冲CS的脉冲GPR成像技术研讨(20111)

分类号                                 
密级

  U D
C                                  
编号

 

 

 

CENTRAL SOUTH  UNIVERSITY 

 

 

 

 硕士学位论文

 

 

 

 

 

舆论题目基于CS的脉冲GPR成像技术研讨

 

2011年10月

 

 

 

 

原创性声明

 

我声明,所上至的学位论文是自家于老师指点下进展的钻工作和获得的研究成果。尽我所知道,除了舆论中特地加以标注和谢的地方外,论文中莫含其他人已经刊登或做了之研究成果,也无分包为得到中南大学要其他单位之学位或证件而以了之素材。与自共工作的老同志对比照研究所作的献均已经于舆论中作了鲜明的证实。

 

 

 

       作者签名:             日期:     年  月  日

 

 

 

学位论文版权使用授权书

 

自我了解中南大学关于保留、使用学位论文的规定,即:学校产生且保留学位论文并依据国家或湖南省有关机构规定提交学位论文,允许学位论文被查看与借阅;学校可揭示学位论文的通还是局部情节,可以用复印、缩印或任何手段保存学位论文。同时授权中国科学技术信息研究所拿依学位论文收录至《中国学位论文全文数据库》,并由此网络为社会公众提供信息服务。

 

 

笔者签名:           导师签名         日期:     年  月

 

摘 要

 

减去传感(CS)
理论是以都解信号具有稀疏性或可压缩性的尺码下本着信号数据进行征集、编解码的初理论。压缩传感采用非自适应线性投影来维持信号的故结构,能透过数值最优化问题准重构原始信号.
压缩传感以多低于奈奎斯特效率进行采样,在大分辨压缩成像系统、视频图像采集系统、雷达成像和MRI医疗成像等世界有所广大的下前景。压缩传感理论(CS),可经过求解一个鼓鼓囊囊最小ℓ1范数问题之非自适应线性测量重建稀疏信号。本文介绍了一样种时宽带合成孔径成像数据搜集系统,它是根据CS理论应用图像空间被之点状目标切实可行稀疏性的特性来处理数量的技艺。它代表了传统的Nyquist速率采样测量传感器,使用线性投影测量返回的信号与自由向量并吃用来作为测量数据。此外,沿合成孔径扫描点随机取样可以合在数量收集系统受到。
CS测量所不可或缺数据可比都匀采样时数少一个数级。在当地探地雷达(GPR)地下成像中的施用被,典型的图像只含几独对象,因此目标图像满足信号具有稀疏性的CS理论必要条件。我们通过采用CS测量仿真和探地雷达实验数据表明,与标准的成像效果相比,通过CS测量随机采样获取之疏散目标上空图像为只出坏少之眼花缭乱之回波。

   
利用电磁波在非金属媒质中的穿透性会,探地雷达可实现强媒质中目标的检测、定位与识别。该技术有非破坏性、穿透能力高、分辨率赛、操作便利与用低廉等优点,广泛应用于部队和个人之有余探测场合。本论文对探地雷达采用中之对象二维和三维重构问题研讨了脉冲探地雷达高分辨成像相关技能。

重要词:压缩传感,合成孔径,探地雷达,最小ℓ1范数法,随机采样,csuGPR数据处理规范软件

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

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),ℓ1 Minimization,random sampling,csuGPR Data processing professional
software

 

 

 

 

 

 

目 录

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

                        

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

第一章 绪论

探地雷达技术之产出和进步十分酷程度地壮大了人类认识跟改造客观世界之力量,而人类对外面下埋伏目标的感知需求而不止地推进在就同一艺的上进。本章简要介绍了探地雷达技术的提高概况,分析了探地雷达系统研究的技巧路线,并针对性冲激脉冲体制探地雷达以及赛分辨雷达成像技术做了较为详细的阐发,最后介绍了本文的内容安排。

 

1.l试地雷达简介

 

雷达最早出规在三十年间后期。早期的雷达只能发现目标和测量目标的距离[l5,16]。人们管它们称作“无线电探测和测距”(Radar:Radio
Detection And
Ranging)。经过几十年的开拓进取,雷达的意义就不止了探测与测距的限,在宇宙空间探测、地球遥感、地下目标探测等多面还展示有无可比拟的优越性,成为人们得到空间目标信息之严重性手段[16-25]。随着人类对天体认识的逐年加深,人们对地表下世界的探知要求撤换得尤为深入和迫切,从探测当今世界危及人生安全之地雷、考古发现到地质勘探、工程建设,要求的探测深度从几十厘米至数千米未对等。在现世国民经济建设的过多部门跟国防建设中,浅层地下目标的探测以及辨识自己成为一个重点的钻方向[26-31]。在匪坏地表结构的景况下得非法未知区域的音展示更关键[32],尤其是当把成像技术运用中常。表层穿外露雷达又曰探地雷达(GPR:Ground
Penetrating
Radar)是今各种浅层地下目标非破坏性探测技术被极度有下前景及发展前途的方法有[33-43]。

 

1.1.1 探地雷达特点以及以

 

GPR又分为表层穿外露雷达(SPR:Surface Penetrating Radar)和表皮下雷达

(SSR:Subsurface Radar),是因利用电磁波在媒质电磁特性不总是处于来的反光

和散射实现非金属覆盖区域被目标的成像、定位进而定性或者定量地辨别探测区

地段中的电磁特性变化,实现对探测区域被目标的探测[44-57]。简单地游说,GPR的职责就是是叙目标的几乎何和大体性。GPR所具有的优胜其它遥感技术特点包括:快速、高空间分辨率、对目标的老三维电磁特征敏感,可以测量前方区域还是机载测量。其移动平台只是分为飞机、地表车载和亲手执、地下凿洞及多洞间探测[48-52]。本文主要讨论地表工作的GPR。

当同样栽黑浅层探测工具,GPR在实质上采用被同另外非法探测技术相比,具有以下优点:

.GPR是相同栽不破坏性探测技术,可对各种非金属覆盖区域间开展无害探测。

.GPR可远距探测未知区域被之靶子分布,避免了黑的险恶。

.GPR可反映出媒质的电磁参数变化,对金属与非金属目标还足以进行探测和辨别。

.GPR可实现比较高之上空分辨率,能满足多种探测需求。

配备当的天线和收发装置,GPR几乎可以用于其它非金属体内的对象探测,

以下是眼下自我经成的使[29,54-61]:

.市政工程,如:坝、桥、高速公路的评估

.埋地管线的定势

.地下设施的确定,如:隧道及地下室

.考古探测

.地质和水文地质探测

.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

 

以数据收集方式的不同,GPR可分为地表式GPR、钻孔式GPR等;按照该装载方式,可分为手持式、车载式、机载式等。不同样式的GPR有不同的探测能力与应用环境。GPR的样式要是由其调制方式控制的,调制方式虽然是根据穿透深度、分辨率、电磁干扰程度及体积和资本等因素的特殊要求进行选的[20,62-65]。理论及,只要办事频带相同,系统的辨识能力和穿透性能是平等的,获取目标的散射信息呢是一模一样的。然而不等之信号形式来那个不同的系统贯彻特点。目前极度广泛的商业或实验性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音信号。下面对这四栽体裁的探地雷达做同简约的牵线。

(一)冲激脉冲。为兼职探测深度和分辨率,要求系统具备宽带特性。冲激

脉冲是均等栽典型的宽带信号,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]。系统发射纳秒级脉冲,通过同样采样技术对回波脉冲进行采样,目标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,因此这种体的探地雷达系统未适用于深层探测。

(二)线性调频。系统发射线性调频信号,根据预知的不法介质的频率衰减

特性和可能的越轨目标的频率响应特性预先设定工作频带。其长也分辨率高,发射频谱易于控制,具有很丰厚的动态范围;缺点是体积十分、成本高,且系比较复杂[69,70]。,目前大多数线性调频GPR仅限于对几十厘米以内表层的探测,如机场跑道和高速公路等表皮中的构造非常要孔穴的探测。

(三)步迈进频率。发射信号好是点频,也得以是有的特定间隔的效率,接

收端采用孔径天线在地表接收来自地下区域的后朝散射信号并针对信号的升幅和相位进行测量[71,71-74]。发射信号的窄带特性使天线的统筹比较宽带系统相对好但是那个工作频率须根据非法介质的效率衰减特性仔细挑选。

(四)噪声信号。系统发射噪声信号,接收信号与经时延的放信号有关

处理实现对黑目标的检测及定位[75,76]。系统测量功率和目标反射系数幅度的平方成正比。

下表给来了季种样式的探地雷达性能于[44,56]。

 

 

 

 

 

 

 

说明1.1季种植体裁探地雷达的习性于

 

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

 

 

各种体制的GPR具有各自的风味,有些体制之间尚存正在用达到的互补性。

本着浅层勘探而言,冲激脉冲体制探地雷达可以经过日窗截取技术减多少齐波和

地面反射波的烦扰,得到高分辨的非法区域成像结果。另外,冲激脉冲体制测量

进度快。因此目前多数GPR产品是冲激脉冲体制系。线性调频体制基于该

大动态范围、高辐射功率可有效之以被深层有耗媒质中之目标探测。步上频率

体制探地雷达的贯彻原理简单,但囿于于大性能的元器件,且连续之信号处理工

发比较麻烦。噪声信号体制探地雷达系统实现比较复杂[24,25,44,77]。当前国外都起适用于各种类型的军用与商用GPR,工作频带一般以10MHz到3GHz之内,探测深度从几厘米至数十米,探测分辨率最高可以上厘米量级。

 

1.1.3 冲激脉冲探地雷达系统组成

 

每当不同的行使背景中,GPR的落实形式以及测量方法或差距,但彼核心

的网结合大体类似。典型的冲激脉冲体制GPR系统组成和探测原理如图1.1所显示:

祈求1.1冲激脉冲体制GPR系统结合

当处理器的主宰下,时序控制电路(包括比较器、可变电平、快斜坡信号、

暂缓斜坡信号及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

冲源发射纳秒级宽频带窄脉冲信号,经由位于当地上之宽带发射天线藕合到地下。当放的脉冲波在伪传播过程被相遇电磁特性不同之介质界面、目标要局域介质不统匀体时,一部分脉冲波能量被反射回来地方,由地面上的宽带接收天线所接收。取样电路在取样脉冲的主宰下,按相当于学采样原理将接受至快捷再的脉冲信号转换成低频信号。该信号送于数据采集卡,经过放大、滤波,再拓展A\D变换,通过CompactPCI总线传输给电脑模组。计算机模组的采取软件对数据进行信号处理以及成像,并于显示器上显得出。

 

1.2国内外研究现状

 

1.2.1试探地雷达系统

 

