探地雷达数据的S变换时频分析

S变换自问世以来,凭借其优越性已经被广泛地应用于数字信号处理中。对模拟的探地雷达数据和实测的探地雷达数据进行S变换时频分析。其中探地雷达数据的模拟采用时域有限差分法,地电模型为层状介质,通过S变换时频分析,可以更有效地区分薄层状介质。对实测的探地雷达数据进行S变换时频分析,去除了部分噪音干扰,突出有效信号,图像更直观,易于图像的解译。     

双边滤波在探地雷达数据去噪处理中的应用

在探地雷达数据的采集过程中,受外界因素影响会不可避免地混入噪声,严重干扰有效回波的识别与解译。为此,利用双边滤波算法进行探地雷达数据的去噪处理,通过在探地雷达正演记录加入高斯白噪声来模拟实测的探地雷达记录,利用双边滤波器对含噪声的合成记录进行滤波处理,结果表明双边滤波算法能除去大部分高斯噪声,突出有效回波信息,峰值信噪比(PSNR)由初始的15.8451增加到22.1477。进一步将双边滤波器用于实测记录的滤波,从滤波结果来看,噪声除去效果较好,表明双边滤波器能有效应用于探地雷达数据的去噪处理。     

2D有限差分偏移技术在探地雷达信号成像中的应用

由于绕射波的存在,很难准确估计探地雷达剖面中目标的尺寸,因此,对目标进行成像研究具有重要意义和应用价值。采用2D有限差分偏移技术对典型的合成记录及实测探地雷达剖面进行了成像处理,结果表明,偏移可以大大提高探地雷达资料的横向分辨率。在实际资料处理中,通过对点目标绕射波的准确归位,可以简单估计地下介质的电磁波速度。讨论了工程处理中速度模型的建立,实际数据的非零偏等偏移处理中的核心问题。      

三峡库区巫峡段高陡峡谷区危岩裂隙带探地雷达探测

三峡库岸岩石受构造、风化及消落带水位影响裂隙发育,本文利用有限差分正演算法程序模拟计算危岩裂隙的探地雷达响应特征,结果表明:不同形态下的裂缝有不同的探地雷达响应特征,通过模型与模拟计算结果建立的对应关系可从野外实测数据中识别岩体裂缝。以重庆巫峡板壁岩危岩带探地雷达探测为例,对探地雷达野外实测数据进行推断解释危岩裂隙带,并以钻孔高清摄像及波速测试验证推断解释的准确性,为防治、监测方案的制定提供科学依据。该案例可为其他库岸高陡峡谷区危岩裂隙带探测提供借鉴。     

分形技术在探地雷达资料处理解释中的应用

将分形理论应用到探地雷达 (GPR)资料处理解释中 ,以提高探地雷达剖面的分辨率。通过建立相应的GPR的fBm模型 ,采用逐次随机增加方法 (SuccessiveRandomAdditions)对GPR数据进行细分。实验分析表明 ,分形处理是一种提取GPR高分辨率信息的非常有效的方法 ,其效果要比常规处理 (如线性滤波等 )明显 ;最后用分形技术对实际探地雷达检测剖面进行了处理 ,取得了较好效果     

探地雷达技术及其应用和发展

作者对近年来探地雷达的技术发展及新的应用研究进行了概括和总结。在详细分析探地雷达方法原理、系统结构的基础上,提出了改进探地雷达系统结构的思路;同时,针对探地雷达工作中的高噪声和地震数据处理技术移植的不适应性,提出了探地雷达地下界面高分辨率成像的新方法。     

三维探地雷达数据的拟地震处理技术研究

采用三维阵列天线技术,探地雷达虽然能够采集到高密度、无缝拼接的海量数据,但受仪器配套软件的局限,无法发挥其三维数据的优势,实现对地下目标的空间刻画。三维探地雷达与三维地震勘探在传播方式等方面具有相似性。将三维探地雷达数据转换成三维地震数据格式,利用比较成熟的三维地震勘探数据处理系统,可实现三维探地雷达数据的真三维处理。兰州某地的试验性研究表明:统一网格化后三维探地雷达数据,经过静校正、滤波、反褶积、噪音衰减、三维偏移等拟三维地震数据处理,可有效提高三维探地雷达数据的纵、横向分辨率,进而提高三维探地雷达数据的探测精度。     

