一种基于BP神经网络的地下金属圆管半径和埋深的估计方法技术
【技术实现步骤摘要】
一种基于BP神经网络的地下金属圆管半径和埋深的估计方法
本专利技术属于探地雷达无损探测领域，具体涉及一种探地雷达回波信号的特征提取和地下金属圆管的半径和埋深的方法。
技术介绍
探地雷达(GroundPenetratingRadar，GPR)是一种有效便捷的无损探测技术。它通过发射天线向地下发射宽带电磁波，然后在接收天线端接收地下区域的散射波。电磁波在地下介质中传播时遇到电磁差异的界面发生散射，从而可以根据接收到的电磁波波形及特征，推断地下介质和探测目标的介电特性、空间位置、结构形态和埋藏深度等参数。探地雷达的回波信号特征提取的方法有多种，从频域角度来看，在幅频谱上按既定规则划分频谱区间，以每个区间内的极大极小值和区间边界极值是否重合的情况，作为特征矢量【参考文献：ZhangH,OuyangS,WangG,etal.DielectricSpectrumFeatureVectorExtractionAlgorithmofGroundPenetratingRadarSignalinFrequencyBands[J].IEEEGeoscience&RemoteSe...
【技术保护点】
一种基于BP神经网络的地下金属圆管半径和埋深的估计方法，其特征在于，包括以下步骤：步骤1：设定不同的探测场景，分别进行探地雷达正演模拟得到不同探测场景下的多个原始探地雷达B‑Scan回波数据；探测场景的参数包括金属圆管的半径r、埋深d以及地下介质的相对介电常数ε；步骤2：构建训练样本的输入数据集和输出数据集；对原始探地雷达B‑Scan回波数据进行去直达波和背景噪声预处理；再对预处理后的探地雷达B‑Scan回波数据进行最强能量道的提取，得到金属圆管正上方的A‑Scan回波数据；最后对该A‑Scan回波数据进行特征提取，得到其特征参数；以其特征参数构建其特征矢量；依次对所有原始...
【技术特征摘要】
1.一种基于BP神经网络的地下金属圆管半径和埋深的估计方法，其特征在于，包括以下步骤：步骤1：设定不同的探测场景，分别进行探地雷达正演模拟得到不同探测场景下的多个原始探地雷达B-Scan回波数据；探测场景的参数包括金属圆管的半径r、埋深d以及地下介质的相对介电常数ε；步骤2：构建训练样本的输入数据集和输出数据集；对原始探地雷达B-Scan回波数据进行去直达波和背景噪声预处理；再对预处理后的探地雷达B-Scan回波数据进行最强能量道的提取，得到金属圆管正上方的A-Scan回波数据；最后对该A-Scan回波数据进行特征提取，得到其特征参数；以其特征参数构建其特征矢量；依次对所有原始探地雷达B-Scan回波数据进行上述处理和特征提取，得到多个探测场景下金属圆管正上方的A-Scan数据的特征参数和它们对应的特征矢量；将得到的所有特征矢量组成特征矢量矩阵X＝[x1,x2,...,xk,...,xK]，作为训练样本的输入数据集；其中xk表示第k个探测场景下金属圆管正上方的A-Scan回波数据的特征矢量，K表示训练样本的数量；每个探测场景对应的参数构成一个输出矢量y；多个探测场景的输出矢量组成输出矢量矩阵Y＝[y1,y2,...,yk,...,yK]，作为训练样本的输出数据集；步骤3：设计BP神经网络的结构，包括输入输出层的节点数、中间层的层数和各层的节点数；步骤4：运用训练样本数据集对该BP神经网络进行训练；步骤5：提取待测场景下金属圆管正上方的A-Scan回波数据，并提取其特征参数；将其特征参数构建的特征矢量输入至训练好的BP神经网络，输出该待探测场景对应的地下金属圆管的半径、埋深和背景介质介电常数的估计值，完成对地下金属圆管半径和埋深的估计。2.根据权利要求1所述的基于BP神经网络的地下金属圆管半径和埋深的估计方法，其特征在于，所述步骤2中，通过以下步骤获取金属圆管正上方的A-Scan回波数据的特征参数，构建其特征矢量：步骤2.1：对金属圆管正上方的A-Scan回波数据取绝对值，再提取其峰值坐标，记峰值幅度为a，峰值到达时间为τ；步骤2.2：根据探地雷达发射信号的子波宽度，设置该金属圆管正上方的A-Scan回波数据的回波提取时间窗t...
【专利技术属性】
技术研发人员：雷文太，左逸玮，施荣华，彭楠，满敏，梁琼，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43
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。