GPR技术起源于德国科学家于研究埋地特色时的专利技术。1910年,Leimbach和Lowy在德国专利中提出了应用电磁法探测埋藏物体的办法,他们将偶极子天线埋设于洞中展开发射及接纳电磁波。由于高导电率的媒质对电磁波的衰减作用,通过比不同孔洞中接收信号的宽度差别,可以本着媒质中电导率高之有的进行固定。1926年,Hulsenbeek在那研究工作中运用了脉冲技术来确定地下埋设物的结构特征。他只顾到,不仅仅是电导率,任何介电特性的变动都以导致电磁波的反射。他的觉察首赖确定了伪目标电磁波回波信号及黑介质及目标中的原形联系,从而为GPR在技巧与措施上提供了优越其它地球物理探测方法的理论依据[41,43,47,78-80]。直到上个世纪六十年代末、七十年代初,等效采样技术与亚纳秒脉冲产生技术的前进,从技术角度加速了探地雷达的腾飞。同时美国阿波罗月表面探测实验从使用角度推动了探地雷达技术的宽泛利用。1972年,第一只探地雷达装备制造公司(GcofogicalsurveysystemInc.)宣告成立,这一直导致了探地雷达研究投入的增加,反过来又推动了探地雷达产业之前进。20世纪70年间后,探地雷达技术开始当市政工程、考古、地质、探雷等地方的研究与动变得频繁起来[81]。早期的探地雷达系统属于粗距离分辨和向分辨系统。随着硬件技术之增长和近场合成孔径雷达技术之升华,高分辨率二维成像作为同起探地雷达中心功能在许多体系利用,阵列天线技术之采用,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说明是一个押的很快,因为它好的可视化降低了对判读员的要求,使得本来不直观的数据好从形状上与有些散射强弱上来明。

于20世纪60年代以来,随着高效脉冲形成技术、采样接收技术与电脑技术之飞跃发展,探地雷达技术吗落了长足之上扬,地下浅层目标探测可以兑现。国外开起适用于各种类型的军用与商用探地雷达,探测深度从几厘米至数百米,探测分辨率可直达厘米量级。美、日、加拿大等于国家的信用社各个推出了自己的出品,民用GPR代表性的网设美国GSSI公司SIR系列产品如图1.2(a)所示、加拿大SSI公司pulseEKKO系列产品如图1.2(b)、日本OYO公司的YLRZ系列产品等。这些系统都为通用系统,根据不同探测目的及探测深度应用不同频段选用装备差之天线,用于各种非法目标成像探测。

               图1.2(a) 美国GSSI-SIR系列GPR及数量处理软件

希冀1.2(b)加拿大SSI-pulseEKKO系列GPR及数码处理软件

境内对探地雷达的研究启动比较晚,国内成品在分辨率、使用方便性、对雷达信号成像和图像解释技术相当方面和海外活在出入。从总体情况分析,硬件系统性能和国外产品产生阶段性差异;并且没有自主知识产权的解译软件;技术指标不克满足使用得相当。从运情况分析,由于系统特性原因,国内研发的网基本没用价值,尤其是于公路探测(定量)方面。

唯独出于持续引进及借鉴海外的红旗技术,近年来在该领域外也落了比较明显的研究成果。航天部25所由20纪80年份中开始展开用于地雷检测的探地雷达技术的研究与尝试。20世纪90年代以来,我国初步侧重探地雷达技术的研究以及应用,并且开发出新的实用产品,如北京爱尔迪公司之CBS-9000和CR-20
GPR系统而图1.2(c)所示,中国电波传播研究所研制的LTD-3探地雷达、煤炭是总院重庆分院开发之
KDL-3、4 等[53]。

希冀1.2(c)国内爱尔迪公司CR-20 GPR系统和实际的数量处理图像

 

此时此刻国际直达从事GPR技术研究之小卖部以及制品根本发生:美国GSSl公司的SIR

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

洋洋洒洒等,其卓越的GPR产品及其信号体制以及劳作频段见下表[82-85]。

 

发明1.2名列前茅的商用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

 

这些装备的一道特性是咸配起例外主频的天线以满足不同探测深度的急需。

为GSSI公司之SIR-ZOOO系统为例,它好配GSSl公司研发的各种天线并就单通道、多通道车载或手持式探测。从表中也足以看,目前GPR技术进步之主流便是冲激体制,本文为亏本着这种体制GPR的胜分辨成像技术拓展研讨之。

境内对探地雷达的钻启动比较晚,近年来以拖欠领域内啊取了一定之技艺提高,不少研单位也推出了自己的探地雷达样机。如中国电波传播研究所研制的LTD一3诈地雷达;煤炭科学总院重庆分院开发的KDL-3、4型矿井防爆探地雷达;艾迪尔公司之CBS-900和CBS-2000探地雷达[86-91]。在江山“863”计划型之补助下,国防科学技术大学电子科学暨工程学院研制了扳平套冲激脉冲体制的探地雷达系统–RadarEye[46,92,93],成功使为公路质量评估和大分辨地下目标成像场合。

 

1.2.2 探地雷达信号处理

 

GPR是否可中利用,不仅取决于硬件系统的属性,同时在信号处理

跟数量解译技术。相对于硬件技术之进步,探地雷达信号处理技术越来越落后。反

卷土重来吗表明信号处理技术的生命周期比硬件技术重新丰富。探地雷达信号处理技术主

使包括目标检测、成像、识别及介质分层[94-96]。具体贯彻时,一般要当前端进行信号预处理工作,包括随机噪声抑制、直达波和射频干扰压制[97-100]。为增强信号处理的直观性和人机交互性能,还要进行原始数据与处理结果的可视化处理。典型的探地雷达全网规划路线要图1.3所展示。

 

 

 

 

 

 

 

      

希冀1.3 GPR系统研究技术路线

目标检测重点概括能量检测、相关检测、特征检测(基于模型的特征措施)

同变换域检测算法(小波域检测算法、双谱域检测算法)[95,101-106]。检测算法要求发出高检测率和亚虚警率。对于探雷系统而言,则是使以管漏报率为O的前提下尽心尽力降低虚警率[107]。检测结果如直观快速的来得在巅峰设备及以供操作员进行裁决。

介质分层是GPR进行公路探测时不过具有价值之一个运用[73,108-110]。基于一维逆散射的层状介质电磁参数估计和层厚度估计技术本身经发展之比较完善。但事实上的公路各个层并无是得天独厚之全都匀媒质,有必不可少引入自由媒质中波的分析理论和强起伏理论进行大分辨介质分层。

对象识别是GPR信号处理着最有挑战性的一个课题。探测地域电磁环境之再

杂性和掩盖地目标的多样性使得目标特征未变量的确定好紧[111-113]。现有的识别算法一般是针对性规定自身知探测区域外少的差不多独自我知目标的检测识别或对有一样近乎对象(地雷)的识别。可利用的法有基于回波相位的模板匹配和根据高阶谱的表征未变量提取。当对象散射信号的上空采样足够多时,就好因探地雷达成像技术进行目标的归类识别。

雷达成像技术则是GPR应用被最好实用的拍卖方式,但同时它对目标散射信号

的采样要求为高,包括大采样区域与赛采样密度[22,114-117]。首先要求探地雷达天线要享有大主瓣宽度,这样才会管用地开展合成孔径处理。同时还求探地雷达在天线有效照射范围外进行密集采样。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所展示。

希冀1.4 GPR一维和二维扫描示意图

 

同针对空雷达不同,GPR的探测目标从数厘米的地雷、管道到横向扩张数米之

地下掩体、矿藏,探测深度从几十厘米到数百米未抵。其采用需求吗起目标的老三

维形状和电磁特性精细重构到那个原则目标的低位分辨反演而各不相同。这些因素造

改为了GPR成像技术方面十分死之出入。但各种成像技术还是根据目标散射信号的空

里采样,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

 

探地雷达成像技术由电磁理论角度考虑是杰出的逆散射问题,而由雷达技术

世界考虑则跟SAR成像有相似之处。这便决定了这无异于术沿两独趋势上向上。

求解逆散射问题经常,目标便被看成具有特定电磁特性的散射体,成像的目的就是

是还原出目标体的形态及电磁参数。而使用合成孔径成像技术时,得到的寻常是

对象散射中心的重构结果,包括散射中心的职务与散射强度。理论及讲话,在对探

地雷达全系进行精密建模的基本功及,逆散射成像技术可针对探测区域之电磁参数

展开实反演,有效采取被目标识别。但考虑到探地雷达系统的多样性、天线形

仪式的多样性、探测环境之复杂性和噪音的打扰,全网的小巧建模极难实现,这

哪怕导致了冲逆散射理论的成像技术非常不便直接使用被工程探测。而合成孔径成像

艺通过当的类似处理,在针对探测场景合理建模的底蕴及可实现目标散射中心

的重构,这在相似的工探测场合曾足以满足成像探测需求,因此应用面较广泛。

下面对当下点儿栽成像技术做同简的牵线。

逆散射成像技术以对象即有一定电磁特性的散射体,在这种建模方式下,目标散射场和目标函数之间通过LS(LS:LiPPmann-Schwinger)积分方程联系起来,可由此求解这无异于方程实现目标体的电磁特性反演。常用之求解方法有解析法和数值求解法。当目标和背景媒质的电磁特性相差不大时,通过一样阶Bom近似可拿LS方程进行得之简化并导出目标体电磁特性的谱域形式以及目标散射信号谱域形式之对应关系,这虽为衍射层析(DT:Diffraction
Tomography)成像算法。Devaney首先研究了净匀无损耗媒质中第二维目标的DT成像算法实现问题[l18],继而以了Tikhhonov正则伪逆算子实现了生耗媒质中目标的DT成像[l19,120]。Meincke通过引入天线辐射场的面波谱分解函数实现了不同天线形式下发生耗媒质中目标的速DT成像算法[121]。为放宽DT成像算法对目标弱电磁散射特性的克,cuiTiejun采用矩阵分析的方实现了二维强散射体的DT成像[l22,123]。当目标的电磁散射特性不满足一阶Bom近似之适用标准时,还足以行使数值计算的办法进行LS方程的求解从而获取目标函数的重构结果。常用的数值计算方法发生Bom迭代法(BIM:BomlterationMethod)和变型BIM(DBIM:DistortBIM)。euiTiejun运用DBIM对发生耗媒质中介质目标的电磁逆散射问题开展了深切的钻,采用一块扼梯度算法进行散射积分方程的求解,得到了二维目标的介电常数剖面和电导率剖面的重构结果[124]。NiezaiPing将大半重复网格技术以及BIM法相结合提出了扩大BIM(vBIM:variationalBIM)法,算法比DBIM更快速,可下为混合迭代反演中[l25,126]。基于小波分析的差不多分辨特性,Erer和YangYang等人口分头用小波分析利用于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精确建模,都于大势所趋程度上解决了对象的电磁参数重构问题。但恰恰因那个标准建模的要求,致使这种成像技术应用面受限,目前尚挺为难直接用被GPR实测数据的成像处理着。

