No description available.

<p dir="ltr">Proper development of hypersonic vehicles requires knowledge of thermal loads, which are primarily dictated by the turbulent kinetic energy [1]. Accurate measurements of these values require measurements of velocity fluctuations, which are difficult to obtain using conventional seeded velocimetry methods [2]. However, molecular tagging velocimetry methods such as femtosecond laser electronic excitation tagging (FLEET) have been shown to be capable of measuring mean velocity within highly varying flows [3].</p><p dir="ltr">This work extends the available measurements provided by FLEET, through combination with optical thermometry and novel analysis methods of the signal. By performing FLEET velocimetry alongside thermometry, this shows capability to make instantaneous measurements of Mach number within supersonic flows [4]. Additionally, by tracking multiple characteristics of FLEET image signals, the ability to both capture instantaneous velocity fluctuations and improve measurement of mean velocity are demonstrated.</p><p dir="ltr">Furthermore, the uncertainty intrinsic to the analysis of FLEET signals is investigated. This is done using a combination of both classical statistical methods and uncertainty calculation methods commonly used in particle imaging velocimetry [5]. This is necessary to provide the best possible estimate of velocity fluctuations for the validation of computational fluid dynamic (CFD) models of boundary layer heat transfer.</p><p dir="ltr">Beyond simply improving the quality of velocity measurements, frequency analysis tools are developed and extended to analysis of fluid dynamic problems. These tools have been used prior for detecting extreme transitions within a signal [6], but are applied here to demonstrate their ability to detect physics captured within flow fields. These tools show promise in the ability to detect frequency couplings in time and can potentially be implemented to improve current control strategies in the field of fluid dynamics.</p>

Contexte & Motivation:Les installations électriques des bâtiments se détériorent au fil du temps et leur gravité et leur taux de détérioration dépendent de facteurs environnementaux (chaleur, humidité, réactions chimiques corrosives et vieillies isolations) ou d'actions externes indésirables telles que la manipulation humaine erronée, qui conduit à des charges ou des câbles/réseaux endommagés.L'European Fire Academy (EFA) et de nombreuses compagnies d'assurance indiquent que 25% des incendies de bâtiments sont d'origine électrique. Ces incendies peuvent être déclenchés par des circuits surchargés, des court-circuits, des courants de fuite à la terre, des surtensions et / ou des défauts d'arc électrique dans les connexions et les câbles.Les protections électriques classiques telles que les disjoncteurs et les disjoncteurs différentiels offrent une protection insuffisante. Par exemple, en cas de défauts d'arcs en série, la valeur du courant de défaut d'arc reste inférieure à la valeur du courant nominal, car elle est limitée par la résistance du carbone généré par le défaut d'arc. Dans ce cas, toute protection existante peut détecter ce type de faute.Détection de défaut d'arc : approche de traitement du signalDans le cadre de ce travail, l'objectif a été de détecter chaque instant d'arc, ce qui, pour un réseau alternatif, permettrait d'identifier correctement chaque arc dans chaque demi-cycle de réseau où il se produit.En fonction de la caractéristique numérique utilisée à des fins de détection, nous avons introduit différentes classes de méthodes:• Caractéristiques énergétiques (bandes étroite et large bande)• Caractéristiques statistiques (moments statistiques, analyse de la corrélation etc.)• Caractéristiques basées sur un model (ex. modelés AR, ARMA etc.)• Caractéristiques data-driven (utiliser Phase Space Embedding pour les séries temporelles)Chaque approche a été testée et évaluée sur une base de données de signaux construite avec soin, capable de fournir la variabilité du monde réel, dans un cadre d'évaluation statistique qui permet de trouver des seuils appropriés et leurs plages associées. Il donne également des performances relatives, d'une fonctionnalité à l'autre, en fonction de la façon dont les plages de seuils couvrent tout l'espace des caractéristiques.Une approche prometteuse est montrée avec un résultat intermédiaire sur la figure 8. La configuration est plutôt courante, avec une charge résistive (R-Load) en fonctionnement normal, avec un gradateur allumé et ajouté dans la configuration et un arc persistant apparaissant dans le circuit.Il suffit d'analyser simplement la forme d'onde du courant 50 Hz, car même lors d'une simple inspection visuelle, il