李沁璘

（桂林電子科技大學(xué)信息與通信學(xué)院，廣西 桂林541004）

探地雷達是一種通過發(fā)射和反射電磁波進而確定地下結(jié)構(gòu)和目標(biāo)體特征信息的高效無損探測方法。探地雷達的工作頻率范圍介于1MHz 至1GHz 之間，與所有雷達的工作原理類似。發(fā)射天線向地下發(fā)射電磁波，電磁波信號穿過地下介質(zhì)，當(dāng)遇到不同介電特性的物體時，如空洞、水、金屬等等，由于介電常數(shù)、電導(dǎo)率或磁導(dǎo)率等不同，被阻抗的變化散射或反射，產(chǎn)生類似于發(fā)射信號形狀的回波，反射回地面由接收天線接收。通過雷達回波信號進行處理分析，組成的B-scan 圖像便可以觀察到地下結(jié)構(gòu)或者目標(biāo)物的特征。探地雷達技術(shù)以其無損、高效、經(jīng)濟、操作方便等特點，廣泛應(yīng)用于地質(zhì)勘探、公路檢測、管道勘查、隧道勘探、考古勘察以及地雷探測等方面。

1 公路路基檢測

我國公路網(wǎng)絡(luò)縱橫東西南北，公路在日常生活中發(fā)揮不可或缺的作用，但長時間的使用以及碾壓，導(dǎo)致公路路基存在疏松，坍塌的危險，同時路基存在著諸多病害，如脫空病害、疏松病害、空洞病害、裂縫病害等等，而利用探地雷達就可以檢測到路基的具體情況，提前了解路基情況，避免交通事故的發(fā)生，同時也不用損壞公路進行檢測。

探地雷達是一種使用高頻電磁波探測有損介電材料，以檢測介質(zhì)內(nèi)結(jié)構(gòu)和材料特性變化的方法。由于公路路基的各層所填充的材料不同，因而各層介質(zhì)的介電特性參數(shù)也不同。當(dāng)電磁波在一種均勻介質(zhì)的內(nèi)部傳播，由于該均勻介質(zhì)并無介電常數(shù)、電導(dǎo)率或磁導(dǎo)率等電性參數(shù)的變化發(fā)生，因而傳播的電磁波不會發(fā)生反射。當(dāng)電磁波從一種介質(zhì)傳播到另外一種不同的介質(zhì)時，在兩種介質(zhì)的交界處，電性參數(shù)發(fā)生了變化，電磁波便會在兩介質(zhì)界面處發(fā)生射，電磁波的這一特性為探地雷達探測路基提供了可能。

探地雷達探測系統(tǒng)主要由一體化控制主機、天線、電源和配套軟件組成，其結(jié)構(gòu)原理如圖1 所示[1]。當(dāng)發(fā)射天線以一定的角度向路基和路面發(fā)射高頻電磁波時，一部分信號反射形成直達波被接收天線接收，另一部分進入道路內(nèi)部進行傳播。當(dāng)電磁波信號與到介質(zhì)分層界面或異常病害區(qū)域時，部分電磁波將會反射形成目標(biāo)回播被接收天線接收，其余部分電磁波將繼續(xù)向下穿透。就這樣逐層穿透，逐層反射，最后通過對接收天線接收到的回波信號進行信號處理，形成二維B 掃圖像，從而確定公路路基的內(nèi)部結(jié)構(gòu)以及病害的分布情況。

圖1 探地雷達檢測路基的原理示意圖

2 對地下目標(biāo)信號優(yōu)化

探地雷達檢測地下目標(biāo)的基本原理是向地下發(fā)射高頻電磁波，接收反射回波，由于地下目標(biāo)大多是有耗介質(zhì)，那么電磁波在傳播的過程中不可避免的會出現(xiàn)衰減，這會直接影響到探地雷達的分辨率，但從儀器本身提高探地雷達的分辨率是非常困難的，那么可以通過對探地雷達的信號進行處理來提高探地雷達的分辨率。

