必威体育 betway据悉CS的脉冲GPR成像技术研究(20111)

分类号                                 
密级

  U D
C                                  
编号

 

 

 

CENTRAL SOUTH  UNIVERSITY 

 

 

 

 硕士学位论文

 

 

 

 

 

论文题目基于CS的脉冲GPR成像技术研讨

 

2011年10月

 

 

 

 

原创性声明

 

自声明,所上到的学位论文是自个儿以老师指点下开展的研讨工作以及获得的研究成果。尽己所知道,除了舆论中特地加以标注和谢的地方外,论文被不分包其他人就发表或做了的研究成果,也无带有为取得中南大学要外单位的学位或关系而使了之资料。与自联合工作之老同志对遵循研究所作的献均一度于舆论被犯了明显的验证。

 

 

 

       作者签名:             日期:     年  月  日

 

 

 

学位论文版权使用授权书

 

自我了解中南大学有关保留、使用学位论文的规定,即:学校发且保留学位论文并因国家或湖南省至于单位规定提交学位论文,允许学位论文被翻与借阅;学校可揭示学位论文的凡事要局部情节,可以用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所拿依照学位论文收录至《中国学位论文全文数据库》,并经过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)
理论是以都清楚信号具有稀疏性或可压缩性的规范下对信号数据进行征集、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旧结构,能透过数值最优化问题规范重构原始信号.
压缩传感以极为小于奈奎斯特效率进行采样,在青出于蓝分辨压缩成像系统、视频图像采集系统、雷达成像和MRI医疗成像等领域拥有广泛的动前景。压缩传感理论(CS),可由此求解一个凸显最小ℓ1范数问题之非自适应线性测量重建稀疏信号。本文介绍了一致栽时髦宽带合成孔径成像数据收集系统,它是因CS理论以图像空间中之点状目标切实可行稀疏性的特性来拍卖多少的技巧。它替了风的Nyquist速率采样测量传感器,使用线性投影测量返回的信号及擅自向量齐让用来当测量数据。此外,沿合成孔径扫描点随机取样可以统一在数搜集系统受。
CS测量所必需数据足以比较均匀采样时数少一个数级。在本土探地雷达(GPR)地下成像中之采用中,典型的图像只含有几个目标,因此目标图像满足信号具有稀疏性的CS理论必要条件。我们透过应用CS测量仿真和探地雷达实验数据表明,与规范的成像效果比,通过CS测量随机采样获取的疏目标上空图像也惟有生非常少的紊乱之回波。

   
利用电磁波在非金属媒质中的穿透性能够,探地雷达可实现又媒质中目标的检测、定位以及辨识。该技能有非破坏性、穿透能力大、分辨率高、操作方便和资费低廉等优点,广泛应用于军及村办的余探测场合。本论文对探地雷达采用被的靶子二维和三维重构问题研究了脉冲探地雷达高分辨成像相关技术。

根本词: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

探地雷达技术之面世跟发展很挺程度地扩大了人类认识与改建客观世界之力,而人类对外表下隐藏目标的感知需求而不断地促进在这等同技之前行。本章简要介绍了探地雷达技术之开拓进取概况,分析了探地雷达系统钻研之技术途径,并针对冲激脉冲体制探地雷达和强分辨雷达成像技术做了较详细的论述,最后介绍了本文的情节安排。

 

1.l诈地雷达简介

 

雷达最早出规在三十年份末。早期的雷达只能发现目标与测量目标的离开[l5,16]。人们把它叫做“无线电探测与测距”(Radar:Radio
Detection And
Ranging)。经过几十年之腾飞,雷达的成效已过了探测以及测距的限定,在宇宙探测、地球遥感、地下目标探测等大多点还显示出无可比拟的优越性,成为众人得到空间目标信息之显要手段[16-25]。随着人类对大自然认识的逐级加深,人们对地表下世界的探知要求更换得更其深刻和迫切,从探测当今世界危及人生安全的地雷、考古发现及地质勘探、工程建设,要求的探测深度从几十厘米至数千米未顶。在现世国民经济建设的很多部门以及国防建设中,浅层地下目标的探测以及识别自己成为一个至关重要的钻方向[26-31]。在未坏地表结构的景下得到非法未知区域的音展示更为关键[32],尤其是当把成像技术应用中常。表层穿外露雷达又称作探地雷达(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艺术有[33-43]。

 

1.1.1 探地雷达特点以及祭

 

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

(SSR:Subsurface Radar),是靠利用电磁波在媒质电磁特性不总是处于来的照

及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识别探测区

地区中的电磁特性变化,实现对探测区域受到目标的探测[44-57]。简单地游说,GPR的职责就是是讲述目标的几乎哪和大体性。GPR所负有的特惠其他遥感技术特点包括: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之GPR。

当同样栽黑浅层探测工具,GPR在实质上使用被同其它非法探测技术相比,具有以下优点:

.GPR是如出一辙栽不破坏性探测技术,可对各种非金属覆盖区域间进行无害探测。

.GPR可远距探测未知区域被之靶子分布,避免了隐秘的危。

.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甄别。

.GPR可实现比较高之半空中分辨率,能满足多种探测需求。

布置当的天线和收发装置,GPR几乎可以用于其他非金属体内的靶子探测,

以下是眼下自我经成的用[29,54-61]:

.市政工程,如:坝、桥、高速公路的评估

.埋地管线的定势

.地下设施的规定,如:隧道与地下室

.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

.伪装的爆炸物及毒品的探测和识别

.无损评估/探测(NDE加DT)

 

1.1.2 探地雷达分类

 

照数据搜集方式的差,GPR可分为地表式GPR、钻孔式GPR等;按照其装载方式,可分为手持式、车载式、机载式等。不同体裁的GPR有两样之探测能力跟应用环境。GPR的样式主要是由于其调制方式决定的,调制方式尽管是依据穿透深度、分辨率、电磁干扰程度与体积和成本等元素的特殊要求进行分选的[20,62-65]。理论及,只要办事频带相同,系统的鉴别能力与穿透性能是一律之,获取目标的散射信息呢是同等之。然而不同的信号形式来那殊之网实现特点。目前极端常见的商贸或实验性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。下面对就四种样式的探地雷达做一样简单的介绍。

(一)冲激脉冲。为兼职探测深度与分辨率,要求系统有着宽带特性。冲激

脉冲是一模一样种典型的宽带信号,这种体制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,通过平等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,可进行成像和辨识。由于冲激脉冲的辐射能量有限,因此这种样式的探地雷达系统非适用于深层探测。

(二)线性调频。系统发射线性调频信号,根据预知的暗介质的效率衰减

特点以及可能的不法目标的频率响应特性预先设定工作频带。其优点也分辨率高,发射频谱易于控制,具有老有钱的动态范围;缺点是体积非常、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之布局异常或者孔穴的探测。

(三)步上频率。发射信号好是点频,也可以是部分一定间隔的效率,接

收端采用孔径天线在地表接收来自地下区域之晚朝着散射信号并对信号的宽以及相位进行测量[71,71-74]。发射信号的窄带特性使天线的计划比较宽带系统相对容易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。系统放噪声信号,接收信号及通过时延的发射信号有关

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

下表给来了季栽体制的探地雷达性能于[44,56]。

 

 

 

 

 

 

 

说明1.1季种体制探地雷达的性比

 

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具有各自的特征,有些体制中尚存在以上的互补性。

针对浅层勘探而言,冲激脉冲体制探地雷达可以经过时窗截取技术减多少齐波和

地面反射波的搅和,得到高分辨的私区域成像结果。另外,冲激脉冲体制测量

速快。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、高辐射功率可使得之运用被深层有耗媒质中的靶子探测。步向前频率

体制探地雷达的实现原理简单,但囿于于大性能的元器件,且持续之信号处理工

发作比较麻烦。噪声信号体制探地雷达系统实现比较复杂[24,25,44,77]。当前海外都发出适用于各种类型的军用与商用GPR,工作频带一般在10MHz到3GHz里面,探测深度从几厘米到数十米,探测分辨率最高可高达厘米量级。

 

1.1.3 冲激脉冲探地雷达系统组成

 

以不同之利用背景被,GPR的兑现形式以及测量方法可能差距,但那主干

的系统整合大体类似。典型的冲激脉冲体制GPR系统组合及探测原理如图1.1所显示:

