766net必赢亚洲手机版按照CS的脉冲GPR成像技术啄磨

分类号                                 
密级

  U D
C                                  
编号

 

 

 

CENTRAL SOUTH  UNIVERSITY 

 

 

 

 大学生学位随想

 

 

 

 

 

杂谈题目基于CS的脉冲GPR成像技术商讨

 

2011年10月

 

 

 

 

原创性讲明

 

本人阐明,所呈交的学位杂文是本身在先生携带下进展的钻研工作及拿到的商讨成果。尽自己所知,除了舆论中特别加以标注和谢谢的地点外,杂文中不包含其他人已经刊登或撰文过的研商成果,也不带有为博得中南大学或任何单位的学位或声明而拔取过的资料。与自己一同工作的老同志对本商量所作的孝敬均已在散文中作了分明的辨证。

 

 

 

       作者签名:             日期:     年  月  日

 

 

 

学位散文版权使用授权书

 

本人领会中南大学关于保留、使用学位杂谈的确定,即:高校有权保留学位杂文并依据国家或浙江省至于部门确定提交学位杂谈,允许学位小说被查看和借阅;高校可以发表学位杂谈的凡事或一些内容,可以动用复印、缩印或其他手段保存学位散文。同时授权中国科学技术音讯研讨所将本学位散文收录到《中国学位杂文全文数据库》,并透过网络向社会公众提供信息服务。

 

 

笔者签名:           导师签名         日期:     年  月

 

摘 要

 

削减传感(CS)
理论是在已知信号具有稀疏性或可压缩性的口径下对信号数据举行采集、编解码的新理论。压缩传感采取非自适应线性投影来保持信号的原来结构,能通过数值最优化问题规范重构原始信号.
压缩传感以远低于奈奎斯特效能举办采样,在高分辨压缩成像系统、视频图像采集系统、雷达成像以及MRI医疗成像等世界具有广阔的运用前景。压缩传感理论(CS),可透过求解一个凸最小ℓ1范数问题的非自适应线性测量重建稀疏信号。本文介绍了一种流行性宽带合成孔径成像数据收集系统,它是遵照CS理论应用图像空间中的点状目的切实可行稀疏性的特点来拍卖数量的技巧。它代替了观念的Nyquist速率采样测量传感器,使用线性投影测量再次回到的信号和随意向量一起被用来作为测量数据。其余,沿合成孔径扫描点随机取样可以统一在多少收集系统中。
CS测量所不可或缺数据足以比均匀采样时数据少一个数量级。在本土探地雷达(GPR)地下成像中的应用中,典型的图像只含有多少个目的,由此目的图像满意信号具有稀疏性的CS理论必要条件。我们由此采用CS测量仿真和探地雷达实验数据阐明,与专业的成像效果相比,通过CS测量随机采样获取的疏散目的上空图像也只有很少的紊乱的回波。

   
利用电磁波在非金属媒质中的穿透性能,探地雷达可实现多种媒质中目的的检测、定位和辨认。该技能具有非破坏性、穿透能力强、分辨率高、操作方便和支出低廉等优点,广泛应用于部队和民用的有余探测场面。本随笔针对探地雷达接纳中的目的二维和三维重构问题钻探了脉冲探地雷达高分辨成像相关技能。

第一词:压缩传感,合成孔径,探地雷达,最小ℓ1范数法,随机采样,csuGPR数据处理标准软件

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Abstract

Compressed Sensing(CS) theory
is a novel data collection and coding theory under the condition that
signal is sparse or compressible. It first employs nonadaptive linear
projections that preserve the structure of the signal, and then the
signal reconstruction is conducted using an optimization process from
these projections. Different from the traditional signal acquisition
process, compressive sensing, which is a new theory that captures and
represents compressible signals at a sampling rate significantly below
the Nyquist rate. It has broad applications such as high resolution
compressive imaging, image and video processing systems, Radar imaging,
MRI imaging, etc. The theory of compressive sensing (CS) enables the
reconstruction of sparse signals from a small set of non-adaptive linear
measurements by solving a convexℓ1 minimization problem. This paper
presents a novel data acquisition system for wideband synthetic aperture
imaging based on CS by exploiting sparseness of point-like targets in
the image space. Instead of measuring sensor returns by sampling at the
Nyquist rate, linear projections of the returned signals with random
vectors are used as measurements. Furthermore, random sampling along the
synthetic aperture scan points can be incorporated into the data
acquisition scheme. The required number of CS measurements can be an
order of magnitude less than uniform sampling of the space–time data.
For the application of underground imaging with ground penetrating
radars (GPR), typical images contain only a few targets. Thus we show,
using simulated and experimental GPR data, that sparser target space
images are obtained which are also less cluttered when compared to
standard imaging results.

Based on electromagnetic wave
penetrating property through non-metal medium,ground penetrating
radar(GPR)can implement the detection,location and shape reconstruction
of targets buried under the earth’s surface.It has many advantages such as
nondestructive detection,strong penetrability,high resolution
performance operational convenience low cost and so on. Aimed at
subsurface targets two dimension and three dimension shape
reconstruction,high resolution GPR imaging techniques are studied in
this thesis.

Keywords: Compressive sensing,Synthetic aperture,Ground penetrating radar
(GPR),1 Minimization,random sampling,csuGPR Data processing professional
software

 

 

 

 

 

 

目 录

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

                        

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

第一章 绪论

探地雷达技术的出现和前进很大程度地扩大了人类认识和改建客观世界的能力,而人类对表层下隐蔽目标的感知需求又持续地推进着这一技术的提升。本章简要介绍了探地雷达技术的上进概略,分析了探地雷达系统研讨的技巧路线,并对冲激脉冲体制探地雷达和高分辨雷达成像技术做了比较详细的解说,最终介绍了本文的内容安排。

 

1.l探地雷达简介

 

雷达最早出规在三十年间中期。早期的雷达只好发现目标和测量目的的相距[l5,16]。人们把它称为“无线电探测和测距”(Radar:Radio
Detection And
Ranging)。经过几十年的发展,雷达的效率已经超过了探测和测距的界定,在天体探测、地球遥感、地下目的探测等多地点都显示出无可比拟的优越性,成为人们获取空间指标信息的要紧手段[16-25]。随着人类对自然界认识的逐渐加剧,人们对地表下世界的探知要求变得进一步深远和亟待解决,从探测当今世界危及人生安全的地雷、考古发现到地质勘探、工程建设,要求的探测深度从几十分米到数公里不等。在现世国民经济建设的过多机构和国防建设中,浅层地下目的的探测和辨识己成为一个关键的钻研方向[26-31]。在不破坏地表结构的气象下得到非法未知区域的音讯显示尤为首要[32],尤其是当把成像技术利用其中时。表层穿透雷达又称之为探地雷达(GPR:Ground
Penetrating
Radar)是现在各类浅层地下目的非破坏性探测技术中最富有应用前景和发展前途的办法之一[33-43]。

 

1.1.1 探地雷Dutt点与行使

 

GPR又分为表层穿透雷达(SPR:Surface Penetrating Radar)和表层下雷达

(SSR:SubiPad Radar),是指利用电磁波在媒质电磁特性不连续处暴发的反射

和散射实现非金属覆盖区域中目的的成像、定位进而定性或者定量地辨识探测区

域中的电磁特性变化,实现对探测区域中目标的探测[44-57]。简单地说,GPR的任务就是讲述目的的几何和情理特性。GPR所享有的特惠其余遥感技术特点包括:急忙、高空间分辨率、对目的的三维电磁特征敏感,可以测量前方区域依旧机载测量。其运动平台可分为飞机、地表车载和手持、地下凿洞以及多洞间探测[48-52]。本文首要探究地表工作的GPR。

作为一种不法浅层探测工具,GPR在其实使用中与任何非法探测技术相比较,具有以下优点:

.GPR是一种非破坏性探测技术,可对各个非金属覆盖区域之中举办无损探测。

.GPR可远距探测未知区域中的目的分布,制止了心腹的惊险。

.GPR可反映出媒质的电磁参数变化,对金属和非金属目的都足以举办探测和辨认。

.GPR可实现较高的空间分辨率,能知足多种探测需求。

布局合适的天线和收发装置,GPR几乎能够用来其余非金属体内的对象探测,

以下是时下己经成功的行使[29,54-61]:

.市政工程,如:坝、桥、高速公路的评估

.埋地管线的永恒

.地下设施的规定,如:隧道和地下室

.考古探测

.地质与水文地质探测

.冰层与冻土探测

.地雷、UXO探测

.伪装的爆炸物和毒品的探测与识别

.无损评估/探测(NDE加DT)

 

1.1.2 探地雷达分类

 

依据数据收集模式的两样,GPR可分为地表式GPR、钻孔式GPR等;遵照其装载情势,可分为手持式、车载式、机载式等。不同体制的GPR有不同的探测能力和应用环境。GPR的样式首如若由其调制形式决定的,调制情势则是基于穿透深度、分辨率、电磁困扰程度以及体积和财力等因素的特殊要求举行分选的[20,62-65]。理论上,只要工作频带相同,系统的识别能力和穿透性能是同一的,获取目标的散射新闻也是一样的。不过不等的信号格局有其不同的系统实现特点。近期最为常见的小买卖或实验性GPR系统信号形式是冲激脉冲,其次是线性调频,然后是步进变频和噪声信号。下面对这四种体制的探地雷达做一概括的牵线。

(一)冲激脉冲。为兼职探测深度和分辨率,要求系统具有宽带特性。冲激

脉冲是一种典型的宽带信号,这种样式的探地雷达系统体积小,测量速度快,广

泛应用于浅表层探测中[66-68]。系统发射皮秒级脉冲,通过平等采样技术对回波脉冲举行采样,目的回波包含了宽带电磁散射特征,可进展成像和辨认。由于冲激脉冲的辐射能量有限,由此这种样式的探地雷达系统不适用于深层探测。

(二)线性调频。系统发射线性调频信号,依据预知的地下介质的效能衰减

特性以及可能的不法目的的频率响应特性预先设定工作频带。其优点为分辨率高,发射频谱易于决定,具有很宽的动态范围;缺点是体积大、成本高,且系统比较复杂[69,70]。,目前大多数线性调频GPR仅限于对几十毫米以内表层的探测,如机场跑道和高速公路等表皮中的结构相当或孔穴的探测。

(三)步进频率。发射信号可以是点频,也足以是一些一定间隔的功能,接

收端拔取孔径天线在地表接收来自地下区域的后向散射信号并对信号的小幅和相位举办测量[71,71-74]。发射信号的窄带特性使天线的计划相比较宽带系统相对容易但其工作频率须按照非法介质的频率衰减特性仔细接纳。

(四)噪声信号。系统发出噪声信号,接收信号与通过时延的发射信号有关

拍卖实现对非法目标的检测和稳定[75,76]。系统测量功率与对象反射全面幅度的平方成正比。

下表给出了四种体裁的探地雷达性能相比较[44,56]。

 

 

 

 

 

 

 

表1.1四种体制探地雷达的特性相比较

 

性能

 

信号

形式

 

辐射

能量

 

发射

波形可控

 

 

动态

范围

 

硬件

复杂度

 

电磁

兼容

 

测量

速度

冲激脉冲

不可控

简单

线性调频

精确可控

较大

较复杂

较差

步进频率

精确可控

较简单

噪声

较小

可控

较小

复杂

较慢

 

 

各个体制的GPR具有各自的特性,有些体制之间还存在着应用上的互补性。

对浅层勘探而言,冲激脉冲体制探地雷达可以由此时间窗截取技术减小直达波和

本土反射波的打扰,拿到高分辨的私自区域成像结果。另外,冲激脉冲体制测量

速度快。由此目前多数GPR产品是冲激脉冲体制系统。线性调频体制基于其

大动态范围、高辐射功率可有效的利用于深层有耗媒质中的目标探测。步进频率

体制探地雷达的兑现原理简单,但受制于高性能的元器件,且继续的信号处理工

作相比较麻烦。噪声信号体制探地雷达系统贯彻相比复杂[24,25,44,77]。当前外国已有适用于各样类型的军用和商用GPR,工作频带一般在10MHz到3GHz期间,探测深度从几毫米到数十米,探测分辨率最高可以达标分米量级。

 

1.1.3 冲激脉冲探地雷达系统组合

 

在不同的施用背景中,GPR的实现形式和测量方法或者差异,但其主旨

的系统结合大体类似。典型的冲激脉冲体制GPR系统组合和探测原理如图1.1所示:

图1.1冲激脉冲体制GPR系统结合

在电脑的主宰下,时序控制电路(包括比较器、可变电平、快斜坡信号、

慢斜坡信号和控制电路等电路模块)输出同步脉冲和取样脉冲。同步脉冲触发脉

冲源发射皮秒级宽频带窄脉冲信号,经由位于地面上的宽带发射天线藕合到地下。当发射的脉冲波在私自传播过程中遭受电磁特性不同的介质界面、目的或局域介质不均匀体时,一部分脉冲波能量被反射回来地方,由本土上的宽带接收天线所接受。取样电路在取样脉冲的操纵下,按等效采样原理将吸收到便捷重复的脉冲信号转换成低频信号。该信号送往数据采集卡,经过放大、滤波,再展开A\D变换,通过CompactPCI总线传输给电脑模组。总计机模组的利用软件对数码开展信号处理和成像,并在突显器上显得出来。

 

1.2国内外钻探现状

 

1.2.1探地雷达系统

 

GPR技术起点于德意志科学家在研商埋地特色时的专利技术。1910年,Leimbach和Lowy在德意志联邦共和国专利中指出了使用电磁法探测埋藏物体的方法,他们将偶极子天线埋设在孔洞中举办发射和吸收电磁波。由于高导电率的媒质对电磁波的衰减成效,通过比较不同孔洞之直接收信号的宽度差异,可以对媒质中电导率高的局部开展定点。1926年,Hulsenbeek在其研讨工作中行使了脉冲技术来规定地下埋设物的结构特征。他留意到,不仅仅是电导率,任何介电特性的转移都将促成电磁波的反射。他的意识第一次确定了非法目的电磁波回波信号与不法介质及目标间的本质联系,从而为GPR在技术和措施上提供了优越其他地球物理探测方法的理论依照[41,43,47,78-80]。直到上个世纪六十年代末、七十年代初,等效采样技术和亚阿秒脉冲发生技术的提升,从技术角度加速了探地雷达的前进。同时美利坚同盟国Apollo月球表面探测实验从利用角度推动了探地雷达技术的周边接纳。1972年,首个探地雷达设备创建集团(GcofogicalsurveysystemInc.)发表创立,这直接造成了探地雷达探究投入的充实,反过来又推动了探地雷达产业的向上。20世纪70年代未来,探地雷达技术最先在市政工程、考古、地质、探雷等地点的探究和动用变得频繁起来[81]。早期的探地雷达系统属粗距离分辨和方位分辨系统。随着硬件技术的增高和近场地成孔径雷达技术的升华,高分辨率二维成像作为一项探地雷达基本功能在无数序列采取,阵列天线技术的使用,使得三维实时成像成为可能。二维或三维成像对于探地雷达数据表达是一个质的快速,因为它可以的可视化降低了对判读员的要求,使得本来不直观的数量易于从造型上和部分散射强弱上来精通。

