一种地质雷达B-scan数据处理方法技术

本发明专利技术公开了一种地质雷达B‑scan数据处理方法，该方法利用信号处理方法对B‑scan数据进行处理以分离得到用于隧道衬砌异常和铁路路基病害检测的数据剖面。首先采用连续谱白化频谱拓展技术提高信号的时间分辨率，然后采用高效的相位移偏移对高分辨率数据进行偏移成像，提高剖面的横向分辨率，使得成像剖面上衬砌或路基内部的钢筋聚焦为点状结构，最后基于钢筋等点目标与反射界面(混凝土与黏土层或围岩界面)等层特征的区别，采用基于形态成分分析的稀疏分离方法分离出钢筋结构、反射界面等不同的形态成分。该方法有助于提高隧道衬砌和铁路路基检测的准确度，为隧道和铁路维护提供有力依据。

A Geological Radar B-scan Data Processing Method

The invention discloses a data processing method of ground penetrating radar B scan, which uses signal processing method to process B scan data to separate data profiles for detecting tunnel lining anomalies and railway roadbed diseases. Firstly, continuous spectrum whitening spectrum expansion technology is used to improve the time resolution of the signal. Secondly, efficient phase shift migration is used to migrate the high resolution data to improve the transverse resolution of the section, so that the reinforcement in the lining or roadbed of the imaging section is focused on the point structure. Finally, based on the point target and reflection interface of the reinforcement (concrete-clay or surrounding rock interface). The sparse separation method based on morphological component analysis is used to separate different morphological components such as steel bar structure and reflection interface. This method helps to improve the accuracy of tunnel lining and railway subgrade detection, and provides a strong basis for tunnel and railway maintenance.