est difficile d'identifier l'origine du défaut d'arc et s'il est stable ou s'il s'éteint après (ou où). En mesurant correctement le bruit de défaut d'arc haute fréquence et en sélectionnant correctement la bande passante, nous parvenons à obtenir un signal beaucoup plus facile à traiter. L'arc est difficile à détecter en raison de la variation de l'intensité énergétique d'un réseau à l'autre (encore plus: pour un même réseau, ajouter / enlever des charges ou des rallonges modifie la distribution d'amplitude et de fréquence de l'arc). Par conséquent, nous exploitons le caractère aléatoire intrinsèque de l'arc, ce qui permet une variabilité suffisante d'une réalisation d'arc à une autre.En conclusion, nous proposons une nouvelle méthodologie de traitement du signal pour la détection des défauts d'arc, à mettre en œuvre dans un algorithme de produit AFDD. En outre, une autre approche est présentée, basée sur l'analyse de diagramme de phase, qui permet la séparation entre les arcs et les signaux de communication, ce qui est également un grand défi dans ce domaine. / Context & Motivation:Electrical installations in buildings deteriorate, over time and the severity and rate of deterioration depend on environmental factors (such as heat, humidity, corrosive chemical reactions and aging insulations) and unwanted external actions (such as human mishandling, that leads to damaged devices or cables/network).Caution is mandatory when handling electrical installations, seeing that potential hazards include electric shocks, burns, explosions and fire, if proper safety precautions are ignored or neglected. The European Fire Academy (EFA) and many property and casualty insurance companies report that 25% of building fires are electrical in origin. These fires can be triggered by overloaded circuits, short-circuits, earth leakage currents, overvoltage and/or electrical arc faults in connections and cables.Classical electrical protection such as circuit breakers and RCDs offer insufficient protection. For example, in case of series arc faults, the arc fault current value remains below the rated current value, since it is limited by the resistance of the carbon generated by the arc fault and by the load itself. In this case, no existing protection can detect such kind of fault.Arc Fault Detection: Signal Processing ApproachIn the context of this work, the objective has been to detect each instant of arcing, which for an AC network, would mean correctly identifying each arcing in each network half-cycle where it occurs.Depending on the numerical feature used for detection purposes, we introduced different classes of methods:• Energy-related features (narrow and wideband)• Statistical features (statistical moments, correlation analysis etc.)• Model-based features (using numerical models, such as AR, for example)• Data-driven features (using Phase Space Embedding for time series)Each approach has been tested & evaluated on a carefully constructed signal database, capable of supplying real-world variability, within a statistical evaluation framework which enables finding suitable thresholds and their appropriate ranges. It also gives relative performances, from one feature to another, based on how threshold ranges cover the entire feature space.A promising approach is shown with an intermediary result in Figure 9. The configuration is rather common, with a resistive load (R – Load) in normal operation, with a dimmer being turned on and added in the configuration and a persistent arc appearing in the circuit.Figure 9 Resistive load, dimmer and persistent arcing – processing result (example).Simply analyzing the 50Hz line current waveform is insufficient, as even at a simple visual inspection there is difficulty in identifying where the arc fault ignites and if it is a stable one, or if it extinguishes afterwards (or where). By correctly measuring the high frequency arc fault noise and with correct selection of the bandwidth, we manage to obtain a signal much easier to process further on. Arcing is inherently difficult to detect, due to high frequency energy intensity variation from one network to another (even more: for the same network, adding/removing loads or extension cords will change the amplitude and frequency distribution of the arc fault energy). Therefore, we exploit the intrinsic randomness of arcing, which enables sufficient variability from one arcing realization to another.To conclude, we propose a new signal processing methodology for arc fault detection, to be implemented in an AFDD product algorithm. Also, another approach is presented, based on phase diagram analysis, that allows the separation between the arcs and communication signals, which is also a great challenge in this field.

