一种基于多源信号分解的探地雷达信号去噪方法

本发明属于探地雷达信号处理，具体涉及一种基于多源信号分解的探地雷达信号去噪方法。

背景技术：

1、探地雷达利用高频电磁波探测地下结构，广泛应用于考古、地质勘探、环境监测和基础设施评估等领域。然而探地雷达回波信号通常由地层反射、目标回波、直达波、杂波和环境噪声等多种分量叠加而成，复杂噪声会掩盖微弱目标响应，降低后续解释准确性。

2、传统探地雷达信号去噪方法包括迁移算法、奇异值分解、k-奇异值分解字典学习等，存在计算成本高、对复杂噪声适应性不足等问题。随着深度学习的发展，基于卷积神经网络、循环神经网络等深度学习的去噪方法被广泛用于信号去噪，这类方法主要学习从含噪信号到干净信号的直接映射，将不同信号分量视为不可分离的混合体，存在以下不足：一是恢复过程缺乏可解释性，无法区分目标反射、背景响应和噪声等物理分量；二是未能充分利用探地雷达信号的局部连续性、频谱分布和背景平滑性等物理特征。近年来，基于transformer的去噪方法凭借自注意力机制建模长程依赖的能力，被进一步引入探地雷达信号处理领域；然而，标准transformer直接应用于探地雷达信号去噪仍存在以下不足：三是标准transformer的全局自注意力允许每个位置关注所有位置，引入大量无关长程交互，而探地雷达信号反射主要表现为局部时间连续性，远端采样点相关性较弱；四是标准transformer采用的正弦位置编码以加法方式在输入端注入绝对位置信息，在深层网络中易被稀释，且绝对位置编码无法适应探地雷达信号的平移不变性。因此，亟需一种显式建模不同信号分量、融合先验约束的探地雷达信号去噪方法。

技术实现思路

1、为解决上述问题，本发明提出一种基于多源信号分解的探地雷达信号去噪方法，将探地雷达信号去噪由端到端直接重构转变为多源潜在信号分解问题，构建多源信号分解重建网络，将含噪信号分解为多个潜在源分量及自适应权重，再加权融合重建干净信号。采用局部窗口注意力增强局部波形建模，引入旋转位置编码实现相对位置编码，设计多目标分解损失融合先验约束。

2、技术方案如下：

3、一种基于多源信号分解的探地雷达信号去噪方法，包括以下步骤：

4、s1，探地雷达信号数据采集与预处理：采集a扫描回波信号，依次进行去直流偏移（对每条信号减去其均值）、傅里叶域重采样至1024点、最大绝对值归一化至；

5、s2，构建多源信号分解重建网络：输入嵌入层将一维信号投影至隐藏维度并叠加正弦位置编码；层transformer编码器提取特征，每层采用前置归一化结构；双输出头分别输出个源信号和对应权重，权重经归一化确保非负且求和为1，重建信号为各源按权重加权求和；

6、s3，探地雷达信号感知局部窗口注意力：每个编码器层中，查询仅关注窗口大小内的相邻位置，经软最大化函数后被掩码位置的权重为零，增强局部上下文建模并抑制无关长程交互；

7、s4，旋转位置编码：对查询和键施加位置相关旋转变换，注意力得分仅依赖相对位置偏移，实现平移不变性，旋转衰减特性自然增强邻近位置注意力；

8、s5，多目标分解损失训练：，其中为平滑l1时域重建损失，为幅度谱均方误差，为s形函数掩码频带分离损失，为背景分量二阶差分平滑l1损失；

9、s6，去噪重建：含噪信号经网络分解后按权重加权求和输出去噪信号。

10、有益效果：

11、本发明将探地雷达信号去噪重构为多源信号分解问题，通过显式分离不同潜在分量后再重建，提供了更具可解释性的信号表征。局部窗口注意力增强局部波形建模，旋转位置编码实现平移不变性，多目标损失融合时域重建、频域一致性、频带分离和背景平滑等物理先验。实验表明，去噪结果的均方误差低至0.0007，平均信噪比达17.60 db，谱余弦相似度达0.9967，分解得到的各分量具有清晰的物理可解释性，在真实探地雷达数据上也表现出良好的泛化能力与工程应用价值。

1.一种基于多源信号分解的探地雷达信号去噪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤s2中所述多源信号分解重建网络包括：输入嵌入层，通过线性映射将一维信号投影至隐藏维度并叠加正弦位置编码；层transformer编码器栈，每层采用前置归一化结构，先对输入进行层归一化，再进行多头自注意力和前馈网络计算，并通过残差连接与输入相加；双输出头中，第一分支经线性投影输出个源信号，第二分支先对编码器输出进行全局平均池化，再经线性层和s形激活函数输出各源权重，权重经修正线性单元处理和归一化后非负且求和为1。

3.根据权利要求1所述的方法，其特征在于，步骤s3中所述局部窗口注意力的掩码定义为：对于查询位置，仅允许关注满足的键位置，其中为窗口大小，不满足该条件的位置被屏蔽；经软最大化函数后，被屏蔽位置的注意力权重为零。

4.根据权利要求1所述的方法，其特征在于，步骤s4中所述旋转位置编码，对位置处的查询向量和位置处的键向量分别施加由若干二维旋转块组成的旋转矩阵、，每个旋转块的旋转角为位置序号与对应角频率的乘积；变换后查询与键的内积为，仅依赖相对位置偏移，且旋转矩阵正交、保持向量范数不变，从而自然为邻近位置分配更大的注意力权重。

5.根据权利要求1所述的方法，其特征在于，步骤s5中所述多目标分解损失为，其中、、、分别为时域重建损失、频域谱重建损失、频带分离损失和背景平滑损失，、、、为平衡系数；平滑l1损失对残差的定义为：当残差绝对值小于1时取，否则取；频域谱重建损失为重建信号与干净参考信号幅度谱的均方误差；频带分离损失以平滑s形函数构造的低通、带通和高通掩码分别约束低频源、中频源和高频源，使各源能量集中在对应频带内；背景平滑损失对背景源分量相邻采样点的二阶差分施加平滑l1损失。