A synthetic aperture microwave near-field system is used to image biophysical objects in order to investigate the nature of radar-target interaction. Two different imaging algorithms for focusing data collected over a two-dimensional planar aperture are investigated. The first of these is the single frequency backward propagation technique which is mathematically simple to implement and provides a high degree of resolution. Secondly, a multifrequency development of the backward propagation algorithm is presented and derived from two separate perspectives. This latter algorithm, known as the auto-focusing algorithm, requires no information about the range of the target from the aperture. Full characterisation by simulation of both algorithms is carried out and different filtering techniques are investigated. The backward propagation algorithm is applied to the polarimetric imaging of three different leafless trees and a sugar beet plant at the X-band frequency of 10GHz. The images so produced demonstrate that the backscattered signal is dependent on the orientation of individual tree elements with respect to the polarisation. Furthermore, multiple scattering terms can be identified within the structure of the tree. The auto-focusing algorithm is applied to the polarimetric imaging of two trees at 10GHz and repeat measurements are made over several months. As with the single frequency measurements, the backscattered signal is dependent on the orientation of individual tree elements relative to the polarisation. The relative contributions from the leaves and branches of the trees to the backscattered signal are assessed and found to be seasonally dependent. Measurements are also carried out to investigate the variation of backscatter from a beech tree with varying incidence angle. It is demonstrated that at small angles of incidence, the leaves are the dominant source of backscatter but at large incidence angles, the branches and trunk of the tree have the greatest contrbution.

No description available.

The volatility of house prices can raise systemic risks in the housing market due to the vulnerability of the banking and mortgage sectors to such fluctuations. Moreover, the extreme increases in housing markets have been considered a key feature of the last economic crisis and the run-up to it. Such increases, however, came to a sudden halt immediately before the crisis or directly it began. Despite the recent growth of scholarly work on the role of house price behaviour in economic stability, fundamental questions have yet to be answered: for instance: (i) how far do the nonlinear models outperform the linear models? And how does such nonlinearity explain the asymmetry in the cycle; (ii) what are the main characteristics of house price cycles, and how do they differ over time; and (iii) what kind of policy intervention would stop a real estate boom? This thesis, made up of three empirical essays, aims to take a step forward in answering these questions. The first essay examines whether house prices in large metropolitan areas such as London, New York and Hong Kong follow linear or nonlinear models. The Smooth Transition Autoregressive model was used on a sample of monthly data over the period 1996:1 to 2015:12. The results indicate that linear models are unsuitable for modelling the housing market for the chosen cities. Moreover, strong evidence indicates that real estate prices are largely nonlinear and can well be modelled using a logistic smooth transition model (LSTAR). Estimation results also show different degrees of asymmetry. In particular, the speed of transition between the expansion and contraction of house prices is greater in London than it is in Hong Kong while the speed of transition between boom and bust in New York house prices is the slowest. Further, the forecast results suggest that the LSTAR outdoes the linear model in out-of-sample performance. The second essay investigates the main features of house price cycles in the same major metropolitan areas by providing a reasonable level of discrimination between the cyclical decomposition techniques available for capturing suitable measurements for house price cycles. Through a sample of large cities in several countries, it is shown that the model-based filter is suitable for capturing the main features of house price cycles and the results confirm that these cycles are centred at low frequency. Moreover, there is evidence of substantial variation in the duration and amplitude of these cycles both across cities and over time. The third essay provides evidence that real house prices are significantly affected by financial stability policies. Considering the Hong Kong experience, the results show strong evidence of duration dependences in both the upswing and downswing phases of the cycle. Moreover, the time taken to reach the turning point increases dramatically as the cycle proceeds. The findings also suggest that there is feedback between house price volatility and the policies that affect the housing market. Accordingly, house prices respond with more volatility to any change in the loan to value and lending policy indicators (ignoring the sign of this shock). Finally, the evidence of asymmetry suggests that unanticipated house price increases are more destabilising than unanticipated falls in house prices.

No description available.