希冀1.1冲激脉冲体制GPR系统整合

在计算机的决定下,时序控制电路(包括比较器、可变电平、快斜坡信号、

悠悠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,经由位于地面上的宽带发射天线藕合到黑。当放的脉冲波在地下传播过程被碰到电磁特性不同的介质界面、目标要局域介质不都匀体时,一部分脉冲波能量被反射回来地面,由地面上的宽带接收天线所收取。取样电路在取样脉冲的操纵下,按相当于学采样原理将接至高速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,再展开A\D变换,通过CompactPCI总线传输给电脑模组。计算机模组的动软件对数码进行信号处理与成像,并于显示器上亮出。

 

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埋地特色时之专利技术。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方法,他们将偶极子天线埋设于洞中展开发射及吸收电磁波。由于高导电率的媒质对电磁波的衰减作用,通过比差孔洞中接收信号的升幅差别,可以本着媒质中电导率高之组成部分进行固定。1926年,Hulsenbeek在那研究工作备受动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,任何介电特性的转都以致电磁波的反光。他的觉察首糟糕确定了黑目标电磁波回波信号及非法介质及目标内的真面目联系,从而也GPR在技巧及道上提供了优化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,等效采样技术及亚纳秒脉冲产生技术之上扬,从技术角度加速了探地雷达的进步。同时美国阿波罗月球表面探测实验从使用角度推动了探地雷达技术之广阔应用。1972年,第一单探地雷达装备做企业(GcofogicalsurveysystemInc.)宣告成立,这直接造成了探地雷达研究投入的增多,反过来还要促进了探地雷达产业的上扬。20世纪70年代以后,探地雷达技术开始于市政工程、考古、地质、探雷等方面的研讨暨采用变得勤起来[81]。早期的探地雷达系统属于粗距离分辨和方向分辨系统。随着硬件技术的加强以及近场合成孔径雷达技术之进步,高分辨率二维成像作为一如既往码探地雷达中心职能以过剩系统以,阵列天线技术之采取,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抵的神速,因为其可以的可视化降低了对判读员的渴求,使得本不直观的多寡易从形状上同组成部分散射强弱上来解。

起20世纪60年间以来,随着高效脉冲形成技术、采样接收技术及电脑技术之高速提高,探地雷达技术吗获了快速的提高,地下浅层目标探测可以实现。国外开出现适用于各种类型的军用与商用探地雷达,探测深度从几厘米到数百米,探测分辨率可齐厘米量级。美、日、加拿大相当国家之企业各个推出了友好的出品,民用GPR代表性的系而美国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公司之YLRZ系列产品等。这些体系都为通用系统,根据不同探测目的与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及数码处理软件

图1.2(b)加拿大SSI-pulseEKKO系列GPR及数量处理软件

境内对探地雷达的钻启动比较晚,国内成品于分辨率、使用方便性、对雷达信号成像和图像解释技术相当方面与海外活是差距。从完整情况分析,硬件系统性能与国外产品来阶段性差异;并且没有自主知识产权的解译软件;技术指标不可知满足使用得相当。从使用情况分析,由于系统特性原因,国内研发的系中心没下价值,尤其是当公路探测(定量)方面。

然而由于不断引进与借鉴海外的进取技术,近年来在拖欠领域外为获了较为明确的研究成果。航天部25所于20纪80年代中期起开展用于地雷检测的探地雷达技术的钻研及尝试。20世纪90年代以来,我国初步侧重探地雷达技术的研究与用,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系统如图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系统跟实际的数量处理图像

 

此时此刻国际及从事GPR技术研究之企业暨制品根本发生: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

层层等,其卓越的GPR产品及其信号体制以及做事频段见下表[82-85]。

 

表明1.2一流的商用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

 

这些设施的并特性是全配起异主频的天线以满足不同探测深度的需要。

以GSSI公司之SIR-ZOOO系统为条例,它好配GSSl公司研发的各种天线并完成单通道、多通道车载或手持式探测。从表中也足以观看,目前GPR技术进步的主流便是冲激体制,本文也正是针对这种样式GPR的胜分辨成像技术进行研究的。

国内对探地雷达的研讨启动比较晚,近年来在拖欠领域外为获了定的技能发展,不少切磋单位吗生产了好之探地雷达样机。如中国电波传播研究所研制的LTD一3试探地雷达;煤炭是总院重庆分院开发之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”计划项目的资助下,国防科学技术大学电子科学跟工程学院研制了相同模仿冲激脉冲体制的探地雷达系统–RadarEye[46,92,93],成功采取被公路质量评估与赛分辨地下目标成像场合。

 

1.2.2 探地雷达信号处理

 

GPR是否可以中运用,不仅在于硬件系统的性能,同时在信号处理

与多少解译技术。相对于硬件技术的升华,探地雷达信号处理技术进一步落后。反

卷土重来啊标志信号处理技术之生命周期比硬件技术再增长。探地雷达信号处理技术主

要包目标检测、成像、识别以及介质分层[94-96]。具体贯彻时,一般只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]。为加强信号处理的直观性和人机交互性能,还要开展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系统钻研技术路线

对象检测重点概括能量检测、相关检测、特征检测(基于模型的特点措施)

与变换域检测算法(小波域检测算法、双谱域检测算法)[95,101-106]。检测算法要求发生大检测率和亚虚警率。对于探雷系统而言,则是要是以保证漏报率为O的前提下尽心尽力降低虚警率[107]。检测结果一旦直观快速的显示在极端设备及因供操作员进行裁决。

介质分层是GPR进行公路探测时不过具有价值之一个行使[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。但实际上的公路各个层并无是上好的全匀媒质,有必不可少引入自由媒质中波的分析理论与强起伏理论进行大分辨介质分层。

目标识别是GPR信号处理面临不过具有挑战性的一个课题。探测地域电磁环境之又

杂性和掩盖地目标的多样性使得目标特征未变量的确定异常拮据[111-113]。现有的辨认算法一般是本着规定自己知探测区域外少的大都只自我知目标的检测识别或对有一样接近对象(地雷)的识别。可运的方式有基于回波相位的模板匹配同依据高阶谱的表征未变量提取。当对象散射信号的长空采样足够多时,就可以因探地雷达成像技术拓展目标的分类识别。

雷达成像技术虽然是GPR应用中最为实用的拍卖方法,但以它对目标散射信号

的采样要求也高,包括特别采样区域与强采样密度[22,114-117]。首先要求探地雷达天线要负有大主瓣宽度,这样才能够使得地拓展合成孔径处理。同时还求探地雷达在天线有效照射范围外开展密集采样。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所著。

图1.4 GPR一维和二维扫描示意图

 

与针对空雷达不同,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至数百米未对等。其以需求为打目标的老三

维形状和电磁特性精细重构到非常标准目标的不比分辨反演而各不相同。这些元素造

化了GPR成像技术面颇老之异样。但各种成像技术都是基于目标散射信号的拖欠

个中采样,建立GPR成像基本理论框架如下图所示:

贪图1.5 GPR成像基本理论框架

 

探地雷达成像技术自电磁理论角度考虑是独立的逆散射问题,而打雷达技术

天地考虑则与SAR成像有相似之处。这就决定了立即无异技巧沿两只样子上向上。

求解逆散射问题经常,目标一般给作具有一定电磁特性的散射体,成像的目的就

凡是恢复出目标体的样子与电磁参数。而采用合成孔径成像技术时,得到的平凡是

靶散射中心的重构结果,包括散射中心的职和散射强度。理论及提,在对探

地雷达全网开展精密建模的基础及,逆散射成像技术可对探测区域的电磁参数

进展真实反演,有效采取为目标识别。但考虑到探地雷达系统的多样性、天线形

仪式的多样性、探测环境的扑朔迷离和噪音的搅和,全网的精巧建模极难落实,这

即使招了基于逆散射理论的成像技术很麻烦直接采用为工程探测。而合成孔径成像

技能通过适当的接近处理,在对探测场景合理建模的根基及只是实现目标散射中心

的重构,这当形似的工程探测场合都足满足成像探测需求,因此应用面较普遍。

脚对立即有限种植成像技术做一样大概的介绍。

逆散射成像技术将目标就是有特定电磁特性的散射体,在这种建模方式下,目标散射场和对象函数之间通过LS(LS:LiPPmann-Schwinger)积分方程联系起来,可经求解这等同方程实现目标体的电磁特性反演。常用之求解方法发生解析法和数值求解法。当目标与背景媒质的电磁特性相差不大时,通过同样阶Bom近似可拿LS方程进行一定之简化并导出目标体电磁特性的谱域形式与目标散射信号谱域形式的照应关系,这就为衍射层析(DT:Diffraction
Tomography)成像算法。Devaney首先研究了全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有耗媒质中目标的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出耗媒质中目标的高速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界定,cuiTiejun采用矩阵分析的方式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近似之适用规则时,还好利用数值计算的道开展LS方程的求解从而得到目标函数的重构结果。常用的数值计算办法有Bom迭代法(BIM:BomlterationMethod)和变型BIM(DBIM:DistortBIM)。euiTiejun运用DBIM对产生耗媒质中介质目标的电磁逆散射问题展开了深深的研究,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将大半还网格技术同BIM法相结合提出了扩大BIM(vBIM:variationalBIM)法,算法比DBIM更高速,可采取为混合迭代反演中[l25,126]。基于小波分析的大多分辨特性,Erer和YangYang等丁各自将小波分析应用于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之规范建模,都以自然水准达到化解了靶的电磁参数重构问题。但巧以该精确建模的求,致使这种成像技术应用面受限,目前尚死麻烦直接以叫GPR实测数据的成像处理中。

