一种结合包络波动感知与局部IMF筛选重构的探地雷达弱目标回波增强方法

摘要: 本发明涉及探地雷达信号处理,具体涉及一种结合包络波动感知与局部imf筛选重构的探地雷达弱目标回波增强方法。背景技术:1、探地雷达是一种利用高频电磁波对地下介质结...
一种结合包络波动感知与局部IMF筛选重构的探地雷达弱目标回波增强方法

本发明涉及探地雷达信号处理,具体涉及一种结合包络波动感知与局部imf筛选重构的探地雷达弱目标回波增强方法。

背景技术:

1、探地雷达是一种利用高频电磁波对地下介质结构和埋藏目标进行探测的无损检测技术,广泛应用于地下管线探测、道路病害检测、工程质量检测、地质勘查以及地下异常体识别等领域。探地雷达系统向地下发射短脉冲电磁波,电磁波在地下传播过程中遇到介电常数、电导率等电性参数发生变化的界面或目标时会产生反射信号,接收天线接收反射回波后,通过对回波信号进行分析即可获得地下目标的位置、深度及结构特征。

2、然而,在实际探测过程中,探地雷达回波信号会受到多种因素的干扰:其一,天线直达波、地表反射波和层状介质反射波等背景杂波会与地下目标回波叠加,使目标回波特征被掩盖;其二,地下介质的不均匀性、电磁波传播衰减以及频散效应会导致目标回波幅值减弱、波形畸变和信噪比降低;其三,外部电磁辐射、周围设备噪声及现场随机扰动等环境干扰会叠加到回波信号中,降低信号稳定性和目标特征识别能力。上述干扰使得深部或弱小尺寸目标的回波信号往往淹没于强噪声背景之中,形成难以辨识的弱目标回波,直接影响目标定位与识别的可靠性。

3、为抑制噪声、提高回波信号质量,现有技术中已提出多种探地雷达回波信号处理方法,主要包括均值滤波、中值滤波、小波阈值去噪、经验模态分解、变分模态分解以及奇异值分解等。

4、文献[1]公开了一种基于混合傅立叶-小波分析的探地雷达信号降噪方法,其利用傅立叶变换与小波分析相结合的方式对探地雷达信号进行降噪处理。此类基于变换域的去噪方法能够对非平稳信号进行多尺度分析,但其通常采用统一阈值或固定规则对各尺度系数进行处理,未考虑目标回波在时间上的局部分布特性,在噪声抑制的同时容易造成有效目标细节的损失,在弱目标增强和局部目标特征保持方面仍存在不足。

5、文献[2]公开了一种基于二维经验模态分解的探地雷达地下目标检测方法,其对探地雷达回波数据进行二维经验模态分解,得到按频率递降排列的若干本征模态函数imf分量及残余分量,并将前m个imf分量的均值作为探测回波分量数据进行目标定位。此类基于模态分解的方法能够将复杂非平稳信号分解为若干模态分量,但其对模态分量的取舍依据分量的整体阶次或全局统计特征,属于全局筛选方式,难以区分同一模态中混合存在的目标成分和噪声成分,容易造成去噪不足或目标信息丢失。

6、文献[3]公开了一种联合剪切波变换和奇异值分解的探地雷达数据去噪方法,其通过剪切波变换与奇异值分解的联合处理实现数据去噪。此类方法基于信号与噪声在变换域或奇异值谱上的整体差异进行分离,对整段数据采用相同处理策略,缺乏对疑似目标时间区域的局部自适应识别能力。

7、文献[4]公开了一种利用二维变分模态分解的探地雷达绕射波和反射波分离方法,其对探地雷达数据进行二维变分模态分解获得各阶imf分量,结合频率-波数谱分析各模态分量对应的回波类型,再对不同类型的模态分量分别重构以实现波场分离,并可通过去除高频高波数模态分量抑制随机噪声。该方法虽然实现了按模态分量分类重构,但其模态筛选仍然基于分量整体的频波域分布特征,未针对弱目标回波所在的局部时间区域进行模态成分的目标-噪声二次区分,当目标回波与噪声共存于同一模态分量时,整体取舍的处理方式仍会导致弱目标信息丢失或噪声残留。