【技术实现步骤摘要】
一种地质雷达B-scan数据处理方法
本专利技术属于地质雷达信号的信号处理领域，特别涉及一种地质雷达B-scan数据处理方法。
技术介绍
隧道施工是公路和铁路建设中的一个重要问题，其中隧道衬砌施工是目前隧道施工中的一个重要环节。后期的隧道衬砌检测是对施工质量的一个重要评判。另一方面，铁路路基病害诱发路基失稳，是影响铁路安全运营的重要因素，开展有效的铁路路基检测方法具有重要意义。布置于检测目标表面的地质雷达(Ground-penetratingRadar，GPR)通过发射天线发射宽频带短脉冲的高频电磁波，电磁波在衬砌、路基及更深层介质的传播过程中经过存在电性差异的介质体或者界面时产生的反射信号被布置于表层的接收天线接收。地质雷达具有超浅层勘探的独特优势，是一种快速的高分辨率无损检测方法，在隧道以及路基检测中具有广泛应用。目前基于地质雷达B-scan数据的信号处理方法主要有现有技术1：平均值减去法(1)在B-scan剖面上选取连续的若干道，将这些道对应时间点的值累加并除以道数，从而得到平均道；(2)对B-scan上的每一道减去(1)中的平均道，得到最终的数据处理结果；现有技术1的缺点：由于实际地质雷达数据较为复杂，用于计算平均道的道数较难选择，选择不当时易对有用信号造成损伤，从而影响后续的衬砌异常检测；该方法假设杂波及界面反射信号在B-scan剖面上呈现为严格的水平结构，而实际的接收数据通常不满足该假设，因此该方法的处理效果会受到一定的限制；现有技术2：滤波方法在B-scan剖面上，杂波的主要成分及界面反射信号通常表现为水平的带状结构，且杂波的主要成分通常在剖面的最上方，而钢筋反射信号为抛物线形态，利用它们在时间-空间域的特征区别或者在频率-波数域的不同分布区域，可以设计时间-空间域滤波器或者频率-波数域滤波器，从而将两种成分进行分离；现有技术2的缺点：这些滤波器通常是基于数值模拟设定滤波参数，而实际的地质雷达B-scan剖面和模拟剖面会有一定的偏差，因为将设定的滤波器参数用于实际的B-scan剖面处理时，会导致滤波参数难以设置合适的问题，从而影响后续的分离效果以及检测效果。
技术实现思路
基于此，本公开揭示了一种地质雷达B-scan数据处理方法，其特征在于，该方法包括以下步骤：S100、对B-scan剖面上的每一道数据(A-scan)，采用谱白化拓频方法进行处理，得到高时间分辨率的B-scan剖面；S200、基于相位移偏移成像方法，对高时间分辨率B-scan数据进行二维偏移成像，得到B-scan成像剖面；S300、基于形态成分分析方法，对步骤S200得到的B-scan成像剖面进行迭代稀疏分离；S400、对经过迭代稀疏分离出的结果，分析其点状特性和层状结构。本专利技术具有如下有益效果：1)本公开的谱白化频谱拓展方法可以有效的提高B-scan剖面的时间分辨率以及增强深层弱反射的强度；2)本公开采用相位移偏移可以对B-scan剖面高效地进行成像，一方面使得钢筋产生的双曲线型的散射信号聚焦回钢筋的地下位置，使得钢筋成像为点状特征，而混凝土层和黏土层或围岩的界面产生的反射波成像以后仍然为层状结构，从而实现了对两者特征的有效区分，这表明相位移偏移可以提高B-scan剖面的横向分辨率，有益于目标的横向精细检测；3)本公开的分离方法利用了不同结构稀疏表示特征的不同，对不同形态成分进行稀疏分离，具体采用无下采样的二维离散小波变换对点状结构进行稀疏表示，二维曲波变换对层状结构进行稀疏表示。这实现了变换基与所分析特征的一致性，因此可以有效的分离点状结构和层状结构。附图说明图1为本公开一个实施例中的地质雷达B-scan数据处理流程；图2为本公开一个实施例中的基于谱白化方法的傅里叶域B-scan数据频谱拓展流程；图3(A)为本公开一个实施例中的形态成分分析的稀疏分离流程；图3(B)为本公开一个实施例中的无下采样小波原子示意；图3(C)为本公开一个实施例中的曲波原子示意；图4(A)为本公开一个实施例几何模型示意；图4(B)为本公开一个实施例中利用有限差分方法生成的B-scan剖面；图4(C)为本公开一个实施例偏移后的B-scan剖面；图4(D)为本公开一个实施例中分离的点状结构分量；图4(E)为本公开一个实施例中分离的层状结构分量；图5(A)为本公开一个实施例中实测的B-scan剖面；图5(B)为本公开一个实施例中谱白化拓频处理后的高分辨率B-scan剖面；图5(C)为本公开一个实施例偏移后的B-scan剖面；图5(D)为本公开一个实施例中分离的点状结构分量；图5(E)为本公开一个实施例中分离的层状结构分量；图6(A)为本公开一个实施例中实测的B-scan剖面；图6(B)为本公开一个实施例中分离的点状结构分量；图6(C)为本公开一个实施例中分离的层状结构分量。具体实施方式下面结合附图1至附图6(C)和具体实施方式对本专利技术做进一步详细的说明。在一个实施例中，本公开揭示了一种地质雷达B-scan数据处理方法，该方法包括以下步骤：S100、对B-scan剖面上的每一道数据(A-scan)，采用谱白化拓频方法进行处理，得到高时间分辨率的B-scan剖面；S200、基于相位移偏移成像方法，对高时间分辨率B-scan数据进行二维偏移成像，得到B-scan成像剖面；S300、基于形态成分分析方法，对步骤S200得到的B-scan成像剖面进行迭代稀疏分离；S400、对经过迭代稀疏分离出的两个成分，分析其点状特性和层状结构。进一步的，如果B-scan剖面的某一道数据的时间分辨率较高则步骤S100省略。在本实施例中，为了解决上述现有技术所存在的问题，根据需要检测的目标信号特征，本实施例提供了一种地质雷达B-scan剖面信号处理方法，以服务于后期的衬砌或路基检测。首先采用基于谱白化的信号频谱拓展(拓频)技术提高二维地质雷达B-scan数据信号时间方向的分辨率，若接收到的二维地质雷达数据时间分辨率较高，即所述某一道数据的带宽大于5个倍频程，该步骤可以省略。然后将拓频结果进行相位移偏移成像，对混凝土层内的钢筋进行聚焦成像，最后基于钢筋等点目标与反射界面(混凝土与黏土层或围岩界面)等层特征的区别，采用基于形态成分分析的稀疏分离方法分别得到钢筋网以及反射界面等目标。在一个实施例中，所述步骤S100中的拓频方法具体包括以下步骤：S101、计算B-scan剖面上的每一道数据的一维傅里叶变换，得到所述每一道数据的振幅谱和相位谱；S102、在所述每一道数据的有效频宽范围内，设定若干个带通滤波器，将振幅谱分为若干个子带；S103、计算每个子带内的数据振幅谱加权系数；S104、将每个子带内的振幅谱乘以对应的加权系数，相位谱不变，得到拓频后的频谱；S105、基于拓频后的频谱，计算B-scan剖面上的每一道数据的一维傅里叶反变换，得到拓频后的B-scan剖面上的每一道数据。在本实施例中，所述步骤S102中带通滤波器的数量为5-8个。在一个实施例中，所述步骤S200中的相位移偏移成像方法包括以下步骤：S201、对高时间分辨率处理后的B-scan数据进行二维傅里叶变换，对应的关系式为：式中，f(x，z，t)|z＝0表示在检测目标表层接收到的B-scan数据，x表示空间坐标，z表本文档来自技高网...

