UNSA

19/05/17

UNSA Generalidades de métodos basados

Técnicas en vibraciones ambientales (pasivos)
pasivas

Muestreo en
Seminario Internacional de Ingenierı́a Sı́smica y Geotécnica
tiempo y
espacio
Universidad Nacional San Agustı́n - Arequipa, 15-18 de
Mayo 2017

Esteban Sáez

Departamento de Ingenierı́a Estructural y Geotécnica - Pontificia

Universidad Católica de Chile

19 de Mayo 2017
1/9
 Origen del ruido
UNSA
19/05/17
◮ Variación de la amplitud espectral horizontal en función
UNSA del tiempo para frecuencias de T1
Técnicas
pasivas
Ruido
Principio

Muestreo en Actividad diaria

tiempo y
espacio

Oleaje

1
2/9
 Origen del ruido
UNSA
19/05/17
◮ Variación de la amplitud espectral horizontal en función
UNSA del tiempo para frecuencias de T1
◮ Rangos
Técnicas
pasivas
Ruido
Principio
Rango Origen Denominación
Muestreo en
tiempo y
< 1 Hz oceánico y fluctuaciones mete- Microseism
espacio reológicas de gran escala
≈ 1 Hz viento y condiciones mete- l
reológicas locales
> 1 Hz Actividad humana Microtremors
Bonnefoy-Claudet, 2004

2/9
 Origen del ruido
UNSA
19/05/17
◮ Variación de la amplitud espectral horizontal en función
UNSA
del tiempo para frecuencias de T1
Técnicas
pasivas ◮ Rangos
Ruido
Principio ◮ Diferencias
Muestreo en
tiempo y
espacio Caracterı́stica Microseism Microtremos
Fuente Lejana Cercana
Clase de onda Sólo superficie Superficie + cuerpo
Tipo de onda sup. Sólo Rayleigh Rayleigh + Love
Modo Sólo fundamental fundamental + altos
Bonnefoy-Claudet, 2004

2/9
 Origen del ruido
UNSA
19/05/17
◮ Variación de la amplitud espectral horizontal en función
UNSA
del tiempo para frecuencias de T1
Técnicas
pasivas ◮ Rangos
Ruido
Principio ◮ Diferencias
Muestreo en
tiempo y
espacio Caracterı́stica Microseism Microtremos
Fuente Lejana Cercana
Clase de onda Sólo superficie Superficie + cuerpo
Tipo de onda sup. Sólo Rayleigh Rayleigh + Love
Modo Sólo fundamental fundamental + altos
Bonnefoy-Claudet, 2004
La proporción R/L varı́a con la frecuencia !!!
Frencuencia Rayleigh ( %) Love ( %)
3 − 10 Hz < 50 % > 50 %
2/9
 Principio de los métodos de ondas superficiales
UNSA
19/05/17
◮ Idea: aprovechar la naturaleza dispersiva de las ondas
UNSA superficiales en semi-espacios estratificados
Técnicas
pasivas
Ruido
Principio

Muestreo en
tiempo y
espacio

Wathelet, 2012
3/9
 Principio de los métodos de ondas superficiales
UNSA
19/05/17

UNSA

Técnicas ◮ Idea: aprovechar la naturaleza dispersiva de las ondas

pasivas
Ruido superficiales en semi-espacios estratificados
Principio

Muestreo en
◮ Procedimiento:
tiempo y
espacio ◮ Definir un arreglo: ¿ Cuántas estaciones y cómo
distribuirlas ?
◮ Registrar: ¿ Cuánto grabar ?
◮ Procesar:
◮ Arreglos 2D: f − k y SPAC
◮ Arreglos 1D: ReMi y MASW RoadSide
◮ Invertir: métodos de gradientes o globales

3/9
 Muestreo en tiempo y espacio
UNSA
19/05/17
◮ Sea uz = uz (x, t) = uz (x, y, t) el movimiento vertical de
UNSA una partı́cula en la superficie
z
Técnicas
pasivas

Muestreo en
tiempo y
espacio
Nociones uz (x, t) y
Ejemplo x
Tiempo
b
Espacio 1D
Espacio 2D
Resumen