8、综上,现有探地雷达回波处理方法主要存在以下不足:其一,传统去噪方法对不同时间区域采用相同处理策略,缺乏对疑似目标区域的局部自适应识别,处理过程中容易将弱目标回波与噪声一并抑制;其二,全局模态筛选方法难以准确处理同一模态中目标成分与噪声成分混合存在的问题,整体保留或整体舍弃的筛选方式容易造成去噪不足或目标信息丢失;其三,弱目标回波在强噪声背景下幅值较低,现有方法缺乏对弱目标回波的针对性增强手段,导致目标特征不明显、目标定位精度受限。

9、因此,如何在有效抑制非目标区域噪声的同时,准确识别疑似目标区域并在局部区域内从混合模态中提取有效目标回波成分、增强弱目标回波特征,成为探地雷达回波信号处理领域亟待解决的技术问题。

10、参考文献:

11、文献[1]:中国发明专利 cn106199532b,基于混合傅立叶-小波分析的探地雷达信号降噪方法,发明人:方广有、董泽华、叶盛波、纪奕才、张晓娟,申请人:中国科学院电子学研究所,申请号 cn201610479333.6,申请日 2016年6月27日,公开号 cn106199532a,公开日 2016年12月7日,授权公告日 2018年11月23日。

12、文献[2]:中国发明专利 cn105182328b,一种基于二维经验模态分解的探地雷达地下目标检测方法,发明人:乔丽红、秦瑶、王其富、任笑真、廉飞宇、杨德梅,申请人:河南工业大学,申请号 cn201510570738.6,申请日 2015年9月9日,授权公告日 2017年8月25日。

13、文献[3]:中国发明专利 cn106405504b,联合剪切波变换和奇异值分解的探地雷达数据去噪方法,发明人:郑晶、彭苏萍、杨峰,申请人:中国矿业大学(北京),申请号cn201610739103.9,申请日 2016年8月26日,公开号 cn106405504a,公开日 2017年2月15日,授权公告日 2018年11月6日。

14、文献[4]:中国发明专利申请 cn117706492a,利用二维变分模态分解的gpr绕射波和反射波分离方法,发明人:商耀达、刘财、鹿琪、李鹏、徐杨杨,申请人:吉林大学,申请号cn202311610085.0,申请日 2023年11月29日,公开日 2024年3月15日。

技术实现思路

1、针对现有探地雷达回波处理方法对不同时间区域采用统一处理策略、全局模态筛选难以区分混合模态中的目标成分与噪声成分、弱目标回波在强噪声背景下易被抑制而导致目标特征不明显的问题。本发明提供一种结合包络波动感知与局部imf筛选重构的探地雷达弱目标回波增强方法,通过hilbert包络波动感知自适应判别疑似目标区域,并在局部滑动窗口内对imf分量进行多指标筛选重构,结合目标区域门控、幅值归一化与重叠加权融合,实现在有效抑制非目标区域噪声、避免弱目标信息丢失的同时增强弱目标回波特征并保持信号连续性,从而提高弱目标回波的可辨识性和目标定位精度。

2、本发明采取的技术方案为:

3、一种结合包络波动感知与局部imf筛选重构的探地雷达弱目标回波增强方法,包括以下步骤:

4、s1:对含目标的探地雷达原始回波信号进行背景杂波去除,得到背景去除信号;

5、s2:对背景去除信号进行模态分解,得到多个本征模态函数imf分量,根据各imf分量的能量对各imf分量进行初步筛选处理并重构,得到初步重构信号;

6、s3:提取初步重构信号的包络,根据包络的局部波动量判别疑似目标区域,得到疑似目标区域掩膜;

7、s4:采用滑动窗口对初步重构信号进行局部划分,得到多个局部窗口信号,并根据疑似目标区域掩膜对各局部窗口信号进行区分处理:对非目标区域的局部窗口信号进行抑制处理,对包含疑似目标区域的局部窗口信号进行局部模态分解,得到多个局部imf分量;

