GPR回波数据处理学习与研究-1
大家好，最近想分享一些我看过的文献所记录或者直接抄下来的知识点，很多观点并非原创，但是整理过程是原创。
一. GPR成像算法研究
- 时域反向投影算法(BP算法)：
分别计算地下目标在各回波信号 A-Scan上时延，再通过时延获取相应回波散射进行叠加，从而实现汇聚成像。
- 频域衍射层析算法(DT算法)：
通过计算目标本身性质与多角度散射回波信号间的频谱关系从而实现目标成像。
- 频域距离迁移算法(RM算法)：
利用二维傅里叶变换将回波信号映射到频谱域或时域，并通过频谱特征实现杂波滤除，通过时域进行积分处理，从而实现成像。
- 时间反转算法(RTM算法)：
通过反转并发射回波信号，信号会在目标处进行汇聚从而达到成像。
二．神经网络——问题与解决
- 单层感知机为线性模型，无法解决非线性问题。
- 激活函数中的Sigmoid函数在远离0点的区域梯度极小，当训练的网络超过三层时很容易出现梯度消失的现象。——解决方法：使用限制玻尔兹曼机无监督式训练网络实现网络初始化，成功训练出多层神经网络。
- ReLU函数做激活函数可以彻底解决梯度弥散问题，但其本身还存在神经元死亡问题（即当输入存在负数时，神经元有可能输出为0，反向训练时神经元无法更新）。——解决方法：某种参数化的ReLU函数。
- 网络退化现象，即随着神经网络的加深，深层网络的性能反而不如浅层网络。——解决方法：残差神经网络，其通过恒等映射持续加深了深度神经网络的层数。
三．探地雷达基本原理
通过发射天线向目标体发射高频电磁波（1MHz~1GHz），电磁波在介质性质不同的界面上产生反射和折射，其中反射波会被位于地面的接收天线接收，之后探地雷达的数据处理系统使用数字-信号转换器将反射波转化为反射信号，同时对反射信号进行功率放大、整形滤波等预处理操作，最后提取反射信号内的目标信息进行分析以判断目标体的内部介质分布情况。
四．探地雷达系统组成成分
主要有：发射和接收天线、信号处理器、终端设备。
- 发射和接收天线：负责发射和接收电磁波。
- AD信号处理器：负责将反射波的模拟信号转化为数字信号并对信号预处理。
- 终端设备：负责显示波形。
五．探地雷达模型中电磁波的传输公式
其中，
为电磁波由发射天线到接收天线传播所需的时间；
为地下障碍物与发射天线的深度距离；
为障碍物与发射天线的纵向距离；
为电磁波在介质中的波速；
为介质的相对介电常数，空气的相对介电常数为1；
和 分别为入射介质和反射介质的相对介电常数；
为真空中的光速，取 ；
为反射系数。
六．探地雷达的数据形式
一般有三种：A-Scan、B-Scan、C-Scan
- 将单个雷达固定，雷达在一段时间内收到的单一波形即为A-Scan。
A-Scan如果通过抽样可以得到一维向量，横轴表示时间，可以通过波速得到介质中深度与时间的映射关系。
- 当探地雷达沿着一条线x轴移动时，探地雷达接收的一系列的A-Scan就可以构成一个二维的数据集，称之为B-Scan。
单纯的将多个A-Scan波形图排列即为波形堆积图，将接收信号的幅度直观用灰度级来描述即为灰度堆积图。
- C-Scan是沿着多组平行测线探测所得到的B-Scan图像数据组成。
注意：研究所用的对象为B-Scan中的灰度堆积图，以后统一称为B-Scan。
七．探地雷达的影响因素
易受到杂波干扰和掩盖，杂波：地表直接反射波、发射与接收天线之间的耦合波。
这两种杂波拥有相同的特性，在时域上靠近天线，波形振幅大，并且两种杂波不反应地下目标信息，因此往往需要在预处理进行过滤。
地下介质和目标本身的性质是影响电磁波反射和传播的重要因素。
介电特性：介电常数、电导率。（还有其他影响因素）
- 介电常数：主要影响电磁波在介质中的传输、反射和折射。
a) 电磁波在介质中的传播速度与介质的相对介电常数的开方成反比；
b) 电磁波在遇到介电常数不同的界面时会产生反射和折射。——（这是探测雷达能够获得探测目标信息的基本原理）
- 电导率：介质的电导率会对探地雷达的探测深度产生影响。
a) 由介电极限条件可知，高频电磁波在电导率越低的介质中传播，则电磁波的衰减越慢，因此电磁波到达介质的深度也就越深。
&&拓展：介电常数反映的是电介质在电场中储存静电能的相对能力，对于介电材料来说，相对介电常数越小绝缘性越好。
PS：很多都是看文献的时候摘录下来的，已经找不到是参考多少文献，以及哪篇文献了，如有侵权请联系我删除，仅做随笔分享。
posted on
浙公网安备 33010602011771号