基于稀疏表示的地下隐藏裂缝填充物识别方法
【技术领域】
[0001] 本发明属于超宽带探地雷达弱小目标检测领域，具体涉及一种基于稀疏表示的地 下隐藏裂缝填充物识别方法。
【背景技术】
[0002] 超宽带探地雷达的抗干扰性强、分辨率高等优点使其在道路桥梁的裂缝探测中具 有重要的发展运用前景，在地下隐藏异质体裂缝的探测实现中对于异质体裂缝的介电常数 和几何结构的探测更是十分棘手的问题，是国内外研究的重点与难点。针对道路桥梁中隐 藏的裂化隐患，通过常规GPR设备对沥青路面的裂缝进行大量的探测研究表明，探地雷达可 以探测裂缝表面的位置，但是裂缝填充物起到重要的作用，如果填充物语周围煤质有近乎 相同的介电常数，裂缝探测变得困难。再加上探底雷达高分辨率的要求，需要采集数据量激 增，对数据处理和实时显示带来困难，针对地下隐藏裂缝填充物的识别问题仍未得到有效 解决。
【发明内容】
[0003] 本发明所要解决的技术问题是提供一种基于稀疏表示的地下隐藏裂缝填充物识 别方法，其具有减少采样数据量和精确度高的特点。
[0004] 为解决上述问题，本发明是通过以下技术方案实现的：
[0005] 基于稀疏表示的地下隐藏裂缝填充物的识别方法，包括如下步骤：
[0006] 步骤1，构建具有不同填充物的地下隐藏裂缝的模拟探测场景，并通过探地雷达向 所构建的模拟探测场景发射信号，获取不同裂缝填充物的模拟回波信号；
[0007] 步骤2,分别对探地雷达获取的不同裂缝填充物的模拟回波信号进行经验模态分 解处理，并将得到的模拟经验模态分量与模拟回波信号进行相关性分析，将与模拟回波信 号相关性大的模拟经验模态分量选为最优模拟经验模态分量；
[0008] 步骤3,分别对探地雷达获取的不同裂缝填充物的模拟回波信号进行小波分解处 理，并将得到的模拟小波分解系数与模拟回波信号进行相关性分析，将与模拟回波信号相 关性大的模拟小波分解系数选为最优模拟小波分解系数；
[0009] 步骤4,将每种裂缝填充物的最优模拟小波分解系数分别与该裂缝填充物的最优 模拟经验模态分量进行相关性分析，将与最优模拟经验模态分量相关性大的最优模拟小波 分解系数作为该裂缝填充物的模拟回波信号的模拟特征分量；
[0010] 步骤5,将各种填充物的模拟特征分量作为新建过完备字典的基，构造字典；
[0011] 步骤6,通过探地雷达向待识别的实际探测场景发射信号，获取该实际探测场景的 地下隐藏裂缝填充物的实测回波信号；
[0012] 步骤7,对探地雷达获取的地下隐藏的裂缝填充物的实测回波信号进行经验模态 分解处理，并将得到的实测经验模态分量与实测回波信号进行相关性分析，将与实测回波 信号相关性大的实测经验模态分量选为最优实测经验模态分量；
[0013] 步骤8,对探地雷达获取的地下隐藏的裂缝填充物的实测回波信号进行小波分解 处理，并将得到的实测小波分解系数与实测回波信号进行相关性分析，将与实测回波信号 相关性大的实测小波分解系数选为最优实测小波分解系数；
[0014] 步骤9,将地下隐藏的裂缝填充物的最优实测小波分解系数分别与该地下隐藏裂 缝填充物的最优实测经验模态分量进行相关性分析，将与最优实测经验模态分量相关性大 的最优实测小波分解系数作为该地下隐藏的裂缝填充物的实测回波信号的实测特征分量；
[0015] 步骤10,通过压缩感知重构方法，将步骤9所得的实测特征分量与步骤5所构造的 字典进行信号重构分辨，由此确定实际探测场景的地下隐藏的裂缝填充物的种类。
[0016] 上述方案中，所述裂缝填充物为空气、水和金属。
[0017]上述方案中，所述模拟回波信号和实测回波信号均为A-Scan回波数据。
[0018] 步骤10中，压缩感知重构方法的稀疏度取为1。
