浅地层探地雷达自动目标检测与定位研究

该文提出了一种基于图像熵变化及窗口能量检测的探地雷达自动目标检测与定位方法,该方法首先通过探地雷达未经合成孔径处理的图像与经合成孔径处理后的图像之间的熵变化来检测目标,再通过在合成孔径图像中进行窗口能量检测来判断目标所在的位置。通过对实测数据的处理,结果表明该方法取得了较好的效果。     

实现浅地层探地雷达快速合成孔径成像的一种有效方法

通过分析浅地层探地雷达回波数据的特点,提出通过基于回波数据的方差与A scan能量的特征来确定目标回波数据在整个回波数据中的分布区域,并只用该区域数据参与探地雷达合成孔径成像运算,从而排除非目标回波数据对合成孔径成像的影响,减少合成孔径运算量,实现快速合成孔径成像。通过对实测数据进行处理,结果表明,所提快速实现方法的成像效果与普通实现方法的成像效果相当,而处理速度与普通实现方法相比有了极大的提高。     

一种多通道探地雷达数据实时融合方法

针对不同工程实例的需求,采用新的处理方法,使多通道探地雷达能在一个视图中实时输出所有通道信息。该方法以数据融合技术为基础,具体实现分为三步:首先,进行带通滤波、时空校准和坐标转换等预处理;然后,采取信息熵这一度量参数和加权平均的融合准则进行实时计算;最后,利用自动增益对融合数据补偿、增强。多通道探地雷达数据实时融合结果能同时显示所有通道检测到的目标或异常,根据各通道信息熵的大小,能在发现目标的同时进行快速定位。该方法使多通道探地雷达的数据显示突破了传统方式的局限性,改善了滞后性,满足了工程应用对目标快速定位的要求。     

一种前视探地雷达波速估计方法

波速估计是探地雷达中的一个重要的课题,在前视探地雷达中尤其重要,它是前视探地雷达成像和对目标定位的基础.本文用合成孔径处理和速度扫描的方法建立x-t-v数据矩阵,在x-t-v矩阵中根据杂波和曲线顶点处沿v轴方向的"叠加幅度-波速"曲线的不同特点,提取目标回波曲线顶点区域,在提取的曲线顶点区域选取对波速变化敏感的回波曲线顶点来估计波速.对实测数据的处理证明了其有效性.     

浅地层步进频率探地雷达的一种预处理方法

在浅地层步进频率探地雷达的实际应用中,地表回波等杂波及各种干扰噪声严重影响了探地雷达对地下目标的探测。对探地雷达数据进行预处理,其目的就是要去除地表回波等杂波及各种干扰噪声以加强目标信息。由于实际中地表不是均匀平整的,因而地表回波在每个A-scan数据中的分布位置都不尽相同,这使得传统的一些方法不能很好的去除地表回波。本文从步进频率探地雷达的原理出发,提出了一种极值点定位去除地表回波的方法,并将该方法与均值法去杂波及小波变换去噪相结合来完成对浅地层步进频率探地雷达数据的预处理。通过对实测数据进行处理,其结果表明本文所提的预处理方法取得了很好的效果。     

基于Stolt偏移的探地雷达合成孔径成像研究

对探地雷达数据进行合成孔径处理可提高探地雷达图像的分辨力,有利于对地下目标的探测及精确定位.文中提出了一种新的stolt偏移插值实现方法,用于探地雷达合成孔径成像,它能克服传统方法中偏移能量不集中的缺点并保持处理速度快的优点,通过对实测数据进行处理,其结果表明该方法取得了很好的效果.     

一种探地雷达目标参数估计方法的研究

在探地雷达应用中,确定地下目标的介质参数具有重要意义.为了对探地雷达地下目标参数进行估计,提出了将探地雷达偏移处理和时域目标参数反演结合起来的方法,该算法首先通过偏移处理,确定目标的位置和分布范围,然后采用FDTD和随机逼近优化法进行迭代运算估计目标参数.与传统基于频域的方法相比,该方法具有易于实现、处理速度快等优点.并且通过对模拟数据的处理,验证了该方法的可行性.     

