کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8256304 1533960 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Identification of particle-laden flow features from wavelet decomposition
ترجمه فارسی عنوان
شناسایی ویژگی های جریانی ذرات از تجزیه موجک
کلمات کلیدی
موجک، جریان گرانشی ذرات، فیلتر کردن، پردازش سیگنال،
ترجمه چکیده
یک روش مبتنی بر تجزیه موجک بر روی داده های فشار هوا به دست آمده از لایه های پودری برف پودر به دست آمده است. این روش نشان داده شده است که یک ابزار قدرتمند برای شناسایی هر دو ویژگی تکرار پذیر و هرج و مرج در هر فرکانس درون سیگنال است. علاوه بر این، این تکنیک نشان داده شده است که یک روش قوی برای حذف نویز از سیگنال و همچنین قادر به حذف سایر آلاینده ها از سیگنال است. در حالیکه لایه های برف پودری تمرکز آزمایشات مورد بررسی قرار گرفته اند، ویژگی های شناسایی می توانند بینش های جرم گرانشی ذرات دیگر را ارائه دهند و تکنیک توصیف شده برای انواع مختلفی از سیگنال های تجربی قابل استفاده است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات ریاضیات کاربردی
چکیده انگلیسی
A wavelet decomposition based technique is applied to air pressure data obtained from laboratory-scale powder snow avalanches. This technique is shown to be a powerful tool for identifying both repeatable and chaotic features at any frequency within the signal. Additionally, this technique is demonstrated to be a robust method for the removal of noise from the signal as well as being capable of removing other contaminants from the signal. Whilst powder snow avalanches are the focus of the experiments analysed here, the features identified can provide insight to other particle-laden gravity currents and the technique described is applicable to a wide variety of experimental signals.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica D: Nonlinear Phenomena - Volume 361, 15 December 2017, Pages 12-27
نویسندگان
, ,