一种基于Hilbert变换的探地雷达成像方法

申请号 CN201410547361.8 申请日 2014-10-15 公开(公告)号 CN104330793A 公开(公告)日 2015-02-04
申请人 河海大学; 发明人 许军才; 任青文; 沈振中;
摘要 本 发明 公开了一种基于Hilbert变换的探地雷达成像方法,首先,利用主元分析法去除探地雷达 信号 中的直达波;其次,采用EEMD方法分解出探地雷达信号中的本征模量;然后,对得到的各本征模量进行Hilbert-Huang变换,求解出由目标体形成的各本征模量对应的瞬时振幅;最后,将得到的各瞬时振幅进行 叠加 ,叠加后的瞬时振幅通过雷达成像 算法 对目标体进行成像。本发明采用EEMD方法分解出本征模量,克服了模态 混叠 弊病,提高了探地雷达成像的 分辨率 。
权利要求

1.一种基于Hilbert变换的探地雷达成像方法,其特征在于,包括以下步骤:
(1)利用主元分析法去除探地雷达信号中的直达波;
(2)采用EEMD方法分解出探地雷达信号中的本征模量;
(3)对步骤(2)得到的各本征模量进行Hilbert-Huang变换,求解出由目标体形成的各本征模量对应的瞬时振幅;
(4)将步骤(3)得到的各瞬时振幅进行叠加,叠加后的瞬时振幅通过雷达成像算法对目标体进行成像。
2.根据权利要求1所述一种基于Hilbert变换的探地雷达成像方法,其特征在于:在步骤(2)中,将多道探地雷达信号平均分配给多核处理器进行并行处理。
3.根据权利要求1所述一种基于Hilbert变换的探地雷达成像方法,其特征在于,步骤(2)的具体步骤如下:
(a)将n道探地雷达信号平均分配在m核数的处理器上,其中,n、m均为正整数;
(b)针对各道探地雷达信号,初始化总体平均次数M,其中,M为正整数;
(c)针对每道探地雷达信号,把一个给定幅度的白噪声信号ni(t)加到探地雷达信号x(t)中,组成一个新信号xi(t),即xi(t)=x(t)+ni(t),i=1,2,…,M;其中,xi(t)表示第i附加噪声信号,ni(t)表示第i系列的白噪声;
(d)采用EMD算法分解xi(t),得到本征模量ci,s(t),其中,s表示本征模量的序号,s=
1,2,…R,R为本征模量的数量;
(e) 得 到 M 组 该 道 探 地 雷 达 信 号 的 本 征 模 量,它 们 的 集 合:
(f)计算步骤(e)所述集合的平均值cs(t)作为该道探地雷达信号的本征模量的终值:
(g)将处理器各核计算的结果汇总,得到n道探地雷达信号对应的本征模量。
4.根据权利要求1所述一种基于Hilbert变换的探地雷达成像方法,其特征在于:所述步骤(4)中的雷达成像算法为反向投影算法。
5.根据权利要求1所述一种基于Hilbert变换的探地雷达成像方法,其特征在于:所述步骤(4)中的雷达成像算法为偏移成像算法。

说明书全文

一种基于Hilbert变换的探地雷达成像方法

技术领域

[0001] 本发明属于探地雷达工程检测领域,特别涉及了一种基于Hilbert变换的探地雷达成像方法。

背景技术

[0002] 探地雷达是工程检测中的一种重要的探测方法,具有快速、便捷的优点,在工程检测中广为采用。探地雷达信号成像技术是探地雷达中实用的处理方法之一。目前探地雷达成像算法有距离偏移、逆时偏移算法和反向投影算法等。这些算法的提出,促进了探地雷达的应用平,但是这些算法的分辨率有待提高,特别是在强干扰情况下很难获得理想的成像结果。
[0003] Hilbert-Huang变换是20世纪末提出的一种分解方法,能对非线性不平稳信号进行高效的自适应分解。在一定程度上实现了探地雷达的目标信号与干扰信息的分离,但传统的Hilbert-Huang变换中的EMD(经验模式分解)分解法不能克服模态混叠弊病。