4/9
 Muestreo en tiempo y espacio
UNSA
19/05/17
◮ Sea uz = uz (x, t) = uz (x, y, t) el movimiento vertical de
UNSA una partı́cula en la superficie
◮ Transformada de Fourier en tiempo
Técnicas
pasivas Z ∞
Muestreo en ûz (x, ω) = uz (x, t) e−iωt dt donde ω = 2πf
tiempo y −∞
espacio
1
Nociones
Z ∞
Ejemplo
uz (x, t) = ûz (x, ω) eiωt dω
Tiempo
Espacio 1D
2π −∞
Espacio 2D
Resumen

4/9
 Muestreo en tiempo y espacio
UNSA
19/05/17
◮ Sea uz = uz (x, t) = uz (x, y, t) el movimiento vertical de
UNSA una partı́cula en la superficie
◮ Transformada de Fourier en tiempo
Técnicas
pasivas Z ∞
Muestreo en ûz (x, ω) = uz (x, t) e−iωt dt donde ω = 2πf
tiempo y −∞
espacio
1
Nociones
Z ∞
Ejemplo
uz (x, t) = ûz (x, ω) eiωt dω
Tiempo
Espacio 1D
2π −∞
Espacio 2D
Resumen
◮ Transformada de Fourier en espacio
ûz (kx , ky , t) =
Z ∞ Z ∞ Z ∞
uz (x, y, t) ei(kx x+ky y) dx dy = uz (x, t) eik x dx
−∞ −∞
Z ∞ −∞
1
uz (k, t) = ûz (k, t) e−ik x dω
(2π)2 −∞
2π 2π ω
número de onda : k = = v =
λ f
v
4/9
 Muestreo en tiempo y espacio
UNSA
19/05/17 ◮ Sea uz = uz (x, t) = uz (x, y, t) el movimiento vertical de
UNSA una partı́cula en la superficie
Técnicas
◮ Transformada de Fourier en tiempo
pasivas
◮ Transformada de Fourier en espacio
Muestreo en
tiempo y ◮ Combinando la transformada en tiempo y espacio
espacio
Nociones
Ejemplo
Z ∞ Z ∞ Z ∞
Tiempo
Espacio 1D
ûz (kx , ky , ω) = uz (x, y, t) e−i(ωt−kx x−ky y) dx dy dt
Z ∞ Z ∞
Espacio 2D −∞ −∞ −∞
Resumen
= uz (x, t) e−i(ωt−k x) dx dt
−∞ −∞

Espectro f − k: frequency-wavenumber

4/9
 Muestreo en tiempo y espacio
UNSA
19/05/17 ◮ Sea uz = uz (x, t) = uz (x, y, t) el movimiento vertical de
UNSA una partı́cula en la superficie
Técnicas
◮ Transformada de Fourier en tiempo
pasivas
◮ Transformada de Fourier en espacio
Muestreo en
tiempo y ◮ Combinando la transformada en tiempo y espacio
espacio
Nociones
Ejemplo
Z ∞ Z ∞ Z ∞
Tiempo
Espacio 1D
ûz (kx , ky , ω) = uz (x, y, t) e−i(ωt−kx x−ky y) dx dy dt
Z ∞ Z ∞
Espacio 2D −∞ −∞ −∞
Resumen
= uz (x, t) e−i(ωt−k x) dx dt
−∞ −∞

Espectro f − k: frequency-wavenumber
y su inversa
1
Z ∞Z ∞
uz (x, t) = ûz (k, ω) ei(ωt−k x) dk dω
(2π)3 −∞ −∞
4/9
 Onda plana armónica unitaria
UNSA
19/05/17
◮ Sea
uz (x, t) = ei(ω0 t−k0 x)
UNSA
z
Técnicas
pasivas

Muestreo en
tiempo y
espacio
Nociones
Ejemplo
x y
Tiempo
Espacio 1D
Espacio 2D k0
Resumen

◮ La velocidad de propagación es:

ω0
v0 =
|k 0 |

◮ La longitud de onda es:

2π
λ0 =
|k 0 |
5/9
 Onda plana armónica unitaria
UNSA
19/05/17
◮ Sea
uz (x, t) = ei(ω0 t−k0 x)
UNSA

