Long-period oscillations in GPS Up time series. Study over the European/Mediterranean area

The surface of the Earth is subjected to vertical deformations caused by geophysical and geological processes which can be monitored by Global Positioning System (GPS) observations. The purpose of this work is to investigate GPS height time series to identify interannual signals affecting the Earth’s surface over the European and Mediterranean area, during the period 2001-2019. Thirty-six homogeneously distributed GPS stations were selected from the online dataset made available by the Nevada Geodetic Laboratory (NGL) on the basis of the length and quality of the data series. The Principal Component Analysis (PCA) is the technique applied to extract the main patterns of the space and time variability of the GPS Up coordinate. The time series were studied by means of a frequency analysis using a periodogram and the real-valued Morlet wavelet. The periodogram is used to identify the dominant frequencies and the spectral density of the investigated signals; the second one is applied to identify the signals in the time domain and the relevant periodicities. This study has identified, over European and Mediterranean area, the presence of interannual non-linear signals with a period of 2-to-4 years, possibly related to atmospheric and hydrological loading displacements and to climate phenomena, such as El Niño Southern Oscillation (ENSO). A clear signal with a period of about six years is present in the vertical component of the GPS time series, likely explainable by the gravitational coupling between the Earth’s mantle and the inner core. Moreover, signals with a period in the order of 8-9 years, might be explained by mantle-inner core gravity coupling and the cycle of the lunar perigee, and a signal of 18.6 years, likely associated to lunar nodal cycle, were identified through the wavelet spectrum. However, these last two signals need further confirmation because the present length of the GPS time series is still too short when compared to the periods involved.

Data-driven Signal Processing per Jamming Detection in Sistemi Satellitari

In questo elaborato vengono analizzate differenti tecniche per la detection di jammer attivi e costanti in una comunicazione satellitare in uplink. Osservando un numero limitato di campioni ricevuti si vuole identificare la presenza di un jammer. A tal fine sono stati implementati i seguenti classificatori binari: support vector machine (SVM), multilayer perceptron (MLP), spectrum guarding e autoencoder. Questi algoritmi di apprendimento automatico dipendono dalle features che ricevono in ingresso, per questo motivo è stata posta particolare attenzione alla loro scelta. A tal fine, sono state confrontate le accuratezze ottenute dai detector addestrati utilizzando differenti tipologie di informazione come: i segnali grezzi nel tempo, le statistical features, le trasformate wavelet e lo spettro ciclico. I pattern prodotti dall’estrazione di queste features dai segnali satellitari possono avere dimensioni elevate, quindi, prima della detection, vengono utilizzati i seguenti algoritmi per la riduzione della dimensionalità: principal component analysis (PCA) e linear discriminant analysis (LDA). Lo scopo di tale processo non è quello di eliminare le features meno rilevanti, ma combinarle in modo da preservare al massimo l’informazione, evitando problemi di overfitting e underfitting. Le simulazioni numeriche effettuate hanno evidenziato come lo spettro ciclico sia in grado di fornire le features migliori per la detection producendo però pattern di dimensioni elevate, per questo motivo è stato necessario l’utilizzo di algoritmi di riduzione della dimensionalità. In particolare, l'algoritmo PCA è stato in grado di estrarre delle informazioni migliori rispetto a LDA, le cui accuratezze risentivano troppo del tipo di jammer utilizzato nella fase di addestramento. Infine, l’algoritmo che ha fornito le prestazioni migliori è stato il Multilayer Perceptron che ha richiesto tempi di addestramento contenuti e dei valori di accuratezza elevati.

“Event-Related Spectral Perturbations” nel segnale EEG durante un compito di reaching

Questo elaborato ha analizzato le Event Related Spectral Perturbation (ERSP), cioè le variazioni nella potenza del segnale in corrispondenza di una frequenza o una banda di frequenze, suddivisi in Event Related Synchronization (ERS) nel caso di incremento di potenza e Event Related Desynchronization (ERD) nel caso di decremento di potenza, relative a movimenti di reaching eseguiti con l’arto superiore. In particolare, sono state prese in considerazione le potenze nel ritmo alpha (8-12 Hz) e ritmo beta (12-30 Hz), in quanto ritmi associati alla preparazione ed esecuzione del movimento. I segnali EEG analizzati (60 canali) sono relativi a 14 soggetti a cui è stato chiesto di compiere movimenti di reaching verso una posizione target, secondo una tempistica definita dall’accensione di uno stimolo visivo informativo (CUE, corrispondente al led nella posizione target) e un secondo stimolo visivo imperativo (GO) che dà il via libera all’esecuzione del movimento verso il target. Sono codificate 5 posizioni discrete, a 0°, 45°, 90°, 135° e 180°, su una semicirconferenza il cui centro rappresenta il punto di partenza e ritorno, chiamato base. I segnali preventivamente preprocessati, sono stati decomposti tramite trasformata wavelet ed elaborati con la tecnica dell’averaging, con lo scopo di evidenziare ERS e ERD in banda alpha e beta associati a eventi visivi e motori. È stata presentata l’evoluzione nel tempo della distribuzione topologica delle ERSP a livello dello scalpo e sono state svolte analisi suddividendo i dati secondo la direzione (destra, centro, sinistra) del target e secondo la profondità (vicino, medio, lontano) del target. I risultati mostrano una desincronizzazione (ERD) nella fase di preparazione del movimento (immediatamente prima dello stimolo GO), sia in banda alpha che beta e suggeriscono una modulazione dell’ERD in funzione della direzione/profondità del target.