[0019] 本发明通过分析不同地下隐藏裂缝填充物的回波信号，建立了裂缝的仿真模型和 电磁场方程。再结合经验模态分解和小波分解提取特征，并利用压缩感知重构算法实现了 地下隐藏裂缝的探测识别。本发明结合经验模态分解和小波分解提取特征的优点，先通过 对不同地下裂缝填充物的回波信号进行经验模态分解，将得到的经验模态分量与被分解信 号进行相关性分析，得到最优经验模态分量。然后再将原回波信号进行小波分解，将得到的 小波分解系数与被分解信号进行相关性分析，得到最优小波分解系数。最后将最优经验模 态分量和最优小波分解系数进行相关性分析，将与最优经验模态相关性大的最优小波分解 系数作为新建过完备字典的基。在得到过完备字典之后，再用相同的方法以上相同的方法 处理要求被识别的信号，得到该信号的最优特征分量。最后将过完备字典和待识别最优分 量代入压缩感知重构算法，对该信号进行重构识别。本发明通过对不同回波信号的分解分 量进行最优化处理，避开了经验模态分解分量不正交的缺点的同时，又解决了小波分解时， 小波基和分解层数选取多样化的问题，能够得到切合度很高的特征分量，增加了分辨的准 确性。因此，对超宽带探地雷达实际应用具有极大的意义。
[0020] 与现有技术相比，本发明具有以下优点：
[0021] (1)减少数据采集量。目前大部分的识别算法所处理的采集数据，都是基于奈奎斯 特采样定律，这样随着数据处理量的增加，采集的数据也随着大幅度增多，给数据存储系统 带来了很大的负担。相对而言，本发明基于稀疏的识别方法，通过利用压缩感知的重构算 法，大大的减少了所需数据量。
[0022] (2)抗干扰性强。目前探地雷达的运用领域多是地下目标探测。在探测过程中，雷 达会接收到各种杂波以及噪声，这会影响到目标体的探测识别。本发明通过结合经验模态 分解和小波分解提取数据特征分量的优点，在回避两种方法缺点的同时又提取到了与回波 信号切合度高的特征分量，成功的排除了杂波与噪声的影响，故本发明具有抗干扰性的优 点。
[0023] (3)识别率高。相对于已有的探地雷达地下隐藏目标识别算法而言，本发明因为结 合了经验模态分解和小波分解提取数据特征的优点，能够提取到与原信号切合度高的特征 分量，故其探测识别效果更精确。
【附图说明】
[0024] 图1为地下裂缝探测示意图。
[0025] 图2为裂缝填充物分别为空气、水和金属时的A-scan回波。
[0026] 图3(a)_(c)分别为裂缝填充物是空气、水和金属填充物原回波信号的经验模态分 量和小波分解系数之间的相关系数。
[0027] 图4(a)_(c)分别为实测裂缝填充物为空气、水和金属时10%数据量分辨结果。
【具体实施方式】
[0028] -种基于稀疏的地下隐藏裂缝填充物识别方法，如图1所示，包括如下步骤：
[0029] 第一步，通过先验知识构建探测模型以及裂缝散射电磁场方程，构建具有不同裂 缝填充物的地下隐藏裂缝的模拟探测场景，并通过探地雷达向所构建的模拟探测场景发射 模拟发射信号，获取不同裂缝填充物的模拟回波信号。进行模拟实验的裂缝填充物可以尽 量多的进行选取，如可以为空气、水、金属、各种液体及其混合物等等。在比对模拟数据的储 备阶段，所构建的模拟探测场景中的裂缝填充物的种类越多，则在实测过程中，所能够识别 出的地下隐藏裂缝填充物的种类也越多。图2为裂缝填充物分别为空气、水和金属时的A-scan回波。
[0030] 设天线位置为PQ(XQ，ZQ)，发射脉冲信号为SQ(t)，福射的电场强度为Eo,根据菲涅尔 定律，天线感应到的裂缝上表面Pi(XI，Z1)处的散射电场表达式如下：
[0032]散射回波表达式如下：
[0034]天线感应到的下表面p2(X2，Z2)散射电场表达式如下：
[0036]下表面散射回波表达式如下：
[0038] 则雷达接收的总回波表达式如下：
[0039] s(t, ￡i) = si(t, Ei)+S2(t, ￡i) (5)
[0040] 上式中，ει表示均匀环境的介电常数，￡l表示裂缝填充材料的介电常数，i表示裂缝 填充材料种类数，η表示 P1位置处的电磁波菲涅尔水平分量反射系数，t表示P1位置处的电 磁波菲涅尔水平分量折射系数，^表示p 2位置处的电磁波菲涅尔水平分量反射系数，^表示 P3位置处的电磁波菲涅尔水平分量折射系数，Θ:表示电磁波入射角，表示电磁波折射角，s 为电磁波传播过程中的衰减因子，Φ表示相移，η表示采样噪声，表示逆傅里叶变换。 [0041 ] 本发明中，根据实验室的条件，在长2.0m，宽1.8m，深0.6m的沙坑中埋一个长0.2m、 直径为0.06m的矿泉水瓶，沙子的介电常数为4.67。水瓶的上表面到沙表面的距离为0.2m， 水瓶的填