Tradicionalmente, la detección de faltas en máquinas eléctricas se basa en el uso de la Transformada Rápida de Fourier ya que la mayoría de las faltas pueden ser diagnosticadas con ella con seguridad si las máquinas operan en condiciones de régimen estacionario durante un intervalo de tiempo razonable. Sin embargo, para aplicaciones en las que las máquinas operan en condiciones de carga y velocidad fluctuantes (condiciones no estacionarias) como por ejemplo los aerogeneradores, el uso de la Transformada Rápida de Fourier debe ser reemplazado por otras técnicas. La presente tesis desarrolla una nueva metodología para el diagnóstico de máquinas de inducción de rotor de jaula y rotor bobinado operando en condiciones no estacionarias, basada en el análisis de las componentes de falta de las corrientes en el plano deslizamiento frecuencia. La técnica es aplicada al diagnóstico de asimetrías estatóricas, rotóricas y también para la falta de excentricidad mixta. El diagnóstico de las máquinas eléctricas en el dominio deslizamiento-frecuencia confiere un carácter universal a la metodología ya que puede diagnosticar máquinas eléctricas independientemente de sus características, del modo en el que la velocidad de la máquina varía y de su modo de funcionamiento (motor o generador). El desarrollo de la metodología conlleva las siguientes etapas: (i) Caracterización de las evoluciones de las componentes de falta de asimetría estatórica, rotórica y excentricidad mixta para las máquinas de inducción de rotores de jaula y bobinados en función de la velocidad (deslizamiento) y la frecuencia de alimentación de la red a la que está conectada la máquina. (ii) Debido a la importancia del procesado de la señal, se realiza una introducción a los conceptos básicos del procesado de señal antes de centrarse en las técnicas actuales de procesado de señal para el diagnóstico de máquinas eléctricas. (iii) La extracción de las componentes de falta se lleva a cabo a través de tres técnicas de filtrado diferentes: filtros basados en la Transformada Discreta Wavelet, en la Transformada Wavelet Packet y con una nueva técnica de filtrado propuesta en esta tesis, el Filtrado Espectral. Las dos primeras técnicas de filtrado extraen las componentes de falta en el dominio del tiempo mientras que la nueva técnica de filtrado realiza la extracción en el dominio de la frecuencia. (iv) La extracción de las componentes de falta, en algunos casos, conlleva el desplazamiento de la frecuencia de las componentes de falta. El desplazamiento de la frecuencia se realiza a través de dos técnicas: el Teorema del Desplazamiento de la Frecuencia y la Transformada Hilbert. (v) A diferencia de otras técnicas ya desarrolladas, la metodología propuesta no se basa exclusivamente en el cálculo de la energía de la componente de falta sino que también estudia la evolución de la frecuencia instantánea de ellas, calculándola a través de dos técnicas diferentes (la Transformada Hilbert y el operador Teager-Kaiser), frente al deslizamiento. La representación de la frecuencia instantánea frente al deslizamiento elimina la posibilidad de diagnósticos falsos positivos mejorando la precisión y la calidad del diagnóstico. Además, la representación de la frecuencia instantánea frente al deslizamiento permite realizar diagnósticos cualitativos que son rápidos y requieren bajos requisitos computacionales. (vi) Finalmente, debido a la importancia de la automatización de los procesos industriales y para evitar la posible divergencia presente en el diagnóstico cualitativo, tres parámetros objetivos de diagnóstico son desarrollados: el parámetro de la energía, el coeficiente de similitud y los parámetros de regresión. El parámetro de la energía cuantifica la severidad de la falta según su valor y es calculado en el dominio del tiempo y en el dominio de la frecuencia (consecuencia de la extracción de las componentes de falta en el dominio de la frecuencia). El coeficiente de similitud y los parámetros de regresión son parámetros objetivos que permiten descartar diagnósticos falsos positivos aumentando la robustez de la metodología propuesta. La metodología de diagnóstico propuesta se valida experimentalmente para las faltas de asimetría estatórica y rotórica y para el fallo de excentricidad mixta en máquinas de inducción de rotor de jaula y rotor bobinado alimentadas desde la red eléctrica y desde convertidores de frecuencia en condiciones no estacionarias estocásticas. / Vedreño Santos, FJ. (2013). Diagnosis of electric induction machines in non-stationary regimes working in randomly changing conditions [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/34177