De nos jours, les opérations chirurgicales sont impossibles à imaginer sans anesthésie générale, qui implique la perte de conscience, l'immobilité, l'amnésie et l'analgésie. La compréhension des mécanismes sous-jacents de chacun de ces effets garantit un traitement médical bien contrôlé. Cette thèse se concentre sur l'effet analgésique de l'anesthésie générale, précisément, sur la réaction du patient aux stimuli nociceptifs. Nous étudions également les différences des réactions entre différents médicaments anesthésiques. L'étude a été effectuée sur un ensemble de données constituées de 230 signaux EEG : enregistrements pré- et post-incision obtenus sur 115 patients qui ont reçu du desflurane et du propofol. La première phase de l'étude comprend l'analyse spectrale de puissance, qui est une méthode très répandue dans le traitement du signal. L'information spectrale a été décrite en ajustant l'activité de fond, qui exhibe un comportement $1/f$, aux estimations de la densité spectrale de puissance des signaux d'EEG et en mesurant la puissance contenue dans des bandes delta et alpha par rapport à la puissance de l'activité de fond. Une autre amélioration a été réalisée par l'expansion des spectres avec des informations de temps en raison de la nature non stationnaire observée dans les signaux EEG. Pour obtenir les représentations temps-fréquence des signaux nous appliquons trois méthodes différentes: scalogramme (basé sur la transformée en ondelettes continue), spectrogramme classique, et réaffectation de spectrogramme. Celle-ci permet d'améliorer la lisibilité d'une représentation temps-fréquence en réaffectant l'énergie contenue dans le spectrogramme à des positions plus précises. Par la suite, les spectrogrammes obtenus ont été utilisés pour la reconstruction de l'espace de phase, pour l'analyse récurrence et pour sa quantification par une mesure de complexité. L'analyse de récurrence permet de décrire et visualiser les dynamiques récurrentes d'un système et de découvrir des motifs structurels contenus dans les données. Ici, les diagrammes de récurrence ont été utilisés comme réécriture de grammaire pour transformer le signal original en une séquence symbolique, où chaque symbole représente un certain état du système. Trois mesures de complexité différentes sont alors calculées à partir de ces séquences symboliques afin de les utiliser comme éléments de classification. Enfin, en combinant les caractéristiques obtenues avec l'analyse spectrale de puissance et avec l'analyse symbolique de récurrence, nous effectuons la classification des données en utilisant deux méthodes de classification~: l'analyse discriminante linéaire et les machines à vecteurs de support. La classification a été effectuée sur des problèmes à deux classes, la distinction entre les signaux EEG pré- / post-incision, ainsi qu'entre les deux différents médicaments anesthésiques, desflurane et propofol. / Nowadays, surgical operations are impossible to imagine without general anesthesia, which involves loss of consciousness, immobility, amnesia and analgesia. Understanding mechanisms underlying each of these effects guarantees well-controlled medical treatment. This thesis focuses on analgesia effect of general anesthesia, more specifically, on patients reaction to nociceptive stimuli. We also study differences in the reaction between different anesthetic drugs. The study was conducted on dataset consisting of 230 EEG signals: pre- and post-incision recordings obtained form 115 patients, who received desflurane and propofol. The first stage of the study comprise power spectral analysis, which is a widespread approach in signal processing. Spectral information was described by fitting the background activity, that exposes $1/f$ behavior, to power spectral density estimates of the EEG signals and measuring power contained in delta and alpha bands relatively to the power of background activity. A further improvement was done by expanding spectra with time information due to observed non-stationary nature of EEG signals. To obtain time-frequency representations of the signals we apply three different methods: scalogram (based on continuous wavelet transform), conventional spectrogram, and spectrogram reassignment. The latter allows to ameliorate readability of a time-frequency representation by reassigning energy contained in spectrogram to more precise positions. Subsequently, obtained spectrograms were used as phase space reconstruction in recurrence analysis and its quantification by complexity measure. Recurrence analysis allows to describe and visualize recurrent dynamics of a system and discover structural patterns contained in the data. Here, recurrence plots were used as rewriting grammar to turn an original signal into a symbolic sequence, where each symbol represents a certain state of the system. After computing three different complexity measures of resulting symbolic sequences they are used as features for classification. Finally, combining features obtained with power spectral analysis and recurrence symbolic analysis, we perform classification of the data using two classification methods: linear discriminant analysis and support vector machines. Classification was carried out on two-class problem, distinguishing between pre-/post-incision EEG signals, as well as between two different anesthetic drugs, desflurane and propofol.

