一种基于信息融合的超宽带探地雷达自动目标识别方法，首先利用探地雷达回波信号中的直达波相对目标信号有一个较大的时间差，进行直达波的剔除，利用宽相关处理进行滤波和典型数据提取，提高信号的信噪比，提取纵向和横向典型数据用于目标形状识别，提取典型回波道数据进行Ｗｅｌｃｈ功率谱估计，并利用ＲＢＦ网络进行目标材质分类，最后把目标形状识别和材质识别的结果进行信息融合，达到对不同形状，不同材质的地下目标的全面有效的自动识别。本发明专利技术实现了超宽带探地雷达目标的全面自动识别，对于实际的应用系统，特别是手持机具有重要意义和实用价值。
【技术实现步骤摘要】
本专利技术涉及一种----基于宽相关处理、韦尔奇(Welch)功率谱分析、径向基函数(RBF)神经网络以及形状特征数据对目标进行全面自动识别，可广泛应用于地下金属/非金属管道探测、考古遗址定位、地质剖面勘探、高速公路质量检查以及安全检查等国家安全和经济领域中。
技术介绍
探地雷达作为非破坏性探测手段正被广泛应用于地下目标(如空洞、管道、地雷等)的探测，如何对雷达回波信号进行处理以识别地下埋设的目标始终是困扰探地雷达应用的难题。目前主要的处理手段包括成像识别和特征变量识别。成像处理通过对探地雷达回波信号的处理，获取了埋藏物体几何特征，从而可以根据几何特征(主要是外形)对目标加以判别，主要以合成孔径雷达(SAR)成像为主。实现的方法包括三维距(Stanislav Vitebskiy，Lawrence Carin and MarcA.Ressler，Ultra-wideband，short-pulse Ground-penetrating radarsimulation andmeasurement.IEEE Trans.On geoscience and remote sensing.35(3)，1997，762-772)和相位处理(Sai，B.；Ligthart，L.P.；GPR Phase-Based Techniques forProfiling Rough Surfaces and Detecting Small，Low-Contrast Landmines Under FlatGround Geoscience and Remote Sensing，IEEE Transactions on，Volume42，Issue2，Feb.2004 Pages318-326)。由于大地的衰减和色散特性，使得探地雷达回波相互间具有不一致性，获取清晰的图像相对比较困难，从而造成很高的虚警率。同时成像识别忽略了信号中原有的其它特征信息，尤其是比较难于区分形状相似的目标。同时成像处理对实验设备要求高、计算复杂，不易实时处理。处理结果一般由人工加以解释，含有较多的主观因素。基于特征变量识别主要是利用探地雷达的回波信号进行特征变量的提取，借助神经网络完成自动目标识别。已有的相关探地雷达特征提取方法包括连续子波变换(T.Le-Tien，H.Talhami and D.T.Nguyen，“Target SignatureExtraction Based on the Continuous Wavelet Transform in Ultra-WidebandRadar，”IEE Electronics Letters，Vol.33，Issue 1，January 1997)，和时频分析(Guillermo C.Gaunaurd，Hans C.Strifors，Applications of(Wigner-Type)Time-Frequency Distributions to Sonar and Radar SignalAnalysis，7th.International Wigner Symposium held in College park，MD USA，2001)等。已有的方法主要是依据两维功率谱进行识别，特征量复杂不便于识别的工程识别，同时由于特征变量识别主要强调回波信号的特性，对于不同形状目标的识别却无能为力。
技术实现思路
本专利技术的目的在于针对现有技术存在的不足，提供一种新的，即克服成像技术的设备要求高，不能区分形状相似目标的缺点，也克服了现有特征变量识别技术的复杂不易实现和对于不同形状目标的识别无能为力的不足，可以对不同形状、不同材质的地下目标进行有效的自动识别，达到工程化的实用效果。为实现这样的目的，本专利技术的技术方案中，首先对超宽带探地雷达回波信号进行直达波的剔除，利用宽相关处理进行信号滤波和典型数据提取。提取纵向和横向典型数据用于目标形状识别；提取典型回波道数据并进行韦尔奇(Welch)功率谱分析，并利用RBF神经网络对目标材质进行分类，最后把目标形状识别和材质识别的结果进行信息融合，从而实现目标的全面自动识别。本专利技术的包括如下具体步骤1.