[发明专利]一种自适应探地雷达数据去噪方法

说明书

技术领域

本发明属于工程勘探数据处理技术领域，具体涉及一种自适应探地雷达数据去噪方法。

背景技术

探地雷达自上世纪初Letmbach和Lowy提出概念至今已走过1个多世纪的历程，不仅理论成熟，实际应用也取得了巨大成果。然而在实际应用中，雷达信号不可避免地会受到各种噪声干扰，从而导致信噪比降低，深部信号被掩盖，成像效果差，由雷达信号反演计算各类参数的精确性更是会受到不同程度的影响，使得最终成果质量大幅降低。

从噪声来源来分，探地雷达噪声主要可以分为仪器噪声、天线耦合噪声、人文工业噪声、介质内的非均匀散射、强地表反射、起伏地表散射以及各种多次反射波等；针对各类噪声，已有的去噪方法主要包括似然比检测技术、参数系统识别技术、小波包分解技术、子空间滤波技术、独立成分分析、平均值滤波技术、频率域滤波技术等，虽然这些方法有充分的理论依据，在模型数据上也能获得理想效果，但受限于各种假设和实际条件，在处理受噪声污染的实际数据时通常难以达到预期目标。

因此，寻求高精度、高效率、适应性强的去噪方法是成功应用探地雷达解决实际问题的前提基础。奇异值分解(SVD)是以线性代数理论为基础的矩阵分解方法，其核心思想是将高维复杂矩阵表示成低维简单矩阵，从而突出原矩阵的主要特征；SVD技术在各个领域均有广泛应用，包括图像压缩、信号去噪、模式识别、特征提取等，然而这些应用都面临一个共同的问题，即如何准确决定奇异值个数，而这是成功利用SVD技术的关键步骤。为此，各个领域的专家学者根据特定目标发展了各自的处理方法，也取得了一定成效，然而还没有哪种方法具备广泛的适应性。

在探地雷达去除水平规则干扰方面，Abujarad等简单地将第一个奇异值所对应成分视为水平干扰，将剩余数据均作为有效信号，该方法只对极其规则的水平干扰噪声有效。此外，还包括奇异熵增量、信噪比经验等方法，这些方法都只是半定量方法，通常依赖于处理人员的经验，这不仅降低了工作效率，而且缺乏客观性。针对此问题，亟需在SVD分解的基础上研究自动判断奇异值个数的方法，并根据奇异值重新合成目标成分来实现准确高效的去噪目的，从而提高雷达数据的信噪比，突出目标信号特征，为后续处理提供高质量的基础数据，保证结果的可靠性。

发明内容

鉴于上述，本发明提供了一种自适应探地雷达数据去噪方法，能够自动确定相干噪声奇异值个数，避免针对不同数据需人机交互判定奇异值数目带来的麻烦。

一种自适应探地雷达数据去噪方法，包括如下步骤：

(1)对于原始探地雷达数据，截取其前k纳秒内的数据并确定数据的标准道，k为大于0的实数；

(2)对于任一扫描道，计算该扫描道与标准道在前k纳秒内的互相关函数并取其最大值；

(3)根据步骤(2)遍历所有扫描道，得到由各扫描道互相关函数最大值组成的初至曲线L，进而计算出初至曲线L的均方根高D；

(4)根据以下公式计算出与相干噪声对应的奇异值个数N；

N＝ROUND{0.2634D+1.3086}

其中：ROUND{}为向上取整函数；

(5)对原始探地雷达数据进行奇异值分解，剔除奇异值分解后的前N个数据成分，将剩余数据成分重新合成后即完成去噪过程。

所述步骤(1)中的原始探地雷达数据为n×m大小的数据矩阵，n和m分别对应为时间和空间上的采样点数；所述扫描道即对应探测对象表面上任一采样点的雷达数据，所述标准道即对应探测对象表面上某一采样点的雷达数据，该采样点为随机或人为指定。

所述步骤(2)中的互相关函数表达式如下：

其中：R_j(τ)为第j扫描道与标准道在前k纳秒内的互相关函数，x₀(t)为t时刻的标准道，t和τ均为时间采样序号且1≤τ≤K，K为前k纳秒内雷达数据的采样点数，x_j^*(t-τ)为x_j(t-τ)的共轭复数，x_j(t-τ)为t-τ时刻的第j扫描道，j为自然数且1≤j≤m。

所述步骤(3)中根据以下公式计算初至曲线L的均方根高D：

其中：d(j)为第j扫描道与标准道在前k纳秒内的互相关函数最大值，为初至曲线L的平均值。

优选地，k＝5。