在散射中心模型下,可利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,但并无是具备的SAR成像算法都足以以被

GPR成像。SAR成像中,目标回波信号的多普勒频移经常被用来开展大分辨成像,

使以GPR成像中即一点连无树立。GPR成像中,可经标量波动方程建立目标散

射场和目标函数之间的干就拓展成像处理,常用的成像算法有去偏移(RM:

Range Migration)算法[130,131]、逆时偏移(RTM:Reverse Time
Migration)算法[132]及晚为投影(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,导出了频率波数域偏移成像算法[138-140]。这有限栽成像算法都只是归纳为cafforio提出的RM成像算法[141]。RM成像算法将对象散射场数据转发及谱域并展开插值处理,再经过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,可使得运用被均匀无损耗媒质中之靶子成像问题。RTM成像算法是由于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正为计算类似,该成像算法可处理千头万绪背景媒质中的对象成像问题,但运算量较充分。BP成像算法的“延迟一要与”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,媒质不净匀性对成像结果影响好酷。WuRenbiao深入研讨了及时无异题目,指出为免速度误差引起的成像结果失真,成像处理要一个于生的纵深区间内进行[143]。Tanyer运用FDTD法分析了媒质的非均匀性对目标散射信号与BP成像结果的震慑,在这基础及提出了“延迟一加以权求和”的成像算法,有效改进了BP算法的习性[144]。在可以状态下,上述三栽成像算法都可以赢得高分辨的目标散射中心重构结果。但探地雷达对黑目标进行探测时,收发天线的间隔、距地面的高度与背景媒质的均匀性都见面指向成像结果发生影响。考虑到这些要素,则三种成像算法各起优劣。

归纳,目标建模方法的两样造成了成像算法和处理结果的异。体散射模型下之成像结果真体现了靶的质料构成和轮廓信息,可径直用来目标识别。但目标的强分辨重构依赖让雷达系统及探测环境的高精度建模,包括天线形式、扫描方式、媒质电磁特性等,因此目前还好为难直接采用被GPR成像中。而据悉散射中心模型的建模方法简单易行直观,成像算法物理意义不言而喻、概念清晰,成像结果但满足大多数工程运用之求。

是因为探地雷达(GPR)信号具有非常好的稀疏性,可以生好之满足压缩传感(CS)的原则,因此拿CS技术以在GPR信号数据的获得上,可以解决海量数据收集和储存问题,能明确下跌图像处理的计算量。此外还可以看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渴求。设计要由传统的筹划昂贵的接收端硬件转化为规划时的信号恢复算法,从而简化雷达成像系统。

针对GPR数据开展成像处理后,可运二维和三维可视化技术对成像结果进行展示。二维成像结果的显示方式有三栽:平面图、立体图和等值线图,前片种是较常用的显示方式。典型二维成像结果的老三种显示方式如下图所示:

 

希冀1.6次之维成像结果显示方式

 

针对三维成像而言,图像显示变得复杂。设三维成像结果为
,若论二维成像结果的来得方式则不得不呈现出各个表面的靶子函数价值,区域内部的靶子函数值无法直观地出示出。这时可以行使切片显示的艺术,即无一x值或y值都对应一个二维成像结果,因此好为此同帧图像来代表。通过相当于间隔的在x方向或y方向拓展频繁只二维成像剖面的抽取,并以抽取的成像剖面进行结合显示即可较为直观地展示出探测区域的对象走向与分布。也得以以等值面图的措施开展三维显示:即将相等的各国点用平滑曲面连接起来就形成了一个相当于值面。一般为相当值面上之目标函数值和万事区域目标函数的宏大值的于来讲述等值面。记目标函数的高大值,则目标函数值为所当的相当于值面可记否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:

图1.7老三维成像结果显示方式

 

1.3舆论的构造与主要工作

 

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及数处理下软件”项目工作的相同片段,主要研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,分辨率为厘米级。在这样的探测区域外,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及成像结果的聚焦职能。有耗媒质对电磁波的衰减作用会潜移默化到对象散射强度的重构精度。当探测区域也分媒质时,这种影响更是复杂。且探地雷达对空的扫描探测并无到底满足均匀采样的渴求。在少数要求实时成像探测的场地,时域算法的大运算量成为限制探地雷达有效采取之主要因素。这些题材都对脉冲探地雷达的强分辨成像提出了还胜似的渴求。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、非均匀采样等其实状况并于是基础及切磋减少传感CS理论在脉冲探地雷达成像中的使用。

 

1.3.1舆论的构造

 

舆论共分五章。第一章是绪论。主要介绍了探地雷达的上进以及探地雷达成像基本理论知识。

其次节介绍了滑坡传感基本理论。压缩传感(CS)理论主要概括信号的疏表示,编码测量与解码重构等三单方面,本章介绍了要运CS技术必须满足的一些基本前提条件。

其三节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的干活规律,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:波形优化的杀功率冲激发射机;低噪音多通道越宽带接收机;天线一体化统筹技术;超宽带波束形成技术;系统融为一体和测试技术相当;解译软件系统包含的功力产生:直达波抑制技术;分层介质双站高分辨率成像(一般我们说的成像是依目标的次维和三维图像,不同为一维相差像,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;地下深实时检测等。

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的论战框架和信号稀疏代表,CS
编解码模型;然后起反演成如扫描几何和媒质环境,进而进行测量矩阵生成与转移介电常数估计矢量以及结构数据字典、生成随机采样矩阵、生成原始的目标矢量,以及利用最小二趁方式与magic最优化措施计算成像结果,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成像算法性能的震慑。

第五回
介绍了探地雷达(GPR)成像数据标准处理软件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、算法类与算法对应之接口类的宏图、关键实现的技巧分析及csuGPR软件之相继模块的要功效分析。

第六章 进行GPR 内外场随机孔径CS成像实验,并针对结果进行辨析。

   最后第七回是总结及展望。

 

1.3.2按部就班论文研究之要紧问题以及所开工作

 

   
本论文主要研究减少传感(CS)技术在探地雷达(GPR)成像中之动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,是遵循论文研究被之一个重大片段。

探地雷达在地质勘探工作被凡是平等种植中之家伙,通过对雷达数据形成的各种

图的辨析,可以死有益于的检测、识别地下的目标。因此,为了重新好的发表探地

雷达于地质勘探工作被之优势,提高工作效率,一种植如现场的采访到之多少为

图像的花样展示出来、便于观测的探地雷达成像数据处理软件是必要的。

噪音在天地中是普遍存在的,在探地雷达信号接收和拍卖的各个阶段都可

会引入噪声,噪声对探地雷达探测数据的质量会有非常老的熏陶。因此当对接受

至之雷达回波信号剖面进行地质解释之前,必须以对信号实施适度的拍卖来领取

高数量质量,为越来越分解提供明晰的剖面图,尽可能的假设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征。它要由于结束

发天线件直接藕合波、地面反射波、地下介质不总是发的继向散射波、随机干

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

波分析能而在经常频域中对信号进行解析,具有活动转换焦功能,能立竿见影区分信号

蒙之突变部分以及噪音,从而实现信号的去噪。因此我们应用小波变换对探地回波

信号进行处理。

探地雷达信号处理的目的是抑制随机的跟规则的干扰波,以无限要命可能的分辨率来显示目标反射波,便于提取各种有效之参数,以便对探地回波坡面进行规范合理的地质解释。因此,最后咱们本着小波去噪后的探地雷达回波坡面进行了地质解释,以同栽间接但直观的点子来判定小波去噪的法力。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

老二回 压缩传感基本理论

 

风的信号获取和处理过程主要包括采样、压缩、传输和压缩四单部分, 如图 1
所示. 其采样过程要满足香农采样定理,
即采样频率不可知低于模拟信号频谱中高频率之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,
然后针对个别决值比较生的系数进行压缩编码, 舍弃零或相近于零之系数.
通过对数码进行削减, 舍弃了采样获得的绝大多数数目, 但不影响 感知效果[1].
例如, 在运数百万诸如从的数码相机对气象进行成像时,
将见面获海量的像素信息, 但通过压缩编码后,只针对有些信息进行仓储和传导,
最后通过相应的解压缩算法对原本图像进行再次构.如果信号本身是只是减掉的,那么是否足以一直获取其缩减表示
(即减少数量), 从而略去对大量无用信息的采样呢? Candes 在 2006
年从数学上印证了好于一些傅里叶变换系数精确重构原

 

希冀 1 传统的消息获取和拍卖流程

始信号,为减少传感奠定了申辩功底[2]. Candes 和 Donoho
在有关研究功底及为 2006 年正式提出了压缩传感的概念[1,3].
其核心思想是以滑坡和采样合并开展, 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[1].
压缩传感的长在于信号的影子测量数据量远远小于传统采样方法所获得之数据量,
突破了香农采样定理的瓶颈, 使得高分辨率信号的采访成为可能.