以散射中心模型下,可使用合成孔径成像技术拓展目标散射中心重构。此时

GPR成像和SAR成像有类似之处,但连无是装有的SAR成像算法都好下叫

GPR成像。SAR成像中,目标回波信号的多普勒频移经常让用来拓展高分辨成像,

要于GPR成像中这一点连无立。GPR成像中,可由此标量波动方程建立目标散

射场和对象函数之间的涉嫌随着进行成像处理,常用之成像算法来去偏移(RM:

Range Migration)算法[130,131]、逆时偏移(RTM:Reverse Time
Migration)算法[132]跟后为投影(BP:BackProjection)算法[133-136]。JeffreyE.Mast于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,导出了频率波数域偏移成像算法[138-140]。这简单种植成像算法都不过概括为cafforio提出的RM成像算法[141]。RM成像算法将目标散射场数据转发到谱域并展开插值处理,再经逆傅里叶变换转化回一无所有即可取得目标的散射中心重构结果,算法流程简单,运算速度快,可实用行使叫均匀无损耗媒质中的对象成像问题。RTM成像算法是由Fisher首先提出的[142],Leuschen运用匹配滤波理论也导出了算法的时域实现形式[l42]。与FDTD正于计算类似,该成像算法可处理复杂背景媒质中之目标成像问题,但运算量较生。BP成像算法的“延迟一伸手与”运算物理概念清晰,处理流程简单,广泛应用于SAR成像中。对探地雷达而言,媒质不全匀性对成像结果影响甚特别。WuRenbiao深入钻研了当下无异于问题,指出为避免速度误差引起的成像结果失真,成像处理得一个比较生之深区间内开展[143]。Tanyer运用FDTD法分析了媒质的非均匀性对目标散射信号和BP成像结果的熏陶,在斯基础及提出了“延迟一加以权求和”的成像算法,有效改善了BP算法的特性[144]。在优秀状态下,上述三种成像算法都足以抱高分辨的对象散射中心重构结果。但探地雷达对地下目标展开探测时,收发天线的区间、距地面的惊人及背景媒质的均匀性都见面对成像结果有潜移默化。考虑到这些元素,则三种植成像算法各发高低。

综述,目标建模方法的例外造成了成像算法和处理结果的两样。体散射模型下的成像结果真反映了靶的材料构成和轮廓信息,可径直用来目标识别。但目标的高分辨重构依赖让雷达系统和探测环境之规范建模,包括天线形式、扫描方式、媒质电磁特性等,因此目前还十分不便直接使用叫GPR成像中。而依据散射中心模型的建模方法简单直观,成像算法物理意义不言而喻、概念清晰,成像结果只是饱大多数工以的需。

鉴于探地雷达(GPR)信号具有十分好之稀疏性,可以好好的满足压缩传感(CS)的准绳,因此将CS技术利用在GPR信号数据的获取上,可以化解海量数据搜集与贮问题,能明白下降图像处理的计算量。此外尚得看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富的求。设计重点由传统的计划性昂贵之接收端硬件转化为筹新颖之信号恢复算法,从而简化雷达成像系统。

对GPR数据进行成像处理后,可应用二维和三维可视化技术对成像结果开展亮。二维成像结果的显示方式有三种:平面图、立体图和等值线图,前少栽是于常用之显示方式。典型二维成像结果的老三栽显示方式如下图所示:

 

贪图1.6次维成像结果显示方式

 

对三维成像而言,图像展示变得复杂。设三维成像结果也
,若按照二维成像结果的展示方式则只能呈现出各个表面的靶子函数价值,区域里面的目标函数值无法直观地亮出。这时可以采用切片显示的法子,即无一x值或y值都对应一个二维成像结果,因此可就此平等轴图像来表示。通过相当于间隔的在x方向还是y方向进行频繁个二维成像剖面的抽取,并以抽取的成像剖面进行整合显示即可较为直观地出示出探测区域的目标走向与分布。也可行使等值面图的方法进行三维显示:即将相等的诸点用平滑曲面连接起来就形成了一个顶值面。一般以抵值面上之靶子函数值和成套区域目标函数的特大值的比较来描述等值面。记目标函数的翻天覆地值,则目标函数值为所当的对等值面可记否dB等值面图,其中:。典型三维成像结果的各种显示方式如下图所示:

希冀1.7叔维成像结果显示方式

 

1.3舆论的布局和要工作

 

正文是国大技能研究提高计划(863计划)“高分辨表层穿透雷达系统跟数据处理下软件”项目工作的同样有些,主要研究内容是强分辨脉冲探地雷达(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贯彻问题。对脉冲探地雷达而言,探测深度一般为米级,分辨率为厘米级。在这么的探测区域外,目标一般在收发天线的近场区。电磁波在空气同样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作用会影响至对象散射强度的重构精度。当探测区域啊分媒质时,这种影响越来越扑朔迷离。且探地雷达对空的扫视探测并无到底满足均匀采样的要求。在好几要求实时成像探测的场所,时域算法的大运算量成为限制探地雷达有效行使的要紧要素。这些问题且对脉冲探地雷达的胜分辨成像提出了还胜的求。因此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、非均匀采样等实际情形并以是基础及研究减少传感CS理论以脉冲探地雷达成像中之采用。

 

1.3.1论文的构造

 

论文共分五章。第一节是绪论。主要介绍了探地雷达的升华以及探地雷达成像基本理论知识。

亚节介绍了削减传感基本理论。压缩传感(CS)理论主要包括信号的疏散表示,编码测量和解码重构等三个点,本章介绍了一旦动用CS技术必须满足的组成部分基本前提条件。

老三段介绍高分辨表层穿外露雷达(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术产生:波形优化的特别功率冲激发射机;低噪音多通道越宽带接收机;天线一体化规划技术;超宽带波束形成技术;系统并及测试技术等;解译软件系统包含的法力产生:直达波抑制技术;分层介质双站高分辨率成像(一般我们说之成像是指目标的次维和三维图像,不同为一维离开像,成像包括CS成如,B-P成像;CS与GPR同反演成像等);低电磁对比度目标分类;地下好实时检测等。

季回
进行了根据随机孔径CS成像算法的CS与GPR同反演。本章首先详细介绍了CS的争鸣框架和信号稀疏表示,CS
编解码模型;然后植反演成如扫描几哪和媒质环境,进而拓展测量矩阵生成和变化介电常数估计矢量以及组织数据字典、生成随机采样矩阵、生成原始之目标矢量,以及以最小二随着方式和magic最优化措施算成像结果,最后以经典的BP成像算法进行成像处理,并分析了噪声和测量矩阵对轻易孔径CS成像算法性能的熏陶。

第五回
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筹划、关键实现之技巧分析及csuGPR软件的逐条模块的要功用分析。

第六章 进行GPR 内外场随机孔径CS成像实验,并针对性结果进行分析。

   最后第七章是总结暨展望。

 

1.3.2本论文研究的主要问题以及所开工作

 

   
本论文主要研究减少传感(CS)技术以探地雷达(GPR)成像中的应用与探地雷达数据处理成像软件csuGPR的落实,并拓展了CS与GPR的旅反演MATLAB仿真,对GPR进行内外场成像实验,并针对性结果开展解析,是以论文研究被之一个主要片段。

探地雷达在地质勘探工作面临凡是如出一辙种中之家伙,通过对雷达数据形成的各种

图的辨析,可以好有利的检测、识别地下的目标。因此,为了重新好的达探地

雷达于地质勘探工作遭到之优势,提高工作效率,一种植如现场实地采访到的数目以

图像的款型显得出、便于观测的探地雷达成像数据处理软件是必要的。

噪音在天地中凡是普遍存在的,在探地雷达信号接收和拍卖的相继阶段都只是

克引入噪声,噪声对探地雷达探测数据的身分会发异常怪的熏陶。因此当对接到

至之雷达回波信号剖面进行地质解释之前,必须利用对信号实施适度的拍卖来提

大数量质量,为越来越分解提供清晰的剖面图,尽可能的而出因此信息获得充分利

用。

探地雷达回波信号具有无平稳性,脉冲信号非线性衰减等特性。它要由于结束

发天线件直接藕合波、地面反射波、地下介质不总是发生的继向散射波、随机干

扰等构成。对于这种信号的错过噪用传统的Fourier分析方法显得力不从心,而有些

波分析能而于时常频域中对信号进行分析,具有自动转换焦功能,能管用区分信号

中之面目全非部分和噪音,从而实现信号的去噪。因此我们采取小波变换对探地回波

信号进行拍卖。

探地雷达信号处理的目的是遏制随机的及规则的干扰波,以极其酷或的分辨率来展示目标反射波,便于提取各种行之有效的参数,以便对探地回波坡面进行准确合理的地质解释。因此,最后我们针对小波去噪后之探地雷达回波坡面进行了地质解释,以同样种植间接但直观的计来判断小波去噪的效力。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

第二节 压缩传感基本理论

 

风土人情的信号获取与处理过程主要概括采样、压缩、传输和压缩四只有, 如图 1
所示. 其采样过程得满足香农采样定理,
即采样频率不克低于模拟信号频谱中危频率的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,
然后针对少数切值比较生之系数进行压缩编码, 舍弃零或近乎受零的系数.
通过对数码进行压缩, 舍弃了采样获得的大部分数, 但不影响 感知效果[1].
例如, 在采用数百万如从的数码相机对现象进行成像时,
将会见落海量的像素信息, 但通过压缩编码后,只对一些信息进行仓储和导,
最后经相应的解压缩算法对原始图像进行重新构.如果信号本身是不过削减的,那么是否好直接拿走其缩减表示
(即减少数量), 从而略去对大气无用信息的采样呢? Candes 在 2006
年从数学及说明了可以从部分傅里叶变换系数精确重构原

 

贪图 1 传统的信息得到和拍卖流程

始信号,为缩减传感奠定了辩护基础[2]. Candes 和 Donoho
在连锁研究功底及叫 2006 年正式提出了削减传感的概念[1,3].
其核心思想是用削减和采样合并开展, 首先采访信号的非自适应线性投影
(测量值), 然后因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信号的阴影测量数据量远远小于传统采样方法所取得的数据量,
突破了香农采样定理的瓶颈, 使得高分辨率信号的征集成为可能.