【技术保护点】
1.一种地质雷达B‑scan数据处理方法，其特征在于，该方法包括以下步骤：S100、对B‑scan剖面上的每一道数据，采用谱白化拓频方法进行处理，得到高时间分辨率的B‑scan剖面；S200、基于相位移偏移成像方法，对高时间分辨率B‑scan数据进行二维偏移成像，得到B‑scan成像剖面；S300、基于形态成分分析方法，对步骤S200得到的B‑scan成像剖面进行迭代稀疏分离；S400、对经过迭代稀疏分离出的结果，分析其点状特性和层状结构。

【技术特征摘要】
1.一种地质雷达B-scan数据处理方法，其特征在于，该方法包括以下步骤：S100、对B-scan剖面上的每一道数据，采用谱白化拓频方法进行处理，得到高时间分辨率的B-scan剖面；S200、基于相位移偏移成像方法，对高时间分辨率B-scan数据进行二维偏移成像，得到B-scan成像剖面；S300、基于形态成分分析方法，对步骤S200得到的B-scan成像剖面进行迭代稀疏分离；S400、对经过迭代稀疏分离出的结果，分析其点状特性和层状结构。2.如权利要求1所述的方法，其特征在于，优选的，如果B-scan剖面的某一道数据的时间分辨率较高，则步骤S100省略。3.如权利要求1所述的方法，其特征在于，所述步骤S100中的拓频方法具体包括以下步骤：S101、计算B-scan剖面上的每一道数据的一维傅里叶变换，得到所述每一道数据的振幅谱和相位谱；S102、在所述每一道数据的有效频宽范围内，设定若干个带通滤波器，将振幅谱分为若干个子带；S103、计算每个子带内的数据振幅谱加权系数；S104、将每个子带内的振幅谱乘以对应的加权系数，相位谱不变，得到拓频后的频谱；S105、基于拓频后的频谱，计算B-scan剖面上的每一道数据的一维傅里叶反变换，得到拓频后的B-scan剖面上的每一道数据。4.如权利要求1所述的方法，其特征在于，所述步骤S200中的相位移偏移成像方法包括：S201、对高时间分辨率处理后的B-scan数据进行二维傅里叶变换，对应的关系式为：式中，f(x，z，t)|z-0表示在检测目标表层接收到的B-scan数据，x表示空间坐标，z表示深度，t表示时间，为虚数单位；F(kx，z，ω)|z＝0为B-scan信...

【专利技术属性】
技术研发人员：周艳辉，师振盛，王晓凯，陈文超，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61