减少传感理论框架而图 2
所示.压缩传感理论主要不外乎信号的疏表示、编码测量与重构算法等三单方面[4].
信号的疏散表示虽是将信号投影到正交变换基时,
绝大部分变换系数的绝值大粗, 所获取的易向量是稀疏或近似稀疏的,
可以用其当原始信号的同种精简表达[5] ,这是减传感的先验条件,
即信号必须在某种变换下得以稀疏表示.
通常变换基可以依据信号本身的特点灵活选择,常用之来离散余弦变换基、快速傅里叶变换基、离散小波变换基[6]、

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

选择稳定的投影矩阵, 为了保信号的线性投影能够保持信号的原来结构,
投影矩阵必须满足约束等距性(Restricted isometry property, RIP)条件[11],

晚经过原始信号及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太

小 L0 范数的优化问题, 求解方法要出最为小 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.

 

贪图 2 压缩传感理论框架

是因为GPR回波信号的疏表示、编码测量与解码重构在回落传感理论被的根本,
本文第2段对那开展了介绍;
第1回是绪论;第3章介绍了赛分辨表层穿外露雷达(GPR)系统的软硬件设计;
第4章节进行了根据随机孔径CS算法的CS与GPR同反演;
第5节介绍探地雷达(GPR)成像数据处理下软件;
第6章节讨论了探地雷达(GPR)内外场随机孔径CS成像实验和结果分析;
第7节对减少传感领域的钻研前景展开总结与展望.

 

 

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只面。信号的疏表示虽是将信号投影到正交变换基时,绝大部分更换系数的绝对值好有些,所获得的更换向量是稀疏或近似稀疏的,可以用那看做原始信号的平栽简单表达,这是减传感的先验条件,即信号必须以某种变换下可以疏散表示[13]。通常变换基可以依据具体信号灵活选择,常用之发生离散余弦变换基、快速傅里叶变换基、离散小波变换基、Curvelet基、Gabor基同冗余字典等。在编码测量中,
首先选择稳定的投影矩阵, 为了保险信号的线性投影能够维持信号的原始结构,
投影矩阵必须满足约束等距性(Restricted isometry property, RIP)条件,
然后经过原始信号及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无比小 L0 范数的优化问题,求解方法主要发生极小
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信号的疏表示

   根据调和分析理论, 一个长为 N 的同等维离散时间信号
可以象征也同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 的相当表示。如图2所展示。如果
只出良少之大系数,则称信号 是可削减的; 如果 只来
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,当信号不可知就此刚刚交基稀疏表示常常,可以运用冗余字典稀疏代表。

.

 

希冀2 用基 进行稀疏表示

(2)   CS测量编码

以CS编码测量中,并无是一直测量稀疏信号 本身,而是以信号
投影到同组测量向量 =[θ12
…,θ …θM
]及,而获得测量值 。写成矩阵形式吗

=                (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,被称作是传矩阵。

是因为测量值维数M 远远小于信号维数N,
求解式(2)的迎问题是一个病态问题。所以无法直接从 的M个测量值备受消除出信号
。而由于式(3)中
是K稀疏的,有K个非零系数而且K<M<<N,那么用信号稀疏分解理论被已有些稀疏分解算法,可以经过求解式(3)的欢迎问题得到稀疏系数
,再替回式(1)进一步赢得信号 。 Candes
等人口于文献中指出,为了确保算法的收敛性,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,即对随意具有从严K稀疏
(可削减情况时)要求凡3K的矢量矩阵V,矩阵 都能够保证如下不等式成立

 

   (4)

仪式受 >0, RIP 准则的同一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
可能会见盖信号的两样而变更,因此期望找到对随意的疏基 都能满足与测量基
不相干。文献[]证了当 是高斯随机矩阵时,传感矩阵
能坐比充分概率满足约束等距性条件。因此好经增选一个分寸也M×N的高斯测量矩阵得到,其中各级一个价值都满足N(0,1/N)的单身正态分布。目前外周边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理论解码重构的着力, 是借助由于M 次测量向量 重构长度也 N
(M<<N) 的稀疏信号 的过程. Candes
等证了信号重构问题可以经过求解最小 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 中非零值的具备
 种排列可能, 因而一筹莫展请解. 鉴于此,
研究人员提出了同样多重求得次顶优解的算法, 主要概括无与伦比小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,建筑布局的成色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)是同一栽中的无损检测技术。研究解决制约我国GPR技术发展及采用之关键技术、开发面向实际应用的GPR系统对推进我国以此领域的技巧提高、产业化发展具有关键的意义。

高分辨表层穿外露雷达(GPR)是平种采取电磁波获取表层下电磁特性信息之计。它拥有穿透能力大,分辨率高等优点,还可以探测各种非金属表层下组织与对象。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到地表被,集中在有一个异常狭窄的大方向上形成波束,向前传播。电磁波遇到波束内之靶子后,将本着各个方向有反射,其中的相同有的电磁能量反射回雷达的趋势,被雷达天线获取。天线获取之能经过收发转换开关送至接收机,形成雷达的回波信号。由于在传诵过程遭到电磁波会就扩散距离与地表有危害介质而衰减,雷达回波信号很薄弱,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之音,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所展示

 

贪图3.1 GPR工作规律

 

即咱们国家GPR发展整体情况是硬件系统性能和海外活来阶段性差异;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,国内研发的系统核心没有下价值,尤其是于公路探测(定量)方面。通过解决高分辨率GPR系统实现、信号及数目处理中之关键技术,缩短我国于GPR系统技术以及祭研究方面和国外的差别,为GPR技术之产业化打下基础,因此研究有着自主文化产权的面向实际应用的GPR软硬件体系和数据处理软件是迟早,对于促进我国于探地雷达领域的技艺发展、产业化发展有所举足轻重之义。在探地雷达采用被,基于雷达成像技术的对象检测与识别是极致直白和卓有成效的,因此开发GPR数据处理解译成像的软件是也是坏有必要的。

 

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生点:

硬件系统规划带有的艺产生:波形优化的生功率冲激发射机;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

解译软件系统包含的功力来:直达波抑制技术;分层介质双站高分辨率成像(一般我们说的成像是恃目标的老二维和三维图像,不同让一维距像);低电磁对比度目标分类;地下深实时检测等。

 

3.2.1  硬件设计

 

   探地雷达GPR主要出于天线、发射机、接收机(包括信号处理机)和显示器等有组成。探地雷达主机我们采取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。天线定位装置和数目采集卡协调并工作.
天线为电阻加载与介质加载形式,通过天线定位装置可得空间二维扫描,
扫描精度< 1mm。扫描方式吗点测方式, 即:
在展开扫描前先确定好空中采样点,控制天线依次移动至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单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;前后主脉冲波形的振荡为: 3%到
-7%。高分辨表层穿透雷达GPR系统硬件结构使图3.1所著。

                                                                              
                             

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

图3.2 GPR硬件结构和主机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以TMS320C31DSP,

6个通道的数额上A/D处理器后本先抱先有(FIFO)排队进入TMS320C31DSP芯片进行拍卖,最后经压控信号产生电路、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所显示,时序控制就转换放大电路芯片如图3.4所出示。

 

 

 

 

 

 

 

 

图3.3 DSP原理图

 