自20世纪60年代以来,随着高效脉冲形成技术、采样接收技术及电脑技术的便捷提高,探地雷达技术也收获了急忙的上进,地下浅层目的探测能够贯彻。外国初叶现出适用于各个类型的军用和商用探地雷达,探测深度从几分米到数百米,探测分辨率可以达成分米量级。美、日、加拿大等国家的营业所相继推出了上下一心的出品,民用GPR代表性的系统如美利坚联邦合众国GSSI公司SIR体系产品如图1.2(a)所示、加拿大SSI集团pulseEKKO体系产品如图1.2(b)、日本OYO集团的YLRZ类别产品等。这个系统均为通用系统,按照不同探测目标和探测深度应用不同频段接纳装备不比的天线,用于各类非法目的成像探测。

               图1.2(a) 弥利坚GSSI-SIR类别GPR及数据处理软件

图1.2(b)加拿大SSI-pulseEKKO系列GPR及数码处理软件

境内对探地雷达的钻研启动较晚,国内产品在分辨率、使用方便性、对雷达信号成像和图像解释技术等方面与外国产品存在差别。从全体情形分析,硬件系统特性与外国产品有阶段性差别;并且没有自主知识产权的解译软件;技术目的无法知足使用需要等。从利用情状分析,由于系统特性原因,国内研发的系统中央没有行使价值,尤其是在公路探测(定量)方面。

而是由于持续引进和借鉴海外的进取技术,目前在该领域内也得到了相比明确的琢磨成果。航天部25所从20纪80年份中叶最先举办用于地雷检测的探地雷达技术的钻研和实验。20世纪90年间以来,我国起先青睐探地雷达技术的研商和选取,并且开发出新的实用产品,如新加坡爱尔迪集团的CBS-9000和CR-20
GPR系统如图1.2(c)所示,中国电波传播钻探所研制的LTD-3探地雷达、煤炭科学总院辛辛那提分院开发的
KDL-3、4 等[53]。

图1.2(c)国内爱尔迪公司CR-20 GPR系统及实际的数量处理图像

 

此时此刻国际上从事GPR技术研商的店家及产品重点有:U.S.A.GSSl公司的SIR

系列;加拿大SSI公司的pulseEKKO系列;瑞典MalaGcoscience公司的RAMAC

一体系等,其至高无上的GPR产品及其信号体制和劳作频段见下表[82-85]。

 

表1.2卓绝的商用GPR产品

产品型号

制造商

信号体制

频段/MHZ

SIR-2000

GSSI,USA

冲激脉冲

16-1500

PulseEKKO 1000

SSI,Canada

冲激脉冲

110-1200

RAMAC

MalaGeoscience,Sweden

冲激脉冲

25-1000

KSD-21

Koden,Japan

冲激脉冲

50-2000

Zond 12c

Radar Systems,Latvia

冲激脉冲

38-2000

GeoRadar

GeoRadar,USA

步进频率

100-1000

SPR-Scan

ERA Technology,UK

冲激脉冲

500-1000

 

那多少个设备的一块特点是均配有两样主频的天线以满意不同探测深度的急需。

以GSSI公司的SIR-ZOOO系统为例,它可以装配GSSl集团研发的各样天线并完成单通道、多通道车载或手持式探测。从表中也足以看来,如今GPR技术进步的主流便是冲激体制,本文也正是对这种体制GPR的高分辨成像技术举办研商的。

境内对探地雷达的钻研启动较晚,近期在该领域内也收获了自然的技艺提高,不少研究单位也生产了协调的探地雷达样机。如中国电波传播探究所研制的LTD一3探地雷达;煤炭科学总院地拉那分院开发的KDL-3、4型矿井防爆探地雷达;艾迪尔公司的CBS-900和CBS-2000探地雷达[86-91]。在国家“863”计划项目的援救下,国防交通大学电子科学与工程高校研制了一套冲激脉冲体制的探地雷达系统–RadarEye[46,92,93],成功利用于公路质料评估和高分辨地下目的成像场地。

 

1.2.2 探地雷达信号处理

 

GPR是否足以有效应用,不仅在于硬件系统的属性,同时取决于信号处理

和数量解译技术。相对于硬件技术的升华,探地雷达信号处理技术更加落后。反

卷土重来也讲明信号处理技术的生命周期比硬件技术更长。探地雷达信号处理技术主

要包括目的检测、成像、识别和介质分层[94-96]。具体贯彻时,一般要在前端举行信号预处理工作,包括随机噪声抑制、直达波和射频烦扰压制[97-100]。为升高信号处理的直观性和人机交互性能,还要开展原始数据和处理结果的可视化处理。典型的探地雷达全系统规划路线如图1.3所示。

 

 

 

 

 

 

 

      

图1.3 GPR系统钻研技术路线

目的检测紧要概括能量检测、相关检测、特征检测(基于模型的特性措施)

和变换域检测算法(小波域检测算法、双谱域检测算法)[95,101-106]。检测算法要求有高检测率和低虚警率。对于探雷系统而言,则是要在保管漏报率为O的前提下尽心尽力降低虚警率[107]。检测结果要直观急忙的来得在巅峰设备上以供操作员举行宣判。

介质分层是GPR举行公路探测时最具价值的一个利用[73,108-110]。基于一维逆散射的层状介质电磁参数算计和层厚度估算技术己经发展的比较完善。但骨子里的公路各层并不是了不起的均匀媒质,有必要引入自由媒质中波的剖析理论和强起伏理论举办高分辨介质分层。

目的识别是GPR信号处理中最具挑衅性的一个课题。探测地域电磁环境的复

杂性和埋地目标的多样性使得目的特征不变量的规定非常不方便[111-113]。现有的甄别算法一般是对确定己知探测区域内星星点点的三个己知目的的检测识别或是对某一类对象(地雷)的辨识。可采纳的章程有基于回波相位的模板匹配和遵照高阶谱的特征不变量提取。当对象散射信号的空间采样充分多时,就足以倚重探地雷达成像技术举办目的的分类识别。

雷达成像技术则是GPR应用中最实用的拍卖措施,但与此同时它对目标散射信号

的采样要求也最高,包括大采样区域和高采样密度[22,114-117]。首先要求探地雷达天线要所有大主瓣宽度,这样才能有效地展开合成孔径处理。同时还要求探地雷达在天线有效照射范围内展开密集采样。典型的收发环环相扣探地雷达一维合成孔径和二维合成孔径扫描示意图如图1.4所示。

图1.4 GPR一维和二维扫描示意图

 

与对空雷达不同,GPR的探测目的从数毫米的地雷、管道到横向扩张数米的

地下掩体、矿藏,探测深度从几十毫米到数百米不等。其利用需求也从目的的三

维形状和电磁特性精细重构到大原则目的的低分辨反演而各不相同。那一个元素造

成了GPR成像技术方面很大的反差。但各个成像技术都是按照目的散射信号的空

间采样,建立GPR成像基本理论框架如下图所示:

图1.5 GPR成像基本理论框架

 

探地雷达成像技术从电磁理论角度考虑是第超级的逆散射问题,而从雷达技术

天地考虑则和SAR成像有相似之处。这就控制了这一技巧沿六个样子前行向上。

求解逆散射问题时,目标一般被看做具有一定电磁特性的散射体,成像的目标便

是过来出目标体的形制和电磁参数。而使用合成孔径成像技术时,得到的一般性是

目的散射要旨的重构结果,包括散射中心的职位和散射强度。理论上讲,在对探

地雷达全系统开展精密建模的底子上,逆散射成像技术可对探测区域的电磁参数

展开真实反演,有效应用于目的识别。但考虑到探地雷达系统的多样性、天线形

式的多样性、探测环境的扑朔迷离和噪音的搅和,全系统的精细建模极难落实,这

就招致了基于逆散射理论的成像技术很难直接采取于工程探测。而合成孔径成像

技巧通过适当的切近处理,在对探测场景合理建模的底蕴上可实现目的散射主旨

的重构,这在形似的工程探测场所已足以满意成像探测需求,由此应用面较广。

下边对这二种成像技术做一简练的牵线。

逆散射成像技术将目的就是具有特定电磁特性的散射体,在这种建模模式下,目的散射场和目的函数之间通过LS(LS:LiPPmann-Schwinger)积分方程联系起来,可经过求解这一方程实现目标体的电磁特性反演。常用的求解方法有解析法和数值求解法。当目的和背景媒质的电磁特性相差不大时,通过一阶Bom近似可将LS方程举行一定的简化并导出目的体电磁特性的谱域格局和对象散射信号谱域格局的相应关系,这即为衍射层析(DT:Diffraction
Tomography)成像算法。Devaney首先探究了均匀无耗媒质中二维目的的DT成像算法实现问题[l18],继而采取了Tikhhonov正则伪逆算子实现了有耗媒质中目的的DT成像[l19,120]。Meincke通过引入天线辐射场的平面波谱分解函数实现了不同天线形式下有耗媒质中目标的便捷DT成像算法[121]。为放宽DT成像算法对目的弱电磁散射特性的限量,cuiTiejun拔取矩阵分析的办法实现了二维强散射体的DT成像[l22,123]。当目的的电磁散射特性不满意一阶Bom近似的适用原则时,还足以采纳数值总括的方法展开LS方程的求解从而取得目的函数的重构结果。常用的数值统计方法有Bom迭代法(BIM:BomlterationMethod)和变型BIM(DBIM:DistortBIM)。euiTiejun运用DBIM对有耗媒质中介质目标的电磁逆散射问题展开了深入的琢磨,选拔共扼梯度算法举办散射积分方程的求解,拿到了二维目的的介电常数剖面和电导率剖面的重构结果[124]。NiezaiPing将多重网格技术和BIM法相结合提出了扩张BIM(vBIM:variationalBIM)法,算法比DBIM更敏捷,可利用于混合迭代反演中[l25,126]。基于小波分析的多分辨特性,Erer和YangYang等人分头将小波分析利用于DT成像和数值迭代成像中,利用传递矩阵的疏散性质有效降低了成像算法的运算量[127-129]。上述成像算法通过对探测环境的纯正建模,都在肯定程度上解决了目的的电磁参数重构问题。但正因为其规范建模的渴求,致使这种成像技术应用面受限,近期还很难直接使用于GPR实测数据的成像处理中。

在散射中央模型下,可利用合成孔径成像技术拓展目标散射中央重构。此时

GPR成像和SAR成像有类似之处,但并不是有着的SAR成像算法都足以行使于

GPR成像。SAR成像中,目标回波信号的多普勒频移平常被用来举行高分辨成像,

而在GPR成像中这点并不树立。GPR成像中,可由此标量波动方程建立目的散

射场和对象函数之间的涉嫌随着开展成像处理,常用的成像算法有距离偏移(RM:

Range Migration)算法[130,131]、逆时偏移(RTM:Reverse 提姆e
Migration)算法[132]和后向投影(BP:BackProjection)算法[133-136]。JeffreyE.Mast从标量波动方程出发建立了探地雷达反向传播成像算法[l37]。Yingwei和xuxiaoyin通过分析波场连续性的谱域表现形式,导出了功效波数域偏移成像算法[138-140]。那两种成像算法都可归咎为cafforio提议的RM成像算法[141]。RM成像算法将对象散射场数据转发到谱域并开展插值处理,再经逆傅里叶变换转化回一无所有即可拿到目标的散射大旨重构结果,算法流程简单,运算速度快,可使得运用于均匀无耗媒质中的目标成像问题。RTM成像算法是由Fisher首先提议的[142],Leuschen运用匹配滤波理论也导出了算法的时域实现情势[l42]。与FDTD正向总结类似,该成像算法可处理复杂背景媒质中的目的成像问题,但运算量较大。BP成像算法的“延迟一求和”运算物理概念清晰,处理流程省略,广泛应用于SAR成像中。对探地雷达而言,媒质不均匀性对成像结果影响很大。WuRenbiao长远探究了这一问题,指出为制止速度误差引起的成像结果失真,成像处理需要一个较大的深浅区间内开展[143]。Tanyer运用FDTD法分析了媒质的非均匀性对目的散射信号和BP成像结果的熏陶,在此基础上指出了“延迟OPPO权求和”的成像算法,有效改进了BP算法的性能[144]。在可以图景下,上述两种成像算法都可以赢得高分辨的对象散射大旨重构结果。但探地雷达对地下目标举办探测时,收发天线的区间、距地面的可观和背景媒质的均匀性都会对成像结果爆发潜移默化。考虑到这些元素,则两种成像算法各有上下。

汇总,目标建模方法的不比造成了成像算法和处理结果的不等。体散射模型下的成像结果真实展现了目的的材料构成和轮廓信息,可径直用于目的识别。但目的的高分辨重构依赖于雷达系统和探测环境的准确建模,包括天线格局、扫描形式、媒质电磁特性等,因而近年来还很难直接行使于GPR成像中。而据悉散射核心模型的建模方法简单直观,成像算法物理意义不问可知、概念清晰,成像结果可满意大多数工程应用的要求。

鉴于探地雷达(GPR)信号具有很好的稀疏性,可以很好的满意压缩传感(CS)的原则,由此将CS技术运用在GPR信号数据的拿走上,可以解决海量数据收集和仓储问题,能明显降低图像处理的总括量。另外仍可以省去雷达接收端的脉冲压缩匹配滤波器,降低接收端对模数转换器件带宽的要求。设计重点由传统的计划昂贵的接收端硬件转化为规划新颖的信号恢复生机算法,从而简化雷达成像系统。

对GPR数据开展成像处理后,可利用二维和三维可视化技术对成像结果进行体现。二维成像结果的显示情势有二种:平面图、立体图和等值线图,前两种是较常用的显示情势。典型二维成像结果的两种展现形式如下图所示:

 

图1.6二维成像结果呈现形式

 

对三维成像而言,图像体现变得复杂。设三维成像结果为
,若遵照二维成像结果的显得模式则只好显示出各类表面的对象函数值,区域内部的目的函数值不能直观地出示出来。那时能够应用切片显示的主意,即任一x值或y值都对应一个二维成像结果,因而得以用一幅图像来代表。通过等间隔的在x方向或y方向举办数个二维成像剖面的抽取,并将抽取的成像剖面举行组合展现即可较为直观地出示出探测区域的靶子走向及分布。也能够选取等值面图的方法举办三维呈现:即将相等的各点用平滑曲面连接起来就形成了一个等值面。一般以等值面上的对象函数值和一切区域目的函数的大幅度值之比来讲述等值面。记目的函数的巨大值,则目的函数值为所在的等值面可记为dB等值面图,其中:。典型三维成像结果的各类呈现模式如下图所示:

图1.7三维成像结果呈现情势

 

1.3舆论的布局和首要办事

 

本文是国家高技术研讨发展计划(863计划)“高分辨表层穿透雷达系统与数码处理利用软件”项目工作的一有些,首要探究内容是高分辨脉冲探地雷达(GPR)成像技术,包括合成孔径时域、谱域成像算法和实时成像算法的实现问题。对脉冲探地雷达而言,探测深度一般为米级,分辨率为分米级。在这么的探测区域内,目的一般位于收发天线的近场区。电磁波在氛围一媒质交界面的折射效应会影响到成像结果的聚焦职能。有耗媒质对电磁波的衰减功效会潜移默化到目标散射强度的重构精度。当探测区域为分层媒质时,那种影响进一步错综复杂。且探地雷达对空域的围观探测并不总满意均匀采样的要求。在一些要求实时成像探测的场面,时域算法的流年算量成为限制探地雷达有效行使的要紧元素。这个问题都对脉冲探地雷达的高分辨成像指出了更高的要求。因而对脉冲探地雷达高分辨成像而言,必须考虑近场效应、分层媒质、非均匀采样等其实境况并在此基础上研讨减弱传感CS理论在脉冲探地雷达成像中的应用。