8、s5:结合区域能量占比、包络峰值占比、包络对比度、相关系数和综合评分确定局部imf分量是否存在目标信号。保留含有有效目标回波的局部imf分量并进行局部重构,得到局部重构信号;

9、s6:对各局部窗口的局部重构信号进行融合,得到增强后的探地雷达弱目标回波信号。

10、所述s1包括:

11、s1.1:获取含目标的探地雷达原始回波信号,,为采样点数,将原始回波信号减去背景回波信号,得到背景去除信号:

12、;

13、其中,为无目标条件下获取的背景回波信号,或由多道回波估计得到的背景杂波信号;

14、s1.2:对背景去除信号进行变分模态分解,得到个imf分量与残余分量:

15、;

16、其中,为第个imf分量,为imf分量序号,各imf分量为近似窄带信号且分别对应一个中心频率,为变分模态分解的残余分量。

17、所述s2包括:

18、s2.1:计算第个imf分量的能量:

19、;

20、s2.2:根据各imf分量的能量,计算第个imf分量的能量因子:

21、;

22、其中,为用于避免分母为零的极小正数,为对全部imf分量进行求和的求和角标;

23、s2.3:对各imf分量的能量因子进行归一化处理,得到第个imf分量的归一化能量评分:

24、;

25、其中,,、分别为全部imf分量的能量因子的最小值、最大值;

26、s2.4:预设分类阈值、、,且满足;

27、s2.5:根据归一化能量评分与分类阈值的大小关系,对第个imf分量进行分类处理,得到处理后的imf分量:

28、;

29、其中,为较强去噪算子,为较弱去噪算子,且较强去噪算子的去噪强度大于较弱去噪算子;

30、s2.6:将处理后的全部imf分量叠加,重构得到初步重构信号:

31、。

32、所述s3包括:

33、s3.1:对初步重构信号进行hilbert变换,构造解析信号,并计算hilbert包络:

34、;

35、;

36、其中,表示hilbert变换,为虚数单位;

37、s3.2:对hilbert包络进行滑动平均平滑处理,得到平滑包络:

38、;

39、其中,为平滑窗口长度,为平滑窗口半长度,为滑动平均的平滑求和角标;

40、s3.3:以每个采样点为中心构造滑动时间窗,计算滑动时间窗内平滑包络的局部波动量:

41、;

42、其中,为滑动时间窗内的采样点角标,并以局部波动量作为判别疑似目标区域的依据。

43、所述s3中,根据包络的局部波动量判别疑似目标区域,包括:

44、s3.4:根据全部采样点的局部波动量构造自适应波动阈值:

45、;

46、其中,表示均值计算,表示标准差计算,为阈值调节系数;

47、s3.5:根据各采样点的局部波动量与自适应波动阈值,构造非负超阈值比例,并据此构造疑似目标区域判别因子:

48、;

49、;

50、其中,为增强强度系数;

51、s3.6:根据疑似目标区域判别因子构造初始疑似目标区域掩膜:

52、;

53、其中,表示采样点属于疑似目标区域,表示采样点属于非目标区域;再对所述初始疑似目标区域掩膜进行邻域扩展和平滑处理,得到覆盖目标峰值及其相邻振荡区域的疑似目标区域掩膜。

54、所述s4包括:

55、s4.1:设置窗口长度为的滑动窗口,则第个局部滑动处理窗口为:

56、;

57、其中,为局部滑动处理窗口序号,为第个局部滑动处理窗口的中心采样点,为窗口半长度;相邻窗口中心之间的滑动步长为,满足,且,使相邻局部滑动处理窗口之间存在重叠;

58、s4.2:将初步重构信号记为,将疑似目标区域掩膜记为;对第个局部滑动处理窗口,提取对应的局部窗口信号和该窗口内的疑似目标区域掩膜:

59、;

60、;

