基于自动反相校正和峰度值比较的探地雷达回波信号去噪方法

探地雷达（GPR）因其探测速度快，分辨率高，无损检测，经济无污染等特点在国内外工程勘查方面得到了广泛应用。GPR在探测过程中，受到地下介质结构复杂、物性参数差异及仪器本身或外部噪声等多种因素的影响，导致雷达回波包含多种杂波和噪声，影响了后续的信号分析质量。为获得较好的探测效果，需要抑制噪声和杂波，提取所需的目标回波信号，更好地还原地下的物质构成和形态分布。

针对上述问题，中南大学雷文太副教授团队设计了一种自动反相校正和峰度值比较的GPR去噪算法，在信号主成分分解和模态分解的框架内提出了解决方案，算法流程图如下。该工作已发表在《雷达学报》2018年第3期“基于自动反相校正和峰度值比较的探地雷达回波信号去噪方法”（雷文太, 梁琼, 谭倩颖）。

图1 GPR去噪算法流程图

关键处理步骤包括：（1）含噪GPR信号与随机噪声的拟合；（2）独立成分分解和自动校正；（3）经验模态分解、自动阈值判别和重构恢复。

采用GPRMAX仿真了典型目标的雷达回波，人为加噪生成含噪回波。运用所提的算法进行去噪处理，并与基于CEEMD的去噪算法进行对比分析，如下图所示。

图2 本算法和常规算法性能对比图

随着SNR的增大，所提的去噪算法和常规CEEMD去噪算法对应的均方误差都随之降低。但在同一SNR情况下，本文去噪结果的相对误差更低，去噪性能高于常规CEEMD的去噪算法。本文所提的算法，采用了自动相位校正和自动阈值判别，提高了计算效率。在CPU为Pentium(R) Dual-Core 2.00GHz，内存为2.00GB的PC上运行，上述GPR回波去噪处理耗时495.26秒。常规的CEEMD算法由于需要进行人工判别IMF分量，耗时较长。

采用车载GPR对107国道长沙县境内一段路桥进行沿线扫描探测，实测数据如图3所示。从图中可见，桥面表层内的钢筋回波可见。

图3 原始探地雷达B-Scan图

为提高GPR成像质量，本文提出基于自动反相校正和峰度值比较的探地雷达回波信号去噪算法。首先，含噪的回波信号与随机噪声拟合得到两路信号，经过独立分量分析算法后得到高峰度值信号和低峰度值噪声，对高峰度值信号进行相位判断并进行自动反相校正，再进行完全总体经验模态算法分解得到多个分解分量。将独立分量分析得出的噪声的峰度值作为阈值，峰度值高于该阈值的分解分量视为信号分量，累加得到重构后的信号，完成去噪处理。所提的去噪算法解决了独立成分分析算法中的信号相位不定性问题，且在进行完全总体经验模态分解算法后无需传统的依靠人工方式进行噪声剔除的步骤。

为对比分析去噪效果，分别采用CEEMD算法和本文算法对GPR回波进行去噪处理，去噪后的记录剖面记为B-Scan1和B-Scan2。运用GPR加窗加权成像算法分别对B-Scan1和B-Scan2进行了成像处理，提取浅表层的钢筋网格成像结果，分别记为Im1和Im2，如下图(a)和(b)所示。

图4 CEEMD算法去噪和本算法去噪后的成像结果对比图

从成像结果看，Im2的聚焦程度要优于Im1。采用聚焦度因子来描述成像结果的聚焦程度，计算方法如下：

式中：O (m,q) 为成像结果。分别计算Im1和Im2的聚焦度为1.5119e-05和1.7288e-05。本文所提的去噪算法再成像后的图像聚焦度结果，比常规CEEMD去噪后再成像的图像聚焦度提高了14%，验证了本文算法在处理效率和去噪效果方面的有效性。

了解详细信息请点击下面阅读原文。