短時傅立葉變換、小波變換、S 變換都是最常用于提高探地雷達信號的分辨率的方法。其中S 變換不但具有自適的時頻窗、輸入長度不受時窗的限制等小波變換的優(yōu)點，而且其基本小波不用滿足容許性條件，它既可以保留住信號的相位信息，同時又能提供變化的時頻精度。此外，它還是一種線性變換。在S 變換的基礎(chǔ)下，榮霞[2]等學(xué)者提出了新的最優(yōu)廣義S 變換對信號優(yōu)化分辨率更高。

其中，k 為用來調(diào)整窗口寬度的調(diào)節(jié)因子，p 是用來調(diào)整窗函數(shù)寬度的調(diào)節(jié)參數(shù)。為了獲得良好的時頻聚集性，需要選擇合適的k、p 值。

為了對參數(shù)進行優(yōu)化，引入時頻聚集度這一概念進行量化分析。文獻[3]中提出了利用能量集中度對時頻聚集性來進行度量，時頻聚集度的定義具體如下：

通過，模擬信號和實測探地雷達信號的仿真，結(jié)果表明新的最優(yōu)廣義S 變換比短時傅里葉變換和S 變換具有更高的時頻分辨率。

3 目標(biāo)檢測

探地雷達利用地下材料的不同電磁特性，通過發(fā)射機不斷向地下發(fā)射高頻電磁波信號，接收機接收多道A-Scan 信號，再進行信號處理，生成B-Scan 二維圖像。由于地下目標(biāo)通常在B-Scan 圖中呈現(xiàn)出雙曲線形態(tài)，因而可以將目標(biāo)檢測轉(zhuǎn)化為雙曲線圖像提取。傳統(tǒng)的提取方法一般是采用Hough 變換法或者是最小二乘法用在GPR 目標(biāo)檢測。由于傳統(tǒng)方法在數(shù)據(jù)量過大時，往往需要耗費較多的人力進行輸入特征的人工標(biāo)注，使得解譯時長增多，人工經(jīng)驗需求高等問題日益凸顯。隨著科技的創(chuàng)新和人工智能時代的到來，機器學(xué)習(xí)和深度學(xué)習(xí)不斷發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）的目標(biāo)檢測算法應(yīng)運而生。

基于CNN 的目標(biāo)檢測算法，可以不需要添加任何人工模型或特征來提取有意義的特征，并能夠?qū)Π瑥?fù)雜特性的探地雷達圖像進行準確地分類。學(xué)者BENGIO[4]提出了一種利用CNN的地雷探測算法，能夠無需人工干預(yù)，直接從探地雷達圖像中學(xué)習(xí)埋藏目標(biāo)的特征，并將該方法應(yīng)用在不同架構(gòu)的CNN 算法上進行測試，在處理較小的圖像塊時，均能達到較高分類精度。但由于用來訓(xùn)練模型的GPR 圖像的大小和數(shù)量都是有限的，大多數(shù)算法僅僅實現(xiàn)了分類的步驟, 在目標(biāo)提取以及曲線擬合方面，缺乏更加有效和精確的算法。因此，還需要進一步進行聚類算法、雙曲線擬合算法等處理，用以分割雙曲線和定位頂點。以上算法在得到聚類后，利用給出的樣本點直接進行曲線擬合。然而這些算法中的待擬合樣本點是如何獲取的，都沒有給出解釋，因為不能真正滿足大批量的自動化需求[5]。

隨著數(shù)字圖像處理技術(shù)的飛速發(fā)展，未來GPR 的發(fā)展方向必將專注于針對目標(biāo)檢測的深度學(xué)習(xí)框架。在檢測速度以及目標(biāo)檢測的準確性方面可以實現(xiàn)更大的改進，并深入到工程領(lǐng)域的各個方面。

結(jié)束語

探地雷達是一種針對地下目標(biāo)的無損探測設(shè)備，在地下無損探測研究方面具有很強的實用性。同時，探地雷達圖像處理過程中有關(guān)回波信號雙曲線提取以及頂點識別也具有非常重要的意義。探地雷達涉及的領(lǐng)域十分廣泛，不可以忽視的是，探地雷達的使用以及深入研究推動著時代的發(fā)展，探地雷達技術(shù)的迅速發(fā)展有利于提高我國在高新工程領(lǐng)域的國際地位。相信在未來幾十年中，人們對探地雷達技術(shù)的發(fā)展依舊會保持積極態(tài)度并更廣泛地使用該技術(shù)。