 

1.3.1舆论的构造

 

小说共分五章。第一章是绪论。重要介绍了探地雷达的提升以及探地雷达成像基本理论知识。

其次章介绍了收缩传感基本理论。压缩传感(CS)理论紧要不外乎信号的疏散表示,编码测量和解码重构等五个方面,本章介绍了要利用CS技术必须餍足的一些基本前提条件。

其三章介绍高分辨表层穿透雷达(GPR)系统的软硬件设计。包括分析探地雷达GPR的干活原理,系统的硬件设计,系统的解译软件设计等。硬件系统规划带有的技艺有:波形优化的大功率冲激发射机;低噪音多通道超宽带接收机;天线一体化设计技术;超宽带波束形成技术;系统融为一体与测试技术等;解译软件系统包含的功能有:直达波抑制技术;分层介质双站高分辨率成像(一般大家说的成像是指目的的二维和三维图像,不同于一维离开像,成像包括CS成像,B-P成像;CS与GPR联合反演成像等);低电磁相比度目标分类;地下万分实时检测等。

第四章
举办了基于随机孔径CS成像算法的CS与GPR联合反演。本章首先详细介绍了CS的争鸣框架以及信号稀疏代表,CS
编解码模型;然后建立反演成像扫描几何和媒质环境,进而举办测量矩阵生成和生成介电常数推断矢量以及结构数据字典、生成随机采样矩阵、生成原始的靶子矢量,以及利用最小二乘情势和magic最优化措施总括成像结果,最终选取经典的BP成像算法进行成像处理,并分析了噪声和测量矩阵对自由孔径CS成像算法性能的影响。

第五章
介绍了探地雷达(GPR)成像数据正式处理软件csuGPR,本章分析了探地雷达数据的数据结构、软件数量处理流程、算法类与算法对应的接口类的统筹、关键实现的技能分析以及csuGPR软件的一一模块的要紧功效分析。

第六章 举办GPR 内外场随机孔径CS成像实验,并对结果开展辨析。

   最终第七章是总计与展望。

 

1.3.2本随笔研讨的重大问题和所做工作

 

   
本杂文首要研讨收缩传感(CS)技术在探地雷达(GPR)成像中的应用以及探地雷达数据处理成像软件csuGPR的实现,并举行了CS与GPR的一块儿反演MATLAB仿真,对GPR举办内外场成像实验,并对结果举行剖析,是本论文琢磨中的一个紧要片段。

探地雷达在地质勘探工作中是一种有效的工具,通过对雷达数据形成的各类

图表的辨析,可以很有利的检测、识别地下的对象。由此,为了更好的抒发探地

雷达在地质勘探工作中的优势,提升工作效用,一种使现场实地采访到的多寡以

图像的格局显示出来、便于观测的探地雷达成像数据处理软件是少不了的。

噪音在自然界中是普遍存在的,在探地雷达信号接收和处理的次第阶段都可

能引入噪声,噪声对探地雷达探测数据的成色会发生很大的影响。因而在对接受

到的雷达回波信号剖面举行地质解释以前,必须运用对信号实施适度的处理来提

高数量质量,为更为解释提供清晰的剖面图,尽可能的使有用音讯获取充裕利

用。

探地雷达回波信号具有非平稳性,脉冲信号非线性衰减等特征。它首要由收

发天线件直接藕合波、地面反射波、地下介质不连续暴发的后向散射波、随机干

扰等构成。对于这种信号的去噪用传统的Fourier分析方法显得力不从心,而小

波分析能而且在时频域中对信号举行分析,具有活动定焦功能,能使得区分信号

中的突变部分和噪声,从而实现信号的去噪。由此大家利用小波变换对探地回波

信号举办拍卖。

探地雷达信号处理的目的是避免随机的和规则的搅扰波,以最大可能的分辨率来呈现目的反射波,便于提取各类行之有效的参数,以便对探地回波坡面举行标准合理的地质解释。由此,最终大家对小波去噪后的探地雷达回波坡面进行了地质解释,以一种直接但直观的艺术来判断小波去噪的效率。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

其次章 压缩传感基本理论

 

观念的信号获取和处理过程首要不外乎采样、压缩、传输和解压缩几个部分, 如图 1
所示. 其采样过程必须满意香农采样定理,
即采样频率不可以低于模拟信号频谱中最高频率的2 倍. 在信号压缩中,
先对信号进行某种变换, 如离散余弦变换或小波变换,
然后对个别纯属值较大的周详举办压缩编码, 废弃零或近似于零的系数.
通过对数码举办削减, 废弃了采样拿到的大多数数目, 但不影响 感知效果[1].
例如, 在使用数百万像素的单反相机对气象进行成像时,
将会拿到海量的像素音信, 但通过压缩编码后,只对有的信息举行仓储和传导,
最后通过相应的解压缩算法对原始图像举办重构.假若信号本身是可减掉的,那么是否可以一贯拿走其缩减表示
(即裁减数量), 从而略去对大量无用音讯的采样呢? Candes 在 2006
年从数学上表达了能够从部分傅里叶变换系数精确重构原

 

图 1 传统的音讯得到与拍卖流程

始信号,为削减传感奠定了辩论基础[2]. Candes 和 Donoho
在连带探讨基础上于 2006 年正式指出了滑坡传感的概念[1,3].
其主旨思想是将裁减与采样合并开展, 首先采访信号的非自适应线性投影
(测量值), 然后遵照对应重构算法由测量值重构原始信号[1].
压缩传感的独到之处在于信号的影子测量数据量远远低于传统采样方法所获的数据量,
突破了香农采样定理的瓶颈, 使得高分辨率信号的搜集成为可能.

压缩传感理论框架如图 2
所示.压缩传感理论重要包括信号的疏散表示、编码测量和重构算法等五个地方[4].
信号的疏散表示就是将信号投影到正交变换基时,
绝大部分变换周全的相对值很小, 所拿到的转换向量是稀疏或者近似稀疏的,
可以将其看作原始信号的一种简单表明[5] ,这是压缩传感的先验条件,
即信号必须在某种变换下得以稀疏表示.
常常变换基可以遵照信号本身的性状灵活接纳,常用的有离散余弦变换基、快速傅里叶变换基、离散小波变换基[6]、

Curvelet基[7]、Gabor 基[8]以及冗余字典[8,10]等. 在编码测量中,
首先选

择稳定的投影矩阵, 为了确保信号的线性投影能够保持信号的本来结构,
投影矩阵必须满意约束等距性(Restricted isometry property, RIP)条件[11],

后经过原始信号与测量矩阵的乘积得到原始信号的线性投影测量. 最终,
运用重构算法由测量值及投影矩阵重构原始信号. 信号重构过程一般转换为一个最

小 L0 范数的优化问题, 求解方法首要有细微 l1
范数法[2,12]、匹配追踪连串算法[13]、最小全变分方法[2]、迭代阈值算法[14]等.

 

图 2 压缩传感理论框架

由于GPR回波信号的疏散表示、编码测量和解码重构在削减传感理论中的首要性,
本文第2章对其开展了介绍;
第1章是绪论;第3章介绍了高分辨表层穿透雷达(GPR)系统的软硬件设计;
第4章举办了依据随机孔径CS算法的CS与GPR联合反演;
第5章介绍探地雷达(GPR)成像数据处理利用软件;
第6章探讨了探地雷达(GPR)内外场随机孔径CS成像实验与结果分析;
第7章对让利扣传感领域的探讨前景展开总括和展望.

 

 

缩减传感(CS)理论重要不外乎信号的疏散表示,编码测量和解码重构等五个地点。信号的疏散表示就是将信号投影到正交变换基时,绝大部分转换周到的相对化值很小,所获取的转移向量是稀疏或者近似稀疏的,可以将其看做原始信号的一种简易表达,这是缩减传感的先验条件,即信号必须在某种变换下得以疏散表示[13]。平日变换基能够依照具体信号灵活采用,常用的有离散余弦变换基、快捷傅里叶变换基、离散小波变换基、Curvelet基、Gabor基以及冗余字典等。在编码测量中,
首先采纳稳定的投影矩阵, 为了保险信号的线性投影可以维持信号的原本结构,
投影矩阵必须知足约束等距性(Restricted isometry property, RIP)条件,
然后透过原始信号与测量矩阵的乘积拿到原始信号的线性投影测量. 最终,
运用重构算法由测量值及投影矩阵重构原始信号.
信号重构过程相似转换为一个微小 L0 范数的优化问题,求解方法首要有细小
L1范数法、匹配追踪序列算法、最小全变分方法、迭代阈值算法等。

 

(1)   CS信号的疏散表示

   依据调和分析理论, 一个长短为 N 的一维离散时间信号
可以表示为一组正式正交基的线性组合

 或 =        (1)

其中, =[ 1 | ||
N]
i 为列向量,N×1的列向量 是
的加权周详连串,i =〈 , i〉=
i T 。 是信号 的对等表示。如图2所示。即使唯有很少的大周全,则称信号 是可缩短的; 固然 只有K<<N个元素为非零系数, 则称 为信号 的 K 稀疏表示, 是信号
的稀疏基。另外,当信号不可能用正交基稀疏表示时,可以动用冗余字典稀疏代表。

.

 

图2 用基 举办疏散表示

(2)   CS测量编码

在CS编码测量中,并不是平素测量稀疏信号 本身,而是将信号
投影到一组测量向量 =[θ12
…,θ …θM
]上,而博得测量值 。写成矩阵情势为

=                (2)

式中: 是N×1矩阵, 是M×1矩阵, 是M×N的测量矩阵。将(1)代入(2),有

= = =   (3)

式中: = 是M×N矩阵,被叫做是传播矩阵。

鉴于测量值维数M 远远小于信号维数N,
求解式(2)的逆问题是一个病态问题。所以无法直接从 的M个测量值中解出信号
。而由于式(3)中
是K稀疏的,有K个非零全面而且K<M<<N,那么利用信号稀疏分解理论中已有的稀疏分解算法,能够因而求解式(3)的逆问题取得稀疏系数,再代回式(1)进一步得到信号 。 Candes
等人在文献中指出,为了确保算法的收敛性,使得K个周到可以由M个测量值准确地苏醒式(3)中矩阵
必须满意受限等距特性(RIP) 准则,即对于自由具有从严K稀疏
(可减弱情形时)要求是3K的矢量矩阵V,矩阵 都能确保如下不等式创造

 

   (4)

式中 >0, RIP 准则的一种等价的情形是测量矩阵 和
稀疏矩阵满足不相关性的要求。实际测量中稀疏基
可能会因信号的两样而改变,由此期望找到对随意的疏散基 都能满意和测量基
不相干。文献[]证实了当 是高斯随机矩阵时,传感矩阵
能以较大概率满足约束等距性条件。因而可以经过甄选一个大大小小为M×N的高斯测量矩阵得到,其中每一个值都知足N(0,1/N)的单身正态分布。目前任何大规模的能知足约束等距性的测量矩阵还有一致球测量矩阵、二值随机矩阵、局部傅里叶矩阵、局部哈达玛测量矩阵以及托普利兹(Toeplitz)矩阵等[14].

(3)CS解码重构

信号重构算法是CS理论解码重构的主导, 是指由M 次测量向量 重构长度为 N
(M<<N) 的稀疏信号 的过程. Candes
等申明了信号重构问题得以因而求解最小 L0 范数问题加以解决. 但Donoho 指出,
最小 L0 范数问题是一个 NP-hard 问题, 需要穷举 中非零值的装有
 种排列可能, 由此一筹莫展求解. 鉴于此,
探究人口提议了一系列求得次最优解的算法, 重要包括最小L1
范数法、匹配追踪(Matching
Pursuit,MP)序列算法(如OMP、ROMP、CoSaMP)、迭代阈值法以及特别处理二维图像问题的微乎其微全变分法等.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

其三章 高分辨表层穿透雷达系统的软硬件设计

 

3.1 需求分析

 

高速公路,桥梁,建筑结构的质料监测和隐患发现是关联到国家财产、人生安全的大事。探地雷达(GPR)是一种有效的无损检测技能。探讨解决制约我国GPR技术提升和行使的关键技术、开发面向实际行使的GPR系统对于促进本国在此领域的技艺提升、产业化发展有着重大的含义。

高分辨表层穿透雷达(GPR)是一种采取电磁波获取表层下电磁特性音讯的仪器。它有着穿透能力强,分辨率高等优点,还足以探测各样非金属表层下结构和目的。GPR雷达发射机暴发充足的电磁能量,经过收发转换开关传送给天线。天线将这一个电磁能量辐射至地表中,集中在某一个很窄的趋向上形成波束,向前传播。电磁波遇到波束内的对象后,将沿着各类方向暴发反射,其中的一片段电磁能量反射回雷达的势头,被雷达天线获取。天线获取的能量经过收发转换开关送到接收机,形成雷达的回波信号。由于在流传过程中电磁波会随着扩散距离和地表有损介质而衰减,雷达回波信号分外衰弱,几乎被噪声所淹没。接收机放大微弱的回波信号,经过信号处理机处理,提取出含有在回波中的音讯,送到呈现器,显示出目标的距离、方向、速度等。GPR工作规律如图3.1所示

 

图3.1 GPR工作规律

 

此时此刻我们国家GPR发展共同体情状是硬件系统性能与海外产品有阶段性差别;并且没有独立知识产权的解译软件;技术目标不可以满足使用需要等。并且鉴于系统特性原因,国内研发的系统中央没有采取价值,尤其是在公路探测(定量)方面。通过解决高分辨率GPR系统实现、信号和多少处理中的关键技术,收缩我国在GPR系统技能与行使探讨方面与外国的距离,为GPR技术的产业化打下基础,由此探讨具有独立知识产权的面向实际使用的GPR软硬件连串以及数据处理软件是自然,对于促进本国在探地雷达领域的技巧发展、产业化发展抱有举足轻重的意义。在探地雷达接纳中,基于雷达成像技术的靶子检测与识别是最直白和实用的,由此支付GPR数据处精晓译成像的软件是也是很有必不可少的。

 

3.2 系统软硬件设计

 

高分辨表层穿透雷达GPR系统规划重点包括硬件与软件设计两大方面:

硬件系统规划带有的技艺有:波形优化的大功率冲激发射机;低噪音多通道超宽带接收机;天线一体化设计技术;超宽带波束形成技术;系统融为一体与测试技术

解译软件系统包含的功能有:直达波抑制技术;分层介质双站高分辨率成像(一般我们说的成像是指目标的二维和三维图像,不同于一维距离像);低电磁相比度目的分类;地下万分实时检测等。

 

3.2.1  硬件设计

 

