给大家分享7篇关于探地雷达的计算机专业论文

今天分享的是关于探地雷达的7篇计算机毕业论文范文, 如果你的论文涉及到探地雷达等主题,本文能够帮助到你

姚河塬遗址探地雷达B-scan数据检测的深度学习方法研究

这是一篇关于考古,探地雷达,GPRSIM,目标检测,Faster R-CNN的论文, 主要内容为传统的遗址探测方法是众多的工作人员使用洛阳铲等工具对选定区域进行等间隔的地毯式探测,需要耗费大量的人力、物力、财力,并且无法在短时间内对大面积区域进行探测,存在着一定的局限性。内蒙古大学宁夏姚河塬项目开展以探地雷达(Ground Penetrating Radar,GPR)为主的科技考古手段系统地勾勒出姚河塬遗址的分布范围和文物埋藏深度,以此来推动姚河塬考古的进程。在内蒙古大学姚河塬项目的基础上,本文针对传统探地雷达数据处理过度依赖专业人员的知识储备和专业人员对雷达数据解析过程缓慢等问题提出了基于深度学习的探地雷达B-scan数据双曲线检测方法。论文主要工作如下:1.针对遗址区域数据采集困难,难以获得深度学习训练网络的大量数据集问题,本文基于FDTD理论使用GPRSIM软件设计了GPR正演仿真模型,探究了地下埋放目标的成像特征规律,获得了大量的正演仿真数据集。并根据地下遗址区域小目标物体的特征设计了改进的Faster R-CNN特征提取模型,构建了基于仿真数据集的目标检测网络。2.针对遗址现场数据采集时需要合适频率以及探测深度的天线选取问题,本文设计了四个具体钢管埋放实验,分别使用四种频率的天线对四组钢管进行了实际的探测,结果表明在遗址区域的土壤环境下,200MHz、400MHz、900MHz的天线对地下小目标物体的探测深度大致相同,均在1米左右,对比分析得出了400MHz天线采集的图像分辨率最优的结果。3.针对遗址区域地下目标环境土壤介质分布不均匀,以及地下杂波噪声等对探地雷达采集的图像质量产生干扰的问题,使用了基于GPRSLICE对采集的图像进行了滤波、增益等一系列的处理。基于处理后的实测数据构建目标检测模型,通过在主干网络加入注意力机制,设计了三种主干网络S-Res Net50、C-Res Net50、E-Res Net50,并且引入了迁移学习,使用仿真数据集建立模型的训练权重作为预训练权重,测试集的精确度分别达到了96.53%、97.19%、98.01%。

基于探地雷达的地下目标特征提取与成像关键技术研究

这是一篇关于探地雷达,BP雷达成像,压缩感知,小波降噪,YOLO v5的论文, 主要内容为探地雷达特征提取与成像技术目前在军事以及国防、民生等领域有着广泛的应用,随着信号压缩与重构技术的发展,基于压缩感知技术的探地雷达成像与基于深度学习的目标特征信息提取等技术成为探地雷达信号处理的主力军。目前探地雷达成像算法中的BP算法实验数据较多,速度较慢且精度较低,本文在此算法上与小波算法与压缩感知技术进行融合,并对压缩感知中的信号重构技术进行改进,形成一套采样效率高、成像精度较高的雷达成像方法。再将此成像方法与You Only Look Once v5(YOLO v5)目标检测算法相结合,得到了一套精度较高、计算速度较快的探地雷达成像及目标特征信息提取算法,具体研究内容如下:1、针对雷达接收天线接收到的信号含有大量噪声的问题,提出了小波降噪与Back Projection(BP)成像的融合算法。由于雷达收发天线硬件的局限性,雷达系统接收到的电磁波信号具有大量噪声,将数据采样算法与小波算法融合,实现在成像过程之前即对信号进行去噪处理,进一步提高探地雷达成像精度,通过仿真实验验证,其成像精度能够提高1.63倍。2、针对小波降噪与BP成像融合算法中的算法运算速度问题,提出一种压缩感知重构算法的改进技术。文章分析了探地雷达成像的特点,对探地雷达回波信号进行处理的过程中使用压缩感知技术对数据进行采样,针对压缩感知重构算法中的正交匹配追踪算法(OMP)重构算法重构精度低、迭代残差大的特点,提出了一种基于共轭梯度法的改进重构算法。此种方法能够有效提升重构速度,根据仿真验证,此种重构方式能够在保证成像精度变化不大的前提下,大大提高算法速度。在算法中将小波降噪技术及改进的压缩感知技术及BP成像算法进行融合,最终融合算法在其成像精度上能够提高1.60倍,速度为32.3s。3、针对更高要求的探地雷达成像识别精度,提出了一种基于SE net的YOLO v5网络目标特征提取算法。通过在YOLO v5网络中加入SE net模块,以强化网络对目标特征通道信号的利用。利用改进的算法对处理后的图像进行目标特征信息提取。此目标特征信息提取方式能够以较高效率及精度对探地雷达成像后的图像进行地下目标特征信息提取,且与原始YOLO v5相比网络m AP增加了3.4%,Precision增加了4.8%。