61、s4.3:若,则判定该窗口为非目标区域,对该窗口的局部窗口信号进行抑制处理,输出,其中,为非目标区域衰减系数,满足;若,则判定该窗口包含疑似目标区域,去除该窗口内局部窗口信号的局部均值:

62、;

63、其中,为第个局部滑动处理窗口内的采样点数,为窗口内的采样点角标,为去除局部均值后的局部窗口信号,并对进行局部模态分解。

64、所述s5包括:

65、s5.1:对去除局部均值后的局部窗口信号进行局部模态分解,得到个局部imf分量与局部残余项:

66、;

67、其中,为第个局部滑动处理窗口内分解得到的第个局部imf分量,所述局部残余项不参与局部重构;

68、s5.2:计算第个局部滑动处理窗口内第个局部imf分量的能量和该窗口内去除局部均值后的局部窗口信号的能量:

69、;

70、;

71、若,则将该局部imf分量判定为无效模态并舍弃,其中,为最小imf能量比例阈值。

72、所述s5还包括s5.3:

73、对能量满足要求的局部imf分量,计算其hilbert包络并进行平滑处理,得到局部imf分量的平滑包络:

74、;

75、并基于所述疑似目标区域,按照如下方式计算该局部imf分量的有效性评价指标:

76、1)计算疑似目标区域能量占比:

77、;

78、2)计算疑似目标区域包络峰值占比:

79、;

80、3)计算疑似目标区域与非目标区域之间的包络对比度,并将其归一化为:

81、;

82、;

83、4)计算该局部imf分量与去除局部均值后的局部窗口信号之间的相关系数:

84、;

85、其中,为第个局部滑动处理窗口内第个局部imf分量的均值,为该窗口内去除局部均值后的局部窗口信号的均值。

86、所述s5中,基于疑似目标区域掩膜对局部imf分量进行筛选并进行局部重构,包括:

87、s5.4:设定包络峰值阈值:

88、;

89、其中,为峰值标准差调节因子;若存在满足的采样点使,则判定该局部imf分量在疑似目标区域内存在明显包络峰;进而基于各有效性评价指标构造有效性评分:

90、;

91、其中,、、、分别为疑似目标区域能量占比、疑似目标区域包络峰值占比、归一化包络对比度,相关系数的权重系数,且满足;

92、s5.5:若该局部imf分量满足且,并在疑似目标区域内存在明显包络峰,或者满足且,并在疑似目标区域内存在明显包络峰,则判定该局部imf分量为含有效目标回波的模态并保留;否则判定为无效模态并剔除;其中,为综合评分阈值,为相关系数阈值,为疑似目标区域能量占比阈值,为疑似目标区域包络峰值占比阈值;将保留的局部imf分量的集合记为,进行局部重构,得到局部重构信号:

93、;

94、若为空集,则对该窗口的局部窗口信号进行抑制处理;

95、s5.6:将局部重构信号与目标门控函数相乘:

96、;

97、其中,由疑似目标区域掩膜平滑得到,且满足,为门控后的局部重构信号;计算疑似目标区域内的局部峰值,若大于最小归一化阈值,则计算幅值归一化系数并对其进行限幅:

98、;

99、;

100、其中,为设定的目标幅值,、分别为最大允许增益、最小允许增益;进而得到增强后的局部重构信号,并对其进行限幅处理:

101、;

102、其中,为局部最大允许幅值。

103、所述s6包括:

104、s6.1:对各局部窗口构造余弦加权窗:

105、;

106、其中,为窗口长度,为窗口内局部采样序号;将各局部窗口的局部重构信号进行加权叠加,并计算权重和:

107、;

108、;

109、其中,为加权叠加信号;得到重叠加权融合后的连续重构信号:

110、;

111、其中,为用于避免分母为零的极小正数;

112、s6.2:对满足的各连续疑似目标区域进行二次幅值归一化:计算区域峰值,为连续疑似目标区域序号,若大于最小归一化阈值,则计算区域归一化系数:

113、;

