探地雷达信号特征分析和分辨率提高方法研究

探地雷达信号的奇异点或突变点作为雷达信号的重要特征通常反映介质重要信息,如电性变化界面或异常体等。分析了探地雷达信号在Hilbert变换下,利用小波变换确定探地雷达信号奇异点位置的方法。解决了传统傅立叶变换只能从整体检测探地雷达信号奇异性的局限性。并且由于小波变换良好的时频局部化特性,进一步讨论了其在提高探地雷达信号分辨率的研究中的应用。     

短时傅里叶变换在GPR数据解释中的应用

小波变换、经验模态分解、奇异值分解是提高探地雷达数据信噪比、突出深部异常的有效手段。笔者提出一种快速的短时傅里叶变换技术,对探地雷达噪声信号进行解译,利用雷达发射信号与噪声信号的频谱差异提高雷达数据的信噪比;并以数值算例进行验证,分别从单道波信号的频率能量差异,主频等值分布差异等方面详细分析了该方法与小波变换、经验模态分解方法的优势。结果表明,短时傅里叶分析技术能实现探地雷达数据的快速解译,为探地雷数据的反演成像提供更精确的约束条件。     

探地雷达在桥塔塔基岩溶勘查中的应用及信号分析

以湖南省张家界—花垣县高速公路岩溶勘查为例,探讨探地雷达在竖直型岩溶勘查中的应用和效果;同时,说明复信号分析方法在探地雷达数据处理中的有效性。竖向岩溶的横向规模小,在雷达图像中相应的异常范围比较窄,异常不易分辨。首先对原始采集信号进行二维空间域滤波,再对信号进行Hilbert变换,提取雷达信号的瞬时振幅、瞬时相位和瞬时频率,然后对这些处理后的信号进行综合分析。研究结果表明,二维空间域滤波可大大消除高频噪声的干扰,提高信号的信噪比,多参数综合分析可提高探地雷达解释的精度,最终的钻探成果也验证了反演解释结果的正确性。     

一维HHT变换在探地雷达数据处理中的应用

探地雷达(GPR)噪声信号通常具有非稳态、非线性特征,为去除这些噪声提高GPR图像解译的准确性,对利用HHT方法去噪进行了研究。首先阐述HHT的基本理论,然后通过对探地雷达数值模拟信号中噪声的去除验证基于HHT方法的可行性,最后将该方法用于探地雷达隧道地质超前预报的数据处理中。通过研究表明:该方法可以用于探地雷达信号的去噪,通过Hilbert变换得到三特征参数图像与EMD分解后合成图像进行对比验证,从而达到提高GPR信号解译精度的目的。     

探地雷达复信号分析的几点讨论

采用H ilbert变换的复信号分析方法,求取相位时对噪声很敏感,所以分析前的滤波处理是非常重要的,常用的反正切求取相位角方法,不利于求取包含真实反射信息的相位θ(t)。针对以上两个问题,采用了与探地雷达垂向分辨能力相关的尺度,对原始数据进行了滤波操作。滤波后的数据保证了与原始数据相同的分辨能力,有效地压制了干扰信号。同时,具有良好的数学性质,为复信号分析提供了有利的条件。利用反余弦计算相角,方便了程序设计,且求得的相角易于变换为真实相角(ω0t θ(t)),为提取真正与反射信息相关的相位θ(t)提供了便利。应用优化方法求解瞬时相位、瞬时频率等信息,将真正与反射信息相关的θ(t)与ω0t分离,提高了分辨能力,同时还可得到ω0随时间变化的曲线,为分析探地雷达的频散现象提供了依据。     

小波模变换技术在探地雷达资料中的应用

通过研究探地雷达信号的小波变换的模特征点的变化规律和特征,揭示了探地雷达信号奇异点和其小波变换模极值的关系。通过这些关系的研究,对小波各级分解的模特征点进行变频域处理。最后对处理后的地质雷达信号,利用非线性最小二乘方法求解李氏指数,从而进行地质体边界的检测。无论从理论模型的论证还是实际资料的处理都取得了较好的结果。     

连续小波变换在探地雷达信号分析中的应用研究

广泛应用于工程勘探的探地雷达,由于其发射的高频电磁波在介质中迅速衰减、受环境噪声大等因素影响,探测剖面难以对相对较深的异常体有较好的响应.复信号分析提取三瞬参数可多角度分析信号,并能突出弱反射信息,但易受噪声干扰,且常规的滤波方法不能有效地去除这一干扰.将具有时～频双重局限性的小波变换引入到复信号分析中,解决了复信号分析易受噪声干扰的问题,恢复了其对异常提取的能力.将此算法用于实际雷达探测数据处理中,取得了良好的应用效果.     

基于希尔伯特-黄变换的低频探地雷达弱信号处理技术及其在天然气水合物勘探中的应用

低频探地雷达采集时间窗口大,深部信号受到地层衰减和频散的影响十分明显,真实反射信号往往伴随大量噪声,因此低频探地雷达信号可以视为典型的非稳态信号。引入对于非稳态信号处理效果非常好的Hilbert-Huang变换方法,在其基础上研究低频探地雷达深部微弱回波信号精细处理方法,能有效地滤除信号中的突变部分和噪声,从而实现对深层微弱信号的检测和提取。利用该方法对冻土带天然气水合物进行勘探,可以提取低频探地雷达信号在冻土底界及其下的天然气水合物储层的有效反射信号,取得了良好的效果。     