发明内容

[0004] 为了解决上述背景技术存在的问题,本发明旨在提供一种基于Hilbert变换的探地雷达成像方法,采用EEMD方法分解出本征模量,克服了模态混叠弊病,提高了探地雷达成像的分辨率。
[0005] 为了实现上述技术目的,本发明的技术方案为:
[0006] 一种基于Hilbert变换的探地雷达成像方法,包括以下步骤:
[0007] (1)利用主元分析法去除探地雷达信号中的直达波;
[0008] (2)采用EEMD方法分解出探地雷达信号中的本征模量;
[0009] (3)对步骤(2)得到的各本征模量进行Hilbert-Huang变换,求解出由目标体形成的各本征模量对应的瞬时振幅;
[0010] (4)将步骤(3)得到的各瞬时振幅进行叠加,叠加后的瞬时振幅通过雷达成像算法对目标体进行成像。
[0011] 其中,在步骤(2)中,将多道探地雷达信号平均分配给多核处理器进行并行处理。
[0012] 其中,步骤(2)的具体步骤如下:
[0013] (a)将n道探地雷达信号平均分配在m核数的处理器上;
[0014] (b)针对各道探地雷达信号,初始化总体平均次数M;
[0015] (c)针对每道探地雷达信号,把一个给定幅度的白噪声信号ni(t)加到探地雷达信号x(t)中,组成一个新信号xi(t),即xi(t)=x(t)+ni(t),i=1,2,...,M;其中,xi(t)表示第i附加噪声信号,ni(t)表示第i系列的白噪声;
[0016] (d)采用EMD算法分解xi(t),得到本征模量ci,s(t),其中,s表示本征模量的序号,s=1,2,…R,R为本征模量的数量;
[0017] (e)得 到 M组 该 道 探 地 雷 达 信 号 的 本 征 模 量,它 们 的 集 合:s=1,2,…,R;
[0018] (f)计算步骤(e)所述集合的平均值cs(t)作为该道探地雷达信号的本征模量的终值:
[0019] (g)将处理器各核计算的结果汇总,得到n道探地雷达信号对应的本征模量。
[0020] 其中,上述步骤(4)中的雷达成像算法为反向投影算法。
[0021] 其中,上述步骤(4)中的雷达成像算法为偏移成像算法。
[0022] 采用上述技术方案带来的有益效果:
[0023] (1)本发明采用EEMD方法分解出探地雷达信号的本征模量,在信号中均匀加入噪声信号,区别出信号源与噪声的本征模量,克服了常规EMD方法分离出的本征模量存在混频的缺陷
[0024] (2)本发明采用的EEMD方法,在求解本征模量过程中需要高昂的计算成本,本发明将多道探地雷达信号平均分配在多核处理器,并行处理每道计算结果,提高了计算效率。附图说明
[0025] 图1是本发明的总体流程图
[0026] 图2是本发明EEMD并行计算流程图;
[0027] 图3是实施例1用常规成像方法的成像效果图;
[0028] 图4是实施例1用本发明方法的成像效果图;
[0029] 图5是实施例2用常规成像方法的成像效果图;
[0030] 图6是实施例2用本发明方法的成像效果图。