   探地雷达GPR首要由天线、发射机、接收机(包括信号处理机)和显示器等片段构成。探地雷达主机我们选拔国防科大自主研发的Radar
Eye,使用工控机控制雷达主机,工控机下边安装数量采集卡。天线定位装置和数码采集卡协调共同工作.
天线为电阻加载和介质加载形式,通过天线定位装置可做到空间二维扫描,
扫描精度< 1mm。扫描模式为点测形式, 即:
在进展扫描前先确定好空中采样点,控制天线依次移动到各种采样点举办静止探测.每个采样点采访到的多道数据举办平均以平滑噪声。Radar
Eye配置6个通道的多通道收发盒;脉冲间隔时间为:0.5ns;中央频率为:
1.96GHz,频谱为3dB;带宽: 0.67-3.25 GHz;幅度限制: -18.9V 到17.6V;前后主脉冲波形的振动为: 3%至
-7%。高分辨表层穿透雷达GPR系统硬件结构如图3.1所示。

                                                                              
                             

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

图3.2 GPR硬件结构及主机Radar Eye内部结构图

 

    高分辨表层穿透雷达GPR系统数字信号处理器咱们使用TMS320C31DSP,

6个通道的多少进入A/D处理器后依据先入先出(FIFO)排队进入TMS320C31DSP芯片举行拍卖,最终通过压控信号发生电路、时序发生电路、慢斜坡暴发电路输出。DSP处理信号原理如图3.3所示,时序控制及时变放大电路芯片如图3.4所示。

 

 

 

 

 

 

 

 

图3.3 DSP原理图

 

图3.4时序控制及时变放大电路

 
  探地雷达GPR系统的天线设计直白是个很要紧的片段。天线为电阻加载和介质加载形式,咱们独家计划了超宽带天线GPRA-1型天线和GPRA-2型天线(如图3.5所示),GPRA-1型天线尺寸为170×80×60
,紧要用来高精度分层成像检测,GPRA-2型天线尺寸为350×160×120
,重要用来深层目的探测识别。设计的天线又可分为一发两收天线和一发多收天线。一发两收天线紧要用来层厚度臆度,二维成像;一发多收天线重要用来三维分层展现,横向目标一定识别,纵向成像等功能。超宽带GPRA-1型天线辐射特性如图3.6所示。

 

 

 

图 3.5 超宽带天线设计

 

图 3.6天线辐射特性

 

所设计成就后的车载GPR硬件系统如图3.7所示。

图 3.7 radarEye硬件系统

 

3.2.2  信号处理及解译软件设计

   
csuGPR数据处理规范软件首要功能包括:(1)处理方案:建筑检测、道路检测、桥梁检测、地下目的成像、结构分段音讯、以及自设处理方案;(2)
软件处理回波数据的工具有:频谱分析、时间门限法去除直达波、平均法去除直达波、自适应抵消法去除直达波、RFI抑制、ROI提取、二维W-K成像、二维B-P成像、CS与GPR联合反演、三维CS成像、自动检索和测算回波、一维滤波、二维滤波、去背景噪声、减对空信号等;(3)图像呈现设置有:波形堆积图、灰度堆积图、彩色堆积图、层面信息映现;(4)校准方法有:幅度惊人校准、波速校准、时间校准等。csuGPR数据处理标准成像软件用户接口如图3.8所示。csuGPR数据处理标准软件的功力详细规划将在第五章具体表明。

 

图 3.8 csuGPR数据处理标准软件用户接口

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

第四章 CS与GPR联合反演目的成像

 

  
 探地雷达(Ground
Penetrating Radar,
GPR)是一种有效的浅层隐藏目标探测技术,利用电磁波在媒质电磁特性不总是处暴发的反光和散射实现非金属覆盖区域中目标的成像探测\[1,2\]。是当今地下浅层目的非破坏性探测技术中最富有应用前景和发展前途的主意之一。GPR是否可以使得行使,不仅取决于硬件系统的性能,同时取决于探地雷达成像算法和特征提取算法等方法的管用。常用的探地雷达成像算法如衍射层析成像算法\[3,4\]、波前成像算法、递归反向投影成像算法\[4,5\]、距离偏移(Range Migration,
RM)算法\[6\]、逆时偏移(Reverse 提姆(Tim)e Migration,
RTM)算法\[7\]和标准后向投影(Standard Back Projection,
SBP)算法\[8\]等经过标量波动方程建立目的散射场和对象函数之间的关联随着对目标散射数据开展成像处理。为博得较好的成像效果,以上算法要求雷达系统对目标散射信号举行高密度采样以博取丰裕的成像数据。当探测区域较大时,还需要雷达系统在大采样区域进行高孔径密度采样,这造成探地雷达系统采样数据量大、测量时间长。那一个算法没有考虑地下非层状目的一般仅占探测区域很小一些这一先验知识。

缩减传感(Compressed Sensing
CS)理论是近几年发展起来的一个丰裕利用信号稀疏性或可压缩性的崭新信号采集、编解码理论\[9,10\]。该辩护表明,当信号具有稀疏性或可压缩性时,通过征集少量的信号投影值就可实现信号的规范或类似重构。压缩传感技术的主题思想是将滑坡与采样合并开展,首先采访信号的非自适应线性投影(测量值),然后依据对应重构算法由测量值重构原始信号。压缩传感的助益在于信号的影子测量数据量远远小于传统采样方法所获的数据量,突破了香农采样定理的瓶颈,
使得高分辨率信号的采访成为可能\[10,12\]。压缩传感理论框架如图4.1所示\[14\]

                   
     图4.1压缩传感理论框架

本文以减掉传感为理论功底,利用探地雷达采纳中感兴趣目标区域有所稀疏特性的先验知识,利用随机孔径CS理论测量GPR信号,举办了CS与GPR的联名反演。并研究了噪声和测量矩阵对算法性能的熏陶。

 

4.1压缩传感基本理论

压缩传感(CS)理论首要不外乎信号的疏散表示,编码测量和解码重构等六个方面。信号的疏散表示就是将信号投影到正交变换基时,绝大部分变换周密的断然值很小,所获取的转移向量是稀疏或者近似稀疏的,可以将其看作原始信号的一种简易表明,这是缩减传感的先验条件,即信号必须在某种变换下可以疏散表示。平常变换基可以依照实际信号灵活采纳,常用的有离散余弦变换基、迅速傅里叶变换基、离散小波变换基、Curvelet基、Gabor基以及冗余字典等。在编码测量中,首先选取稳定的投影矩阵,
为了保证信号的线性投影可以保障信号的原始结构,投影矩阵必须满意约束等距性(Restricted isometry property,
RIP)条件,然后经过原始信号与测量矩阵的乘积拿到原始信号的线性投影测量. 最后,
运用重构算法由测量值及投影矩阵重构原始信号.信号重构过程相似转换为一个纤维 L0
范数的优化问题,求解方法首要有细小
L1范数法、匹配追踪体系算法、最小全变分方法、迭代阈值算法等\[14\]

(1)
CS信号的疏散表示

  
依照调和分析理论,一个长度为 N 的一维离散时间信号可以象征为一组正式正交基的线性组合

 或=      (1)

 

其中,=[1|||i||N]i为列向量,N×1维的列向量是的加权周密体系,i=〈,i〉=i
T。是信号的对等表示。如图1.2所示。即使唯有很少的大全面,则称信号是可削减的;如若只有K<<N个元素为非零系数,则称为信号的 K稀疏表示,是信号的稀疏基。其它,当信号不可能用正交基稀疏表示时,可以使用冗余字典稀疏表示。

图4.2 用基举办疏散表示       图4.3 标准采样和CS信号采样模型

(2)   
 CS测量编码

在CS编码测量中,并不是从来测量稀疏信号本身,而是将信号投影到一组测量向量=[θ12
…,θ …θM
]上,而赢得测量值。写成矩阵形式为

=   
            (2)

式中:是N×1矩阵,是M×1矩阵,是M×N的测量矩阵。将(1)代入(2),有

===  (3)

式中:=是M×N矩阵,被叫做是流传矩阵。标准采样和CS信号采样模型如图3所示。

鉴于测量值维数M远远低于信号维数N, 求解式(2)的逆问题是一个病态问题。所以不可以直接从的M个测量值中解出信号。而由于式(3)中是K稀疏的,有K个非零周详而且K<M<<N,那么利用信号稀疏分解理论中已有些稀疏分解算法,可以由此求解式(3)的逆问题取得稀疏周密,再代回式(1)进一步获取信号。
Candes 等人在文献中指出,为了保险算法的收敛性,使得K个系数可以由M个测量值准确地苏醒式(3)中矩阵必须知足受限等距特性(RIP)准则,即对于自由具有从严K稀疏 (可削减情状时)要求是3K的矢量矩阵V,矩阵都能保证如下不等式成立[10]

 

  
(4)

式中>0,
RIP准则的一种等价的境况是测量矩阵和稀疏矩阵满意不相关性的渴求。实际测量中稀疏基可能会因信号的不比而变更,由此愿意找到对轻易的稀疏基都能满意和测量基不相关。文献[9]表达了当是高斯随机矩阵时,传感矩阵能以较大概率知足约束等距性条件。由此得以因此增选一个轻重缓急为M×N的高斯测量矩阵得到,其中每一个值都满足N(0,1/N)的独自正态分布。近来其他周边的能知足约束等距性的测量矩阵还有一致球测量矩阵、二值随机矩阵、局部傅里叶矩阵、局部哈达玛测量矩阵以及托普奥斯汀(Toeplitz)矩阵等\[14\].

(3)CS解码重构

信号重构算法是CS理论解码重构的中心,是指由M 次测量向量重构长度为 N
(M<<N)的疏散信号的过程.
Candes等评释了信号重构问题得以由此求解最小 L0 范数问题加以解决.但Donoho 指出,最小 L0 范数问题是一个 NP-hard问题, 需要穷举中非零值的拥有 种排列可能,由此不可以求解. 鉴于此,探究人士提议了一层层求得次最优解的算法, 首要概括最小L1范数法、匹配追踪(Matching
Pursuit,MP)体系算法(如OMP、ROMP、CoSaMP)、迭代阈值法以及特别处理二维图像问题的纤维全变分法等.

 

4.2 CS与GPR的一起反演区域目的成像

4.2.1
建立目的反演空间。

第一创设GPR扫描区域。沿坐标X方向向右,Z方向(即垂直地面向下方向)向下,雷达孔径关于Z轴对称。分别在X轴(-1-1)生成51个、Z轴(0-2)内生成50个点目的,收发天线间距2cm。

附带是设置感兴趣目的成像区域的设定。重如果横向和纵向扫描区间以及扫描间隔的问题,本仿真分别在X矢量方向扫描区间(-0.8 ~0.8)内生成20个点、Z矢量方向(0.2-1.8)扫描区间内浮动20个点目标。设空气中的光速为,媒质介电常数设置为16。

最后设置模拟的目的。本仿真实验装置多少个点目标分别放在点(Z,X)={(15,10),(13,8),(13,12)}处,此三处点目标值分别为0.5,0.25,0.25。目标值大于0则意味对应此处有目的,值越大表示目的越大成像时亮度越亮,指标越领会。目的值为0表示对应此处无对象。建立的呈现如图4.4所示。

 

图4.4目标反演空间  图4.5探地雷达反射探测原理  图4.6 构造GPR数据字典

 

4.2.2
实现背景介质电磁参数和目标参数的一头反演实验\[13,15,16\]

GPR利用频繁电磁波(-Hz),以宽频带短脉冲模式由地面发射天线定向送入地下,遭遇与周围介质电阻抗有差其余地层或目标体时,部分能量被反射回本地,被吸纳天线接收,依照回波信号来探测地下情形,其测试原理如图4.5所示。脉冲波的路途时间为 (为反射体的纵深,为发射天线和接收天线之间的相距,为波速)。当地下介质的波速V已知时,则可测到精确的t值(ns,),由上式求出反射体的深度X(m),X在剖面探测中是稳定的,V(m/ns)以用宽角模式直接测量,也可按照近似算出。其中C为光速(),为不法介质的相对介电常数值。

 

(1)
构造GPR数据字典

脉冲式探地雷达作业时收发天线紧贴地表,考虑发射机向地下辐射一定强度的高斯脉冲和不法目的对回波信号的延时和衰减成效,孔径i处的收受信号可代表为:

   (5)

  
为代表测量孔径i
处信号从发射机经目标上空第
P个目的反射到达接收机的延迟时间;为目的媒质的反射周到;为信号衰减和传播损耗的衰减因子。            

 GPR合成孔径成像目标区域为离散的半空中地点新闻,通过离散化发生一多重有限的点目标集合:={},N决定目标的分辨率。每个都是一个三维的向量,同时,定义列向量b=[,…,…]T为对象的全面向量,b中的元素取布尔量,0代表对应区域无对象,非0时代表对应区域有对象。接收端可以经过中的元素和=1统计公式(5)来拿到接收信号。可以透过公式总结拿到,我们的对象是由此图像的对象上空表示重构b。衰减因子包含在b中假倘诺不解的,一旦精晓,就足以当作实验的先验知识。而相似通过试验抑或先验知识揣摸得到。在第i个孔径处的第j列接收信号对应目的。GPR数据字典的结构如图4.6所示。数据字典的第j列归一化处理后第n个目的值能够写成:

    (6)

=+(0≦n≦-1),是吸纳的时域信号的脉冲能量值,为采样频率,为接受信号开端化时间,为始发采样数量。向量的第n个轻重为,由此每列都是单身的范数和衰减因子无关,只和散播时间相关。当在第i个孔径扫描时GPR对中每个可能的对象点往往暴发大小为×的数码字典。接收的信号可以发布成五个目的的回波数据整合数据字典列的线性组合:

         

                    =b        (7)

当b中富含目的时,b中第j列值非0,周到为否则b周到为0。

尝试仿真时在各类扫描孔径点上,对成像区域400×256中的所有点举行遍历,得到一个笔录坡面,作为GPR数据字典如图4.7所示。

图4.7 GPR数据字典生成                 图4.8 GPR信号的随意采样

 

(2)CS数据拿到

接收机对孔径i处的信号采样,得到离散接收信号,列向量表示为:

=
(8)

 表示采样频率,为接收信号初叶化时间,表示接受信号采样点数,为兑现对地下目的的高分辨率成像,常常标准采样频率很高,并且需要测量所有孔径处的收到信号(i=1,2,…,256)。而咱们采样随机孔径CS方法在吸收信号采样时遵照CS理论只需要在一多级基向量(m=1,2,…,M)上测量信号的线性投影,记录少量自由采样数据,同时在从 ~ 平面上400个孔径中肆意抽取少量孔径举办测量,就足以以为数不多的孔径测量次数(20)和较少的测量数据(10)重构目的上空图像的够用音讯量。CS数据拿到过程可代表

 

                          (9)

 为随机孔径i处所测量得M×1维GPR数据,为M×(M)测量矩阵,矩阵满意受限等距特性(RIP)准则。最终通过求解l1-范数约束最小化问题:

                     s.t.  (10)

,,

拿到由随机孔径i处M=个随机向量数据准确重构目的上空周全向量,将享有随机测量孔径处拿到估算值累加得到目的空间音信。

公式(10)在无噪音条件下利用等式约束有效,可是GPR信号在有噪音情形下例如,在第i个孔径地方压缩传感测量值就改为了

 (11)