调减传感理论框架而图 2
所示.压缩传感理论主要概括信号的疏散表示、编码测量和重构算法等三只地方[4].
信号的疏表示虽是用信号投影到正交变换基时,
绝大部分移系数的绝对化值老有些, 所取得的换向量是稀疏或近似稀疏的,
可以将该看成原始信号的一致栽精简表达[5] ,这是削减传感的先验条件,
即信号必须于某种变换下得稀疏表示.
通常变换基可以根据信号本身的特征灵活选择,常用之有离散余弦变换基、快速傅里叶变换基、离散小波变换基[6]、

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

选料稳定之投影矩阵, 为了保险信号的线性投影能够维持信号的原本结构,
投影矩阵必须满足约束等距性(Restricted isometry property, RIP)条件[11],

继经原始信号与测量矩阵的乘积获得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最为

小 L0 范数的优化问题, 求解方法主要发生尽小 l1
范数法[2,12]、匹配追踪系列算法[13]、最小全变分方法[2]、迭代阈值算法[14]等.

 

祈求 2 压缩传感理论框架

由GPR回波信号的疏散表示、编码测量和解码重构在抽传感理论遭遇的最主要,
本文第2章对该展开了介绍;
第1节是绪论;第3段介绍了高分辨表层穿外露雷达(GPR)系统的软硬件设计;
第4节进行了因随机孔径CS算法的CS与GPR同反演;
第5章节介绍探地雷达(GPR)成像数据处理下软件;
第6节讨论了探地雷达(GPR)内外场随机孔径CS成像实验跟结果分析;
第7回对减少传感领域的钻前景展开总结及展望.

 

 

减去传感(CS)理论主要不外乎信号的疏散表示,编码测量和解码重构等三个点。信号的疏表示虽是用信号投影至正交变换基时,绝大部分移系数的绝对化值大有点,所取得的转移向量是稀疏或近似稀疏的,可以将该看成原始信号的同样种简单表达,这是削减传感的先验条件,即信号必须于某种变换下得疏散表示[13]。通常变换基可以根据现实信号灵活选择,常用之发离散余弦变换基、快速傅里叶变换基、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积获得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.
信号重构过程一般转换为一个绝小 L0 范数的优化问题,求解方法主要发生极端小
L1范数法、匹配追踪系列算法、最小全变分方法、迭代阈值算法等。

 

(1)   CS信号的疏散表示

   根据调和分析理论, 一个长度为 N 的同维离散时间信号
可以象征为同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
的加权系数序列,i =〈 , i〉=
i T 。 是信号 的齐表示。如图2所显示。如果
只生格外少之大系数,则称信号 是不过减的; 如果 只发生
K<<N个元素也非零系数, 则称 为信号 的 K 稀疏表示, 是信号
的稀疏基。另外,当信号不克因此刚刚交基稀疏表示常常,可以行使冗余字典稀疏表示。

.

 

图2 用基 进行稀疏表示

(2)   CS测量编码

于CS编码测量中,并无是直接测量稀疏信号 本身,而是用信号
投影到同一组测量向量 =[θ12
…,θ …θM
]上,而赢得测量值 。写成矩阵形式呢

=                (2)

典礼中: 是N×1矩阵, 是M×1矩阵, 是M×N的测矩阵。将(1)代入(2),有

= = =   (3)

式中: = 是M×N矩阵,被誉为是传播矩阵。

由测量值维数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个测量值备受排除出信号
。而由于式(3)中
是K稀疏的,有K个非零系数而且K<M<<N,那么下信号稀疏分解理论遭遇早就部分稀疏分解算法,可以由此求解式(3)的逆问题得到稀疏系数
,再替回式(1)进一步获得信号 。 Candes
等丁以文献中指出,为了保证算法的收敛性,使得K个系数能够由M个测量值准确地恢复式(3)中矩阵
必须满足受限等去特性(RIP) 准则,即对于自由具有从严K稀疏
(可减少情况时常)要求是3K的矢量矩阵V,矩阵 都能够担保如下不等式成立

 

   (4)

庆典受 >0, RIP 准则的平种等价的场面是测量矩阵 和
稀疏矩阵满足不相关性的渴求。实际测量中稀疏基
可能会见为信号的两样而更改,因此希望找到对轻易的疏散基 都能满足和测量基
不系。文献[]说明了当 是高斯随机矩阵时,传感矩阵
能因较生概率满足约束等距性条件。因此得以经过选择一个分寸为M×N的高斯测量矩阵得到,其中各一个价值都满足N(0,1/N)的独立正态分布。目前另周边的克满足约束等距性的测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理论解码重构的为主, 是指由于M 次测量向量 重构长度也 N
(M<<N) 的稀疏信号 的过程. Candes
等证明了信号重构问题得以经过求解最小 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, 因而望洋兴叹请解. 鉴于此,
研究人员提出了同等多重求得次极优解的算法, 主要不外乎无与伦比小L1
范数法、匹配追踪(Matching
Pursuit,MP)系列算法(如OMP、ROMP、CoSaMP)、迭代阈值法以及特别处理二维图像问题之太小全变分法等.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

其三段 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,建筑结构的质量监测以及隐患发现凡是涉及及国资产、人生安全的大事。探地雷达(GPR)是千篇一律种植中的无损检测技术。研究解决制约我国GPR技术进步及使用之关键技术、开发面向实际利用的GPR系统对推进我国在此领域的技巧发展、产业化发展抱有重要的意义。

大分辨表层穿外露雷达(GPR)是同一种植使电磁波获取表层下电磁特性信息的表。它具有穿透能力强,分辨率高等优点,还足以探测各种非金属表层下结构及对象。GPR雷达发射机产生足够的电磁能量,经过收发转换开关传送给天线。天线将这些电磁能量辐射至地表被,集中在某个一个很狭小的势头及形成波束,向前传播。电磁波遇到波束内的目标后,将沿着各个方向发生反射,其中的平等有电磁能量反射回雷达的矛头,被雷达天线获取。天线获取的能量经过收发转换开关送及接收机,形成雷达的回波信号。由于当流传过程遭到电磁波会趁机扩散距离和地表有挫伤介质而衰减,雷达回波信号好衰弱,几乎为噪声所淹没。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,送及显示器,显示有目标的距离、方向、速度相当。GPR工作规律如图3.1所出示

 

祈求3.1 GPR工作规律

 

眼前咱们国家GPR发展共同体情况是硬件系统性能和海外产品产生阶段性差异;并且没有自主文化产权的解译软件;技术指标不克满足使用得相当。并且由系统性能原因,国内研发的体系核心没有采取价值,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、信号及数据处理中之关键技术,缩短我国于GPR系统技能同应用研究方面和国外的出入,为GPR技术之产业化打下基础,因此研究有自主文化产权的面向实际运用的GPR软硬件体系跟数据处理软件是一定,对于推动我国于探地雷达领域的技术发展、产业化发展有所举足轻重之意义。在探地雷达采用中,基于雷达成像技术的对象检测与识别是无与伦比直接跟有效性的,因此开发GPR数据处理解译成像的软件是也是杀有必要的。

 

3.2 系统软硬件设计

 

愈分辨表层穿透雷达GPR系统规划要概括硬件及软件设计两分外地方:

硬件系统规划带有的艺产生:波形优化的死去活来功率冲激发射机;低噪音多通道越宽带接收机;天线一体化规划技术;超宽带波束形成技术;系统并和测试技术

解译软件系统包含的功能来:直达波抑制技术;分层介质双站高分辨率成像(一般我们说之成像是借助目标的老二维和三维图像,不同让一维去像);低电磁对比度目标分类;地下好实时检测等。

 

3.2.1  硬件设计

 

   探地雷达GPR主要由于天线、发射机、接收机(包括信号处理机)和显示器等片组成。探地雷达主机我们下国防科大自主研发的Radar
Eye,使用工控机控制雷达主机,工控机上面安装数量采集卡。天线定位装置以及数据采集卡协调联合工作.
天线为电阻加载与介质加载形式,通过天线定位装置可完成空间二维扫描,
扫描精度< 1mm。扫描方式吧点测方式, 即:
在进展围观前先确定好空中采样点,控制天线依次移动到各个采样点进行静止探测.每个采样点采访到的多道数据开展平均为平滑噪声。Radar
Eye配置6独通道的多通道收发盒;脉冲间隔时间为:0.5ns;中心频率也:
1.96GHz,频谱为3dB;带富: 0.67-3.25 GHz;幅度限制: -18.9V 到17.6V;前后主脉冲波形的震动为: 3%交
-7%。高分辨表层穿透雷达GPR系统硬件结构使图3.1所显示。

                                                                              
                             

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

希冀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我们用TMS320C31DSP,

6只通道的数目上A/D处理器后据优先称先出(FIFO)排队进TMS320C31DSP芯片进行处理,最后经过压控信号产生电路、时序产生电路、慢斜坡起电路输出。DSP处理信号原理如图3.3所著,时序控制就更换放大电路芯片如图3.4所展示。

 

 

 

 

 

 

 

 

图3.3 DSP原理图

 

贪图3.4时先后控制就转换放大电路

 
  探地雷达GPR系统的天线设计直接是只很要紧之一对。天线为电阻加载与介质加载形式,我们分别计划了跨宽带天线GPRA-1型天线和GPRA-2型天线(如图3.5所出示),GPRA-1型天线尺寸为170×80×60
,主要为此来高精度分层成像检测,GPRA-2型天线尺寸为350×160×120
,主要用以深层目标探测识别。设计的天线又可分为一作少结束天线和同一犯大多收天线。一发少完结天线主要为此来层厚度估计,二维成像;一作大多收天线主要为此来三维分层显示,横向目标定位识别,纵向成像等功能。超宽带GPRA-1型天线辐射特性如图3.6所出示。

 

 

 

图 3.5 超宽带天线设计

 

图 3.6上线辐射特性

 

所设计成就后的车载GPR硬件系统而图3.7所展示。

图 3.7 radarEye硬件系统

 

3.2.2  信号处理和解译软件设计

   
csuGPR数据处理规范软件要力量包括:(1)处理方案:建筑检测、道路检测、桥梁检测、地下目标成像、结构分段信息、以及自设处理方案;(2)
软件处理回波数据的家伙来:频谱分析、时间门限法去除直达波、平均法去直达波、自适应等消法去除直达波、RFI抑制、ROI提取、二维W-K成像、二维B-P成像、CS与GPR同反演、三维CS成如、自动寻和计算回波、一维滤波、二维滤波、去背景噪声、减对空信号等;(3)图像显示设置有:波形堆积图、灰度堆积图、彩色堆积图、层面信息显示;(4)校准方法发生:幅度惊人校准、波速校准、时间校准等。csuGPR数据处理规范成像软件用户接口如图3.8所著。csuGPR数据处理规范软件之作用详细规划以在第五节具体说明。

 

图 3.8 csuGPR数据处理标准软件用户接口

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

季章 CS与GPR联合反演目标成像

 