一种深度学习辅助的探地雷达定位方法

在恶劣条件下,例如在雨、雪、沙尘、强光以及黑夜等环境下,自动驾驶方案中常用的视觉和激光传感器因为无法准确感知外界环境而面临失效问题。因此,该文提出一种通过深度学习辅助的探地雷达感知地下目标特征用于车辆定位的方法。所提方法分为离线建图和在线定位两个阶段。在离线建图阶段,首先利用探地雷达采集地下目标的回波数据,然后使用深度卷积神经网络(DCNN)提取采集的地下回波数据中的目标特征,同时存储提取的目标特征和当前地理位置信息,形成地下目标特征指纹地图。在定位阶段,首先利用DCNN提取探地雷达采集到的当前地下回波数据中的目标特征。然后基于粒子群优化方法搜索特征指纹地图中与当前提取的目标特征最相似的特征,并输出该特征的地理位置信息,作为探地雷达定位车辆的结果。最后利用卡尔曼滤波融合探地雷达定位结果和测距轮测量的里程信息,得到高精度的定位结果。实验选取地下目标丰富的场景和实际城市道路场景来测试所提方法的定位性能。实验结果表明,与单一使用探地雷达原始回波数据地图的定位方法相比,深度学习辅助的探地雷达定位方法能避免直接计算原始雷达回波数据间的相似度,减少数据计算量以及数据传输量,具有实时定位能力,同时特征指纹地图对回波数据的变化有鲁棒性,因此所提方法的平均定位误差减少约70%。深度学习辅助的探地雷达定位方法可作为未来自动驾驶车辆在恶劣环境下感知定位方法的补充。     

基于核ICA的探地雷达地杂波抑制

地雷及未爆武器给许多国家带来了巨大的经济和社会问题。近年来超宽带探地雷达被广泛用于浅层埋藏的塑性地雷的检测,其中滤除雷达回波信号中的地杂波是完成目标检测、成像与识别的关键。文中通过利用核ICA算法进行研究,给出了一种可以针对多目标数据区域且自动选取独立分量的探地雷达地杂波抑制方法,基于实测数据的实验结果表明了该方法的有效性。     

基于深度学习的GPR B-SCAN图像双曲线检测方法

利用深度学习方法来处理探地雷达(Ground Penetrating Radar,GPR)数据以提高GPR B-SCAN双曲线检测准确率.为了解决数据集样本不够的问题采用循环生成对抗网络(Cycle Generative Adversarial Networks,Cy-cleGAN)算法对GPR B-SCAN图像数据进行增强.采用Faster R-CNN算子来定位双曲线图像区域,充分利用双曲线结构对称性及其方向差异性特征,设计与之对应的卷积核模板,通过卷积运算实现对B-SCAN图像中双曲线目标的有效分割.对双曲线目标采用最小二乘法进行二次曲线拟合得到精确的双曲线图像.与基于迁移学习的方法、HOG算法以及基于Hough变换的B-SCAN检测算法等相比,本文方法得到的结果在综合指标度量F上是最优的.     

频率步进探地雷达的SAR成像处理方法

由于冲激脉冲探地雷达平均功率低,限制了其作用距离和探测深度,多用于近地表和浅低层探测。为了提高系统的作用距离和探测深度,常采用频率步进探地雷达。利用频率步进信号的大带宽和高平均功率的特点,不但可以提高作用距离和探测深度,而且成像分辨率可以大为改善。由于介质与空气的介电特性不一致,电磁波的传播路径和传播速度会发生相应的改变,常用的回波模型和合成孔径成像方法不再使用。本文推导出了频率步进探地雷达的回波信号模型,并结合SAR成像理论,针对地下目标探测的特点,提出了分层聚焦的SAR成像处理方法,取得了良好的效果。     

基于KPCA的探地雷达自适应杂波抑制算法研究

探地雷达是地雷探测的有效技术之一,如何尽可能滤除雷达接收信号中的杂波成分而又不失目标信息是完成目标检测的关键。为增强目标信息,提高信噪比,提出将主成分分析子空间投影和基于RLS自适应滤波技术相结合的方法,通过VUB实测数据进行实验,结果证明了该方法的有效性。     

采用阻抗匹配抑制探地雷达中的地面杂波

在由收发天线组成的探地雷达系统中，接收天线接收到的信号由直耦波、地面反射信号以及目标信号组成。地面反射和直耦波所组成的直达波远大于目标信号，从而使系统的信杂比降低。文中提出了一种通过在地面上加入分层平板介质对空气到土壤间阻抗进行宽带匹配的方法，该方法可以减小地面反射杂波，增加电磁波透入地下的信号。理论计算结果表明，通过选择合适的平板介电常数和厚度，在一定程度上将减小地面的直接反射回波，从而提高系统的动态范围和信杂比。     