Die vorliegende Arbeit ist eine retrospektive Kohortenstudie, welche alle Patienten einschloß, die im Zeitraum von 07/1988 bis 06/1997 aufgrund eines anaplastischen Astrozytoms oder eines Glioblastoma multiforme im damaligen Rudolf-Virchow-Klinikum in Berlin eine Strahlentherapie des Kopfes erhielten. Von den 111 Patienten erlitten im Beobachtungszeitraum 85 ein radiologisches Rezidiv. Die mediane Überlebenszeit betrug 9 Monate. 69 der Rezidive waren Zentralrezidive, 7 Randrezidive und 9 Fernrezidive. Auch die Rand- und Fernrezidive rezidivierten zusätzlich am Ort der Primärläsion. Es konnte gezeigt werden dass ein Sicherheitsabstand von 2-3 cm ausreicht um 90% der Rezidive vollständig zu erfassen und dass die lokale Kontrolle weiterhin das Hauptproblem bei der Behandlung dieser malignen Gliome ist. / This retrospective study reviews the data of 111 patients treated from 07/1988 to 06/1997 at the Rudolf-Virchow-Klinikum in Berlin. Both patients with anaplastic astrocytoma and glioblastoma multiforme were included. 85 patients showed radiological recurrence of tumour. Median survival was 9 months. 69 recurrences were central, 7 near and 9 distant recurrences. Near and distant recurrences were always multifocal, i. e. they recurred also at central locations. It was shown that a safety margin of 2-3 cm is sufficient to completely cover 90% of recurrent tumour. Local failure is still the primary difficulty in treating these malignant glioma.

Vom Standpunkt des Physikers aus gesehen, ist die Erde ein dynamisches System von großer Komplexität. Funktionale Netzwerke werden aus Beobachtungs-, und Modelldaten abgeleitet oder aufgrund theoretischer Überlegungen konstruiert. Indem sie statistische Zusammenhänge oder kausale Wirkbeziehungen zwischen der Dynamik gewisser Objekte, z.B. verschiedenen Sphären des Erdsystems, Prozessen oder lokalen Feldvariablen darstellen, bieten funktionale Netzwerke einen natürlichen Ansatz zur Bearbeitung fundamentaler Probleme der Erdsystemanalyse. Dazu gehören Fragen nach dominanten, dynamischen Mustern, Telekonnektionen und Rückkopplungsschleifen in der planetaren Maschinerie, sowie nach kritischen Elementen wie Schwellwerten, sogn. Flaschenhälsen und Schaltern im Erdsystem. Der erste Teil dieser Dissertation behandelt die Theorie komplexer Netzwerke und die netzwerkbasierte Zeitreihenanalyse. Die Beiträge zur Theorie komplexer Netzwerke beinhalten Maße und Modelle zur Analyse der Topologie (i) von Netzwerken wechselwirkender Netzwerke und (ii) Netzwerken mit ungleichen Knotengewichten, sowie (iii) eine analytische Theorie zur Beschreibung von räumlichen Netzwerken. Zur Zeitreihenanalyse werden (i) Rekurrenznetzwerke als eine theoretisch gut begründete, nichtlineare Methode zum Studium multivariater Zeitreihen vorgestellt. (ii) Gekoppelte Klimanetzwerke werden als ein exploratives Werkzeug der Datenanalyse zur quantitativen Charakterisierung der komplexen statistischen Interdependenzstruktur innerhalb und zwischen distinkten Feldern von Zeitreihen eingeführt. Im zweiten Teil der Arbeit werden Anwendungen zur Detektion von dynamischen Übergängen (Kipppunkten) in Zeitreihen, sowie zum Studium von Flaschenhälsen in der atmosphärischen Zirkulationsstruktur vorgestellt. Die Analyse von Paläoklimadaten deutet auf mögliche Zusammenhänge zwischen großskaligen Veränderungen der afrikanischen Klimadynamik während des Plio-Pleistozäns und Ereignissen in der Menschheitsevolution hin. / The Earth, as viewed from a physicist''s perspective, is a dynamical system of great complexity. Functional complex networks are inferred from observational data and model runs or constructed on the basis of theoretical considerations. Representing statistical interdependencies or causal interactions between objects (e.g., Earth system subdomains, processes, or local field variables), functional complex networks are conceptually well-suited for naturally addressing some of the fundamental questions of Earth system analysis concerning, among others, major dynamical patterns, teleconnections, and feedback loops in the planetary machinery, as well as critical elements such as thresholds, bottlenecks, and switches. The first part of this thesis concerns complex network theory and network-based time series analysis. Regarding complex network theory, the novel contributions include consistent frameworks for analyzing the topology of (i) general networks of interacting networks and (ii) networks with vertices of heterogeneously distributed weights, as well as (iii) an analytical theory for describing spatial networks. In the realm of time series analysis, (i) recurrence network analysis is put forward as a theoretically founded, nonlinear technique for the study of single, but possibly multivariate time series. (ii) Coupled climate networks are introduced as an exploratory tool of data analysis for quantitatively characterizing the intricate statistical interdependency structure within and between several fields of time series. The second part presents applications for detecting dynamical transitions (tipping points) in time series and studying bottlenecks in the atmosphere''s general circulation structure. The analysis of paleoclimate data reveals a possible influence of large-scale shifts in Plio-Pleistocene African climate variability on events in human evolution.