  
 探地雷达(Ground
Penetrating Radar,
GPR)是同一种中之浅层隐藏目标探测技术,利用电磁波在媒质电磁特性不连续处于起的反光和散射实现非金属覆盖区域被目标的成像探测\[1,2\]。是本地下浅层目标非破坏性探测技术中不过具有用前景和发展前途的方法之一。GPR是否可以有效行使,不仅取决于硬件系统的性质,同时在探地雷达成像算法和特征提取算法等方法的行。常用之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、递归反朝投影成像算法\[4,5\]、距离偏移(Range Migration,
RM)算法\[6\]、逆时偏移(Reverse Time Migration,
RTM)算法\[7\]跟业内后朝着投影(Standard Back Projection,
SBP)算法\[8\]等于经标量波动方程建立目标散射场和目标函数之间的关系随着对目标散射数据开展成像处理。为取得比较好之成像效果,以上算法要求雷达系统对目标散射信号进行高密度采样以博足够的成像数据。当探测区域比生时,还需要雷达系统在好采样区域实施大孔径密度采样,这造成探地雷达系统采样数据量大、测量时长。这些算法没有考虑地下非层状目标一般只占探测区域很粗有这同一先期检查知识。

调减传感(Compressed Sensing
CS)理论是贴近几年发展起来的一个充分利用信号稀疏性或可压缩性的新信号采集、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,通过募集少量底信号投影值就可实现信号的精确或近似重构。压缩传感技术的核心思想是拿核减和采样合并开展,首先采访信号的非自适应线性投影(测量值),然后根据对应重构算法由测量值重构原始信号。压缩传感的长在信号的影子测量数据量远远低于传统采样方法所获取之数据量,突破了香农采样定理的瓶颈,
使得高分辨率信号的采成为可能\[10,12\]。压缩传感理论框架而图4.1所展示\[14\]

                   
     图4.1滑坡传感理论框架

本文为调减传感为理论基础,利用探地雷达采用中感谢兴趣目标区域具有稀疏特性的先验知识,利用随机孔径CS理论测量GPR信号,进行了CS与GPR的同台反演。并讨论了噪声和测量矩阵对算法性能的震慑。

 

4.1减小传感基本理论

缩减传感(CS)理论主要包括信号的疏散表示,编码测量和解码重构等三个方面。信号的疏表示虽是用信号投影到正交变换基时,绝大部分转换系数的断值老有些,所收获的变换向量是稀疏或近似稀疏的,可以将该作原始信号的一样栽简易表达,这是减掉传感的先验条件,即信号必须以某种变换下可以疏散表示。通常变换基可以依据现实信号灵活选择,常用之生离散余弦变换基、快速傅里叶变换基、离散小波变换基、Curvelet基、Gabor基与冗余字典等。在编码测量中,首先选择稳定之投影矩阵,
为了保险信号的线性投影能够保持信号的原始结构,投影矩阵必须满足约束等距性(Restricted isometry property,
RIP)条件,然后经过原始信号与测量矩阵的乘积获得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顶小 L0
范数的优化问题,求解方法主要发生无限小
L1范数法、匹配追踪系列算法、最小全变分方法、迭代阈值算法等\[14\]

(1)
CS信号的疏表示

  
根据调和分析理论,一个长也 N 的平维离散时间信号好象征也平组正式正交基的线性组合

 或=      (1)

 

其中,=[1|||i||N]i呢列向量,N×1维的列向量是的加权系数序列,i=〈,i〉=i
T。是信号的当表示。如图1.2所显示。如果单单出充分少之大系数,则称信号是不过减掉的;如果只有生
K<<N个元素也非零系数,则号称信号的 K稀疏表示,是信号的稀疏基。另外,当信号不能够因此刚刚交基稀疏表示常常,可以利用冗余字典稀疏代表。

祈求4.2 用基进行稀疏表示       图4.3 标准采样和CS信号采样模型

(2)   
 CS测量编码

每当CS编码测量中,并无是一直测量稀疏信号本身,而是将信号投影到同组测量向量=[θ12
…,θ …θM
]直达,而获得测量值。写成矩阵形式也

=   
            (2)

庆典中:是N×1矩阵,是M×1矩阵,是M×N的测矩阵。将(1)代入(2),有

===  (3)

式中:=是M×N矩阵,被名是传矩阵。标准采样和CS信号采样模型如果图3所展示。

出于测量值维数M远远低于信号维数N, 求解式(2)的迎接问题是一个病态问题。所以无法直接由之M个测量值备受排除出信号。而由于式(3)中凡K稀疏的,有K个非零系数而且K<M<<N,那么用信号稀疏分解理论被曾经有些稀疏分解算法,可以由此求解式(3)的迎接问题得到稀疏系数,再替回式(1)进一步获得信号。
Candes 等人口在文献中指出,为了保证算法的收敛性,使得K个系数能够由M个测量值准确地恢复式(3)中矩阵必须满足受限等去特性(RIP)准则,即对自由具有从严K稀疏 (可减少情况常常)要求是3K的矢量矩阵V,矩阵都能管如下不等式成立[10]

 

  
(4)

庆典中>0,
RIP准则的同等种等价的情形是测量矩阵和稀疏矩阵满足不相关性的渴求。实际测量中稀疏基可能会见以信号的例外而改变,因此期望找到对擅自的稀疏基都能够满足与测量基不相关。文献[9]说明了当是高斯随机矩阵时,传感矩阵能因比充分概率满足约束等距性条件。因此好经选择一个大大小小也M×N的高斯测量矩阵得到,其中各级一个价都满足N(0,1/N)的独正态分布。目前别大的能够满足约束等距性的测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理论解码重构的骨干,是乘由于M 次测量向量重构长度也 N
(M<<N)的疏信号的过程.
Candes等证明了信号重构问题得以经求解最小 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兼具 种排列可能,因而无法请解. 鉴于此,研究人口提出了同等文山会海求得次极优解的算法, 主要不外乎无与伦比小L1范数法、匹配追踪(Matching
Pursuit,MP)系列算法(如OMP、ROMP、CoSaMP)、迭代阈值法以及特别处理二维图像问题之最好小全变分法等.

 

4.2 CS与GPR的共反演区域目标成像

4.2.1
建立目标反演空间。

首先建立GPR扫描区域。沿坐标X方向为右侧,Z方向(即垂直地面向下方向)向下,雷达孔径关于Z轴对如。分别以X轴(-1-1)生成51个、Z轴(0-2)内生成50单点目标,收发天线间距2cm。

说不上是装感兴趣目标成像区域之设定。主要是横向和就为扫描区间与扫描间隔的题材,本仿真分别于X矢量方向扫描区间(-0.8 ~0.8)内生成20单点、Z矢量方向(0.2-1.8)扫描区间内变化20独点目标。设空气被的光速为,媒质介电常数设置也16。

末设置法的对象。本仿真实验装置三单点目标分别在点(Z,X)={(15,10),(13,8),(13,12)}处,此三远在点目标价分别吗0.5,0.25,0.25。目标价大于0则象征针对许是处发生目标,值更老表示目标更进一步怪成像时亮度越显,目标越来越明显。目标值为0表示对应此处无对象。建立的显示如果图4.4所出示。

 

希冀4.4对象反演空间  图4.5试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对象参数的同步反演实验\[13,15,16\]

GPR用频繁电磁波(-Hz),以宽频带短脉冲形式由当地发出天线定向送入地下,遇到和周围介质电阻抗起反差的地层或目标体时,部分能量让反射回本地,被接受天线接收,根据回波信号来探测地下情况,其测试原理如图4.5所著。脉冲波的路时也 (为反射体的纵深,为发射天线和接纳天线之间的离开,为波速)。当地下介质的波速V已掌握时,则只是测到标准的t值(ns,),由上式求出反射体的深度X(m),X在剖面探测中是定位的,V(m/ns)以用宽角方式直接测量,也可因近似算出。其中C为光速(),为地下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黑目标对回波信号的延时和衰减作用,孔径i处的收到信号可代表也:

   (5)

  
为代表测量孔径i
处信号于发射机经目标上空第
P个目标反射到接收机的延迟时间;为目标媒质的反射系数;为信号衰减和散播损耗的衰减因子。            

 GPR合成孔径成像目标区域为离散的上空位置信息,通过离散化产生同样系列有限的点目标集合:={},N决定目标的分辨率。每个都是一个三维的向阳量,同时,定义列向量b=[,…,…]T呢目标的系数向量,b中之要素取布尔量,0代表对承诺区域无论对象,非0时代表对诺区域有对象。接收端可以通过吃之要素和=1计算公式(5)来获得接收信号。可以透过公式计算得到,我们的对象是通过图像的靶子上空表示还构b。衰减因子包含在b中而是不解之,一旦掌握,就可以看成实验的先验知识。而貌似经过试验抑或先验知识量得。在第i只孔径处的第j排接收信号对应目标。GPR数据字典的布局如图4.6所显示。数据字典的第j排由一化处理后第n个目标值可以描绘成:

    (6)

=+(0≦n≦-1),是收的时域信号的脉冲能量值,为采样频率,为接收信号初始化时间,为发端采样数量。向量的第n独重也,因此每列都是单独的范数和衰减因子无关,只跟传唱时相关。当当第i个孔径扫描时GPR对遭每个可能的对象点往往起大小为×的多寡字典。接收的信号好表达成多单目标的回波数据做数据字典列的线性组合:

         

                    =b        (7)

当b遭遇寓目标时,b中第j列值非0,系数为否则b系数为0。

试行仿真时于每个扫描孔径点上,对成像区域400×256着之所有点进行遍历,获得一个记录坡面,作为GPR数据字典如图4.7所著。

图4.7 GPR数据字典生成                 图4.8 GPR信号的任意采样

 

(2)CS数据获得

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,为接到信号初始化时间,表示收到信号采样点往往,为实现对非法目标的高分辨率成像,通常标准采样频率非常高,并且需要测量所有孔径处的接纳信号(i=1,2,…,256)。而我辈采样随机孔径CS方法在吸纳信号采样时因CS理论只有需要在一如既往多元基向量(m=1,2,…,M)上测量信号的线性投影,记录少量自由采样数据,同时于从 ~ 平面及400独孔径中自由抽取少量孔径进行测量,就好因小量的孔径测量次数(20)和于少的测量数据(10)重构目标上空图像的够用信息量。CS数据获得过程可代表

 

                          (9)

 为随机孔径i处所测得M×1维GPR数据,为M×(M)测量矩阵,矩阵满足受限等去特性(RIP)准则。最后经过求解l1-范数约束最小化问题:

                     s.t.  (10)

,,

赢得由任意孔径i处M=个随机向量数据标准重构目标上空系数向量,将具备随机测量孔径处得到估计价值长得到目标空间信息。

公式(10)在管噪音条件下利用等式约束中,但是GPR信号在生噪音情况下如,在第i个孔径位置压缩传感测量值就是成了

 (11)