小波变换在探地雷达弱信号去噪中的研究

利用小波系数可以表示小波函数与分析信号的逼近程度这一原理,采用了对不同尺度下小波系数进行叠加的方法,对比9种小波函数,发现应用Mexh小波可以去除探地雷达信号中的高频噪声并放大有效信号,从而为探地雷达信号经传统数据处理方法处理后判定疑似异常位置进一步确定提供依据。     

基于小波变换的探地雷达弱信号增强

弱信号增强处理是探地雷达数据处理中的一个重要环节,而且是探地雷达数据处理难以解决的问题.弱信号在两方面使其不易于直接从探测剖面上识别出来:一是本身信号强度小且受到随机噪声的干扰; 二是存在浅部强信号的明显反差,视图上难以识别.本文根据小波变换的特征提出一种信号增强方法,即多尺度小波变换信号增强法.从理论上分析该方法增强深部弱信号强度及提高弱信号可识别能力的基本原理, 并通过实例应用说明方法的实用效果.     

Shearlet变换在GPR数据随机噪声压制中的应用

随机噪声是探地雷达(ground penetrating radar,GPR)数据处理存在的主要问题之一,直接影响到GPR数据后续处理及最终解释的准确性和可靠性。为了有效地去除随机噪声,同时更好地保留GPR信号的有效信息,本文提出基于Shearlet变换的GPR数据随机噪声去除方法。作为一种非自适应多尺度、多方向性的几何分析方法,Shearlet变换能够近乎最优地表示含奇异点的高维曲线。在Shearlet域,GPR数据能够得到更加稀疏的表示,通过阈值去噪的方法,有效地去除了随机噪声,使信噪比提高了4dB,最大程度地保留了GPR有效信号。利用理论和实际数据进行验证,体现了Shearlet变换阈值去噪方法的有效性和准确性。     

Attenuation of random noise in GPR data by image processing

Random noise in ground penetrating radar (GPR) data affects the signal-to-noise ratio, blurs the details, and complicates reconnaissance of the useful information. Many methods with different advantages and disadvantages have been proposed to eliminate or weaken the random noise. We have reviewed basic principles of various signal processing techniques including the curvelet transform (CT), non-local mean (NLM), median, and mean filters to remove the random noise and compared their performances using synthetic and actual GPR data. The performances of the four filters were analyzed on synthetic GPR data both in time and frequency domains. On noisy synthetic data, results indicate that the CT filter performs better than NLM, mean, and median filters at attenuating random noise and improving S/N of the GPR data. On the real data, the performance of only the NLM and CT filters was investigated. Comparing the results clearly shows the CT filter robustness for the random noise attenuation and simultaneously its signal preservation.     

基于小波域KL变换的探地雷达信号处理

探地雷达目标回波信号通常会受到串扰(或直达波)、随机噪声等的干扰,致使目标信号难以分辨。利用小波分析的时频局部化特性和多道探地雷达记录中直达波、目标回波信号以及随机噪声等的不同相关性,对探地雷达记录进行小波分解,得到多频段的小波剖面,再对不同频段的小波剖面做KL变换,实现了串扰抑制。通过实验数据和现场实测数据验证了该方法的有效性。      

Sundararajan transform—an application to geophysical data analysis

An integral transform, called in this study as Sundararajan transform, has been used to estimate the parameters of vertical magnetic effect of a fault structure. It differs from the well-known Hilbert transform in the property of phase shift as it yields a phase shift of 270° unlike the Hilbert transform, which is a 90° phase shifter. Other properties of the Sundararajan transform remain almost the same as the Hilbert transform. The transform has been tested on synthetic data and a field example of Lachlan Foldbelts, New South Wales, Australia. The results of this technique agree with the one published in the literature. The noise analysis has been examined and showed that it still provides acceptable results. The application of this transform to geophysical interpretation illustrates its potentiality, and it may be widely applied in various disciplines mainly in the field of communication engineering, signal, and image processing. An interesting property of this transform is that two successive transforms of a function return it to its original form unlike the Hilbert transform, which returns it to the negative of the original form. The procedure discussed may be automated.     

The Hilbert Transform on the Two-Sphere: A Spectral Characterization

The local analysis of signals arising on the sphere is a common task in earth sciences. On the real line the analytic signal turned out to be an important representation in local one-dimensional signal processing. Its generalization to two dimensions is the monogenic signal, and the properties of the analytic and the monogenic signal in the Fourier domain are well known. A generalization to the sphere is given by the Hilbert transform on the sphere known from Clifford analysis. To obtain a spectral characterization, the transform has to be decomposed into spherical harmonic functions. In this paper, we derive the spherical harmonic coefficients of the Hilbert transform on the sphere and give a series expansion. This will show that it acts as a differential operator on the spherical harmonic basis functions of the Laplace equation solution, analogously to the Riesz transform in two dimensions. This allows an interpretation of the Hilbert transform suitable for signal processing of signals naturally arising on the two-sphere. We show that the scale space naturally arising is a Poisson scale space in the unit ball. In addition, the obtained interpretation of the Hilbert transform is used for orientation analysis of plane waves. This representation is justified as a novel signal model on the sphere which can be used to construct intensity and rotation-invariant operators for local signal analysis in a scale-space concept.     

高阶统计量在探地雷达数据处理中的应用

用高阶统计量方法对探地雷达数据进行处理,基本思路是采用信号识别与检测中的高阶统计量参数,对不同模型的探地雷达数据记录进行处理与重构,结果表明不同模型具有不同阶数的高阶统计量特征。模型实验与实际应用都表明,高阶统计量对压制背景噪声和多次反射波有较好的效果。