Técnicas
pasivas ◮ Aplicando la transformada frecuencia-número de onda
Muestreo en
tiempo y
espacio ûz (k, ω) = δ2 (k − k 0 ) δ(ω − ω0 )
Nociones
Ejemplo
Tiempo ω
Espacio 1D
Espacio 2D
Resumen
b

kx ky
k0

◮ La onda plana es un punto en el espacio k − ω

◮ La transformada f − k permite identificar ondas planas
para una frecuencia dada 5/9
 Onda plana armónica unitaria
UNSA
19/05/17

UNSA ◮ Sea
Técnicas
uz (x, t) = ei(ω0 t−k0 x)
pasivas

Muestreo en
tiempo y
espacio
◮ Aplicando la transformada frecuencia-número de onda
Nociones
Ejemplo
Tiempo
Espacio 1D
ûz (k, ω) = δ2 (k − k 0 ) δ(ω − ω0 )
Espacio 2D
Resumen

◮ El cálculo anterior corresponde a un muestreo continuo en

espacio (x) y en tiempo (t) lo que no es factible en la
práctica
→ Un muestreo discreto tendrá un impacto en los valores
de k 0 y ω0

5/9
 Muestreo en tiempo
UNSA
19/05/17
◮ Supongamos que se registra durante un intervalo de
UNSA tiempo T
Técnicas 
pasivas 1 0≤t≤T
vz (x, t) = w(t) uz (x, t) donde w(t) =
Muestreo en 0 t>T &t<0
tiempo y
espacio
Nociones
Ejemplo
donde w(t) es la función de windowing
Tiempo
Espacio 1D
Espacio 2D
Resumen

6/9
 Muestreo en tiempo
UNSA
19/05/17
◮ Supongamos que se registra durante un intervalo de
UNSA tiempo T
Técnicas 
pasivas 1 0≤t≤T
vz (x, t) = w(t) uz (x, t) donde w(t) =
Muestreo en 0 t>T &t<0
tiempo y
espacio
Nociones
Ejemplo
donde w(t) es la función de windowing
Tiempo
Espacio 1D
◮ Aplicando la transformada de Fourier en tiempo
Espacio 2D
Resumen Z ∞ Z ∞
v̂z (x, ω) = w(t) uz (x, t) e −iωt
dt = ŵ(ω−ξ) ûz (x, ξ) dξ
−∞ −∞
 
 sin( ωT ) 
donde |ŵ(ω)| = T  ω T 
 2

6/9
 Muestreo en tiempo
UNSA
19/05/17
◮ Supongamos que se registra durante un intervalo de
UNSA tiempo T
◮ Aplicando la transformada de Fourier en tiempo
Técnicas
pasivas ◮ Gráficamente
Muestreo en 0.25
tiempo y
espacio
0.2
Nociones
Ejemplo
Tiempo 0.15
Espacio 1D

|ŵ(ω)|
Espacio 2D
1
Resumen 0.1 fr = T

0.05

0
−3/T −2/T −1/T 0 1/T 2/T 3/T
f (Hz)

◮ El espectro se “expande” sobre un rango de frecuencias

mayor: leakage
◮ Se define como “resolución” (capacidad de diferenciar
frecuencias cercanas) a la mitad del lóbulo central: fr
6/9
 Muestreo en tiempo
UNSA
19/05/17
◮ Supongamos que se registra durante un intervalo de
UNSA tiempo T
◮ Aplicando la transformada de Fourier en tiempo
Técnicas
pasivas ◮ Gráficamente
Muestreo en
tiempo y
◮ Otra consecuencia es el aliasing:
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen

fs es la frecuencia de muestreo
6/9
 Muestreo en tiempo
UNSA
19/05/17 ◮ Supongamos que se registra durante un intervalo de
UNSA tiempo T
Técnicas
◮ Aplicando la transformada de Fourier en tiempo
pasivas
◮ Gráficamente
Muestreo en
tiempo y
espacio
◮ Otra consecuencia es el aliasing:
Nociones
Ejemplo
◮ Supongamos que el muestreo se efectúa a intervalos
Tiempo regulares ∆t, entonces la frecuencia máxima que puede ser
Espacio 1D
Espacio 2D registrada es:
Resumen
1
fN yquist =
2∆t

◮ Todas las componentes de frecuencias mayores a fN yquist

van a ser aliased en el rango
0 ≤ f ≤ fN yquist
◮ La solución es filtrar las señales con un filtro low-pass
análogo para remover f > fN yquist antes de digitalizar
6/9
 Muestreo en espacio
UNSA
19/05/17