Die Recurrence Quantification Analysis (RQA) ist eine Methode aus der nicht-linearen Zeitreihenanalyse. Im Mittelpunkt dieser Methode steht die Auswertung des Inhalts sogenannter Rekurrenzmatrizen. Bestehende Berechnungsansätze zur Durchführung der RQA können entweder nur Zeitreihen bis zu einer bestimmten Länge verarbeiten oder benötigen viel Zeit zur Analyse von sehr langen Zeitreihen. Diese Dissertation stellt die sogenannte skalierbare Rekurrenzanalyse (SRA) vor. Sie ist ein neuartiger Berechnungsansatz, der eine gegebene Rekurrenzmatrix in mehrere Submatrizen unterteilt. Jede Submatrix wird von einem Berechnungsgerät in massiv-paralleler Art und Weise untersucht. Dieser Ansatz wird unter Verwendung der OpenCL-Schnittstelle umgesetzt. Anhand mehrerer Experimente wird demonstriert, dass SRA massive Leistungssteigerungen im Vergleich zu existierenden Berechnungsansätzen insbesondere durch den Einsatz von Grafikkarten ermöglicht. Die Dissertation enthält eine ausführliche Evaluation, die den Einfluss der Anwendung mehrerer Datenbankkonzepte, wie z.B. die Repräsentation der Eingangsdaten, auf die RQA-Verarbeitungskette analysiert. Es wird untersucht, inwiefern unterschiedliche Ausprägungen dieser Konzepte Einfluss auf die Effizienz der Analyse auf verschiedenen Berechnungsgeräten haben. Abschließend wird ein automatischer Optimierungsansatz vorgestellt, der performante RQA-Implementierungen für ein gegebenes Analyseszenario in Kombination mit einer Hardware-Plattform dynamisch bestimmt. Neben anderen Aspekten werden drastische Effizienzgewinne durch den Einsatz des Optimierungsansatzes aufgezeigt. / Recurrence quantification analysis (RQA) is a method from nonlinear time series analysis. It relies on the identification of line structures within so-called recurrence matrices and comprises a set of scalar measures. Existing computing approaches to RQA are either not capable of processing recurrence matrices exceeding a certain size or suffer from long runtimes considering time series that contain hundreds of thousands of data points. This thesis introduces scalable recurrence analysis (SRA), which is an alternative computing approach that subdivides a recurrence matrix into multiple sub matrices. Each sub matrix is processed individually in a massively parallel manner by a single compute device. This is implemented exemplarily using the OpenCL framework. It is shown that this approach delivers considerable performance improvements in comparison to state-of-the-art RQA software by exploiting the computing capabilities of many-core hardware architectures, in particular graphics cards. The usage of OpenCL allows to execute identical SRA implementations on a variety of hardware platforms having different architectural properties. An extensive evaluation analyses the impact of applying concepts from database technology, such memory storage layouts, to the RQA processing pipeline. It is investigated how different realisations of these concepts affect the performance of the computations on different types of compute devices. Finally, an approach based on automatic performance tuning is introduced that automatically selects well-performing RQA implementations for a given analytical scenario on specific computing hardware. Among others, it is demonstrated that the customised auto-tuning approach allows to considerably increase the efficiency of the processing by adapting the implementation selection.