=~,是孔径i扫描点的噪音采样,淌若和天线地点i处无关,一旦明白,就足以博得,我们通过=约束向量范数,为了稳定地重构稀疏周详向量b,[17-20]透过求解不严刻的l1最优化范数问题:

 s.t.
 (12)

或者

 s.t.
  (13)

,
,为噪声的参数,咱们采取公式(12)l1最优化线性重构目的上空图像,在公式(10),(12),(13)中的最优化问题都是小小的凸优化函数,由此可以保证最优解。实验通过采纳一个l1magic凸优化工具包\[16\]求解以上方程式。最近不考虑交叉验证(CV),因为在虚假过程中,噪声的参数可以预知的,当到真正的实测数据成像处理时,我们再考虑最优化参数、的取舍题材。

 

(3)CS与GPR反演与重构结果

   
为了转变对密集采样的时域信号举办任意采样的矩阵。大家运用三体系型的人身自由测量矩阵。第一种爆发均值为0,方差为1的妄动矩阵;第两种发生随机生成0,1等概率随机矩阵;第两种在20×20单位矩阵中随机抽取10行作为测量矩阵,即将GPR回波信号举行任意抽取10个如图4.8所示。

目的上空GPR发射信号的散射强度值如下图4.9所示。通过CS反演重构的信号散射强度值如图4.10所示。通过CS大家还准确反演了对象媒质的介电常数和目的体的反射率。

 

               图4.9                                图4.10                                                                                                                                      

 

   
随机孔径CS方法基于各孔径处得到的随意采样数据,利用l1magic凸优化工具包求解方程(12),并将结果累加,通过应用20个随机孔径的20×10个随机测量数据苏醒目的向量,得到的对象上空图像如图4.11所示。

为了比较成像效果,大家还分别接纳了小小二乘法和递归反向投影RBP(Recursive Back
Projection)成像算法采样图7中数量得到成像结果个别如

    
图4.11                   
   图4.12        
           图4.13

图4.12,4.13所示。

递归反向投影算法首先统计出孔径i处的信号从发射机经目的上空第
P个目标反射到达接收机的延时量 ,再将所有孔径中对应同等延时的回波幅度值叠加,利用具有400×256个数据复苏目的向量。递归反向投影算法的成像结果如图11所示。最小二乘法利用25个孔径中的10个随机测量数据,通过求解方程式(9),得=,并将持有孔径处总结得的b值累加,恢复生机目的向量。从图9,10,11方可看看,相比最小二乘法求解方法和规范反向投影方法,随机孔径CS方法仅需要从400个孔径中取得20个随机孔径的回波数据,在每道回波256个数据仅取10个落实对地下目的成像。由于充足利用了成像目的上空协会的疏散音讯和使用(12)求解凸优化问题,随机孔径CS方法运用少量的测量数据就收获了比使用所有测量数据的递归反向投影算法和纤维二乘法具有更好的聚焦职能和较低的旁瓣烦扰,成像效果更好。

 

4.3
噪声和测量矩阵对算法性能的影响

 

为定量分析接收信号中的噪声大小和满意不同分布的随意测量矩阵对随意孔径CS算法的影响,这里定义

  (14)

意味着重建目的上空图像与忠实目的上空图像之间的成像误差,()表示求解 l2-范数。

图4.14
给出的是探地雷达空时响应数据的信噪比SNR从 0 dB变化到 20 dB 时,运用递归BP成像算法和取不同数额任意测量值的轻易孔径CS算法(10个随机孔径)的成像误差比较。从图中得以看出,在低信噪比和测量数据M很少时,递归BP投影方法由于使用具有孔径和采样点数据,成像误差较小,但多少增大测量数据M值,随机孔径CS算法成像误差远小于递归BP投影方法,而且随着信噪比的改进,随机孔径CS算法成像误差分明下跌,而递归BP投影方法的成像误差无显著转变。

图4.15独家交付满意均匀分布、贝努利分布和高斯分布的3类随机测量矩阵在空时响应数据信噪比SNR为 8.6
dB,仅从各孔径采样数据中随机抽取10个的尺码下,随着随机测量孔径数量净增时成像算法的成像误差曲线。从图14凸现,随着随机测量孔径数量的扩充,随机孔径CS算法的成像误差显著降低。当随机测量孔径数量净增到40左右,CS算法的成像误差趋于稳定。并且使用满足不同分布的擅自测量矩阵时,随机孔径CS算法的成像误差的显现基本一致。

 

4.4
小结

减掉传感理论通过自由测量利用少量采样数据足以很好地重建稀疏目的信号,在信号分析与重建领域有举足轻重探讨价值。本文举行了CS与GPR联合反演,GPR成像方法在单道数据采样中选拔CS理论极大地缩小采样数据的同时,在
x-y测量平面上任意抽取部分孔径地方展开测量,以为数不多的孔径测量次数和测量数据得到重建目的上空图像的足足音讯。由于充裕利用了目标上空的疏散结构新闻,随机孔径CS成像算法能在运用少量测量孔径和数目的尺码下相相比较利用具有孔径采样点音讯的递归反向投影RBP算法和微小二乘法的成像效果更好、目标旁瓣更小、对噪音的鲁棒性更好。

图4.14
噪声对成像性能的熏陶                图4.15测量矩阵对成像性能的震慑

 

 

 

 

                                      

 

第五章 探地雷达(GPR)成像数据处理软件

 

随着电脑技术的连忙发展,统计机早己超过了单纯的计量功效。在一一商讨领域,总计机都在发布着巨大的效率。为了更好的发挥探地雷达在地质勘探工作中的优势,提高工作效率,一种使现场实地采访到的数量以图像的样式显得出来、便于观测的探地雷达成像软件是必备的。

探地雷达是使用频繁电磁波以宽频带窄脉冲的款式,通过天线中的发射器将信号传入地下,波在私自传播过程中相遇不同电性介质界面时,一部分电磁波能量被界面反射回来,另一有些能量会继续穿透界面进入下一层介质,各界面反射电磁波由天线中的接收器接收,再使用采样技术将其转化为数字信号举办拍卖。通过对电磁波反射信号(回波信号)的成像分析,便能领悟到地下各层社团的特色信息。

眼下海外的众多商业软件公司,探究机关都付出出了成百上千探地雷达成像软件,同时,在软件的提拔和完备上投入大量的人力和财力。在本国,很少有商业软件企业在做这地点的做事,国内也很少具有独立知识产权的GPR数据解译软件,并且各项技术目的都不可以满意使用需要,所以开发具有自主文化产权的GPR数据处了然译软件及其显得急迫而根本,为此,我们规划了探地雷达回波信号成像数据处理规范软件csuGPR。

csuGPR数据处理标准软件依托国防交通大学电子科学与工程高校研制的高分辨表层穿透雷达系统RadarEye,是一款自主研发的探地雷达数据解译软件,并且集成了最新的回落传感(CS)数据搜集成像技术.该软件效率齐全,能基本实现GPR数据处理的相关操作。

csuGPR数据处理软件重要职能包括:(1)处理方案:建筑检测、道路检测、桥梁检测、地下目标成像、结构分段音讯、以及自设处理方案;(2)
软件处理回波数据的工具有:频谱分析、时间门限法去除直达波、平均法去除直达波、自适应抵消法去除直达波、RFI抑制、ROI提取、二维W-K成像、二维B-P成像、CS与GPR联合反演、三维CS成像、自动搜索和测算回波、一维滤波、二维滤波、去背景噪声、减对空信号等;(3)图像呈现设置有:波形堆积图、灰度堆积图、彩色堆积图、层面消息显示;(4)校准方法有:幅度惊人校准、波速校准、时间校准等。

csuGPR软件重要形成了对探地雷达回波信号处理及解译的机能。提供了A-scan、B-scan、C-scan两种多少收集扫描形式。A-scan数据一般显示为一维时间波形图,如图5.1
(a)所示。B-scan数据一般以二维剖面图像体现,为发泄目的回波,方便观看,提供了波浪堆积图、灰度堆积图、彩色堆积图二种图形突显情势。

(a)
 A-scan一维时间波形图                
(b)波形堆积图  

图5.1

波形堆积图是将接连测量的A-scan波形幅度缩减后,按测量地点或测量时间间隔紧密的平行排列,堆积形成二维波形图,如图5.1
(b)所示。假诺以灰度来影响接收回波的肥瘦信息,将各道回波按照采集顺序排列在一齐,则多变灰度堆积图,
如图5.1
(c)所示。图中右边的灰度条标注出不同灰度所表示的涨幅值。假如以不同的水彩来代表不同的信号幅度值,将各道回波平行排列,则可形成彩色堆积图,如图5.1
(d)所示。图中左边的绚丽多彩条标注出不同颜色所表示的宽度值。C-scan数据一般接纳三维图像呈现。将四个B-scan剖面图平行排列  

            
(c) 灰度堆积图                      (d)
彩色堆积图

                           
    图5.1

成三维图像,剖面图间距按测量线的距离,C-scan图像以立体措施体现某一区域内的扫视数据,直观地影响出扫描数据与测量地方的对应关系。如若B-scan剖面图使用波形堆积图,则构成三维的C-scan波形堆积图;假设使用灰度堆积图,则构成C-scan灰度堆积图;假若应用彩色堆积图,则构成C-scan彩色堆积图,如图5.1
(e)所示。

                           图5.1(e) C-scan彩色堆积图

 

csuGPR软件的重要功能有:(1)处理方案:建筑检测、道路检测、桥梁检测、地下目标成像、结构分段信息、以及自设处理方案;(2)
软件处理回波数据的工具有:频谱分析、时间门限法去除直达波、平均法去除直达波、自适应抵消法去除直达波、RFI抑制、ROI提取、二维W-K成像、二维B-P成像、自动寻找和总括回波、一维滤波、二维滤波、去背景噪声、减对空信号等;(3)图像呈现设置有:波形堆积图、灰度堆积图、彩色堆积图、层面信息显示;(4)校准方法有:幅度惊人校准、波速校准、时间校准等。csuGPR软件编程的工具是Windows下的Microsoft
Visual Studio 2005MFC+BCGControlBar。

 

5.1 探地雷达GPR多少的数据结构

 

 
  要使探地雷达数据以图像的款式展现,首先要开辟并读取所测得的探地雷达

数量,为此必须询问其数据文件的数码的构造。我们拔取的测试设施是国防海洋大学电子科学与工程大学研制的高分辨表层穿透雷达系统RadarEye。工控机控制雷达主机、天线定位装置和数量采集卡协调同步工作,天线为电阻加载和介质加载形式。其保存的测量数据是以*.rde格式存储的。要读取一个探地雷达数据,最关键的是规定数据的排列情势。我们对*.rde格式的探地雷达数据开展了以下软件数量处理:

 

软件伊始设计可以打开四序列型的数据文件RadarEye Raw Files
(*.rde)、Target Raw Files (*.drt)、Road Raw Files (*.dzr)、SIR Raw
Files
(*.DZT),由于每种文件的储备格局均不相同,因而计划了不同的打开模式。当选取了开拓的文件类型和文件规定后弹出文件参数对话框,设定参数确定后将相应的多少读入指定的内存中,同时A-scan窗口需要显示的数据也读入相应的内存中。

设置
Rde格式文件头字节数为RDE_HEAD_SIZE =
1024;头文件数据结构由:数据地方偏移rh_data;每道采样点数sample_points;数据位数data_bits(每个扫描点的第一个采样点带有标记,即第16位为1,应除去这么些采样数据的标志位,因为实际数目只有12位,所以把低12位取出即可,且第12位为1时,实际数据是负数,应将其缩减4096);数据零偏zero_shift (2048);剖面的道数rh_slice组成。地点偏移就是从文件头先河有些字节处先河存多少。后面空的空中,一部分是头文件音信,还有局部是预留空间,然后就是多少存储了。数据零偏就是从原始文本中读取数据后,减去该零偏值,再除以一个固定值,结果才是真正的GPR散射数据。所除的不胜固定值一般就是2的n次方,n为数据位数。在原本数据中4096字节到65536字节是空的。这为记录未来数据处理的情节留下空间,而保证数据格式的一致性。

每一道记录的长短与采样数的动态范围关于。采样数和动态范围是由起初测量前的参数设置决定的,在安装时采样数sample_points可挑选128、256、512、1024、2048中的一个。测量完毕后数据的头文件会记录设置时的多寡。动态范围可选8或16。如动态范围在参数采纳时选8,则在记录中各样测量值是由1个字节记录,如动态范围在参数选用时选16(软件默认设置),则在记录中各样测量值是由2个字节记录。这样每一道的记录长度可用在记录在头文件中的每道的采样数乘以1或2(由动态范围控制)而收获。

 探地雷达的多少是一道一道举办排列的,记录的道数是由野外的实际工作决定,这么些参数是在测量工作完毕之后仪器自动存入头文件中的,所以在读数据时可径直从记录文件头中得到。这些参数与在测量时是自行安装如故手动设置无

关。剖面的道数重假设看探测区域的轻重以及所要求的分辨率。道数几百道、几千道都有可能。点数一般式512,1024,2048。探测区域大,采样道数就多一些。要是是沿铁轨探测,可能一遍采访要六七千道。纵向的时日采样一般就是2048点以内。

再有很重大的某些是,每一道记录的最起头的两个数据,不是记录实测值,

而是用来做标记的。在数字滤波等过程中最好做归零甩卖比较便宜,不然的话会

引起很大的界限效应。

  

5.2 探地雷达数据处理软件csuGPR重要效能实现

 

5.2.1 用户界面的落实

用作一个应用程序用户界面实际上是一个窗体,在规划用户界面时,雅观、

简洁、友好的用户界面在某种程度上可以说显示了一个软件的精力。对于窗体

的实现我们依据了以下几条原则:

顺应用户的愿意—应用程序的效益是为着用户能举行一定的职责,所以它该顺应用户的冀望。

保持界面简单而显明—界面应该以显然的办法提供其功效,并且从界面的一个局部到另一个片段应该充足简单易行,简单而分明的界面不会分散用户对重大任

的注意。

使界面直观并容易使用—尝试使用户自己明白到怎样进行一个职责界面不是去教会她们。

保障界面的协调—给用户提供一个和谐的界面,这样有助于用户在很短的日子内就足以实际地行使。

给用户提供报告—提供给用户的举报能帮助用户建立信心,消除他对所做工作的疑心。例如一个按钮,当它被单击时看起来就像被按下去一样。

用很容易精晓的办法提醒用户错误—平时的做法是给用户显示一个信息框,用以提议错误以及避免不当的主意。

运用标志,图像和颜料—使界面更幽默而且更便于浏览,符号界面允许界急忙导航,在符号旁边提供描述文本。

利用所有的输入设备—不同的用户做事的点子和喜爱不同。界面应能响应点击输入(如鼠标)和键盘输入。此外,应按照一些广大的习惯。例如,实现打开文件效用,将键盘的疾速形式定义为Ctrl+0.

