地质雷达技术实现土壤含水性分类识别的技术方法
【专利摘要】本发明公开一种地质雷达技术实现土壤含水性分类识别的技术方法。该方法包括数据预处理，土壤含水性提取，神经网络分类识别以及结果显示四个部分，数据预处理包括零线校正、小波变换、低通滤波；土壤含水性参数提取采用自回归滑动平均谱估计方法对反射信号求功率谱，数据归一化，再用主成分分析方法提取功率谱特征向量及特征值，构造样本特征向量数据库；神经网络分类识别是用样本特征向量训练神经网络，用训练成熟的网络对待识别数据进行分类识别；结果显示将分类结果成图显示。本发明提出的用地质雷达技术实现土壤含水性分类识别的技术方法实现了土壤含水性的自动快速分类识别，对土地检测和土地复垦具有指导作用。
【专利说明】地质雷达技术实现土壤含水性分类识别的技术方法
【技术领域】
[0001] 本发明涉及地质雷达数据处理及解释技术，特别涉及一种地质雷达技术实现土壤 含水性分类识别的技术方法。
【背景技术】
[0002] 地质雷达技术是通过发射高频脉冲电磁波(频率范围在106~ 109Hz)进行地下目 标探测的一门科学。地质雷达具有操作简单、探测精度高、无损伤、采集速度快等特点，是目 前工程检测和勘察最为活跃的技术方法，在岩土工程中的应用日趋广泛。
[0003] 地质雷达资料处理在理论上属于数字信号处理解释的范畴。综合解释方法主要有 直接解释方法和间接解释方法。直接法是通过对雷达探测的原始数据做一些常规的处理， 根据雷达反射信号的强弱、相位特征、同相轴的变化等特征信息，再结合钻探资料以及其他 相关地质资料，直接对反射信号做出定量和定性解释，但是面对比较复杂的地质条件，很难 正确解释被复杂化之后的外观特征，而且由于地下介质的复杂多变，回波信号往往具有时 变、非平稳和随机性的特点，所以采用随机信号的分析处理方法对数据资料进行分析，提取 探测物的自身结构的特征向量，选取其中的主要成分，并用神经网络模型保存复杂的非线 性映射信息，据此实现自动分类识别，这种资料解释方法能够很好的反映探测物的主要特 征，而且能够实现自动解释，快速高效。
【发明内容】
[0004] 本发明的目的在于针对地质雷达探测无法准确快速实现土壤含水性分类的缺点， 提供一种地质雷达技术实现土壤含水性分类识别的技术方法。
[0005] 本发明解决其技术问题采用的技术方案是： 地质雷达技术实现土壤含水性分类识别的技术方法，其特征在于包含如下具体步骤： 1) 数据预处理： 数据预处理的输入数据为地质雷达采集到的原始数据，首先将地质雷达数据进行零线 校正，然后进行小波变换，最后进行低通滤波，其输出数据为完成预处理的数据； 2) 土壤含水性信息提取： 以步骤1)完成预处理之后的输出数据作为此步的输入数据，对其进行自回归滑动平均 求功率谱，再进行数据归一化，最后进行主成分分析，提取土壤物性信息，存放于样本数据 库，此步完成以后的输出数据为土壤含水性特征数据； 3) 神经网络分类识别： 以步骤2)完成处理后输出的土壤含水性特征数据作为此步的输入数据，将存放于样本 数据库中的数据输入待训练的神经网络训练神经网络，然后用训练成熟的网络完成待分类 数据的分类识别，此步完成后的输出数据为待识别数据所属类别号； 4) 结果显示： 以步骤3)完成处理后输出的待识别数据所属类别号作为此步的输入数据，对分类结果 进行色阶调制，绘制出探测区域土壤分类结果图。
[0006] 所述的零线校正为：对地质雷达采集到的每道数据进行零线校正，去除仪器自身 的信号漂移噪声；所述的小波变换为：对零线校正后的数据再进行小波变换，滤除高频跳 变噪声及外界高频干扰噪声；所述的低通滤波：对小波变换后的数据再进行低通滤波，滤 除信号的直流附近能量。
[0007] 所述的自回归滑动平均求功率谱为：对预处理后地质雷达数据中的每道数据进行 自回归滑动平均功率谱变化，求得功率谱信息；所述的数据归一化为：对功率谱数据进行 归一化；所述的主成分分析为：对归一化之后的数据进行主成分分析；所述的提取土壤物 性信息为：把主成分分析后的主要特征向量作为土壤物性信息；所述的样本数据库为：把 得到的土壤物性信息存储在特征数据库中。
[0008] 所述的训练神经网络为：将特征数据库中的特征数据输入神经网络进行训练，直 到网络训练成熟；所述的神经网络分类识别为：将预处理过后的待预测分类的雷达数据输 入训练成熟的神经网络进行分类识别，给出所属类别号。
[0009] 所述的色阶调制为：对步骤3)得到的分类结果进行色阶调制，每一类对应一个颜 色值；所述的绘制土壤分类结果图为：利用调制好的色阶将分类结果成图显示，图像可以 直观显示探测区域土壤含水性分类示意图。
[0010] 本发明的有益效果是：基于地质雷达技术，在土壤含水性分类识别方面提供了一 种土壤含水性分类识别的技术方法，和传统钻探取样测试方法相比，节约了成本，实现了小 范围尺度上的探测识别，而且通过神经网络，实现了快速自动识别，极大提高了效率。为实 际探测提供了一种准确高效的技术手段。