数据处理数据处理主要包括直达波剔除和信号滤波，用于提取典型纵向和横向切面数据和典型道数据。将探地雷达的三维回波数据进行横向和纵向方向的平均，获取垂直方向的平均回波数据，从中选择第二和第三个回波的连接点作为截断点进行数据截断，抑制直达波，剔除前面的回波数据部分，将余下的回波数据作为含信号的数据进行后续处理，对截断后的探地雷达回波数据进行宽相关处理，得到三个典型切面和三个回波信号的最大值点处的X、Y、Z值。由于探地雷达回波信号由收发天线间直接耦合波、地面反射波、地下介质不连续产生的后向散射波、随机干扰等构成。由直接耦合波和地面反射波组成的直达波直接影响回波目标信号。由于直达波相对目标信号有一个较大的时间差，因此本专利技术通过数据时间轴截断抑制直达波。信号滤波采用宽相关处理方法实现。对截断后的探地雷达回波数据进行宽相关处理，可以提高回波信号的信噪比。宽相关处理的主要思想就是通过引入伸缩因子，所得的回波信号与伸缩的母波具有匹配关系。经过宽相关处理后，可以得到三个典型切面和三个回波信号的最大值点(X，Y，Z)。2.特征提取特征提取主要包括两部分用于目标形状识别的纵向和横向典型数据的提取和用于目标材质识别的典型道数据的提取。根据宽相关处理后得到的回波信号最大值点处的X、Y值，得到对应的纵向切面和横向切面数据，再取切面图最大值附近的各道数据对应的最大值，得到两个切面的轮廓点，得到用于形状识别的特征数据，确定不同的X、Y值，得到对应的纵向切面和横向切面交点的典型道数据，然后经Welch功率谱处理后，可以得到用于材质识别的数据。经过宽相关处理后，可以得到三个典型切面和三个回波信号最大值点处的X，Y，Z值。其中一个是水平切面，显示目标反射面的形状信息，一个纵向切面和一个横向切面，纵向切面的典型数据和横向切面的典型数据相结合用于目标形状的识别；最大值X、Y对应的宽相关处理数据代表回波的典型数据，用于目标材质的识别。根据宽相关处理后得到的回波信号最大值点处的X、Y值，得到对应的纵向切面和横向切面数据，再取切面图最大值附近的各道数据对应的最大值，得到两个切面的轮廓点，得到用于形状识别的特征数据。根据两道数据的相似性进行目标形状的识别。确定不同的X、Y值，得到对应的纵向切面和横向切面交点的典型道数据，然后经Welch功率谱处理后，可以得到用于材质识别的数据。基于宽相关处理所得到的最大值X、Y以及宽相关处理的三维结果，提取对应于(X，Y)的单道宽相关处理数据形成典型道回波数据。由于探地雷达回波信号的非平稳性，尤其是对于超宽带瞬态电磁散射信号，传统的基于傅立叶变换的谱估计方法都将不能使用。考虑部分扫描的Welch平均重叠周期谱可以较好的用于非平稳信号的处理和一维的数据量，可以较好的用于目标特征的提取。将提取的典型道数据经Welch功率谱处理即可得到一维的功率谱，进而用于材质的识别。3.分类识别将得到的形状识别特征数据进行曲线拟合，比较不同曲线对应的平方差，来确定拟合结果，利用不同形状目标回波本文档来自技高网...
【技术保护点】
一种基于信息融合的超宽带探地雷达自动目标识别方法，其特征在于包括如下具体步骤：１）数据处理：包括直达波剔除和信号滤波，将探地雷达的三维回波数据进行横向和纵向方向的平均，获取垂直方向的平均回波数据，从中选择第二和第三个回波的连接点作为 截断点进行数据截断，抑制直达波，剔除前面的回波数据部分，将余下的回波数据作为含信号的数据进行后续处理，对截断后的探地雷达回波数据进行宽相关处理，得到三个典型切面和三个回波信号的最大值点处的Ｘ、Ｙ、Ｚ值；２）特征提取：包括用于目标形状 识别的纵向和横向典型数据的提取和用于目标材质识别的典型道数据的提取，根据宽相关处理后得到的回波信号最大值点处的Ｘ、Ｙ值，得到对应的纵向切面和横向切面数据，再取切面图最大值附近的各道数据对应的最大值，得到两个切面的轮廓点，得到用于形状识别的特征数据，确定不同的Ｘ、Ｙ值，得到对应的纵向切面和横向切面交点的典型道数据，然后经Ｗｅｌｃｈ功率谱处理后，可以得到用于材质识别的数据；３）分类识别：将得到的形状识别特征数据进行曲线拟合，比较不同曲线对应的平方差，来确定拟合结果，利用不 同形状目标回波信号对应不同的拟合曲线，并结合切面图显示，实现目标形状的识别；利用径向基函数ＲＢＦ神经网络对目标材质进行分类，将与不同材质对应的典型道数据经Ｗｅｌｃｈ功率谱估计，得到用于材质识别的样本数据，送入径向基函数ＲＢＦ神经网络进行训练建立特征量与目标值的函数关系，将上一步特征提取得到的用于材质识别的数据作为特征量输入神经网络，实现目标材质的自动识别；最后把目标形状识别和材质识别的结果进行信息融合，实现对不同材质，不同形状目标的全面自动识别。...
【技术特征摘要】
【专利技术属性】
技术研发人员：李建勋，郑军庭，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。