祈求3.4经常先后控制就更换放大电路

 
  探地雷达GPR系统的天线设计直接是单可怜重要之片。天线为电阻加载与介质加载形式,我们独家计划了过宽带天线GPRA-1型天线和GPRA-2型天线(如图3.5所著),GPRA-1型天线尺寸为170×80×60
,主要为此来大精度分层成像检测,GPRA-2型天线尺寸也350×160×120
,主要用来深层目标探测识别。设计之天线又只是分为一犯片央天线和同等发大多收天线。一发片说尽天线主要用来层厚度估计,二维成像;一犯大多收天线主要为此来三维分层显示,横向目标一定识别,纵向成像等功效。超宽带GPRA-1型天线辐射特性如图3.6所著。

 

 

 

图 3.5 超宽带天线设计

 

图 3.6天线辐射特性

 

所计划到位后的车载GPR硬件系统如图3.7所显示。

图 3.7 radarEye硬件系统

 

3.2.2  信号处理及解译软件设计

   
csuGPR数据处理标准软件要意义包括:(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发出: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、自动搜索与计量回波、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)校准方法有: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所显示。csuGPR数据处理规范软件之效力详细规划以当第五章节具体说明。

 

图 3.8 csuGPR数据处理规范软件用户接口

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

季段 CS与GPR联合反演目标成像

 

  
 探地雷达(Ground
Penetrating Radar,
GPR)是一模一样栽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有的反射和散射实现非金属覆盖区域被目标的成像探测\[1,2\]。是现地下浅层目标非破坏性探测技术被最为具下前景及发展前途的章程有。GPR是否足以有效利用,不仅取决于硬件系统的属性,同时在探地雷达成像算法和特征提取算法等措施的得力。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、递归反往投影成像算法\[4,5\]、距离偏移(Range Migration,
RM)算法\[6\]、逆时偏移(Reverse Time Migration,
RTM)算法\[7\]跟规范后往投影(Standard Back Projection,
SBP)算法\[8\]顶通过标量波动方程建立目标散射场和目标函数之间的涉及随后对目标散射数据开展成像处理。为得到比较好之成像效果,以上算法要求雷达系统针对目标散射信号进行大密度采样以获取足够的成像数据。当探测区域比充分时,还需雷达系统于雅采样区域实施大孔径密度采样,这导致探地雷达系统采样数据量大、测量时累加。这些算法没有考虑地下非层状目标一般就占据探测区域很粗片这无异于先期检查知识。

调减传感(Compressed Sensing
CS)理论是守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\[9,10\]。该理论表明,当信号具有稀疏性或可压缩性时,通过收集少量之信号投影值就可实现信号的确切或接近重构。压缩传感技术的核心思想是将减和采样合并开展,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。压缩传感的助益在信号的阴影测量数据量远远小于传统采样方法所收获的数据量,突破了香农采样定理的瓶颈,
使得高分辨率信号的集成为可能\[10,12\]。压缩传感理论框架而图4.1所著\[14\]

                   
     图4.1削减传感理论框架

正文为缩减传感为辩解基础,利用探地雷达采用中感谢兴趣目标区域有所稀疏特性的先验知识,利用任意孔径CS理论测量GPR信号,进行了CS与GPR的同步反演。并讨论了噪声和测量矩阵对算法性能的震慑。

 

4.1减传感基本理论

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,绝大部分转换系数的断值大粗,所收获的转移向量是稀疏或近似稀疏的,可以拿该作原始信号的平种简单表达,这是减传感的先验条件,即信号必须于某种变换下得以疏散表示。通常变换基可以根据实际信号灵活选择,常用的产生离散余弦变换基、快速傅里叶变换基、离散小波变换基、Curvelet基、Gabor基同冗余字典等。在编码测量中,首先选择稳定之投影矩阵,
为了保信号的线性投影能够保障信号的故结构,投影矩阵必须满足约束等距性(Restricted isometry property,
RIP)条件,然后经原始信号及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太小 L0
范数的优化问题,求解方法要有尽小
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好代表为同一组正式正交基的线性组合

 或=      (1)

 

其中,=[1|||i||N]i也列向量,N×1维的列向量是的加权系数序列,i=〈,i〉=i
T。是信号的顶表示。如图1.2所出示。如果只来深少的大系数,则称信号是可减的;如果就发生
K<<N个元素呢非零系数,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经常,可以使冗余字典稀疏表示。

图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

在CS编码测量中,并无是直测量稀疏信号本身,而是以信号投影至平组测量向量=[θ12
…,θ …θM
]直达,而取得测量值。写成矩阵形式呢

=   
            (2)

庆典受: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:=大凡M×N矩阵,被誉为是传矩阵。标准采样和CS信号采样模型如果图3所出示。

是因为测量值维数M远远小于信号维数N, 求解式(2)的欢迎问题是一个病态问题。所以无法直接由之M个测量值备受祛出信号。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,可以通过求解式(3)的欢迎问题取得稀疏系数,再替回式(1)进一步赢得信号。
Candes 等丁于文献中指出,为了确保算法的收敛性,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,即对随意具有从严K稀疏 (可削减情况常常)要求凡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准则的相同种等价的情是测量矩阵和疏散矩阵满足不相关性的渴求。实际测量中稀疏基可能会见盖信号的例外而变更,因此期望找到对随意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,传感矩阵能坐比充分概率满足约束等距性条件。因此好经选择一个轻重缓急也M×N的高斯测量矩阵得到,其中各级一个价值都满足N(0,1/N)的单身正态分布。目前其余大规模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理论解码重构的中坚,是赖由于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具备 种排列可能,因而无法要解. 鉴于此,研究人口提出了一样多级求得次最好优解的算法, 主要包括无与伦比小L1范数法、匹配追踪(Matching
Pursuit,MP)系列算法(如OMP、ROMP、CoSaMP)、迭代阈值法以及专门处理二维图像问题的极致小全变分法等.

 

4.2 CS与GPR的并反演区域目标成像

4.2.1
建立目标反演空间。

第一建立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单、Z轴(0-2)内生成50只点目标,收发天线间距2cm。

说不上是设置感兴趣目标成像区域的设定。主要是横向和就为扫描区间和扫描间隔的题材,本仿真分别于X矢量方向扫描区间(-0.8 ~0.8)内生成20只点、Z矢量方向(0.2-1.8)扫描区间内变化20单点目标。设空气中之光速为,媒质介电常数设置为16。

最后设置法的对象。本仿真实验装置三只点目标分别居点(Z,X)={(15,10),(13,8),(13,12)}处,此三远在碰目标价分别吗0.5,0.25,0.25。目标价大于0则代表针对许之处起对象,值更老表示目标更进一步怪成像时亮度越显得,目标越来越显。目标值为0表示对应此处无对象。建立之展示如果图4.4所显示。

 

希冀4.4靶反演空间  图4.5试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对象参数的合反演实验\[13,15,16\]

GPR以频繁电磁波(-Hz),以宽频带短脉冲形式由地方发出天线定向送入地下,遇到和周围介质电阻抗起距离的地层或目标体时,部分能量让反射回地面,被收取天线接收,根据回波信号来探测地下情况,其测试原理如图4.5所著。脉冲波的路程时呢 (为反射体的纵深,为发射天线和接纳天线之间的去,为波速)。当地下介质的波速V已解时,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在剖面探测中凡定点的,V(m/ns)以用宽角方式直接测量,也可依据近似算出。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伪目标对准回波信号的延时和衰减作用,孔径i处的接纳信号可代表也:

   (5)

  
为表示测量孔径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;为信号衰减和传颂损耗的衰减因子。            

 GPR合成孔径成像目标区域也离散的半空中位置信息,通过离散化产生同样多级有限的触及目标集合:={},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否目标的系数向量,b中之素取布尔量,0代表对许区域无论对象,非0时代表对承诺区域有对象。接收端可以经吃之素与=1计算公式(5)来获取接收信号。可以通过公式计算得到,我们的目标是经图像的靶子上空表示再构b。衰减因子包含在b中假如是大惑不解的,一旦掌握,就足以看成实验的先验知识。而一般经过实验抑或先验知识量得。在第i个孔径处的第j列接收信号对应目标。GPR数据字典的构造如图4.6所著。数据字典的第j列由一化处理后第n单目标值可以写成:

    (6)

=+(0≦n≦-1),是收取的时域信号的脉冲能量值,为采样频率,为接受信号初始化时间,为初始采样数量。向量的第n单重也,因此每列都是独的范数和衰减因子无关,只和传播时相关。当在第i单孔径扫描时GPR对着每个可能的对象点往往起大小为×的数量字典。接收的信号好表达成多独对象的回波数据整合数据字典列的线性组合:

         

                    =b        (7)

当b面临蕴藏目标时,b中第j列值非0,系数也否则b系数为0。

试仿真时当每个扫描孔径点上,对成像区域400×256蒙的所有点进行遍历,获得一个记录坡面,作为GPR数据字典如图4.7所出示。

祈求4.7 GPR数据字典生成                 图4.8 GPR信号的即兴采样

 

