillez, J.P. Pages, Introduction à l'analyse des données, Smash, Paris, 1976. 

[13] B. Escofier, J. Pages,Analysesfactorielles simples et multiples : objectifs, méthodes etinterprétation, Dunod, Paris, 1990. 

[14] R. Thom, Stabilité structurelle etmorphogenèse,Interéditions, 1977. 

[15] F. Gourd,J.P. Gauthier, H. Younes, «Une méthode d'invariants del'analyse harmonique en reconnaissance de formes», Traitementdu Signal, Vol. 6, n°3, 1989, p. 161-178. 

[16] F. Ghorbel, « Distance et invariance pour la classificationd'objets dans les images», International meeting on distance analysisDISTANCIA92, 1992, Rennes (F.). 

[17] P. Lütz, D. Maïti, « Classification automatique d'après la distance entre orbites: application à la physique corpusculaire »,Cahiersde l'Analyse des Données, Vol. 3, n°4, 1978, p. 449-458.

[18] I.L. Dryden, K.V. Mardia, «Multivariate shape analysis », Sankhya, Series A, Vol. 55, n°3, 1993, p. 460-480. 

[19] D.G. Kendall, « Mathematical statistics in the humanities, and some related problems in astronomy »,The ISI,Centenary Volume, p. 392-408. 

[20] S. Maclane, G. Birkhoff, Algèbre - Structures fondamentales, GauthierVillars, Paris, 1970, p. 408. 

[21] G. Celeux, E. Diday, Coll., Classificationautomatique des données, Dunod, Paris, 1989. 

[22] J.M. Romeder, Méthodes et programmes d'analyse discriminante, Dunod, Paris, 1976, p. 274. 

[23] J. Hadamard, « Mouvementpermanent lentd'une sphère liquide etvisqueuse dans un milieu visqueux», C. R. A. Sci., Vol. 152, 1911, Vol. 154, 1912, p. 1735-1738 et p. 109. 

[24] P. Diaconis, B. Efron, « Méthodes de calculs statistiques intensifs sur ordinateurs », Pour la Science, Juillet, 1983, p. 46-59. 

[25] B. Efron, « The Jacknife, the bootstrap and other resampling plans », Soc. Ind. App. Math.,CBMS, 1982, Philadelphia, Pennsylvania. 

[26] P. Gonzales Vicente, « Recherche de la dimension de l'espace latent en ACP»,Statistiques et Analyse deDonnées, Vol. 11,n°3, 1986, p. 19-29. 

[27] I. Anastassakos, G. D'Aubigny, « L'utilisation destests desphéricitépour la recherchede la dimension del'espacelatent en analysefactorielle classique et en analyse encomposantes principales », Revue de Statistiques Appliquées, Vol. XXXII, n°2, 1984, p. 45-57.