青藏铁路专用检测探地雷达实时数据采集与传输系统设计

为了快速检测青藏铁路路基冻融等病害,研制了专用探地雷达的实时数据采集、处理与传输系统。采用高速、高精度并行模数转换器,结合现场可编程逻辑阵列(FPGA)技术和通用串行总线(USB)实现雷达回波数据快速、实时传输,采用高性能浮点数字信号处理器对雷达回波数据进行实时处理。针对专用探地雷达三个天线同时工作,设计了3个实时数据采集、处理与传输通道。测试结果表明该系统达到了较高的数据吞吐率,满足探地雷达在青藏铁路上实施快速、连续检测的要求。     

探地雷达在上林湖越窑遗址水下考古中的应用

结合上林湖区域水体电性参数测量结果,开展了探地雷达水下考古试验探索。在上林湖指定水域用机动木船承载雷达仪器和工作人员进行了水下情况调查,通过对比试验,分析了频率为100 MHz、200 MHz、400 MHz的雷达天线对不同深度水域及水底地层的反射特征,在此基础上,对探地雷达数据进行处理及解释。探地雷达探测结果清楚地显示了古水坝、窑炉遗址、陶瓷废墟、古河道和码头堤岸等多种不同的水下考古目标,并可对湖底地层中的局部隐伏异常实现高精度成像。经过潜水探摸,进一步核实了本次探地雷达的调查结果。     

探地雷达图像数据处理及应用研究

对探地雷达数据构成及干扰来源进行了分析,利用均值法去除背景噪声;运用HIL-BERT变换数据处理技术得到雷达图像的瞬时振幅、瞬时相位和瞬时频率等瞬时剖面图像,以提高图像的分辨力,增强目标识别的准确性。通过对工程实际探地雷达图像数据的处理,验证了方法的有效性。     

基于随机分布的断裂破碎带GPR剖面特征分析

为了验证探地雷达在查找基岩中断裂破碎带的有效性、以及进一步认识破碎带在探地雷达反射剖面上的表现特征,结合概率论和数理统计知识,通过设置断裂破碎带中介质的介电常数在一定空间范围内随机分布,建立了更为贴合实际的断裂破碎带模型,使用时域有限差分方法正演模拟其二维GPR反射剖面,较好地揭示了断裂破碎带的GPR剖面特征。通过对不同破碎程度和基岩具有不同介电常数的破碎带模型进行正演模拟,分析其正演GPR剖面的图像差异,较为深入地认识了断裂破碎带在GPR剖面上反映出的特征。最后,进一步引入工程实例,发现通过正演模拟揭示的断裂破碎带GPR 剖面特征在断裂破碎带的实际探测剖面上也是存在的,说明通过正演模拟来指导实际资料的解释是现实可靠的。     

高阶统计量方法在地震信号分析中的应用

高阶统计量分析是近20年来国内外信号处理领域的一个前沿课题,广泛应用于所有需要考虑非高斯、非最小相位、有色噪声、非线性或循环平稳性的各类问题中。在地震信号处理方面,应用高阶统计可以消除高斯有色噪声的影响和提取与识别非最小相位子波;基于高阶统计特征的独立分量分析己成为信号处理领域的一个研究热点并应用于地震信号分析中。对高阶统计量的定义和性质以及高阶谱时频分析方法作了介绍,并以此为理论依据,进行了理论模型和实际地震数据的实验。     