(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,列向量表示也:

=
(8)

 表示采样频率,为接受信号初始化时间,表示接到信号采样点往往,为兑现对私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收信号(i=1,2,…,256)。而我辈采样随机孔径CS方法在收到信号采样时冲CS理论只有待在相同密密麻麻基向量(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单孔径中擅自抽取少量孔径进行测量,就可以以小量之孔径测量次数(20)和于少的测量数据(10)重构目标上空图像的足信息量。CS数据获得过程可代表

 

                          (9)

 为随意孔径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)

,,

得到由任意孔径i处M=个随机向量数据标准重构目标上空系数向量,将享有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信号在闹噪音情况下如,在第i单孔径位置压缩传感测量值就是改成了

 (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,就好落,我们通过=约束向量范数,为了稳定地重构稀疏系数向量b,[17-20]经求解不严加的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不过优化线性重构目标上空图像,在公式(10),(12),(13)中之顶优化问题都是最最小凸优化函数,因此可以保证最好优解。实验通过应用一个l1magic凸优化工具确保\[16\]求解以上方程式。目前非考虑交叉验证(CV),因为以伪过程中,噪声的参数可以预知的,当到确实的实测数据成像处理常,我们重新考虑最优化参数、的选择问题。

 

(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随机采样的矩阵。我们使用三种类型的肆意测量矩阵。第一种植起均值为0,方差为1之任性矩阵;第二栽出随机大成0,1等概率随机矩阵;第三种于20×20单位矩阵中随机抽取10实行作为测量矩阵,即将GPR回波信号进行自由抽取10单如图4.8所展示。

靶上空GPR发射信号的散射强度值如果下图4.9所著。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任性采样数据,利用l1magic凸优化工具包求解方程(12),并拿结果累加,通过动用20个随机孔径的20×10单随机测量数据恢复目标向量,得到的靶子上空图像而图4.11所出示。

以比较成像效果,我们还分别下了最小二乘法和递归反朝投影RBP(Recursive Back
Projection)成像算法采样图7蒙受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。

递归反往投影算法首先计算出孔径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 ,再将富有孔径中针对许同等延时的回波幅度值叠加,利用所有400×256单数据恢复目标向量。递归反朝投影算法的成像结果使图11所出示。最小二乘法利用25单孔径中之10只随机测量数据,通过请解方程式(9),得=,并拿享有孔径处计算得之b值累加,恢复目标向量。从图9,10,11足视,相比最小二就法求解方法与标准反向投影方法,随机孔径CS方法才用打400个孔径中获20单随机孔径的回波数据,在每道回波256独数据只有获得10独落实对伪目标成像。由于充分利用了成像目标上空组织的疏散信息及运用(12)求解凸优化问题,随机孔径CS方法以少量底测量数据就抱了较用所有测量数据的递归反为投影算法和最小二乘法有更好的聚焦职能与比逊色的旁瓣干扰,成像效果还好。

 

4.3
噪声和测量矩阵对算法性能的震慑

 

否定量分析接收信号中的噪音大小以及满足不与分布的随机测量矩阵对自由孔径CS算法的震慑,这里定义

  (14)

代表重建目标上空图像及真正目标上空图像里的成像误差,()表示求解 l2-范数。

希冀4.14
给来之凡试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成像算法和落不同数额任意测量值的即兴孔径CS算法(10单随机孔径)的成像误差对比。从图中得望,在低信噪比和测量数据M很少时,递归BP投影方法由于应用具有孔径和采样点数量,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,而且趁机信噪比的精益求精,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强烈扭转。

希冀4.15分级叫闹满足均匀分布、贝努利分布与高斯分布的3类随机测量矩阵在空时响应数据信噪比SNR为 8.6
dB,仅自各孔径采样数据中随机抽取10个底格下,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之增加,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增加及40横,CS算法的成像误差趋于稳定。并且动满足不与分布之任性测量矩阵时,随机孔径CS算法的成像误差的显现基本一致。

 

4.4
小结

减传感理论通过任意测量利用少量采样数据好生好地重建稀疏目标信号,在信号分析和重建领域产生要研究价值。本文进行了CS与GPR同反演,GPR成像法在单道数据采样中以CS理论极大地减少采样数据的以,在
x-y测量平面及自由抽取部分孔径位置展开测量,以为数不多之孔径测量次数与测量数据获得重建目标上空图像的足够信息。由于充分利用了目标上空的疏结构信息,随机孔径CS成像算法能在动用少量测量孔径和数据的极下相比利用有孔径采样点信息之递归反为投影RBP算法和最小二乘法的成像效果更好、目标旁瓣更小、对噪声的鲁棒性更好。

希冀4.14
噪声对成像性能的影响                图4.15测量矩阵对成像性能的震慑

 

 

 

 

                                      

 

第五节 探地雷达(GPR)成像数据处理软件

 

随着电脑技术的飞速发展,计算机早己超越了单一的算计功能。在挨家挨户研究世界,计算机都在表达在巨大的效应。为了重新好的表达探地雷达在地质勘探工作着之优势,提高工作效率,一栽要现场实地采访到的数目为图像的款型展示出来、便于观测的探地雷达成像软件是必需的。

探地雷达是运频繁电磁波以宽频带窄脉冲的款型,通过天线中的发射器将信号传入地下,波在伪传播过程被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,另一样有能量会继续穿透界面进入下一致层介质,各界面反射电磁波由天线中之接收器接收,再使用采样技术将那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,便会了解及地下各层结构的特性信息。

此时此刻海外的很多商业软件公司,研究部门都开出了重重探地雷达成像软件,同时,在软件之升官跟全上投入大量的人工及财力。在本国,很少生商业软件公司于召开就方面的工作,国内也杀少具有独立知识产权的GPR数据解译软件,并且个技术指标都无克满足使用得,所以开有独立知识产权的GPR数据处理解译软件及其显得急迫而重要,为之,我们筹了探地雷达回波信号成像数据处理标准软件csuGPR。

csuGPR数据处理标准软件依托国防科技大学电子科学暨工程学院研制的过人分辨表层穿透雷达系统RadarEye,是一致迟迟自主研发的探地雷达数据解译软件,并且并了流行的削减传感(CS)数据收集成像技术.该软件功能齐全,能基本实现GPR数据处理的相干操作。

csuGPR数据处理软件主要成效包括:(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发出: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、自动寻找与计量回波、一维滤波、二维滤波、去背景噪声、减对空信号等;(3)图像展示设置有: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软件要完成了针对性探地雷达回波信号处理与解译的作用。提供了A-scan、B-scan、C-scan三栽多少收集扫描方式。A-scan数据一般显示也同一维时间波形图,如图5.1
(a)所示。B-scan数据貌似为二维剖面图像展示,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,按测量位置要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。如果以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步,则多变灰度堆积图,
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幅度值。如果盖不同之水彩来表示不同的信号幅度值,将各道回波平行排列,则只是形成彩色堆积图,如图5.1
(d)所示。图备受右的五颜六色条标注出不同颜色所表示的宽度值。C-scan数据貌似用三维图像显示。将大半个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间隔,C-scan图像以立体措施展示有平区域外之围观数据,直观地反馈产生扫描数据与测量位置的呼应关系。如果B-scan剖面图下波形堆积图,则构成三维的C-scan波形堆积图;如果下灰度堆积图,则构成C-scan灰度堆积图;如果采取彩色堆积图,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软件之重要功用发生:(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工具有: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、自动寻找和计算回波、一维滤波、二维滤波、去背景噪声、减对空信号等;(3)图像展示设置有: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软件编程的家伙是Windows下的Microsoft
Visual Studio 2005MFC+BCGControlBar。

 

5.1 探地雷达GPR多少的数据结构

 

 
  要要探地雷达数据以图像的花样展示,首先使开拓并读取所测得的探地雷达

数码,为之必须了解该数据文件的数目的组织。我们利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赛分辨表层穿透雷达系统RadarEye。工控机控制雷达主机、天线定位装置及数量采集卡协调联合工作,天线为电阻加载与介质加载形式。其保存之测数据是盖*.rde格式存储的。要读取一个探地雷达数据,最根本的凡规定数据的排方式。我们本着*.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植类型的数据文件RadarEye Raw Files
(*.rde)、Target Raw Files (*.drt)、Road Raw Files (*.dzr)、SIR Raw
Files
(*.DZT),由于每种文件之储备方式都不等同,因此计划了不同之打开方式。当选择了开拓的文件类型和文书确定后弹出文件参数对话框,设定参数确定后拿相应的数目读入指定的内存中,同时A-scan窗口用出示的多寡为读入相应的内存中。