【专利附图】
【附图说明】
[0011] 图1为资料处理解释流程框图。
[0012] 图2为地质雷达探测曲线图，其中（a)为原始数据曲线；（b)为零线校正后数据曲 线；（c)为小波变换后数据曲线；（d)为低通滤波后数据曲线。
[0013] 图3为功率谱变换比较图，其中（a)为经典傅里叶变换得到的功率谱图，（b)为自 回归滑动平均功率谱估计得到的功率谱图。
[0014] 图4为不同含水性对应功率谱图，其中（a)为含水率为20%对应的功率谱图，（b) 为含水率为30%对应的功率谱图，（c)为含水率为40%对应的功率谱图。
[0015] 图5为地质雷达探测原始剖面图像。
[0016] 图6为地质雷达预处理后的剖面图像。
[0017] 图7为成像色阶表。
[0018] 图8为地质雷达探测土壤含水性的分类剖面图。
【具体实施方式】
[0019] 下面结合附图和实施例对本发明作进一步的详细描述： 图1是本发明地质雷达技术实现土壤含水性分类识别技术方法的资料处理解释流程 框图。各步骤具体实施细节如下： 1.数据预处理 数据预处理的目的是在土壤含水性信息提取之前进行各种干扰信号的去除，保证土壤 含水性响应特征提取的可靠性。图5是地质雷达采集的原始数据剖面图像，图6是经过预 处理后的地质雷达剖面图像，具体实施如下： 首先将采集到的地质雷达数据进行零线校正，去除仪器自身的信号漂移噪声，图2 (a) 原始信号，图2 (b)是信号零线校正后的信号，实施的方法如下：计算信号均值，用原始信号 值减去所求的均值。
[0020] 其次，对零线校正后的曲线进行小波变换，压制高频噪声，用Moret小波函数，尺 度参数为2,变换结果参见图2 (c)。
[0021] 最后，对小波变换后的信号进行低通滤波，排除信号直流分量的干扰，低通滤波参 数为25MHz，滤波后结果参见图2 (d)。
【权利要求】
1. 地质雷达技术实现土壤含水性分类识别的技术方法，其特征在于包含如下具体步 骤： 1) 数据预处理 数据预处理的输入数据为地质雷达采集到的原始数据，首先将地质雷达数据进行零线 校正，然后进行小波变换，最后进行低通滤波，其输出数据为完成预处理的数据； 2) 土壤含水性信息提取 以步骤1)完成预处理之后的输出数据作为此步的输入数据，对其进行自回归滑动平均 求功率谱，再进行数据归一化，最后进行主成分分析，提取土壤物性信息，存放于样本数据 库，此步完成以后的输出数据为土壤含水性特征数据； 3) 神经网络分类识别 以步骤2)完成处理后输出的土壤含水性特征数据作为此步的输入数据，将存放于样本 数据库中的数据输入待训练的神经网络训练神经网络，然后用训练成熟的网络完成待分类 数据的分类识别，此步完成后的输出数据为待识别数据所属类别号； 4) 结果显示 以步骤3)完成处理后输出的待识别数据所属类别号作为此步的输入数据，对分类结果 进行色阶调制，绘制出探测区域土壤分类结果图。
2. 根据权利要求1所述的地质雷达技术实现土壤含水性分类识别的技术方法，其特征 在于，步骤1)中，所述的零线校正为：对地质雷达采集到的每道数据进行零线校正，去除仪 器自身的信号漂移噪声；所述的小波变换为：对零线校正后的数据再进行小波变换，滤除 高频跳变噪声及外界高频干扰噪声；所述的低通滤波：对小波变换后的数据再进行低通滤 波，滤除信号的直流附近能量。
3. 根据权利要求1所述的地质雷达技术实现土壤含水性分类识别的技术方法，步骤2) 中，所述的自回归滑动平均求功率谱为：对预处理后地质雷达数据中的每道数据进行自回 归滑动平均功率谱变化，求得功率谱信息；所述的数据归一化为：对功率谱数据进行归一 化；所述的主成分分析为：对归一化之后的数据进行主成分分析；所述的提取土壤物性信 息为：把主成分分析后的主要特征向量作为土壤物性信息；所述的样本数据库为：把得到 的土壤物性信息存储在特征数据库中。
4. 根据权利要求1所述的地质雷达技术实现土壤含水性分类识别的技术方法，步骤3) 中，所述的训练神经网络为：将特征数据库中的特征数据输入神经网络进行训练，直到网络 训练成熟；所述的神经网络分类识别为：将预处理过后的待预测分类的雷达数据输入训练 成熟的神经网络进行分类识别，给出所属类别号。
5. 根据权利要求1所述的地质雷达技术实现土壤含水性分类识别的技术方法，步骤4) 中，所述的色阶调制为：对步骤3)得到的分类结果进行色阶调制，每一类对应一个颜色值； 所述的绘制土壤分类结果图为：利用调制好的色阶将分类结果成图显示，图像可以直观显 示探测区域土壤含水性分类示意图。
【文档编号】G06N3/02GK104143115SQ201410286867
【公开日】2014年11月12日 申请日期:2014年6月25日 优先权日:2014年6月25日
【发明者】杨峰, 杜翠, 乔旭, 冯泽权, 夏云海 申请人:中国矿业大学(北京)