基于核方法和主成分分析(PCA)的探地雷达目标特征提取新方法

常用探地雷达目标特征提取方法LDA(又称为FDA)直接在低维的探地雷达数据空间提取探地雷达目标特征, 提取的探地雷达目标特征的区分度小;常用的正则化技术存在正则化参数选取困难的问题。本文提出先通过基于核方法的 非线性变换把低维的探地雷达样本数据投影到高维空间,然后在高维空间中用PCA对奇异的核矩阵降维重建,最后对重 建后的非奇异核矩阵用LDA提取探地雷达目标特征。对实测数据的对比处理分析表明,本文所提探地雷达目标特征提取 方法优于其它方法。     

基于核方法的探地雷达目标特征提取方法

把核方法引入探地雷达目标特征提取中,先对雷达特征数据进行基于核的非线性变换投影到高维空间;然后在高维空间应用传统的探地雷达目标特征提取方法（LDA方法和PCA方法）提取雷达数据特征。对PCA、LDA、基于核方法的PCA和基于核方法的LDA四种探地雷达目标特征提取方法进行对比研究,对实测数据处理的结果表明：无监督的学习方法不适合探地雷达目标特征提取,所提基于核方法的LDA探地雷达目标特征提取方法效果最好。并详细阐述了基于核方法的LDA探地雷达目标特征提取方法。     

A novel signal processing technique for clutter reduction in GPR measurements of small, shallow land mines

A signal processing technique is developed to reduce clutter due to ground bounce in ground penetrating radar (GPR) measurements. This technique is especially useful when a GPR is used to detect subsurface antipersonnel mines. The GPR clutter is modeled using a simple parametric model. Buried mine and clutter contributions are separated through a pair of coupled iterative procedures. The algorithm outperforms existing clutter reduction approaches and also yields target features that are useful for detection and identification of these mines. The proposed technique effectively reduces clutter resulting in a significant decrease in false alarm rates.     

基于相移偏移和匹配追踪的探地雷达成像方法

把非均匀采样快速傅里叶变换(NUFFT)算法引入到探地雷达(GPR)成像的相移偏移算法中,避免了常规相移算法中的插值运算,实现了相移偏移的高精度快速计算;把最小二乘原理引入到匹配追踪(MP)算法中,克服了MP算法中寻找最优原子的耗时过程,并使用解析道和解析子波,实现了GPR信号谱分解的快速计算。然后,综合改进的相移偏移方法与最小二乘匹配追踪算法,提出了一种计算GPR偏移成像结果振幅谱和相位谱的方法,更有效地反映地下媒质的结构特征。模拟资料和实测资料的测试结果表明:相对单纯相移偏移方法,该综合方法能有效压制噪声,极大地改善含噪声资料的成像质量,而且,综合分析幅度谱和相位谱,可以提高识别和圈定目标体的能力。     

一种新的球载雷达运动目标检测方法

球载雷达采用下视探测工作模式时,其检测能力主要受地杂波制约。本文分析了地杂波对雷达回波幅度调制的影响,提出了一种利用回波幅度特征进行目标检测的新方法——幅度周期目标检测法,该方法能够在检测目标的同时获得目标速度信息。仿真结果表明该方法在低信杂比情况下相对于传统方法具有更好的检测性能。最后通过实测数据验证了该方法的有效性。     

Clutter Suppression Method in GPR Using the Convergence of Matrix Entropy

A novel clutter suppression method in ground penetrating radar(GPR) is proposed.The preliminary result is obtained by using target resolution improved processing(TRIP).The preliminary result will be used as an initial input for TRIP iteration.All TRIP iteration steps are the adaptive linear combination of the previous TRIP result and the preliminary result.This adaptive combination strategy can balance clutter suppression and target information protection,which is considered as a troublesome contradiction and a chronic problem in clutter suppression research.When the matrix entropy of iteration result converges,the algorithm can achieve a good result both in clutter suppression and target protection.Experimental results demonstrate that the new algorithm outperforms the existing approaches.