=~,是孔径i扫描点的噪声采样,假设和天线位置i处无关,一旦掌握,就得赢得,我们由此=约束向量范数,为了稳定地重构稀疏系数向量b,[17-20]通过求解不严加的l1最优化范数问题:

 s.t.
 (12)

或者

 s.t.
  (13)

,
,为噪声的参数,我们采取公式(12)l1尽优化线性重构目标上空图像,在公式(10),(12),(13)中的最优化问题都是不过小凸优化函数,因此可管最好优解。实验通过动用一个l1magic凸优化工具确保\[16\]求解以上方程式。目前不考虑交叉验证(CV),因为当伪过程中,噪声的参数可以预知的,当到确实的实测数据成像处理时,我们再次考虑最优化参数、的选题材。

 

(3)CS与GPR反演与重构结果

   
为了扭转对密集采样的时域信号进行任意采样的矩阵。我们应用三种档次的擅自测量矩阵。第一种植起均值为0,方差为1之人身自由矩阵;第二栽出随机大成0,1等概率随机矩阵;第三栽在20×20单位矩阵中随机抽取10行作为测量矩阵,即将GPR回波信号进行随机抽取10个假设图4.8所显示。

对象上空GPR发射信号的散射强度值如果下图4.9所展示。通过CS反演重构的信号散射强度值如果图4.10所显示。通过CS我们尚准确反演了对象媒质的介电常数和目标体的反射率。

 

               图4.9                                图4.10                                                                                                                                      

 

   
随机孔径CS方法基于各孔径处得到的妄动采样数据,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单随机测量数据恢复目标向量,得到的对象上空图像而图4.11所出示。

以比较成像效果,我们还分别用了最为小二乘法和递归反往投影RBP(Recursive Back
Projection)成像算法采样图7受到多少获得成像结果个别要

    
图4.11                   
   图4.12        
           图4.13

图4.12,4.13所示。

递归反为投影算法首先计算产生孔径i处的信号于发射机经目标上空第
P个目标反射到接收机的延时量 ,再以有着孔径中针对诺同等延时的回波幅度值叠加,利用有400×256单数据恢复目标向量。递归反往投影算法的成像结果而图11所出示。最小二乘法利用25只孔径中之10只随机测量数据,通过请解方程式(9),得=,并将有所孔径处计算得之b值累加,恢复目标向量。从图9,10,11方可视,相比最小二趁法求解方法与正式反向投影方法,随机孔径CS方法就得从400单孔径中赢得20单随机孔径的回波数据,在每道回波256独数据只是得到10个落实对非法目标成像。由于充分利用了成像目标上空组织的疏信息以及采用(12)求解凸优化问题,随机孔径CS方法运用少量之测数据就是获得了于下有测量数据的递归反往投影算法和极小二趁法有双重好之聚焦职能跟于逊色的旁瓣干扰,成像效果又好。

 

4.3
噪声和测量矩阵对算法性能的熏陶

 

为定量分析接收信号中之噪声大小和满足不跟分布之擅自测量矩阵对轻易孔径CS算法的熏陶,这里定义

  (14)

意味着重建目标上空图像和真目标上空图像中的成像误差,()表示求解 l2-范数。

贪图4.14
给出之是试探地雷达空时响应数据的信噪比SNR从 0 dB变化及 20 dB 时,运用递归BP成像算法和取得不同数量任意测量值的自由孔径CS算法(10只随机孔径)的成像误差对比。从图被可见到,在低信噪比和测量数据M很少时,递归BP投影方法由于应用所有孔径和采样点数据,成像误差较小,但小增大测量数据M值,随机孔径CS算法成像误差多低于递归BP投影方法,而且趁机信噪比的改善,随机孔径CS算法成像误差显著下降,而递归BP投影方法的成像误差无显著转变。

贪图4.15独家于来满足均匀分布、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,仅由每孔径采样数据中随机抽取10只底标准化下,随着随机测量孔径数量增加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充实,随机孔径CS算法的成像误差显著下降。当随机测量孔径数量多及40横,CS算法的成像误差趋于稳定。并且采取满足不与分布的任意测量矩阵时,随机孔径CS算法的成像误差的显现基本一致。

 

4.4
小结

调减传感理论通过任意测量利用少量采样数据可以十分好地重建稀疏目标信号,在信号分析及重建领域产生重大研究价值。本文进行了CS与GPR同反演,GPR成像方法在单道数据采样中采取CS理论极大地减少采样数据的而,在
x-y测量平面上无限制抽取部分孔径位置展开测量,以小量之孔径测量次数及测量数据获得重建目标上空图像的十足信息。由于充分利用了靶上空的疏散结构信息,随机孔径CS成像算法能当运少量测孔径和数目的法下相比利用所有孔径采样点消息的递归反为投影RBP算法和极其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。

祈求4.14
噪声对成像性能的熏陶                图4.15测矩阵对成像性能的影响

 

 

 

 

                                      

 

第五回 探地雷达(GPR)成像数据处理软件

 

就计算机技术之飞速发展,计算机早己超越了纯粹的乘除功能。在一一研究世界,计算机都当发挥着英雄的效果。为了更好的抒发探地雷达在地质勘探工作面临的优势,提高工作效率,一种植使现场的采访到之多少以图像的花样显得出、便于观测的探地雷达成像软件是少不了的。

探地雷达是用频繁电磁波以宽频带窄脉冲的花样,通过天线中之发射器将信号传入地下,波在非法传播过程中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,另一样片段能量会持续穿透界面进入下同样重叠介质,各界面反射电磁波由天线中的接收器接收,再用采样技术以那个转化为数字信号进行处理。通过对电磁波反射信号(回波信号)的成像分析,便能够了解及黑各层构造的表征信息。

当下国外的洋洋商业软件公司,研究机构都付出有了很多探地雷达成像软件,同时,在软件的提升与齐上投入大量之人力和财力。在我国,很少发商业软件公司在举行这上面的做事,国内为要命少具有自主文化产权的GPR数据解译软件,并且个技术指标都非可知满足使用得,所以开具有自主文化产权的GPR数据处理解译软件及其显得急迫而要,为者,我们计划了探地雷达回波信号成像数据处理规范软件csuGPR。

csuGPR数据处理规范软件依托国防科技大学电子科学同工程学院研制的胜分辨表层穿透雷达系统RadarEye,是一样舒缓自主研发的探地雷达数据解译软件,并且并了新星的回落传感(CS)数据收集成像技术.该软件功能齐全,能基本落实GPR数据处理的有关操作。

csuGPR数据处理软件主要功能包括:(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来:频谱分析、时间门限法去除直达波、平均法去直达波、自适应等消法去除直达波、RFI抑制、ROI提取、二维W-K成像、二维B-P成像、CS与GPR同反演、三维CS成如、自动检索以及计算回波、一维滤波、二维滤波、去背景噪声、减对空信号等;(3)图像显示设置有:波形堆积图、灰度堆积图、彩色堆积图、层面信息展示;(4)校准方法发生:幅度惊人校准、波速校准、时间校准等。

csuGPR软件主要形成了对探地雷达回波信号处理同解译的作用。提供了A-scan、B-scan、C-scan三种多少收集扫描方式。A-scan数据一般显示为同一维时间波形图,如图5.1
(a)所示。B-scan数据貌似坐二维剖面图像展示,为发泄目标回波,方便观察,提供了波形堆积图、灰度堆积图、彩色堆积图三种植图形显示方式。

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

图5.1

浪堆积图是将连测量的A-scan波形幅度减少后,按测量位置还是测量时距离紧密的平排列,堆积形成二维波形图,如图5.1
(b)所示。如果盖灰度来反应接收回波的涨幅信息,将各道回波按照集顺序排列在同,则形成灰度堆积图,
如图5.1
(c)所示。图备受右的灰度条标注出不同灰度所表示的宽窄值。如果因不同的水彩来表示不同之信号幅度值,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。图中右的印花条标注出不同颜色所代表的宽度值。C-scan数据貌似用三维图像展示。将多单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间距,C-scan图像以立体方式示有同区域外的围观数据,直观地反馈有扫描数据及测量位置的应和关系。如果B-scan剖面图使用波形堆积图,则成三维的C-scan波形堆积图;如果运用灰度堆积图,则成C-scan灰度堆积图;如果用彩色堆积图,则成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软件之要力量产生:(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家伙有:频谱分析、时间门限法去除直达波、平均法去直达波、自适应等消法去除直达波、RFI抑制、ROI提取、二维W-K成像、二维B-P成像、自动搜索和计算回波、一维滤波、二维滤波、去背景噪声、减对空信号等;(3)图像显示设置有:波形堆积图、灰度堆积图、彩色堆积图、层面信息展示;(4)校准方法有:幅度惊人校准、波速校准、时间校准等。csuGPR软件编程的家伙是Windows下之Microsoft
Visual Studio 2005MFC+BCGControlBar。

 

5.1 探地雷达GPR数据的数据结构

 

 
  要使探地雷达数据因图像的款式展示,首先使开拓并读取所测得的探地雷达

多少,为这个须了解该数据文件的数量的结构。我们使用的测试设施是国防科技大学电子科学同工程学院研制的过人分辨表层穿透雷达系统RadarEye。工控机控制雷达主机、天线定位装置以及数目采集卡协调并工作,天线为电阻加载与介质加载形式。其保存之测数据是因*.rde格式存储的。要读取一个探地雷达数据,最重大的凡规定数据的排方式。我们针对*.rde格式的探地雷达数据开展了以下软件数量处理:

 

软件初步设计可以打开四种档次的数据文件RadarEye Raw Files
(*.rde)、Target Raw Files (*.drt)、Road Raw Files (*.dzr)、SIR Raw
Files
(*.DZT),由于每种文件之储备方式都无一样,因此计划了不同的打开方式。当选择了打开的文件类型和文件规定后弹出文件参数对话框,设定参数确定后以相应的数读入指定的内存中,同时A-scan窗口用出示的数额也读入相应的内存中。


Rde格式文件头字节数为RDE_HEAD_SIZE =
1024;头文件数据结构由:数据位置偏移rh_data;每道采样点数sample_points;数据位数data_bits(每个扫描点的率先个采样点带有标记,即第16各类呢1,应去这些采样数据的标志位,因为实际数据仅来12员,所以把低12位取出即可,且第12号为1常,实际数目是负数,应拿那个缩减4096);数据零偏zero_shift (2048);剖面的道数rh_slice组成。位置偏移就是自文本头开始小字节处开始满怀多少。前面空的长空,一部分是条文件信息,还有部分凡是留空间,然后就数据存储了。数据零偏就是由原有文本中读取数据后,减去该零偏值,再除为一个固定值,结果才是实的GPR散射数据。所除的好固定值一般就是2之n次方,n为数据位数。在原始数据遭到4096字节至65536字节凡是空的。这为记录下数处理的内容留下空间,而保证数据格式的一致性。