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(每个扫描点的首先单采样点带有标记,即第16个为1,应除去这些采样数据的标志位,因为实在多少只有出12各类,所以管小12各项取出即可,且第12各也1时时,实际数据是负数,应以那缩减4096);数据零偏zero_shift (2048);剖面的道数rh_slice组成。位置偏移就是于文本头起有些字节处开始满怀多少。前面空的空中,一部分凡头文件信息,还有一些是预留空间,然后就是多少存储了。数据零偏就是于原文件中读取数据后,减去该零偏值,再除为一个固定值,结果才是真正的GPR散射数据。所除之异常固定值一般就是是2底n次方,n为数据位数。在旧数据中4096字节届65536字节是拖欠的。这吗记录后数处理的情节留下空间,而保证数据格式的一致性。

各级一样鸣记录的尺寸和采样数之动态范围关于。采样数及动态范围是由于开始测量前的参数设置决定的,在设置时采样数sample_points可选取128、256、512、1024、2048遭遇的一个。测量了后数的条文件会记录设置时之多少。动态范围可选8或16。如动态范围在参数选择时选8,则在记录被每个测量值是出于1独字节记录,如动态范围以参数选择时选择16(软件默认设置),则于笔录中每个测量值是由2个字节记录。这样各个一样志之笔录长度可用在记录在峰文件中之每道的采样数就以1要2(由动态范围控制)而获得。

 探地雷达的数据是同等鸣一样鸣进行排的,记录之道数是由野外的莫过于工作决定,这个参数是在测量工作完毕之后仪器自动存入头文件中之,所以在念数据常常不过径直打记录文件头中得到。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之轻重以及所求的分辨率。道数几百道、几千鸣都发出或。点数一般式512,1024,2048。探测区域很,采样道数就大多一些。如果是本着铁轨探测,可能同不善采访要六七千道。纵向的年月采样一般就是是2048碰中。

再有蛮重大的少数凡,每一样鸣记录之卓绝开始的一定量个数据,不是记录实测值,

而是用来开标记的。在数字滤波等经过遭到最好做归零甩卖比较便利,不然的话会

招大特别之疆界效应。

  

5.2 探地雷达数据处理软件csuGPR主要成效实现

 

5.2.1 用户界面的落实

当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,美观、

从简、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

的落实我们循了以下几长达准:

顺应用户之要—应用程序的意图是以用户会履行一定的任务,所以它们该顺应用户之盼望。

保界面简单而鲜明—界面应该以显著的法供其意义,并且由界面的一个有及其它一个有应该十分简单,简单而鲜明的界面不见面散开用户指向重点任

的注意。

假设界面直观并易使—尝试要用户自己领会到什么样履行一个职责界面不是失去教会她们。

保障界面的祥和—给用户提供一个协调之界面,这样有助于用户在那个缺乏的时外即好实际地行使。

吃用户提供报告—提供给用户之报告会帮助用户建立信心,消除他针对性所做工作的疑虑。例如一个按钮,当她于单击时看起便比如于据下去一样。

从而好爱懂的艺术提示用户错误—通常的做法是深受用户展示一个信息框,用以指出错误与避免不当的办法。

用标志,图像及颜色—使界面更有意思又重便于浏览,符号界面允许界快速导航,在符号旁提供描述文本。

利用具有的输入设备—不同的用户做事的方式以及爱不同。界面应能响应点击输入(如鼠标)和键盘输入。另外,应随一些广泛的惯。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—有时用户会得帮助,这时提供部分行之文档。

软件之主窗体用户界面如下图5.2所显示。

希冀5.2主窗口界面

 

5.2.2诈地雷达数据因图表方式示的实现

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所著。

      

贪图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所出示。

 

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

•        
子介质双立高分辨力成像

•        
赛分辨层厚估计

•        
地下好实时检测

•        
低电磁对比度目标分类

RFI抑制

依据估计-相消,利用RFI的特征进行RFI抑制。

上波抑制

 

 

打适应等消法去除直达波

高分辨成像

根据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

大检测

精益求精之Hough变换方法进行ROI提取

低电磁对比度目标分类

 

 

依据回波相位的差不多目标分类流程

 

解译软件

 

数据处理流程图

模块的多寡来皆为原本数据,在相同显示界面内进行数量处理。

算法设计

 

到底法类和与算法对应之接口类

卓越用例图

 

信号预处理功能

•          滤波

•          RFI 抑制

•          去背景噪声

•          去直达波

•          校准

•          运动上

 

 

 

解译、检测及成像

•          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

也开展精密成像,减多少收发天线之间的直耦波

Scouple( t)
和沙坑表面的反光波 Sref
( t )对目标信号

Sobj( t
)的震慑,测试前如果事先对 Scoup le( t )和 Sref ( t )进行

静态测试.每个采样点采访到之多少都要参照 Scou ple

( t
)和 S ref( t
)进行实时预处理[10]

.
沙坑中之波速和触电

导率可以透过就解深度的大金属板回波的时延和增幅

得到[11]

.
两完完全全
(8mm钢筋水平距离 20cm,
埋于沙坑

40cm
深处.空间采样点数也 40暨 100常常的原始记录剖

迎、实时预处理结果和递归 BP成像结果一旦图 5所示.

由于图 5可见,随着空间采样点数的增多, 目标雷

高达图像的聚焦职能变好,成像精度变高.在成像过程

受到,递归
BP算法一直还能够针对先行处理后底记录剖面进

行实时成像处理.在 P4 1
[1]6GHz, 256M 内存的兼容机

直达,L=
180不时获得成像结果但所以了

  1. 82s, 这全然而

因为满足 ImpSPR的实时应用.当 ImpSPR用于区域普查

抑或其他不待细成像的场所经常,成像区域之上空采样点数

M) N
还可适合的减少,递归 BP算法的耗时用还少.

 

 

 

 

 

 

 

 

 

 

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内场实验系统也根基,对实测数据开展了先行处理与成像处理。试验场所也平长方形水泥池,尺寸为L×W×H=175×185×85cm3
(L、W、H分别代表长度、宽度和深),进行了防潮防水处理,里面填入统匀细沙,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、天线定位装置及数据采集卡协调联合工作。将不同的对象埋于沙坑中后即使得控制天线进行扫描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。我们尝试的对象发出钢筋、PVC管、矿泉水瓶。测试设施以国防科技大学电子科学跟工程学院研制的胜分辨表层穿透雷达系统一RadarEye。天线悬挂在滑板上,滑板可每当皮带轮的拉动下左右动,滑板以及顽皮带轮所于的横板又足以以左右简单久丝杠的控制下前后移动。通过强精度定位装置的支配,两个样子的动误差都可以控制以lmm以内。RadarEye扫描场景如图6.1所著:

图6.1 RadarEye扫描场景

图中示出了RadarEye对沙坑中连排排列的鲜清铁管的探测情况。铁管水平居沙坑一定深度处,先用卷尺对那距离进行测量,然后用砂石将该为住并平整沙坑表面还进行测量。发射信号也同样双绝脉冲,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

 

也充分辐射能量和收回波信号,专门研制了适用于这种信号制式的超宽带天线,天线设计吧离散指数电阻加载形式的单偶极子天线[32,80,149,154],通过在偶然极子上开展联谊总电阻加载,可有效地清除天线末端处有的照。该天线还富有较富裕的带富和比好的保形性,向下辐射线极化波。因此对非法目标进行围观时,需先确定好天线的趋向和围观方向。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要维持天线的极化方向以及对象的样子一致。如果天线的极化方向正好与对象其可行性垂直,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,则只要分点儿浅扫描,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所著:

 

      (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

于图(b)中可见见,沙坑根的照清晰可见。同时由天线的富波束特性,沙坑表面各棱边的散射波在可比丰富的合成孔径长度内设有并形成于生的扰乱。为除去沙坑本身的散射回波对成像结果的影响,可使时空对齐相减的法门实现背景对消。在进展成像处理时,还需要自己知沙坑中电磁波的流传速度。为这,可预先以沙坑中盖入一块铁板,记深度为h,再当铁板正上方展开探测,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
,则沙坑中电磁波的扩散速度只是由此公式
计算得到。探测时,天线不能够离开沙坑外部最强。采用这种艺术测得的波速为17.357cm/ns,对应之干沙的对立介电常数为2.9873,这无异频值多少小于沙子的榜首相对介电常数(
)。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砂石颗粒数量减少了,因此相对介电常数会于平均值而低有。当原始扫描数据与媒质中波速都本人知后,就好采取擅自孔径CS成像算法进行成像处理。下面对多只实测数据进行成像实验。