提供用户匡助—有时用户会需要扶助,这时提供部分卓有效率的文档。

软件的主窗体用户界面如下图5.2所示。

图5.2主窗口界面

 

5.2.2探地雷达数据以图表模式展现的实现

探地雷达数据处理软件csuGPR对探地雷达数据处理提供了四种模板:
原始数据模板、预处理后数据模板、成像后数据模板、道路分层数据模板。软件还提供了三种突显图形的办法:彩色堆积图、灰度堆积图、波形堆积图,可以经过菜单改变展现图形的点子。软件处理雷达数据结果图形界面显示如图5.3所示。

      

图5.3 软件图形界面展现

 

雷达扫描图像软件呈现彩色堆积图、灰度堆积图与波形堆积图如图5.4所示。

 

图5.4

2)  信号处理及解译软件

 

关键技术分析:

•        
RFI抑制技术

•        
直达波抑制技术

•        
支行介质双站高分辨力成像

•        
高分辨层厚估量

•        
非法相当实时检测

•        
低电磁相比度目的分类

RFI抑制

据悉估摸-相消,利用RFI的特征举行RFI抑制。

落得波抑制

 

 

自适应抵消法去除直达波

高分辨成像

遵照波动方程的波场反推成像

高分辨层厚度估算

自适应检测、介电常数与层厚度估算

相当检测

改良的Hough变换方法开展ROI提取

低电磁比较度目的分类

 

 

依照回波相位的多目的分类流程

 

解译软件

 

多少处理流程图

模块的数额来源均为本来数据,在同等显示界面内进行多少处理。

算法设计

 

算法类和与算法对应的接口类

卓绝用例图

 

信号预处理效用

•          滤波

•          RFI 抑制

•          去背景噪声

•          去直达波

•          校准

•          运动补偿

 

 

 

解译、检测与成像

•          ROI 提取

•        
 地下目的检测与分类

•        
 地下目的成像

•        
 地下介质分层

•        
 内部结构解译与重构

 

5.4 小结

 

 

B-P算法成像结果 程序耗时48分47秒

为开展精细成像,减小收发天线之间的直耦波

Scouple( t)
和沙坑表面的反光波 Sref
( t )对目的信号

Sobj( t
)的熏陶,测试前要先对 Scoup le( t )和 Sref ( t )举办

静态测试.每个采样点采访到的多寡都要参照 Scou ple

( t
)和 S ref( t
)举办实时预处理[10]

.
沙坑中的波速和电

导率可以通过已知深度的大金属板回波的时延和宽窄

得到[11]

.
两根
(8mm钢筋水平距离 20cm,
埋在沙坑

40cm
深处.空间采样点数为 40和 100时的原有记录剖

面、实时预处理结果和递归 BP成像结果如图 5所示.

由图 5可见,随着空间采样点数的充实, 目标雷

达图像的聚焦职能变好,成像精度变高.在成像过程

中,递归
BP算法一贯都能对预处理后的笔录剖面进

行实时成像处理.在 P4 1
[1]6GHz, 256M 内存的兼容机

上,L=
180时得到成像结果只用了

  1. 82s, 这点一滴可

以满足 ImpSPR的实时应用.当 ImpSPR用于区域普查

或任何不需要精细成像的场地时,成像区域的上空采样点数

M) N
仍能适用的削减,递归 BP算法的耗时将更少.

 

 

 

 

 

 

 

 

 

 

第六章 GPR随机孔径CS成像实验与结果分析

 

6.1 内场实验

 6.1.1 试验环境搭建

本节以RadarEye内场实验系统为根基,对实测数据开展了预处理和成像处理。试验场合为一长方形水泥池,尺寸为L×W×H=175×185×85cm3
(L、W、H分别代表长度、宽度和深度),进行了防潮防水处理,里面填入均匀细沙,深度60cm,数据收集和拍卖由工控机完成,工控机控制雷达主机、天线定位装置和数码采集卡协调联合工作。将不同的靶子埋在沙坑中后就足以决定天线举办围观从而拿到目标的散射场数据,进而用成像算法进行成像处理。大家尝试的对象有钢筋、PVC管、矿泉水瓶。测试设施选择国防农业大学电子科学与工程大学研制的高分辨表层穿透雷达系统一RadarEye。天线悬挂在滑板上,滑板可在皮带轮的带动下左右移动,滑板和皮带轮所在的横板又有何不可在左右两条丝杠的支配下前后移动。通过高精度定位装置的决定,六个方向的运动误差都足以操纵在lmm以内。RadarEye扫描场景如图6.1所示:

图6.1 RadarEye扫描场景

图中示出了RadarEye对沙坑中并排排列的两根铁管的探测意况。铁管水平位于沙坑一定深度处,先用卷尺对其距离举办测量,然后用砂石将其盖住并平整沙坑表面再拓展测量。发射信号为一双极脉冲,脉宽0.5ns,主题频率1.5GHz,3dB频带为[0.55,3.09]
GHz,幅值区间为[-18.9
17.6]v。其归一化时域波形和归一化幅频如图6.2所示:

 

图6.2 脉冲源的归一化时域波形和归一化幅频

 

为尽量辐射能量和接受回波信号,专门研制了适用于这种信号制式的超宽带天线,天线设计为离散指数电阻加载形式的单偶极子天线[32,80,149,154],通过在偶极子上拓展集总电阻加载,可有效地排除天线末端处暴发的反射。该天线还有所较宽的带宽和较好的保形性,向下辐射线极化波。因而对非法目的进行围观时,需先确定好天线的大方向和扫描方向。具体而言,对钢筋、管道等细长型目标而言,要沿垂直于目标的测线方向扫描并且要保障天线的极化方向和对象的可行性一致。假若天线的极化方向正好和目的其可行性垂直,此时回波信号基本为零。当对网格型目的,如钢筋网举行扫描时,则要分两遍扫描,每趟扫描时天线取向不同。空沙坑的B一Scan回波数据如下图6.3所示:

 

      (a)
空沙坑原始B-Scan回波        
(b)去除直达波的沙坑回波

图6.3沙坑无对象时的测试结果

从图(b)中得以观察,沙坑底部的反光清晰可见。同时由于天线的宽波束特性,沙坑外部各棱边的散射波在较长的合成孔径长度内设有并摇身一变较大的烦扰。为除去沙坑本身的散射回波对成像结果的影响,可使用时空对齐相减的艺术实现背景对消。在进展成像处理时,还需己知沙坑中电磁波的传播速度。为此,可先在沙坑中埋入一块铁板,记深度为h,再在铁板正上方举行探测,通过高分辨时延推测技术得到铁板的散射信号回波时延,记为
,则沙坑中电磁波的不胫而走速度可透过公式
总计得到。探测时,天线不可以距沙坑表面太高。采纳那种艺术测得的波速为17.357cm/ns,对应的干沙的对立介电常数为2.9873,这一数值略低于沙子的出类拔萃相对介电常数()。那第一是出于试验中的沙子混入了少量的灰尘,约等于单位体积中的沙子颗粒数量减弱了,因此相对介电常数会比平均值要低一些。当原始扫描数据和媒质中波速都己知后,就可以使用擅自孔径CS成像算法举行成像处理。下面对五个实测数据开展成像实验。

6.1.2 使用实测数据开展任意孔径CS二维和三维成像试验

 (1)
一根埋入沙中长lm的φ8细钢筋,埋深50cm,时窗为12ns,举办任意孔径采样(20)。原始数据与自由孔径CS成像结果见图6.4。

 

图6.4一根埋入沙中的φ8细钢筋原始数据和成像结果

 

  (2)两根φ8,长lm的细钢筋并排埋在沙坑中,埋深50cm,横向和纵向间距均为6cm。时窗为12ns,举办任意孔径采样(20)。原始数据与人身自由孔径CS成像结果见图6.5。

 

图6.5 两根埋入沙中并排放置的φ8钢筋原始数据和成像结果

  (3)
两根φ8钢筋上下放置,一根在另一根正上方,埋深分别为27cm和32cm,两者深度差为5cm,单发单收天线举办合成孔径扫描,时窗为12ns,举行自由孔径采样(20)。原始数据与自由孔径CS成像结果见图6.6。

图6.6 两根埋入沙中前后放置的φ8钢筋原始数据和成像结果

   
当两根钢筋垂直放置时,遮挡效应相比较显著。记上下两根钢筋分别为钢筋A与B,由于两岸间距很小,由此钢筋B的散射信号要比钢筋A弱很多。当双方上下间距增大时,考虑到天线的宽波束特性,这种遮挡效应应相对要小些。从成像结果看有互偶现象,这实在是由于散射要旨型目的的建模特性决定的。

(4)
一对交叉放置的φ8钢筋,埋深为50cm,单发单收天线举行合成孔径扫描,时窗为12ns,举办自由孔径采样(40)。实时情景与自由孔径三维CS成像结果见图6.7。

 

图6.7 一对交叉放置的钢筋实时场景和任意孔径三维CS成像结果

(5)一个
V型实心棒,埋深为50cm,单发单收天线举办合成孔径扫描,时窗为12ns,举办任意孔径采样(40)。原始数据与人身自由孔径三维CS成像结果见图6.8。

 

 

图6.8 V型实心棒原始数据和肆意孔径三维CS成像结果

(6)
一个装满水的矿泉水瓶(直径5.6cm),埋深为50cm,单发单收天线举行合成孔径扫描,时窗为12ns,举行任意孔径采样(40)。实时意况与自由孔径三维CS成像结果见图6.9。

 

图6.9装满水的矿泉水瓶的实时气象和随意孔径三维CS成像结果

 

6.2 外场实验

  6.2.1公路试验场景的搭建

图6.10 公路试验场

图6.10左图近端为混凝土路面,远端为待铺的沥青路面,右图为正值铺设的沥青路面,基层由上到下为4%混凝土砾石底基层和6%混凝土砾石基层,分别为20cm

沥青层由上到下为粗中细三层,分别为4cm,5cm和6cm。

在混凝土路面中埋设的φ8钢筋网,左边网格为10×10cm2,右边为20×20cm2

如图6.10 所示,用来举行钢筋网成像试验。

图6.10 钢筋网成像试验场景搭建

图6.11为在沥青路面下埋设的破裂、空洞和泥团,用来进行考查路面检测

图6.11 路面检测试验环境搭建

 

6.2.2 钢筋网扫描与成像

图6.12钢筋网扫描与成像结果

图6.13稀疏钢筋网的随意孔径三维CS成像结果

 

图6.14密钢筋网的轻易孔径三维CS成像实验

 

6.2.3 路面相当检测实验

 

图6.15 沥青路面下空洞的反射波和ROI提取结果

 

6.2.4目的分类实验

参照波形及幅相谱,目标为直径3.8cm的金属管

 

分类识别结果

 

6.2.5 高分辨层厚度估计

RadarEye测试结果与钻孔数据相比

高分辨层厚度臆度

RadarEye测试结果与钻孔数据相比

 

 

RFI 频谱(10-2500MHz)

空中滤波器处理前后B-Scan 扫描钢筋的概貌

原本数据和ROI抽取结果

多层追踪

PVC 管和钢筋的一定

 

 

 

 

公路检测场景

 

阵列天线的系统融为一体

 

 

 

 

 

 

 

 

第七章 总计与展望

 

收缩传感理论的指出极大地抬高了信号获取理论,
并为其他连锁领域的研商提供了新技巧和新思路, 探讨前景广阔.
然则当前回落传感理论还不是很完美,相应的采纳研商也恰好启航,
尚有较多问题需要在将来讨论中取得突破:

 

1) 测量矩阵构造商讨

在裁减传感中, 测量矩阵需要满意约束等距性(RIP)条件,
如今所利用的测量矩阵大多为非确定性测量矩阵, 即随机矩阵. 例如在 RICE
高校单像素相机研制中,选拔的就是较为简单的 0-1 伪随机矩阵.
然而更复杂的非确定性测量矩阵在硬件实现上相比复杂,
尽管它们在假冒伪劣试验中可知取得很好的效用, 可是为难硬件实现,
由此有必不可少对明明测量矩阵展开深切研究. 此外,
压缩传感技术建立在非自适应线性测量基础之上, 不享有灵活性,
因此有必要探讨自适应压缩传感技术,
即按照不同的信号类型应用不同的数据采样和重构策略.

 

2) 测量矩阵的优化问题

在第 1 节中涉嫌, 当图像不可能在正交基上稀疏表示时,
可以将其扩大到冗余字典上进展疏散表示.例如对于某一品类的图像,
用学习算法如K-SVD 等收获字典通常可以使图像信号更加稀疏.
不过在缩减传感技术中,
利用冗余的字典代替标准正交基纵然可以更好地重构图像,
但由于在对应传感矩阵中会出现较多相关列,
这多少个相关列对于图像重构没有任何价值, 扩展了算法的蕴藏和计量的本金, 由此,
怎么样平衡冗余字典的冗余度与传播矩阵中相关列的数目,
即找到最优的冗余字典及其相应的流传矩阵是值得探究的.

 

 3) 测量值的接纳讨论

过多图像处理的最后目标并不是重构图像, 而是为了博取关于目的的音讯.
由压缩传感理论可以,在一定标准下,
通过少量的测量值就可以准确重构出原始图像,
也就是说少数的测量值可以保障原有信号的协会和丰盛多消息. 因而,
少量的测量值可以一贯用来落实各类图像处理任务,
如图像分类、特征提取、目标检测以及音讯融合等, 并且由于测量值多少较少,
音信密度高, 可以大大缩短相关算法的时刻和仓储代价.

 

4) 图像超分辨率重构

图像的超分辨率重构是指从一幅或者多幅低分辨率图像暴发或者构建高分辨率图像的经过,
本质上属于维数扩充的题目, 具有不适定性. 在回落传感中,
从测量值到原始信号也是一个从低维到高维的维数扩张问题,
与超分辨率图像重构类似.
由于低分辨率图像平日决定了高分辨图像的协会和大多数音讯,
由此借鉴压缩传感的连带思想贯彻新型的超分辨率图像重构算法也是值得探讨的.
例如, 假若将低分辨率图像看成是在某种测量矩阵 (或者字典) 下的测量值,
则超分辨图像重构问题便改换为怎么构建测量矩阵的字典构建问题.

 

 5)
运动目的提取基于图像连串的位移目的提取是总计机视觉领域的一个中坚问题,
广泛应用在视频监控、视频分析、视频查找、基于移动信息的地方辨别等地点.
当把背景看成不变量时, 运动的目的可以进一步稀疏地表示,
符合压缩传感理论对信号的稀疏性要求. 由此, 怎样在削减传感框架内,
利用图像连串运动目标稀疏特性, 设计测量矩阵,
然后对图像系列的背景差举办线性测量,
最终精确重构出活动目的也是值得注意的探究方向.

 

6) 实时压缩传感成像系统研制

相对于压缩传感的辩护琢磨进展, 其硬件实现还处在起步阶段.
目前已获取成功的例证首要有弥利坚 RICE 高校研制的 \单像素” 无反相机,
ARI-ZONA 大学 Baheti 和 Neifeld 设计的所有特定效能的布局成像设备, 以及
DUCK 高校研制的单景光谱成像装置[61].
然则由于缩短重构算法的总括量相比较大, 难以达到实时性要求,
因而实时高性能压缩传感成像系统是鹏程最首要的钻研方向.除了构建高分辨成像系统,
压缩传感还可选拔于音频采集设备、节电型音频和图像采集设备、天教育学观测、军事侦察、资源探测、超声图像以及数字减影血管造影技术等很多方面.

