基于遗传算法的探地雷达层状介质参数反演算法

探地雷达因其无损性与高效性,逐渐成为道路检测、地下勘探等领域的有效探测手段,而探地雷达的传统厚度反演算法存在无法有效检测分层介质厚度、相对介电常数等参数的问题,具有较大的多层介质参数反演误差。因此,本文提出了一种基于遗传算法的层状介质参数反演算法。算法从时域角度出发,结合共中心点方法,设计了基于遗传算法的优化模型,反演地下层状介质结构的参数信息。通过实验仿真,本文所提方法可以应用于地下多层介质,较为准确的反演出层状介质参数信息。      

基于时空神经网络的探地雷达层状介质参数反演北大核心CSCD

探地雷达(GPR)凭借其无损、高效、准确等优势已被广泛应用于道路检测、市政及环境工程等领域。GPR数据反演是获取地下层状介质参数的一种有效手段,但传统基于模型驱动的GPR反演存在线性反演精度不足,非线性反演求解难度大、时效性差等问题,无法满足现有工程勘探需求。近年来,基于深度学习的数据驱动反问题求解算法得到飞速发展,为GPR层状介质参数反演提供了一种新的思路。考虑到GPR传播的时空特性,文中提出一种基于时空神经网络的层状介质参数反演方法。首先,利用随机模拟算法生成大量一维介质参数模型,并结合有限差分算法计算得到对应GPR数据,构建出神经网络训练所需的输入/输出数据对;然后,设计合适的层状介质参数反演网络模型,并利用构建的训练数据对训练神经网络模型,得到GPR数据与地下介质参数之间映射关系的网络参数;最后,利用训练好的神经网络模型对不同层状介质模型进行反演测试,验证了所提方法的有效性和准确性。     

基于改进粒子群优化的探地雷达波形反演算法

探地雷达工作的最终目的是反演解释地下结构参数,由于大多数反演问题是非线性的,研究非线性的反演方法具有重要意义。该文提出基于改进粒子群优化方法的探地雷达反演问题,该算法以信号均方误差为目标函数,用时域有限差分方法作为正演工具。通过与基于遗传算法等反演方法的结果对比,说明了该算法兼顾了准确性和简便性;通过对模型复杂、参数多、信噪比差的仿真数据的反演结果,说明了该算法对多参数反演的有效性和良好的抗噪性;对实测数据的反演结果,进一步验证了该算法的可行性。     

基于反射信号时域重构的探地雷达超薄层状介质参数反演方法

探地雷达实际应用场景中介质表面往往存在着其他覆盖物,将会严重影响实际探测效果,如冬季路面表面的冰层、沥青铺路时防止沥青混合物粘在滚筒表面而喷出的水汽层等,且这些覆盖层的厚度较薄,通常小于探地雷达可分辨的最小厚度。因此,本文提出了一种基于反射信号时域重构的层状介质参数反演方法,利用广义反射系数建立雷达发射回波的时域模型,再通过遗传算法对模型的代价函数进行优化进而反演出覆盖物薄层的参数。最后,通过时域差分工具gprMax仿真软件模拟沥青混凝土实施铺路场景,对所提算法的有效性和准确性进行验证分析。      

基于探地雷达频谱反演法的薄层识别技术研究

衡量探地雷达对薄层的识别能力通常有两个指标:最小可识别层厚和反射系数的识别精度。该文提出的频谱反演法,通过对电磁波在多层介质中频谱传输函数的推导,得出回波频谱的正演计算模型,然后采用阻尼最小二乘法进行二参数反演。通过实验,证实了这种方法能够对层厚小于八分之一波长的薄层进行层厚和反射系数的有效识别。     

脉冲压缩探地雷达

本文给出了一种可有效地对考古学物体进行成象的新型脉冲压缩探地雷达。雷达采用具有高探测性和高分辨率的性调频脉中信号。     

基于反射信号时域重构的探地雷达超薄层状介质参数反演方法

作为一种无损探测工具,探地雷达已广泛应用于各种场景,但从探地雷达B扫描图像中自动提取信息仍然具有挑战性。本文提出了一种从探地雷达B扫描图像中自动识别和拟合双曲线的鲁棒集成模型。首先,实现了由均值对消、基于梯度的自适应阈值算法和开闭操作组成的图像预处理方法,其中,均值对消抑制杂波和噪声,基于梯度的自适应阈值算法可以将B扫描图像转换为二值图像,然后通过开闭操作去除离散的噪声点;接下来,通过下开口扫描聚类算法识别具有向下开口的点集;之后,利用基于代数距离的双曲线拟合算法对这些点集进行直接拟合;最后,根据这些点集的拟合结果,基于拟合误差的剔除方法去除不具有完全双曲特征的下开口点集,从而实现B扫描图像中所有双曲点集的识别和拟合。由上述方法组成的集成模型能够自动、稳健地从探地雷达B扫描图像中提取信息。在合成数据集和实测数据集上的实验表明了所提出模型方法的有效性。