诸一样志记录之长及采样数的动态范围关于。采样数和动态范围是由开始测量前之参数设置决定的,在装时采样数sample_points可选取128、256、512、1024、2048受到的一个。测量了晚数的头文件会记录设置时之数。动态范围可选8或16。如动态范围以参数选择时选8,则于笔录面临每个测量值是由1个字节记录,如动态范围在参数选择时选择16(软件默认设置),则当记录受每个测量值是由2单字节记录。这样各个一样鸣的记录长度可用在笔录在峰文件被的每道的采样数就以1或2(由动态范围控制)而落。

 探地雷达的数据是平等道一样鸣进行排的,记录的道数是由于野外的实在工作决定,这个参数是于测量工作完毕之后仪器自动存入头文件中之,所以在宣读数据经常不过径直由记录文件头中拿走。这个参数与以测量时凡半自动安装或手动设置无

牵连。剖面的道数主要是看探测区域的轻重以及所求的分辨率。道数几百志、几千道都起或。点数一般式512,1024,2048。探测区域非常,采样道数就大多片。如果是沿着铁轨探测,可能同不好采集要六七千道。纵向的岁月采样一般就是是2048点内。

还有蛮关键之某些是,每一样志记录之顶开头之少数独数据,不是记录实测值,

而是用来做标记的。在数字滤波等过程被最为好做归零处理比较方便,不然的话会

惹特别怪的界限效应。

  

5.2 探地雷达数据处理软件csuGPR主要力量实现

 

5.2.1 用户界面的贯彻

作为一个应用程序用户界面实际上是一个窗体,在统筹用户界面时,美观、

简、友好的用户界面在某种程度上得以说体现了一个软件之肥力。对于窗体

的兑现我们本了以下几久规则:

副用户的只求—应用程序的来意是为用户能够实行一定的天职,所以它该顺应用户的指望。

保障界面简单而清晰—界面应该为鲜明的方提供其效果,并且从界面的一个部分到其他一个有些应格外粗略,简单而清晰的界面不会见分流用户对重大任

的注意。

倘界面直观并容易使—尝试要用户自己领会到哪些履行一个任务界面不是错过教会他们。

保持界面的友善—给用户提供一个融洽的界面,这样有助于用户以好缺乏的日外就得实际地动用。

为用户提供报告—提供于用户的反映会支援用户建信心,消除他针对所举行工作之嫌疑。例如一个按钮,当其为单击时看起便像吃以下去一样。

故好轻掌握的艺术提醒用户错误—通常的做法是深受用户展示一个信息框,用以指出错误和避免不当的法子。

动用标志,图像及颜色—使界面更有趣而又易浏览,符号界面允许界快速导航,在符号旁提供描述文本。

使用具有的输入设备—不同之用户做事的不二法门和爱好不同。界面应能响应点击输入(如鼠标)和键盘输入。另外,应随一些广阔的惯。例如,实现打开文件功能,将键盘的快捷方式定义也Ctrl+0.

供用户帮助—有时用户会得支援,这时提供部分中之文档。

软件之主窗体用户界面如下图5.2所著。

图5.2主窗口界面

 

5.2.2诈地雷达数据因图片方式示的贯彻

探地雷达数据处理软件csuGPR对探地雷达数据处理提供了季种模板:
原始数据模板、预处理后数模板、成像后数模板、道路旁数据模板。软件还提供了三种植显示图形的不二法门:彩色堆积图、灰度堆积图、波形堆积图,可以通过菜单改变显示图形的法子。软件处理雷达数据结果图形界面显示如果图5.3所显示。

      

希冀5.3 软件图形界面显示

 

雷达扫描图像软件显示彩色堆积图、灰度堆积图与波形堆积图如图5.4所展示。

 

图5.4

2)  信号处理同解译软件

 

关键技术分析:

•        
RFI抑制技术

•        
齐波抑制技术

•        
旁介质双立高分辨力成像

•        
赛分辨层厚估计

•        
不法好实时检测

•        
低电磁对比度目标分类

RFI抑制

依据估计-相消,利用RFI的表征进行RFI抑制。

达波抑制

 

 

打适应等消法去除直达波

愈分辨成像

据悉波动方程的波场反推成像

赛分辨层厚度估计

从今适应检测、介电常数与层厚度估计

十分检测

改善之Hough变换方法进行ROI提取

低电磁对比度目标分类

 

 

依据回波相位的大都目标分类流程

 

解译软件

 

数据处理流程图

模块的数额来全为原本数据,在平显示界面内进行数量处理。

算法设计

 

到底法类和同算法对应的接口类

典型用例图

 

信号预处理效果

•          滤波

•          RFI 抑制

•          去背景噪声

•          去直达波

•          校准

•          运动上

 

 

 

解译、检测与成像

•          ROI 提取

•        
 地下目标检测和分类

•        
 地下目标成像

•        
 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

也进行精细成像,减多少收发天线之间的直耦波

Scouple( t)
和沙坑表面的照波 Sref
( t )对目标信号

Sobj( t
)的熏陶,测试前使先行对 Scoup le( t )和 Sref ( t )进行

静态测试.每个采样点采访到的数目还使参考 Scou ple

( t
)和 S ref( t
)进行实时预处理[10]

.
沙坑中的波速和电

导率可以经已领略深度的大金属板回波的时延和增幅

得到[11]

.
两根本
(8mm钢筋水平距离 20cm,
埋于沙坑

40cm
深处.空间采样点数也 40同 100经常的原始记录剖

对、实时预处理结果和递归 BP成像结果一旦图 5所示.

是因为图 5可见,随着空间采样点数的多, 目标雷

落得图像的聚焦职能变好,成像精度变高.以成像过程

饱受,递归
BP算法一直还能够针对先处理后底笔录剖面进

行实时成像处理.在 P4 1
[1]6GHz, 256M 内存的兼容机

高达,L=
180常常获得成像结果但所以了

  1. 82s, 这完全而

盖满足 ImpSPR的实时应用.当 ImpSPR用于区域普查

抑或任何不需细成像的场子经常,成像区域之上空采样点数

M) N
还可适合的滑坡,递归 BP算法的耗时将还少.

 

 

 

 

 

 

 

 

 

 

第六节 GPR随机孔径CS成像实验跟结果分析

 

6.1 内场实验

 6.1.1 试验环境搭建

本节以RadarEye内场实验系统啊根基,对实测数据开展了先行处理及成像处理。试验场所也同样长方形水泥池,尺寸为L×W×H=175×185×85cm3
(L、W、H分别表示长度、宽度与深),进行了防潮防水处理,里面填入统匀细沙,深度60cm,数据收集与处理由工控机完成,工控机控制雷达主机、天线定位装置及数量采集卡协调共同工作。将不同之对象埋在沙坑中晚虽好操纵天线进行围观从而获取目标的散射场数据,进而用成像算法进行成像处理。我们尝试的目标有钢筋、PVC管、矿泉水瓶。测试设施用国防科技大学电子科学与工程学院研制的赛分辨表层穿透雷达系统一RadarEye。天线悬挂于滑板上,滑板可当皮带轮的带动下左右动,滑板以及顽皮带轮所当的横板又得当左右少于长达丝杠的操纵下前后移动。通过大精度定位装置的主宰,两独趋势的位移误差都足以操纵在lmm以内。RadarEye扫描场景如图6.1所展示:

贪图6.1 RadarEye扫描场景

贪图中示出了RadarEye对沙坑中并排排列的有数根铁管的探测情况。铁管水平位于沙坑一定深度处,先用卷尺对那个距离进行测量,然后据此砂石将其以住并平整沙坑表面还进行测量。发射信号呢同样对绝脉冲,脉宽0.5ns,中心频率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所出示:

 

祈求6.2 脉冲源的归一化时域波形和归一化幅频

 

啊充分辐射能量与收取回波信号,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],通过以偶尔极子上拓展联谊总电阻加载,可实用地排除天线末端处有的反光。该天线还享有比较富裕的带来富和于好之保形性,向下辐射线极化波。因此对地下目标进行围观时,需先确定好天线的动向和围观方向。具体而言,对钢筋、管道等细长型目标而言,要本着垂直于目标的测线方向扫描并且只要保天线的极化方向以及对象的主旋律一致。如果天线的极化方向正好和对象其可行性垂直,此时回波信号基本为零星。当对网格型目标,如钢筋网进行围观时,则使分点儿差扫描,每次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所出示:

 

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

贪图6.3沙坑无对象时的测试结果

起图(b)中好见见,沙坑底的照清晰可见。同时鉴于天线的丰饶波束特性,沙坑表面各棱边的散射波在比较丰富之合成孔径长度内设有并摇身一变于生之侵扰。为除去沙坑本身的散射回波对成像结果的影响,可采用时空对齐相减的法门实现背景对消。在进展成像处理常,还索要自己知沙坑中电磁波的传遍速度。为这个,可预先以沙坑中盖入一片铁板,记深度为h,再在铁板正上展开探测,通过大分辨时延估计技术取得铁板的散射信号回波时延,记为
,则沙坑中电磁波的散播速度只是透过公式
计算得到。探测时,天线不可知离开沙坑表面最强。采用这种措施测得的波速为17.357cm/ns,对应的干沙的对立介电常数为2.9873,这无异频繁值多少小于沙子的独立相对介电常数(
)。这要是由试验被的砂石混入了少量的灰尘,相当给单位体积中的沙子颗粒数量减少了,因此相对介电常数会比较平均值而低有。当原始扫描数据以及媒质中波速都自己知后,就好行使擅自孔径CS成像算法进行成像处理。下面对多个实测数据进行成像实验。

6.1.2 使用实测数据进行随机孔径CS二维以及三维成像试验

 (1)
一完完全全埋入沙中长lm的φ8细钢筋,埋好50cm,时窗为12ns,进行任意孔径采样(20)。原始数据以及人身自由孔径CS成如结果呈现图6.4。

 

贪图6.4平完完全全埋入沙中之φ8细钢筋原始数据和成像结果

 

  (2)两根φ8,长lm的绵密钢筋并清除埋在沙坑中,埋深50cm,横向和纵向间距均为6cm。时窗为12ns,进行自由孔径采样(20)。原始数据以及人身自由孔径CS成如结果呈现图6.5。

 

贪图6.5 两完完全全埋入沙中连排放置的φ8钢筋原始数据与成像结果

  (3)
两清φ8钢筋上下放置,一完完全全在任何一样绝望正上方,埋好分别吗27cm和32cm,两者深度不同啊5cm,单发单收天线进行合成孔径扫描,时窗为12ns,进行自由孔径采样(20)。原始数据与人身自由孔径CS成如结果呈现图6.6。