 

                          致    谢

 

 

另外还特意要谢谢中南高校网络评审系统工程探究所参谋陈松乔教师硕士导师、所长龙军研究生、张祖平教师大学生导师、黄芳副讲师和张昊副助教和网路系统工程评审所的任何导师和师兄们。在那么些团结奋进的公共,谢谢你们的赞助和支撑,使自身找到实现人生价值的舞台。给予了自身前进的引力。

 

 

 

 

 

 

 

 

 

 

 

 

参考文献

  [1] Donoho D L.
Compressed sensing. IEEE Transactions on Information Theory, 2006,
52(4): 1289-1306

[2] Candµes E, Romberg J, Tao T. Robust uncertainty principles: exact
signal reconstruction from highly incomplete frequency information. IEEE
Transactions on Information Theory, 2006, 52(2): 489-509

[3] Candµes E. Compressive sampling. In: Proceedings of International
Congress of Mathematicians. Madrid, Spain:European Mathematical Society
Publishing House, 2006.1433-1452

[4] Baraniuk R G. Compressive sensing. IEEE Signal Processing
Magazine, 2007, 24(4): 118-121

[5] Olshausen B A, Field D J. Emergence of simple-cell receptive eld
properties by learning a sparse code for natural images. Nature, 1996,
381(6583): 607¡609

[6] Mallat S. A Wavelet Tour of Signal Processing. San Diego:Academic
Press, 1996

  [7] Candµes E, Donoho D L. Curvelets . A Surprisingly Effective
Nonadaptive Representation for Objects with Edges,Technical Report
1999-28, Department of Statistics, Stanford University, USA, 1999

[8] Sun Yu-Bao, Xiao Liang, Wei Zhi-Hui, ShaoWen-Ze. Sparsere
presentations of images by a multi-component Gabor perception
dictionary. Acta Automatica Sinica, 2008, 34(11):1379-1387 (孙玉宝,
肖亮, 韦志辉, 邵文泽. 基于 Gabor 感知多成份字典的图像稀疏表示算法探究.
自动化学报, 2008, 34(11): 1379-1387)

[9] Aharon M, Elad M, Bruckstein A M. The K-SVD: an algorithm for
designing of overcomplete dictionaries for sparse representations. IEEE
Transactions on Image Processing,2006, 54(11): 4311¡4322

[10] Rauhut H, Schnass K, Vandergheynst P. Compressed sensing and
redundant dictionaries. IEEE Transactions on Information Theory, 2008,
54(5):2210-2219

[11] Candµes E, Romberg J. Sparsity and incoherence in compressive
sampling. Inverse Problems, 2007, 23(3): 969¡985

[12] Candµes E, Braun N, Wakin M B. Sparse signal and image recovery
from compressive samples. In: Proceedings of the 4th IEEE International
Symposium on Biomedical Imaging: From Nano to Macro. Washington D. C.,
USA: IEEE, 2007. 976-979

[13] Tropp J A, Gilbert A C. Signal recovery from random measurements
via orthogonal matching pursuit. IEEE Transactions on Information
Theory, 2007, 53(12): 4655-4666

[14] Blumensath T, Davies M E. Iterative thresholding for sparse
approximations. Journal of Fourier Analysis and Applications, 2008,
14(5-6): 629¡654

 

[15] GreenspanM.Radar applications overview.In:Proeeeding of Radar
Sensor Technology:SPIE,1996.2-7.

[16] 
张卡,盛业华,张书毕.遥感新技巧的好多举办及其应用.遥感音讯,2004,(2):58-62

[17]  Achache  J,Grandjean G,PailfouP,etal.Subsurface imaging with
low frequency SAR.Field validationin in France and EgyPt using a
ground-penetrating radar.In: Proceeding of SPIE,2002.217-222.

[18] Bishop A.Feakes K L,PettittA. Intelligent ground probing
radar.In:Proeeeding of the Colloquium on Radar and Microwave
Imaging:IEEE,1994.1~6.

[19] Carin L,KaPoor R,Baurn C E. Polarimetric SAR imaging of buried
landmines. IEEE Transactions on Geoscience and Remote Sensing
,1998,36(6):1985一1988

[20] Daniels D. Applications of impulse radar technology.In:Proceeding
of International Conference on Radar:IEEE,1997.667~672.

[21] Glover J.Radar roots out concrete
features.Concrete(London),1989,23(l):21-22

[22] Feng H H,Castanon D A,Karl W C,etal.GPR imaging approaches for
buried Plasticl landmine detection.In:Proceeding of Detection and
Remediation Technologies for Mines and Minelike
Targets:SPIE,2000.1485一1496.

[23] Grasmueck M,Weger R ,HorstmeyerH. Full-resolution 3DGPR imaging
for geoseience and archeology.In:Proceeding of the Tenth International
Conference on Ground Penetrating Radar,Vols 1 and
2:IEEE,2004.329一332.

[24] Daniels D
J,陶建义.探地雷达导论(下).现代雷达,1989,(6):17-33,61

[25] Daniels D J,陶建义.探地雷达导论(上).现代雷达,1989,(5):5-12,26

[26] Andryukhin A,N,Linnikov O N,Trusov V N,etal.3-D
surface-Penetrating radar“defectoscoPe”.In:Proceeding of lnternational
Conference of Radar:CIE,2001.65~70.

[27] Adcock A D,Dass W C,Rish J W,III.Ground-penetrating radar for
airfield Pavement evaluations.In:Proceeding of SPIE,1995.373-384.

[28] Francke J C,Yelf R.Applications of GPR for surface
imaging.In:Proceeding of The 2nd  International Workshop on
Advanced Ground Penetrating Radar:Int Research Center
Telecommuniransmissions and Radar,2003.115一 119.

[29] YingX,Yu H,Wang H,the application of GPR to civil engineering in
China.In:Proc eeding of Intemational Geoscience and Remote Sensing
Symposium:IEEE, 1997.232-234.

[30] HuangY, Millard S G,Davis J,etal.A wide band system for
measuring

Dielectric properties of concrete.In:Proceeding of SPIE,2002.416-421.

[31] Gogineni S,KanagaratnamP,Braaten D,etal.High-resolution
mapping of Near-surfaceinternal snow layers with a wideband
radar.In:Proceeding of the Tenth International Conference on Ground
Penetrating Radar:IEEE,2004.769~771.

[32]
许伟武.21世纪机械探测系统和技能面临的挑衅和对策.航空电子技术,2000,(3):45-51

[33] Jol H M,PetersonC,Stock E,etal.Preliminary results from GPR
stratigraphic Studies on Fraser Island,Anstralia.In:Proceeding of
theTenth International Conference Ground Penetrating
Radar:IEEE,2004.543-546.

[34] Kikuta T,Tanaka H.Ground Probing radar system.IEEE Aerospace and
Electronic Systems Magazine,1990,5(6):23-26

[35] Koppenjan S,Bashforth M. Ground Penetrating radar
applications:DeP.of Energy case studies.In:Proceeding of Underground and
obscured-Object Imaging and Detection:SPIE,1993.145-153.

[36] McMechan G A,Gaynor G C,Szerbiak R B. Use of ground-Penetrating
radar for3-D sedimentological characterization of clastic reservoir
analogs.Geophysics,1997,62(3):786-796

[37] SaarenketoT,van Deusen D,Maijala P. Minnesota GPR Project
1998一testing ground Penetrating radar technology on Minnesota roads and
highways.In:Proceeding of SPIE,2000.396-401.

[38] Sato M.Bistatic GPR system for landmine detection using optical
electric field. In:Proceeding of Intemational Symposinm Antennas and
Propagation Society:IEEE,2003.207-210.

[39] Valle S,Zanzi L,Rocca F. Radar tomography for NDT:comparison of
techniques.Joumal of Applied Geophysics,1999,41(2-3):259-269

[40] 方广有.探地雷达及其技术概略和展望.电波与天线,1994,(6):1-4

[41]  Suzu A T,陈乾.先进的探地雷达. 电子工程,1993,(2):20-28

[42]  彭荣.探地雷达系统.电波与天线,1993,(l):36-43

[43]  陈祥占.外国探地雷达研讨概略.电波与天线,1990,(2):2-6

[44]  Daniels D J.Surface Penetrating Radar.London:The Institution of
Electrical Engineers,1996

[45] 李大心.探地雷达方法与应用.法国首都:地质出版社,1994

[46] 粟毅,黄春琳,雷文太.探地雷达理论与应用.时尚之都:科学出版社,2006

[47] 熊寿庆 .GPR方法及其使用概述. 物探化探译丛,1997,(5):63-69

[48]  Dongen K W A v,Berg P M v d,Fokkema J T. A three-dimensional
imaging technique for a directional borehole radar.In:Proceeding of
SPIE,2001.88-98.

[49] Gustavsson A,Frolind P O,HellstenH,etal.The Airborne VHF SAR
System CARABAS.In:Proceeding of Intemational Geoscience and Remote
Sensing SymPosium:IEEE,1993.558-562.

[50] HellstenH.CARABAS-An UWBlowfrequency SAR.In:Proceeding of
Intemational Microwave Symposium Digest:IEEE,1992.1495-1498.

[51] Jia H,Takenaka T,TanakaT.Time-domain inverse scattering method
for

Cross-borehole radar imaging.IEEE Transactions on Geoscience and Remote
Sensing,2002,40(7):1640-1647

[52] Liu S,Sato M.Electromagnetic logging technique based on borehole
radar.IEEE Transactionson Geoscience and Remote sensing,2002,
40(9):2083~2092

[53] 陈义群,肖柏勋.论探地雷达现状与发展.
工程地球物理学报,2005,2(2):149~155

[54]
韦宏鹊,杨顺安,刘昌辉.探地雷达在岩土工程采用中的进展.地质科技情报,2005,24(增刊):133~136

  [55] Bashforth M,Koppenjan S.Ground Penetrating radar applications
for hazardous Waste detection.In:Proceeding of Underground and
Obscured-Object Imaging and Detection:SPIE,1993.56~64.

[56] DaxinL,GelinP.Application of GPR for the shape and integrity of
Chu-tombs. In:Proceeding of SPIE,2000.612~617.

[57]Gallagher G P,LeiPer Q,Williamson R ,etal.Application of  time
domain ground Penetrating radar to  evaluate railway track ballast.NDT
and E International,1999,32(8):463-468

[58] Knight R.Ground penetrating radar for environmental
applications.Annual Review of Earth and Planetary
Sciences,2001,(29):229~255

  [59] Ralston J C,Hainsworth D W,McPhee R J.Application of ground
Penetrating Radar for coal thickness measurernent.In:Proceeding of IEEE
Region 10 Annual International Conference:IEEE,1997.835~838.

[60] Pailfou P,August-Bernex T,Grandjean G,etal.Sub-surface imaging
by combining airborne SAR and GPR:Application to water detection in arid
zones.In:Proceeding of lntemational Geoscience and Remote Sensing
Symposium: IEEE,2001.1384~1386.

[61] 方广有,佐藤源之. 频率步进探地雷达及其在地雷探测中的应用.
电子学报,2005,33(3):436~439

   [62] KositskyJ,Milanfar P.Forward-looking high-resolution GPR
system.In: Proceeding of SPIE,1999.1052~1062.

   [63] Langman A.The Design of Hardware and Signal Processing of a
Ground Penetrating Radar:University of Cape Town,2002.

 [64] Langman A,Inggs M R. An electromagnetic model for a stepped
frequency continous Wave ground penetrating radar.In:proceeding of
SPIE,2002.291~296.

[65] Yelf R,AI-Nuaimy W.Classification system for GPR
Paramcters.In:Proceeding of the Tenth International Conference Ground
Penetrating Radar:IEEE,2004.407一410.

[66]
支海燕,吕锡从.一种无载波脉冲探地雷达技术的迈入及应用.中国航天,1994,(5):39-43

[67] 方广有.无载波脉冲探地雷达的现状与展望.电子了望,1994,(2):17-20

[68] 彭荣.6ns脉宽的单脉冲探地雷达系统.电波与天线,1993,(l):48-55

[69]
苏宏艳,梁华庆.提高线性调频连续波探地雷达厚度检测分辨率的信号处理方法.石油大学学报:自然科学版,2002,26(5):74一76

[70] 苗萌.脉冲压缩探地雷达.电子工程音信,1995,(5):18一22

[71] CattinV,ChailloutJ J,Blanpain R.Detection and localization with
a step Frequency radar.In:Proceeding of IEE,1998.86-90.

   [72] Weedon W H,Chew W C,Ruwe C A.Step-frequency radar imaging
for nondestructive evaluation(NDE) and ground-Penetrating radar (GPR)
applications. In: Proceeding of Advanced Microwave and Millimeter-Wave
Detectors:SPIE,1994.156-167.

[73]Derobert X,Fauchard C,Cote,etal.Step-frequency radar applied on
thin road layers. Journal of Applied Geophysics,2001,47(3):317-325

[74] Triltzsch G,BraunH M Krellmann Y,etal.Stepped frequency GPR
field trials in Potash mines.In:Proceeding of theTenth International
Conference Ground Penetrating Radar:IEEE,2004.755一758.

[75] NarayananR M,XuY,Hoffmeyer P D,etal. Design and Performance of
a Polarimetric random noise radar for detection of shallow buried
targets.In: Proceeding of Detection Technologies for Mines andMinelike
Targets:SPIE,1995.20一30.

    [76] NarayananR M,Hernning J A,Dawood M.Enhanced detection of
objects obscured by dispersive media using tailored random noise
waveforms.In: Proceeding of Detection and Remediation Technologies for
Mines and Minelike Targets:SPIE,1995.604-614.

[77] 李海华.探地雷达体制综述.测试技术学报,2003,17(l):25-28

[78] 吴其斌.探地雷达的发突显状.地质科技动态,1995,(10):l-3

[79] 陈廷龙.探地雷达进展.电波与天线,1993, (l):43-45

[80] Roy S,陈祥占.探测埋地目的的探地雷达.电波与天线,1990,(5):1-8

[81]Caldecott R Terzuoli AJ,Hall J P. An underground mapping system
using impulse radar.In:Proceeding of Transmission and Distribution
Conference and Exposition:IEEE,1979.99-107.

 [82]http://www.geophysical·com

    [83]httP://www.g-p-r.com

[84]http://www.sensoft.com

[85]http://www.timedomain.com

[86]http://www.patent.com.cn

[87]刘传孝,蒋金泉.国内外探地雷达技术的相比较与分析.煤炭学报,2002,27(2):123-127

[88]李大洪.地质雷达的使用现状及发展前景.煤田地质与勘探,1997,25(5):60-64

[89]侯俊胜.探地雷达方法及其使用的新进展.外国地质勘探技术,1996,(l):6-11

[90]彭苏萍,杨峰.高效募集地质雷达的研制及应用.地质与勘探,2002,38(5):63-66

[91]周杨,冷元宝,赵圣立.路用探地雷达的接纳技术啄磨进展.地球物军事学进展,2003,18(3):481-486

    [92]LeiWentai,SuYi,HuangChonlin,etal.A UWB impluse surface
Penetrating radar system for Pavement evaluation.In:Proceeding of
4th International Workshop on Ultra Wideband and Ultra Short
ImPulse Signals:IEEE,2004.195~197.

[93] LeiWentai,SuYi..A UWB lmpulse subsurface imaging
radar.In:Proceeding of International Symposium on
Microwave,Antenna,Propagation and EMCTechnologies for wireless
Communications:IEEE,2005.1351~1355.

