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。     

基于对数目标函数的跨孔雷达频域波形反演

波形反演在探地雷达领域的应用已有十余年历史,但绝大部分算例属于时间域波形反演.频率域波形反演由于能够灵活地选择迭代频率并可以使用不同类型的目标函数,因而更加多样化.本文的频率域波形反演基于时间域有限差分(FDTD)法,采用对数目标函数,可在每一次迭代过程中同时或者单独反演介电常数和电导率.文中详细推导了频率域波形反演的理论公式,给出对数目标函数下的梯度表达式,并使用离散傅氏变换(DFT)实现数据的时频变换,能够有效地减少大模型反演的内存需求.在后向残场源的时频域转换过程中,提出仅使用以当前频点为中心的一个窄带数据,可以消除高频无用信号的干扰,获得可靠的反演结果.为加速收敛,采用每迭代十次则反演频率跳跃一定频带宽度的反演策略.实验证明适当的频率跳跃能够在不降低分辨率的基础上有效地提高反演效率.通过两组不同情形下合成数据反演的分析对比,证明基于对数目标函数的波形反演结果准确可靠.最后,将该方法应用到一组实际数据,得到较好的反演结果.