UNSA

Técnicas
pasivas ◮ Consideremos un caso 1D: kx 6= 0 y ky = 0. Sea D la
Muestreo en
tiempo y
apertura del muestreo
espacio
Nociones z
Ejemplo
Tiempo
Espacio 1D x
Espacio 2D
Resumen
D

7/9
 Muestreo en espacio
UNSA
19/05/17
◮ Consideremos un caso 1D: kx 6= 0 y ky = 0. Sea D la
UNSA apertura del muestreo
Técnicas z
pasivas

Muestreo en x
tiempo y
espacio D
Nociones
Ejemplo
Tiempo
Espacio 1D
◮ Entonces
Espacio 2D
Resumen

1 0≤x<D
vz (x, t) = w(x) u( x, t) donde w(x) =
0 x > D&x < 0
Z ∞ Z ∞
v̂z (kx , t) = w(x) uz (x, t) eikx x dx = ŵ(kx −ξ) ûz (ξ, t) dξ
−∞ −∞
 
 sin kx D

2
|ŵ(kx )| = D  kx D 
 
2
 

7/9
 Muestreo en espacio
UNSA
19/05/17 ◮ Consideremos un caso 1D: kx 6= 0 y ky = 0. Sea D la
UNSA apertura del muestreo
Técnicas ◮ Entonces
pasivas

Muestreo en
◮ Gráficamente
tiempo y 0.25
espacio
Nociones
Ejemplo 0.2
Tiempo
Espacio 1D
0.15
Espacio 2D |ŵ(kx )| 2π
kr = D
Resumen
0.1

0.05

0
−4pi/D −2pi/D 0 2pi/D 4pi/D
kx (rad/m)

◮ El muestro se “expande” sobre un rango de frecuencias

mayor y la resolución cae
◮ Si D crece, mejora la resolución espacial: kr
7/9
 Muestreo con arreglos
UNSA
19/05/17 ◮ Supongamos que se trata de un arreglo 2D de M
UNSA receptores
Técnicas
pasivas

Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen

M
X
w(x) = wm δ(x − xm )
m=1

8/9
 Muestreo con arreglos
UNSA
19/05/17 ◮ Supongamos que se trata de un arreglo 2D de M
UNSA receptores
Técnicas
pasivas

Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen

◮ Si el muestreo es uniforme: wm = 1 ∀m
M
X
ŵ(k) = wm eik xm
m=1

8/9
 Muestreo con arreglos
UNSA
19/05/17
◮ Supongamos que se trata de un arreglo 2D de M
UNSA receptores
◮ Si el muestreo es uniforme: wm = 1 ∀m
Técnicas
pasivas ◮ Este muestreo también origina aliasing espacial
Muestreo en
tiempo y
espacio
Nociones
Ejemplo
Tiempo
Espacio 1D
Espacio 2D
Resumen

π
kN yquist = donde dmin es la distancia mı́nima entre geofónos
dmin 8/9
 Consideraciones para construir arreglos
UNSA
19/05/17

UNSA

2π
Técnicas ◮ kr = Dmax controla la resolución espacial (kmin )
pasivas
2π π
Muestreo en ◮ kN yquist = λmin = dmin controla el aliasing
tiempo y
espacio
Nociones
→ El objetivo es que haya al menos 3 puntos por longitud
Ejemplo
Tiempo
de onda λ
Espacio 1D
Espacio 2D
Resumen Dmax

b b b b b b

dmin
λ

9/9
 Consideraciones para construir arreglos

kr = D2π
UNSA
19/05/17 ◮
max
controla la resolución espacial (kmin )
2π π
UNSA ◮ kN yquist = λmin = dmin controla el aliasing
Técnicas
pasivas
→ El objetivo es que haya al menos 3 puntos por longitud
Muestreo en
de onda λ
tiempo y
espacio Dmax
Nociones
Ejemplo
Tiempo
Espacio 1D b b b b b b
Espacio 2D
Resumen
dmin
λ
◮ Entonces si
◮ Si Dmax crece → mejora la resolución
◮ Si dmin crece → empeora el aliasing
→ Las funciones de apertura o transferencia de los
arreglos es la mejor forma de estimar la calidad de un
arreglo en función de resolución y apertura
9/9