[94] 刘立业.GPR天线和目标的电磁特性分析及数量解译方法啄磨:
学位杂谈.苏州:国防理工高校,2005.

[95]
张安学.探地雷达目标检测与定点方法的探讨:学位杂谈.哥伦布:哈博罗内政法大学,2003.

[96]
张春城.浅地层探地雷达中的信号处理技术探讨:学位杂文.加尔各答:电子财经政法大学,2005.

[97〕高守传,黄春琳,粟毅.基于RLs横向滤波自适应抵消法的达成波抑制.信号处理,2004,20(6):566~571

[98]
高守传,黄春琳,粟毅.主元分析法去除刹那态系统收发祸合波讨论.电子与音讯学报,2004,26(9):1461~1467

[99]
李禹,粟毅,黄春琳等.冲激雷达接收中的随机射频苦恼压制方法.电子与音信学报,2004,26(5):733~738

[100]
李禹,黄春琳,粟毅.基于MSE准则抑制SPR射频苦恼的方法.国防财经高校学报,2003,25(4):42~46

   [101]TsthrintzisGA, JohansenPM,DevaneyA J. Buried object
detection and location esti     mation from electromagneticfield
measurements.IEEE Transactions on Antennas and
propagation,1999,47(11):1744~1744

   [102] Giachino G L,Giubbolini L,PittatoreG,etal.Ground
Penetrating radar for Sub-service detection(GPR-SSD).In:Proceeding of
15th Intemational Conference on Microwaves,   Radar and
Wireless Communications:IEEE,2004.966~969.

[102] Lin D,Xu G,Huang R,et al.Non-invasive defect detection for
concrete Structure Using GPR.In:Proceeding of the International
Symposium on Safety Science and Technology:Science
Press,2004.2340~2346.

   [104]  Yu S-H,Mehra R K,WittenT R.Automatic mine detection based
on ground Penetrating radar.In:Proceeding of SPIE,1999.961~972.

[105] Carin L,Sichina J,Harvey J F.Microwave under ground
Propagation and detection.IEEE Transactions on Microwave Theory and
Techniques,2002,50(3):945-952

   [106]  Langman A,InggsM R.l-2GHZ SFCW radar for landmine
detection.In: Proceeding of the South African Symposium on
Communications and Signal Processing:IEEE 1998.453~454.

   [107] Gader P,KellerJ M,Frigui H,etal.Landmine detection using
fuzzy sets with GPR    images.In:Proceeding of Intemational Conference
on Fuzzy Systems:IEEE,1998.232-236.

[108] AI-Qadi l,Lahouar S,Loulizi A,etal.Effective approach to
improve Pavement Drainage layers.Journal of Transportation
Engineering,2004,130(5):658-664

[109]Corley-Lay J,Morrison C S.Layer thickness variability for
flexible Pavements in NorthCarolina.Transportation Research Board Natl
ResearchCouncil:Washington,2001

[110] Rampa V,SPagno1ini U. Multi-layer detection/tracking for
monostaticground Penetrating radar.In:Proceeding of International
Geoscience and Remote Sensing Symposium:IEEE,1996.2038一2040.

[111] Kleinmann L,Laugks J,Nick K-P.Image Processing and Pattem
recognition in Ground Penetrating radar data.In:Proceeding of
Intemational Geoscience and Remote Sensing
Symposium:IEEE,1993.1903一1906.

[112] BelottiV,Dell’Acqua F,Gamba P. Denoising and hyperbola
recognition in GPR data.In:Proceeding of lmage and Signal Processing for
Remote Sensing:SPIE,2002.70-80.

[113] Milisavljevic N,Bloch l,van den Brock S,etal.Improving mine
recognition through Processing and Dempster-Shafer fusion of
ground-Penetrating radar data. PattemRecognition,2003,36(5):1233一1250

   [114]ChenY.Pseudo-inverse imaging for ground Penetrating
radardata:[dissertation].

oklahoma:University of oklahoma,2001.

[115]Hayakawa H,NadamotoA,Uesaka Si.3D radar imaging of buried
objects using arbitrary scanning GPR.In:Proceeding of the Eighth
Intemational Conference on Ground Penetrating Radar:SPIE,2000.273一276.

[116] LiuG,wangY,Li J,etal.SAR imaging for a forward-looking GPR
system.In: Proceeding of Detection and RemediationTechnologies for Mines
and Minelike Targcts:SPIE, 2003.322~333.

[117] Kruse S E,SchneiderJ C,InmanJ A,etal.Ground Penetrating radar
imaging of The  freshwater/saltwater interface on a carbonate
island,KeyLargo,Florida.In:Proceeding of the Eighth International
Conference on Ground Penetrating Radar:SPIE,2000.335一340.

[118] Devaney A J.Geophysical diffraction tomograpy.IEEE Transactions
on Geoscience and Remote Sensing,1984,22(l):3~13

[119] Deming R, DevaneyA J.A filtered backpropagation algorithm for
GPR J . Environ. Eng. Geophys. 1996,113~123

[120] Deming R, DevaneyA J. Diffraction tomography for
multi-monostatic ground Penetrating radar
imaging.Inv.Probl.,1997,29-45

[121] Meincke P.Linear GPR inversion for lossy soil and a planar
air-soil interface. IEEE Transactions on Geoscience and
RemoteSensing,2001,39(12):2713~2721

[122] CuiT J,QinY,Wang G-L, etal. High-order inversion formulas for
fow-frequency Imaging of 2D buried targets.In:Proceeding of Antennas and
Propagation Society Symposium:IEEE,2004.189-192.

[123]CuiT J,ChewWC,Jiang Q,etal.High-order extended Born
approximations for EM scattering by buried dielectric objects.
In:Proceeding of Antennas and Propagation society International
Symposium:IEEE,2003.645-648.

[124] CuiT J, Chew W C,Aydiner A A,etal.Inverse scattering of
two-dimensional Dielectric objects buried in a lossy earth using the
distorted Bom iterative method.IEEE Transactions on Geoscience and
Remote Sensing,2001,39(2):339~346

[125] ZaiPingN,FengY,YanwenZ,etal.Variatinnal Bom iteration method
and its applications to hybrid inversion.IEEE Transactions on Geoscience
and Remote Sensing,2000,38(4):1709-1715

[126]
邓小波,聂在平,赵延文等.遗传算法和多元网格在两步线性反演中的应用.电波科学学报,2005,20(4):446-451

[127]YangY,Basir O A,Liu Y. Wavelet based method for electromagnetic
inverse Scattering Problem using extended Born
approximation.In:Proceeding of International Geoscience and Remote
Sensing Symposium:IEEE,2003.4220~4222.

[128] Erer l,Kartal M,YazganB. A new algorithm based on Wavelet
theory for diffraction tomography .In:Proceeding of International
Conference on Image Processing:IEEE,1996.701-704.

[129] LiuF,LingY,XiaX,etal.Wavelet methods for ground penetrating
radar imaging. Joumal of Computational and Applied
Mathematics,2004,(169):459-474

[130] Xu X,MillerE L.Optimization of migration method to locate
buried object in Lossy medium.In:Proceeding of IEEE International
Geoscience and Remote Sensing Symposium:IEEE,2002.337~339.

[131]
雷文太,粟毅,黄仕家.探地雷达近场三维距离偏移成像算法.电子与音讯学报,2004,26(增刊):529~533

[132] LeusehenCJ,Plumb R G. A matched-filter-based reverse-time
migration algorithm for ground –penetrating radar data.IEEE Transactions
on Geoscience And Remote Sensing,2001,39(5):929~936

[133]  Carin L,GengN,McClureM,etal.Ultra-wide-band
synthetic-aperture radar for mine

-field detection.IEEE Antennas and Propagation
Magazine,1999,41(l):18~33

[134]  HallnanJl,Shubert K A,Ruck GT.SAR processing of
ground-penetrating radar Data for buried UXO detection results from a
surface-based system.IEEE Transactions on Antennas and
Propagation,1998,46(7):1023~1027

[135]
雷文太,黄春琳,粟毅.脉冲探地雷达反向投影成像算法.电子与信息学报,2004,26(增刊):529~533

[l36]
雷文太,粟毅,黄春琳.表层穿透雷达递归反向投影成像算法.电子学报,2005,
33(12):2115~2119

 [137] Mast J E. Microwave Pulse-echo radar imaging for the
nondestructive evaluation of civil
structures:[dissertation].Urban,Illinois:University of Illinois at
Urbana一ChamPaign,1993.

[138] weiY,HaibinY,Wang S.The use of FK techniques in GPR
processing.In: Proceeding of the 6th lnternational Conference
on Ground Penetrating Radar:IEEE,1996.595~600.

[139] XuX, MillerE L,Rappaport C M,etal.Statistical method to detect
subsurface Objects using array ground-penetrating radar data.IEEE
Transactions on Geoscience and Remote Sensing,2002,40(4):963~976

[140] XuX, MillerE L. Statistical method to localize buried landmines
from GPR Array measurement. In:Proceeding of Detection and
RemediationTechnologies for Mines and Minelike
Targets:SPIE,2001.742~753.

[141] Cafforio C,Prati C,Rocca F. SAR data focusing using seismic
migration techniques. IEEE Transactions on Aerospace and Electronic
Systems,1991,27(2):194~07

 [142] Fisher E,McMechan G A,Annan A P,etal. Examples of
reverse-time migration of single-channel,ground-penetrating radar
Profiles.GeoPhysics,1992,57(4):,577~586

[143] Wu R,Gu K,Li J ,etal.Propagation velocity uncertainty on GPR SAR
Processing. IEEE Transactions on Aerospace and Electronic
Systems,2003,39(3):849~861

[144]  Tanyer SG. High-resolution radar in inhomogeneous
media..In:Proceeding of The fourth International Conference on
SignalProcessing:IEEE,1998.381~384.

 

 

Fig. 1. (a) Bistatic GPR measurement setup. T
denotes the transmit antenna, R
the receiving antenna, and dtr
the fixed offset betweenT
and R.
The midpoint, xi,
is chosen as the location of the sensor atith
scan point. (b) Space–time impulse response of the GPR data acquisition
process for a single point target scanned from-70
to

by a bistatic GPR with

and

 

Fig. 2. Creating the GPR data dictionary. The antenna is at the ith
scan point. Vectors next to the target space and the GPR model data
represent the vectorized forms of the target space and the model data,
respectively.

Fig. 3. Standard time samples vs. compressive samples of the a signal.

Fig. 4. (a) Data acquisition for GPR at one single scan point and (b)
one possible compressive sensing implementation at the GPR receiver.

Fig. 5. (a) Target space, (b) space–time domain GPR response, (c)
compressive measurements at each scan point, (d) least-squares solution,
(e) solution obtained with the proposed method
using(11),
and (f) solution obtained with SBP.

Fig. 6. Probability successful recovery (PSR) vs. the number of
measurements (M)
for varying number of targets (P)
in the target space.

Fig. 7. (a) Variance of target positions vs. SNR; (b) normalized
variability of the created images vs. SNR; and (c) probability of
successful recovery (PSR) vs. SNR.M
is the number of measurements at each scan point for the proposed
algorithm. SBP usesM=220
which is the full space–time domain data at each scan point.

Fig. 8. Image variability vs. measurement number for different types of
random matrices. Legend indicates the measurement matrix type.

Fig. 9. (a) Space–time domain response of the target space to the GPR
data acquisition process at 15 randomly sampled spatial scan positions,
(b) compressive measurements at the sampled scan positions, (c) target
space image obtained with the CS method, and (d) target space image
obtained with SBP.

Fig. 10. (a) Experimental setup for GPR imaging, (b) space–time measured
response of a 1 in metal sphere in air, (c) compressive measurements of
the space–time data shown in (b) when a differentΦ*i*
is used at each scan pointi,
and (d) when the same Φ*i*
is used at each scan pointi.

Fig. 11. (a) Target space image found with the CS method using the
measurement set inFig.
10
(c),
(b) target space image obtained with the CS method using the measurement
set inFig.
10
(d),
and (c) Target space image produced by SBP.

Fig. 12. (a) Picture of buried targets and (b) burial map showing the
location of targets in the sandbox. The numbers in parentheses are the
target depths.

Fig. 13. (a) Space–time GPR data for the
line scan of the burial scenario shown in Fig.
12
;
(b) burial depths for the vertical slice at x=0.
Images of the target space slice obtained by (c) SBP and (d) CS.

Fig. 14. Surface energy images created by (a) SBP and (b) CS. The
selected region in (b) bounded by dashed lines is presented in (c) as a
3D isosurface (at ).

Fig. 3. (a) Target position variance versus SNR. (b) Variability of the
created images versus SNR. Comparison between variances of BP and the CS
method. 

is the number of frequencies used.

 

 

[1] Daniels D J. Surface-penetrating radar[J].Electronics and

Communication Engineering Journal, 1996, 8(4): 165-182.

[2] Fang G Y. The research activities of ultrawide-band (UWB) radar in
China[C]. IEEE International Conference on Ultra-Wideband, Marina
Mandarin Hotel, Singapore, Sept. 24-26, 2007: 43-45.

[3] 刘立业,雷文太.探地雷达中衍射层析算法[J].雷达科学与技术。2005,8:207-211.

[4]
粟毅,黄春琳,雷文太.探地雷达理论与使用[M].上海:科学出版社,2006:186-210.

[5]
雷文太,粟毅,黄春琳.表层穿透雷达递归反向投影成像算法[J].电子学报2005.12:2115-2119.

[6] Xu X and Miller E L. Optimization of migration method to locate
buried object in lossy medium[C]. IEEE International Geoscience and
Remote Sensing Symposium, Toronto, Canada, Jun. 24-28, 2002: 337-339.

[7] Leuschen C J and Plumb R G. A matched-filter-based reverse-time
migration algorithm for ground-penetrating radar data[J]. IEEE
Transactions on Geoscience and Remote Sensing, 2001, 39(5): 929-936.

[8] CarinL,GengN,andMcClure M,et al Ultra-wide-band synthetic-aperture
radar for mine-field detection[J]. IEEE Antennas and Propagation
Magazine, 1999, 41(1): 18-33.

[9] Candes E. Compressive sampling[C]//Proceedings of the Interna

tional Congress of Mathematicians. Madrid, Spain: [s.n.], 2006:1433-

1452.

[10] DonohoD. Compressed sensing[J]. IEEE Trans. Information Theory,
2006, 52(4): 1289-1306.

[11] Candes E, Romberg J, Tao T. Robust uncertainty principles: exact
signal reconstruction from highly incomplete frequency information. IEEE
Transactions on Information Theory, 2006, 52(2): 489-509

[12] Candes E. Compressive sampling. In: Proceedings of International
Congress of Mathematicians. Madrid, Spain:European Mathematical Society
Publishing House, 2006.1433-1452

[13]余慧敏,方广友。压缩感知理论在探地雷达三维成像中的应用[J].电子与信息学报.2010,32:1-16

[14] 李树涛,魏丹.压缩传感综述[J].自动化学报.2009,11:1369-1377

[15] AliC,Gurbuz,Jame H. Compressive sensing for subsurface imaging
using ground penetrating radar[J].Signal Processing.2009,3:1959-1972

[16]l-magic:Recovery of Sparse Signals via Convex(凸规划)
Programming,2005

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注