中国地质灾害气象预警模型研究

地质灾害气象预警是指对气象因素(主要为降雨)引发的地质灾害发生可能性大小的预测预报。中国大陆的地质灾害气象预警工作始于2003年, 逐步形成了国家级、省级、市县级的分级运行业务模式, 预警模型及可靠性问题是这项工作的核心科学技术问题和研究难点。考虑到各级地质灾害气象预警的时空尺度与预警时效, 形成了两代预警模型并行运算、相互校验与补充的运行模式。第一代隐式统计预警模型, 也称为临界降雨判据法, 基于不同地质环境区域引发地质灾害的临界雨量不同, 分区建立临界降雨判据, 该模型2003年起在预警业务中使用, 因其只涉及一个或一类参数, 使用广泛, 近年来又在模型参数、判据修正等方面不断完善。但单一的临界雨量指标很难准确反映地质环境的变化以及地质灾害的成生规律, 且预警区划、判据更新与准确性提高等也限制了其进一步发展。第二代显式统计预警模型, 耦合了地质环境变化与降雨参数等多因素建立预警判据, 地质环境指标在模型中显式表达, 在模型原理、空间精度、升级能力等方面表现了其优越性, 显著提高了预警精细度和准确度, 2008年开始在国家级预警业务使用, 并逐步向省级推广。两代预警模型均是基于统计方法建立, 一定程度上均受到统计样本的选择、地质环境条件的精细程度、实况降雨数据的精确匹配等因素控制和影响。多年来, 两代预警模型在中国地质灾害气象预警业务中成功运行并不断升级完善, 为中国大陆的地质灾害防灾减灾工作做出了重要贡献。     

High-order Stochastic Simulation of Complex Spatially Distributed Natural Phenomena

Spatially distributed and varying natural phenomena encountered in geoscience and engineering problem solving are typically incompatible with Gaussian models, exhibiting nonlinear spatial patterns and complex, multiple-point connectivity of extreme values. Stochastic simulation of such phenomena is historically founded on second-order spatial statistical approaches, which are limited in their capacity to model complex spatial uncertainty. The newer multiple-point (MP) simulation framework addresses past limits by establishing the concept of a training image, and, arguably, has its own drawbacks. An alternative to current MP approaches is founded upon new high-order measures of spatial complexity, termed “high-order spatial cumulants.” These are combinations of moments of statistical parameters that characterize non-Gaussian random fields and can describe complex spatial information. Stochastic simulation of complex spatial processes is developed based on high-order spatial cumulants in the high-dimensional space of Legendre polynomials. Starting with discrete Legendre polynomials, a set of discrete orthogonal cumulants is introduced as a tool to characterize spatial shapes. Weighted orthonormal Legendre polynomials define the so-called Legendre cumulants that are high-order conditional spatial cumulants inferred from training images and are combined with available sparse data sets. Advantages of the high-order sequential simulation approach developed herein include the absence of any distribution-related assumptions and pre- or post-processing steps. The method is shown to generate realizations of complex spatial patterns, reproduce bimodal data distributions, data variograms, and high-order spatial cumulants of the data. In addition, it is shown that the available hard data dominate the simulation process and have a definitive effect on the simulated realizations, whereas the training images are only used to fill in high-order relations that cannot be inferred from data. Compared to the MP framework, the proposed approach is data-driven and consistently reconstructs the lower-order spatial complexity in the data used, in addition to high order.     

High-Order Spatial Simulation Using Legendre-Like Orthogonal Splines

High-order sequential simulation techniques for complex non-Gaussian spatially distributed variables have been developed over the last few years. The high-order simulation approach does not require any transformation of initial data and makes no assumptions about any probability distribution function, while it introduces complex spatial relations to the simulated realizations via high-order spatial statistics. This paper presents a new extension where a conditional probability density function (cpdf) is approximated using Legendre-like orthogonal splines. The coefficients of spline approximation are estimated using high-order spatial statistics inferred from the available sample data, additionally complemented by a training image. The advantages of using orthogonal splines with respect to the previously used Legendre polynomials include their ability to better approximate a multidimensional probability density function, reproduce the high-order spatial statistics, and provide a generalization of high-order simulations using Legendre polynomials. The performance of the new method is first tested with a completely known image and compared to both the high-order simulation approach using Legendre polynomials and the conventional sequential Gaussian simulation method. Then, an application in a gold deposit demonstrates the advantages of the proposed method in terms of the reproduction of histograms, variograms, and high-order spatial statistics, including connectivity measures. The C++ course code of the high-order simulation implementation presented herein, along with an example demonstrating its utilization, are provided online as supplementary material.     