祈求6.6 两到底埋入沙中左右放置的φ8钢筋原始数据以及成像结果

   
当半彻底钢筋垂直放置时,遮挡效应比较明显。记上下两根本钢筋分别吗钢筋A与B,由于彼此间距很有点,因此钢筋B的散射信号要于钢筋A弱很多。当双方上下间距增大时,考虑到天线的富贵波束特性,这种遮挡效应应相对而多少几。从成像结果看有互偶现象,这实则是由于散射中心型目标的建模特性决定的。

(4)
一针对性交叉放置的φ8钢筋,埋深也50cm,单发单收天线进行合成孔径扫描,时窗为12ns,进行任意孔径采样(40)。实时光景和人身自由孔径三维CS成如结果呈现图6.7。

 

图6.7 一针对交叉放置的钢筋实时场景以及自由孔径三维CS成如结果

(5)一个
V型实心棒,埋好为50cm,单发单收天线进行合成孔径扫描,时窗为12ns,进行自由孔径采样(40)。原始数据及自由孔径三维CS成如结果表现图6.8。

 

 

祈求6.8 V型实心棒原始数据与擅自孔径三维CS成如结果

(6)
一个装满水的矿泉水瓶(直径5.6cm),埋深为50cm,单发单收天线进行合成孔径扫描,时窗为12ns,进行任意孔径采样(40)。实时情景以及人身自由孔径三维CS成如结果呈现图6.9。

 

贪图6.9佯装满水之矿泉水瓶的实时气象和任性孔径三维CS成如结果

 

6.2 外场实验

  6.2.1公路试验场景的搭建

祈求6.10 公路试验场

图6.10错图近端为水泥路面,远端为待铺的沥青路面,右图为在铺设的沥青路面,基层由上到下呢4%水泥砾石底基层及6%水泥砾石基层,分别吗20cm

沥青层由臻到下呢小中仔细三叠,分别吗4cm,5cm和6cm。

以水泥路面被蒙设的φ8钢筋网,左边网格为10×10cm2,右边为20×20cm2

假设图6.10 所展示,用来展开钢筋网成像试验。

图6.10 钢筋网成像试验场景搭建

希冀6.11吧于沥青路面下埋设的裂缝、空洞和泥团,用来拓展考试路面检测

希冀6.11 路面检测试验环境搭建

 

6.2.2 钢筋网扫描以及成像

祈求6.12钢筋网扫描和成像结果

贪图6.13稀疏钢筋网的自由孔径三维CS成如结果

 

祈求6.14密钢筋网的即兴孔径三维CS成像实验

 

6.2.3 路面非常检测实验

 

图6.15 沥青路面下空洞的反射波和ROI提取结果

 

6.2.4对象分类实验

参考波形及幅相谱,目标呢直径3.8cm的金属管

 

分拣识别结果

 

6.2.5 高分辨层厚度估计

RadarEye测试结果和钻孔数据比较

强分辨层厚度估计

RadarEye测试结果及钻孔数据比较

 

 

RFI 频谱(10-2500MHz)

空中滤波器处理前后B-Scan 扫描钢筋的大概

原始数据以及ROI抽取结果

基本上重合追踪

PVC 管和钢筋的永恒

 

 

 

 

公路检测场景

 

阵列天线的网并

 

 

 

 

 

 

 

 

第七节 总结与展望

 

调减传感理论的提出极大地加上了信号获取理论,
并为任何相关领域的研究提供了初技巧与新思路, 研究前景广阔.
然而眼下抽传感理论还免是那个周全,相应的利用研究吗巧启动,
尚有于多问题待在未来研究被赢得突破:

 

1) 测量矩阵构造研究

当削减传感中, 测量矩阵需要满足约束等距性(RIP)条件,
目前所动的测矩阵大多也非确定性测量矩阵, 即随机矩阵. 例如当 RICE
大学单像素相机研制中,采用的饶是较为简单的 0-1 伪随机矩阵.
但是又复杂的非确定性测量矩阵在硬件实现上比较复杂,
虽然她于假冒伪劣试验被会抱好好之功效, 但是难硬件实现,
因此有必不可少对明确测量矩阵展开深刻研究. 此外,
压缩传感技术建立在非自适应线性测量基础之上, 不拥有灵活性,
因而有必不可少研究于适应压缩传感技术,
即根据不同之信号类型应用不同的数目采样和重构策略.

 

2) 测量矩阵的优化问题

于第 1 节受到关系, 当图像不克在正交基上稀疏表示常常,
可以拿其扩张至冗余字典上进行疏散表示.例如对于有同档的图像,
用学习算法如K-SVD 等得字典通常可以使图像信号更加稀疏.
然而在减少传感技术中,
利用冗余的字典代替标准正交基虽然足更好地重构图像,
但由于当对应传感矩阵中见面冒出比较多系列,
这些相关列对于图像重构没有另外价值, 增加了算法的存储和测算的工本, 因此,
如何平衡冗余字典的冗余度与传播矩阵中并行关列的数目,
即找到最好美妙的冗余字典及其相应之不胫而走矩阵是值得研究的.

 

 3) 测量值的运用研究

众图像处理的最终目的并无是重构图像, 而是为了取得关于目标的信息.
由压缩传感理论能,在一定标准下,
通过少量之测值就是得准确重构出老图像,
也就是说少数之测量值能够维持原来信号的布局以及足多信息. 因此,
少量的测量值可以一直用来落实各种图像处理任务,
如图像分类、特征提取、目标检测与消息融合等, 并且由于测量值多少较少,
信息密度大, 可以大大减少相关算法的时空以及储存代价.

 

4) 图像超分辨率重构

图像的超分辨率重构是依赖自平幅或者多幅低分辨率图像发或者构建高分辨率图像的进程,
本质上属于维数增加的题材, 具有无适定性. 在抽传感中,
从测量值到原来信号呢是一个自低维到高维的维数增加问题,
与跨分辨率图像重构类似.
由于低分辨率图像通常决定了强分辨图像的组织及多数消息,
因此借鉴压缩传感的有关思想贯彻新型的超分辨率图像重构算法为是值得研究之.
例如, 如果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虽改换为争构建测量矩阵的字典构建问题.

 

 5)
运动目标提取基于图像序列的活动目标提取是电脑视觉领域的一个着力问题,
广泛应用在视频监控、视频分析、视频查找、基于移动信息之身份识别等方面.
当把背景看成不变量时, 运动的对象可以更稀疏地意味着,
符合压缩传感理论对信号的稀疏性要求. 因此, 如何当调减传感框架内,
利用图像序列运动目标稀疏特性, 设计测量矩阵,
然后对图像序列的背景不同进行线性测量,
最后准重构出活动目标吗是值得注意的钻研方向.

 

6) 实时压缩传感成像系统研制

对立于压缩传感的答辩研究进展, 其硬件实现还处在起步阶段.
目前早已收获成功之例证主要发生美国 RICE 大学研制的 \单像素” 数码相机,
ARI-ZONA 大学 Baheti 和 Neifeld 设计之富有特定功能的布局成像设备, 以及
DUCK 大学研制的单景光谱成像装置[61].
然而由于削减重构算法的计算量比较充分, 难以达到实时性要求,
因此实时大性能压缩传感成像系统是前景根本之钻研方向.除了构建大分辨成像系统,
压缩传感还只是使用被音频采集设备、节电型音频和图像采集设备、天文学观测、军事侦察、资源探测、超声图像及数字减影血管造影技术等众方面.

 

                          致    谢

 

 

此外还特别要感谢中南大学网络评审系统工程研究所顾问陈松乔教授博士导师、所长龙军博士、张祖平教授博士导师、黄芳副教授及张昊副教授及网路系统工程评审所的另教师跟师兄们。在斯团结奋进的公共,谢谢你们的鼎力相助及支撑,使自身找到实现人生价值的舞台。给予了自提高的动力。

 

 

 

 

 

 

 

 

 

 

 

 

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 感知多分字典的图像稀疏表示算法研究.
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.遥感新技巧的几开展及其应用.遥感信息,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巧面临的挑战以及指向策.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766net必赢亚洲手机版广生.探地雷达及其技术概况和展望.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.国外探地雷达研究概况.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.探地雷达方法和应用.北京:地质出版社,1994

[46] 粟毅,黄春琳,雷文太.探地雷达理论及应用.北京:科学出版社,2006

[47] 熊寿庆 .GPR方法及其应用概述. 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取被的进展.地质科技讯,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. 频率步上探地雷达及其于地雷探测中之应用.
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,吕锡于.一种植无载波脉冲探地雷达技术的前行同应用.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.电子了朝,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):74一模一样76

[70] 苗萌.脉冲压缩探地雷达.电子工程信息,1995,(5):18相同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.探地雷达的发展现状.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.探测埋地目标的探地雷达.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比较和分析.煤炭学报,2002,27(2):123-127

[88]李大洪.地质雷达的用现状和发展前景.煤田地质和勘探,1997,25(5):60-64

[89]侯俊胜.探地雷达方法及其应用之初上展.国外地质勘探技术,1996,(l):6-11

[90]彭苏萍,杨峰.高效募集地质雷达的研制和应用.地质和勘探,2002,38(5):63-66

[91]周杨,冷元宝,赵圣立.路用探地雷达的用技术研究进展.地球物理学进展,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天线和对象的电磁特性分析以及数据解译方法研究:
学位论文.长沙:国防科学技术大学,2005.

[95]
张安学.探地雷达目标检测与一定法的研究:学位论文.西安:西安交通大学,2003.

[96]
张春城.浅地层探地雷达中之信号处理技术研究:学位论文.成都:电子科技大学,2005.

[97〕高近传,黄春琳,粟毅.基于RLs横向滤波自适应等消法的及波抑制.信号处理,2004,20(6):566~571

[98]
高将近传,黄春琳,粟毅.主元分析法去瞬态系统收发祸合波研究.电子以及信学报,2004,26(9):1461~1467

[99]
李禹,粟毅,黄春琳等.冲激雷达接收中之轻易射频干扰压制方法.电子及信息学报,2004,26(5):733~738

[100]
李禹,黄春琳,粟毅.因MSE准则抑制SPR射频干扰的方法.国防科技大学学报,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.遗传算法和千家万户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如算法.电子以及信息学报,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.电子及信学报,2004,26(增刊):529~533

[l36]
雷文太,粟毅,黄春琳.表层穿外露雷达递归反为投影成像算法.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].雷达科学与技能。2005,8:207-211.

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

[5]
雷文太,粟毅,黄春琳.表层穿外露雷达递归反朝投影成像算法[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吃之动[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