114、并对该连续疑似目标区域内的信号进行幅值调整,

,其中,为设定的区域目标幅值;最终输出信号即为增强后的探地雷达弱目标回波信号。

115、本发明一种结合包络波动感知与局部imf筛选重构的探地雷达弱目标回波增强方法,技术效果如下:

116、1)实现了疑似目标区域的局部自适应识别,克服了现有技术对不同时间区域采用统一处理策略的缺陷:

117、针对背景技术中指出的"传统去噪方法对不同时间区域采用相同处理策略,缺乏对疑似目标区域的局部自适应识别"的问题,本发明利用回波信号包络在局部时间窗口内的波动特征,结合由信号自身统计特性构造的自适应波动阈值生成判别因子,自动确定弱目标回波可能出现的时间区域,无需预先给定固定幅值形式的全局判别阈值,而是根据当前回波信号的包络统计特征构造随信号变化的相对判别阈值。由此使后续处理能够区分目标区域与非目标区域而采取不同的处理策略,降低了统一处理导致弱目标回波与噪声同时被抑制的风险。

118、2)实现了混合模态中有效目标回波成分的局部有效提取,克服了全局模态筛选易造成目标信息丢失的缺陷:

119、针对背景技术中指出的"全局模态筛选方法难以准确处理同一模态中目标成分与噪声成分混合存在的问题",本发明仅在疑似目标区域对应的局部窗口内进行模态分解,并从疑似目标区域能量聚集程度、包络峰值位置、目标与非目标区域包络差异以及与局部原始回波的一致性等多个维度对局部模态分量逐一进行有效性评价,保留含有效目标回波的模态、剔除无效模态。相比于按模态分量整体阶次或全局统计特征进行取舍的方式,本发明能够提高对目标与噪声混合模态中有效目标成分的保留能力,并抑制与目标相关性较低的模态成分。

120、3)实现了弱目标回波的针对性增强,提高了弱目标回波的可辨识性:

121、针对背景技术中指出的"弱目标回波在强噪声背景下容易被抑制,导致目标特征不明显"的问题,本发明对筛选重构后的局部信号施加由疑似目标区域掩膜导出的门控处理,使重构能量集中于目标区域附近,并在受限增益范围内对目标区域进行幅值归一化增强及限幅保护,在放大弱目标回波幅值的同时防止过度放大和波形过冲,且不额外引入目标位置的人工平移,从而使弱目标回波的可辨识性。

122、4)实现了非目标区域噪声的有效抑制,提高了回波信号的信噪比:

123、本发明在前置处理阶段通过背景杂波去除削弱天线直达波、地表反射波等强稳定性干扰,并依据各模态分量的能量贡献对模态分量进行分级处理,对低能量噪声模态直接剔除、对混合模态按噪声占比施加差异化强度的去噪;在后续处理中对判定为非目标区域的窗口信号进行强抑制,并结合门控处理进一步降低目标区域以外的噪声残留。通过前后两级相互配合的噪声抑制机制,有利于降低非目标区域的噪声残留,提高弱目标回波相对于背景噪声的可辨识程度。

124、5)保证了重构信号的连续性与幅值稳定性,提高了目标定位的可靠性:

125、本发明在相邻重叠的局部窗口之间采用加权融合方式获得连续重构信号,避免了分窗处理在窗口边界处产生的不连续现象;同时对连续疑似目标区域进行二次幅值归一化,保证同一目标区域内回波幅值的稳定性。由此使增强后的回波信号波形连续、目标区域幅值特征稳定,为后续目标时延提取、定位与识别提供更加稳定的信号基础,从而提高目标定位与识别的可靠性。

126、6)处理方法自适应程度高,具有良好的工程适用性:

127、本发明的疑似目标区域判别主要依据当前回波信号的局部包络波动以及相对统计特征进行,局部模态的有效性评价综合利用能量占比、峰值占比、区域对比度和相关性等无量纲或归一化特征,相比单纯依据固定绝对幅值阈值进行判断的方式,对回波幅值变化和不同噪声水平具有更好的适应能力。