FDTD方法模拟探地雷达探测硝基苯在介质中分布及电磁波响应特征

采用时间域有限差分方法对硝基苯在介质中的存在状态进行探地雷达的探测模拟,研究硝基苯在介质中的分布及电磁响应,讨论使用探地雷达探测硝基苯污染的可行性和分析污染程度,为污染的监测和治理提供信息。     

基于独立分量分析的地球化学成矿元素组合提取与应用

化探数据具有非线性、随机性等特点,而传统地球化学元素组合异常的确定方法虽然考虑了变量的随机性,但却忽视了其非线性,这无疑会造成重要信息的丢失。而独立分量分析不仅要求各分量二阶不相关,同时还要求高阶统计量不相关。这使其在发掘数据间的高阶相关信息方面更具优势。这里以西藏某铜金矿1:10 000土壤化探数据为案例,对组合异常进行了分析与评价,尝试探索非线性理论在地球化学数据处理上的新方法。     

随机介质中的探地雷达叠前逆时偏移成像

为了更好地分析探地雷达(GPR)叠前逆时偏移算法对实际地下随机分布介质的成像效果,采用随机过程的谱分解和混合型自相关函数理论构建了不同自相关长度的GPR随机介质模型。基于时域有限差分法(FDTD)构建了GPR叠前逆时偏移成像算法,其中FDTD用于计算正传和反传电磁波场,归一化互相关成像条件用于获取逆时偏移成像剖面。在此基础上,利用该算法对两个随机介质模型的多偏移距正演数据进行计算,并与相应背景介质为均匀介质的逆时偏移结果进行对比。结果表明:电磁波在随机介质中散射强烈,反射波扭曲变形、不连续,形成了明显的随机扰动,致使逆时偏移成像剖面的空间分辨率更低,低频噪声更强;自相关长度是影响随机介质中异常体成像效果的主要因素,自相关长度越小,异常体的成像越清晰,自相关长度越大,异常体的成像效果越差,且不易被识别。     

Joint High-Order Simulation of Spatially Correlated Variables Using High-Order Spatial Statistics

Joint geostatistical simulation techniques are used to quantify uncertainty for spatially correlated attributes, including mineral deposits, petroleum reservoirs, hydrogeological horizons, environmental contaminants. Existing joint simulation methods consider only second-order spatial statistics and Gaussian processes. Motivated by the presence of relatively large datasets for multiple correlated variables that typically are available from mineral deposits and the effects of complex spatial connectivity between grades on the subsequent use of simulated realizations, this paper presents a new approach for the joint high-order simulation of spatially correlated random fields. First, a vector random function is orthogonalized with a new decorrelation algorithm into independent factors using the so-termed diagonal domination condition of high-order cumulants. Each of the factors is then simulated independently using a high-order univariate simulation method on the basis of high-order spatial cumulants and Legendre polynomials. Finally, attributes of interest are reconstructed through the back-transformation of the simulated factors. In contrast to state-of-the-art methods, the decorrelation step of the proposed approach not only considers the covariance matrix, but also high-order statistics to obtain independent non-Gaussian factors. The intricacies of the application of the proposed method are shown with a dataset from a multi-element iron ore deposit. The application shows the reproduction of high-order spatial statistics of available data by the jointly simulated attributes.     

应用MATLAB实现探地雷达数据小波变换处理

文章应用Matlab实现了探地雷达原始数据的读取及分析处理,并给出了Matlab下探地雷达数据的小波变换处理实例,应用效果令人满意,为探地雷达数据自主应用提供了新思路.