6.1.2 使用实测数据进行自由孔径CS二维以及三维成像试验

 (1)
一彻底埋入沙中长lm的φ8细钢筋,埋好50cm,时窗为12ns,进行随机孔径采样(20)。原始数据和人身自由孔径CS成如结果呈现图6.4。

 

图6.4平彻底埋入沙中之φ8细钢筋原始数据及成像结果

 

  (2)两清φ8,长lm的有心人钢筋并清除埋于沙坑中,埋好50cm,横向和纵向间距均为6cm。时窗为12ns,进行任意孔径采样(20)。原始数据和人身自由孔径CS成如结果呈现图6.5。

 

图6.5 两彻底埋入沙中并排放置的φ8钢筋原始数据及成像结果

  (3)
两完完全全φ8钢筋上下放置,一绝望在其他一样彻底正上方,埋深分别吗27cm同32cm,两者深度不同也5cm,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(20)。原始数据及自由孔径CS成如结果表现图6.6。

希冀6.6 两到底埋入沙中上下放置的φ8钢筋原始数据和成像结果

   
当半到底钢筋垂直放置时,遮挡效应比较强烈。记上下两根本钢筋分别吗钢筋A与B,由于彼此间距很粗,因此钢筋B的散射信号要于钢筋A弱很多。当彼此上下间距增大时,考虑到天线的丰饶波束特性,这种遮挡效应应相对要多少几。从成像结果看有互偶现象,这实则是出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,进行自由孔径采样(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肆意孔径三维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,进行随机孔径采样(40)。原始数据与自由孔径三维CS成如结果表现图6.8。

 

 

祈求6.8 V型实心棒原始数据与自由孔径三维CS成如结果

(6)
一个伪装满水的矿泉水瓶(直径5.6cm),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)。实时状况以及人身自由孔径三维CS成如结果呈现图6.9。

 

希冀6.9诈满水的矿泉水瓶的实时状况以及肆意孔径三维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

贪图6.10破绽百出图近端为水泥路面,远端为待铺的沥青路面,右图也正铺的沥青路面,基层由达到顶下啊4%水泥砾石底基层和6%水泥砾石基层,分别吗20cm

沥青层由臻顶下啊小中细致三重合,分别吗4cm,5cm和6cm。

在水泥路面被盖设的φ8钢筋网,左边网格为10×10cm2,右边为20×20cm2

如图6.10 所出示,用来进行钢筋网成像试验。

希冀6.10 钢筋网成像试验场景搭建

祈求6.11呢在沥青路面下埋设的破裂、空洞和泥团,用来进展试验路面检测

图6.11 路面检测试验环境搭建

 

6.2.2 钢筋网扫描以及成像

贪图6.12钢筋网扫描和成像结果

祈求6.13稀疏钢筋网的轻易孔径三维CS成如结果

 

图6.14密钢筋网的人身自由孔径三维CS成像实验

 

6.2.3 路面非常检测实验

 

贪图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测试结果跟钻孔数据比较

高分辨层厚度估计

RadarEye测试结果以及钻孔数据比较

 

 

RFI 频谱(10-2500MHz)

空间滤波器处理前后B-Scan 扫描钢筋的概况

原来数据与ROI抽取结果

差不多交汇追踪

PVC 管和钢筋的稳

 

 

 

 

公路检测场景

 

阵列天线的体系并

 

 

 

 

 

 

 

 

第七章节 总结及展望

 

减传感理论的提出极大地抬高了信号获取理论,
并为其它连锁领域的研讨提供了初技巧及新思路, 研究前景广阔.
然而眼前裁减传感理论还非是老圆满,相应的使用研究吗刚起步,
尚有较多问题要以未来研究着获取突破:

 

1) 测量矩阵构造研究

以调减传感中, 测量矩阵需要满足约束等距性(RIP)条件,
目前所采用的测矩阵大多为非确定性测量矩阵, 即随机矩阵. 例如当 RICE
大学单像素相机研制中,采用的就算是较为简单的 0-1 伪随机矩阵.
但是更扑朔迷离的非确定性测量矩阵在硬件实现上比较复杂,
虽然它们以伪试验被能够获取非常好之机能, 但是难以硬件实现,
因此有必不可少对明明测量矩阵展开深入研究. 此外,
压缩传感技术建立在非自适应线性测量基础之上, 不负有灵活性,
因而生必要研究于适应压缩传感技术,
即根据不同的信号类型应用不同之数目采样和重构策略.

 

2) 测量矩阵的优化问题

以第 1 节受提到, 当图像不克在正交基上稀疏表示常常,
可以用那扩张至冗余字典上开展疏散表示.例如对于有同类的图像,
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.
然而以减小传感技术被,
利用冗余的字典代替标准正交基虽然可再好地重构图像,
但由于在相应传感矩阵中会现出较多系列,
这些相关列对于图像重构没有其他价值, 增加了算法的存储和计算的本金, 因此,
如何平衡冗余字典的冗余度与传播矩阵中互关列的数目,
即找到最好帅的冗余字典及其相应的传矩阵是值得研究的.

 

 3) 测量值的运用研究

很多图像处理的最终目的并无是重构图像, 而是为了博有关目标的信息.
由压缩传感理论能,在自然条件下,
通过少量底测值就是可以准确重构出原本图像,
也就是说少数之测量值能够保障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,
信息密度高, 可以大大减少相关算法的时跟储存代价.

 

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帧低分辨率图像来或者构建高分辨率图像的历程,
本质上属于维数增加的题目, 具有无适定性. 在削减传感中,
从测量值到原信号为是一个于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赛分辨图像的构造与大部分音,
因此借鉴压缩传感的系思想贯彻新型的超分辨率图像重构算法也是值得研究的.
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) 下的测值,
则超分辨图像重构问题便换为何以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移动目标提取是计算机视觉领域的一个主干问题,
广泛应用在视频监控、视频分析、视频查找、基于移动信息的位置辨别等地方.
当把背景看成不变量时, 运动的靶子可以更进一步稀疏地表示,
符合压缩传感理论对信号的稀疏性要求. 因此, 如何在裁减传感框架内,
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研讨方向.

 

6) 实时压缩传感成像系统研制

相对于压缩传感的争鸣研究进展, 其硬件实现还地处启动阶段.
目前都取得成功的例子主要有美国 RICE 大学研制的 \单像素” 数码相机,
ARI-ZONA 大学 Baheti 和 Neifeld 设计之所有一定功能的结构成像设备, 以及
DUCK 大学研制的单景光谱成像装置[61].
然而由于减少重构算法的计算量比较坏, 难以达到实时性要求,
因此实时强性能压缩传感成像系统是鹏程第一之研讨方向.除了构建大分辨成像系统,
压缩传感还可下为音频采集设备、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、超声图像和数字减影血管造影技术等诸多方面.

 

                          致    谢

 

 

除此以外还特别而感谢中南大学网络评审系统工程研究所参谋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其余导师及师兄们。在是团结奋进的国有,谢谢你们的辅和支持,使我找到实现人生价值的戏台。给予了自我发展的动力。

 

 

 

 

 

 

 

 

 

 

 

 

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.遥感新技巧之多开展及其应用.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艺面临的挑战以及对策.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.探地雷达方法与应用.北京:地质出版社,1994

[46] 粟毅,黄春琳,雷文太.探地雷达理论以及应用.北京: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.论探地雷达现状及发展.
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使用中之进展.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. 频率步向前探地雷达及其于地雷探测中的应用.
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,吕锡于.一种无载波脉冲探地雷达技术之提高同应用.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.电子了为,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):74一致76

[70] 苗萌.脉冲压缩探地雷达.电子工程信息,1995,(5):18平等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和分析.煤炭学报,2002,27(2):123-127

[88]李大洪.地质雷达的施用现状与发展前景.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及应用.地质和勘探,2002,38(5):63-66

[91]周杨,冷元宝,赵圣立.路用探地雷达的施用技术研究进展.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直达波抑制.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.冲激雷达接收中的任性射频干扰压制方法.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.遗传算法和多重网格在两步线性反演中之应用.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.电子及信学报,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.电子和信息学报,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往投影成像算法.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].雷达科学和技术。2005,8:207-211.

[4]
粟毅,黄春琳,雷文太.探地雷达理论和应用[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为投影成像算法[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。压缩感知理论以探地雷达三维成像被的用[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

 

Post Author: admin

发表评论

电子邮件地址不会被公开。 必填项已用*标注