具体实施方式

[0031] 以下将结合附图,对本发明的技术方案进行详细说明。
[0032] 如图1所示本发明的总体流程图,一种基于Hilbert变换的探地雷达成像方法,包括以下步骤:
[0033] (1)因为目标体反射的电磁波形成的直达波对目标体成像算法会造成一定影响,所以利用主元分析法去除探地雷达信号中的直达波;
[0034] (2)采用EEMD方法分解出探地雷达信号中的本征模量;
[0035] (3)对步骤(2)得到的各本征模量进行Hilbert-Huang变换,求解出由目标体形成的各本征模量对应的瞬时振幅;
[0036] (4)将步骤(3)得到的各瞬时振幅进行叠加,叠加后的瞬时振幅通过雷达成像算法对目标体进行成像。
[0037] 由于本发明采用的EEMD方法,在求解本征模量过程中需要高昂的计算成本,因此本发明在进行EEMD分解时,将多道探地雷达信号平均分配给多核处理器进行并行处理,从而大大提高了计算效率。
[0038] 如图2所示本发明EEMD并行计算流程图,其具体步骤如下:
[0039] (a)将n道探地雷达信号平均分配在m核数的处理器上;
[0040] (b)针对各道探地雷达信号,初始化总体平均次数M;
[0041] (c)针对每道探地雷达信号,把一个给定幅度的白噪声信号ni(t)加到探地雷达信号x(t)中,组成一个新信号xi(t),即xi(t)=x(t)+ni(t),i=1,2,...,M;其中,xi(t)表示第i附加噪声信号,ni(t)表示第i系列的白噪声;
[0042] (d)采用EMD算法分解xi(t),得到本征模量ci,s(t),其中,s表示本征模量的序号,s=1,2,…R,R为本征模量的数量;
[0043] (e)得 到 M组 该 道 探 地 雷 达 信 号 的 本 征 模 量,它 们 的 集 合:s=1,2,…,R;
[0044] (f)计算步骤(e)所述集合的平均值cs(t)作为该道探地雷达信号的本征模量的终值:
[0045] (g)将处理器各核计算的结果汇总,得到n道探地雷达信号对应的本征模量。
[0046] 对上述得到的m道本征模量分别进行Hilbert-Huang变换,其具体步骤如下:
[0047] (1)将本征模量作为输入信号,利用Hilbert-Huang变换信号源,即[0048]
[0049] 上式中,c(t)为本征模量,f(t)为变换后信号,δ(t)为单位冲激信号,i为虚数单位,t为时间, 为f(t)的虚部,“*”表示卷积运算。
[0050] (2)由f(t)的虚部与实部计算出瞬时振幅A(t),即
[0051]
[0052] 将各本征模量对应的瞬时振幅进行叠加,再根据叠加后的瞬时振幅进行目标体成像,此处采用反向投影算法进行成像,其步骤如下:
[0053] (1)输入成像区域内的采集信号(即叠加的瞬时振幅),将成像区域划分为J*K个成像点;
[0054] (2)计算每个成像点到各阵元的距离,得出各成像点对各阵元的的回波延时;
[0055] (3)将具有相同回波延时的成像点回波信号进行叠加,遍历完成成像区域内所有成像点,输出图像。
[0056] 实施例1:
[0057] 在混凝土中内置一根直径5.0cm的筋,钢筋中心点距离混凝土上表面30cm,探地雷达主频1GHZ,剖面各道间距1.665cm。分别利用常规成像算法和本发明基于Hilbert-Huang变换成像算法,则成像所得的积分旁瓣比分别为4.2257和-8.7285,基于Hilbert-Huang变换成像算法所得图像的分辨率高于常规成像算法,如图3和图4所示。
[0058] 实施例2:
[0059] 在沙箱中埋设四根等间距直径2.5cm的钢筋,箱内填满湿砂,四根钢筋中心点距离沙表面距离分别5.0cm,7.5cm,8cm,10cm,主频900MHZ的探地雷达对埋设的钢筋进行扫描测量,得到的探地雷达信号中伴有随机干扰信号。分别利用常规成像算法和本发明基于Hilbert-Huang变换反向投影成像算法,其成像所得的积分旁瓣比分别为29.6916和15.7790,积分旁瓣比常规算法要低出15dB左右,基于Hilbert-Huang变换成像算法所得图像的分辨率明显高于常规成像算法。,如图5和图6所示。
[0060] 在Hilbert-Huang变换成像算法过程中,对比了串行与并行EEMD分解方法,以在Intel i7四核处理器计算平台为例,并行多核并行计算耗费机时25.509101秒实现EEMD分解,利用串行计算耗费机时83.281107秒实现EEMD分解,因此多核计算能明显提升EEMD分解效率。
[0061] 以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
QQ群二维码
意见反馈