隧道衬砌结构多病害检测与智能识别

这是一篇关于隧道衬砌,衬砌病害,裂缝检测,探地雷达的论文, 主要内容为近年来,我国隧道工程建设蓬勃发展,大量的隧道投入运营。隧道衬砌结构由于长期运营和复杂环境等因素的影响,很容易产生裂缝、空洞等病害,存在一定安全隐患。因此,隧道衬砌结构病害的检测和识别对保证隧道安全运营不可或缺。目前,传统的人工巡检方式和图像处理检测方法由于效率低和主观性强等问题已不能满足隧道病害的检测和识别。针对以上问题,本文以运营期的隧道为研究对象,研究了隧道衬砌结构表观裂缝和内部病害的检测与智能识别。本文的主要工作如下:(1)对于隧道表观裂缝检测问题,研究了基于图像处理的预处理和分割算法,通过实验比较分析了阈值分割及边缘检测算子的优缺点,提出将迭代法阈值分割和Canny算子结合的方法获得裂缝目标。(2)对于隧道表观裂缝分类识别问题,基于特征提取结合机器学习分类器方法,首先研究了提取HOG和LBP特征,发现其特征向量维度过大,通过使用GLCM和SIFT特征来弥补,然后将提取到的特征送入支持向量机进行分类,最后依据分类效果比较不同特征提取方法的准确率。(3)对于隧道表观裂缝分类识别问题,基于深度学习方法,提出基于迁移学习和集成学习的隧道表观裂缝识别算法。基于迁移学习训练比较Goog Le Net、Res Net和Efficient Net三种分类模型算法,为了提高鲁棒性和准确率,引用集成的思想,通过投票的方式将三种网络的分类结果进行融合,结果表明本文的算法的准确率比单一卷积神经网络算法有所提高。(4)对于隧道内部病害检测问题,基于探地雷达信号处理技术,分别研究三种雷达数据去噪、杂波抑制和成像算法,通过仿真数据选出检测效果最好的算法。

基于深度学习的树木根系探地雷达图像处理与参数估计

这是一篇关于探地雷达,根系定位,参数反演,深度学习,随机霍夫变换的论文, 主要内容为根系在树木生长发育的过程中发挥了重要作用。由于树木根系主要分布于地表以下,对其的研究、观测与解译尚存诸多不便。目前传统的树木根系探测方法耗时较长且成本开销较大,而且可能会对树木原位处造成破坏。面向探地雷达根系原位无损检测的图像,本文采用U-net对B-scan原图进行背景降噪,通过YOLO目标检测算法实现根反射双曲线感兴趣区域的提取,反演估计根系的特征指标。研究的具体内容如下:(1)通过研究探地雷达根系无损检测的基本原理、信号处理以及成像技术,针对探地雷达根系采集的原始图像,采用深度学习算法实现对其背景噪声的预处理降噪。运用雷达波正演处理软件Gpr Max构建根系正演B-scan图像数据集,应用多种图像风格迁移方法生成噪声B-scan图像数据集。以U-net网络为主体搭建降噪网络,通过PSNR和SSIM图像指标对降噪效果进行量化评价。在真实B-scan图像中应用降噪网络进行实验,结果表明,该方法对真实B-scan图像可有效且自适应去除背景噪声,为后续根系参数的估算提供更准确的数据准备。(2)针对B-scan图像中除根反射双曲线感兴趣区域外冗余信息较多的问题,本文研究了基于YOLOv3和SSD目标检测网络实现根系感兴趣区域快速提取的算法。首先建立B-scan图像数据集,通过离线增强的方式共准备16379张图像用于网络的训练、验证和测试。之后对网络的结构和训练参数的配置进行详细说明,并在测试集上对上述网络进行量化评价,YOLOv3的准确率、召回率、AP值和检测速度分别达96.62%、86.94%、96.20%和25FPS,SSD的AP值和检测速度达90.8%和41FPS。可见,应用上述目标检测网络可实现对B-scan图像中根反射双曲线感兴趣区域的快速准确提取。(3)为实现根参数的反演估计,在根反射双曲线感兴趣区域被准确提取的基础上,本文研究实现基于随机霍夫变换和基于有约束最小二乘法的两种根参数反演算法。为验证两种参数估计算法的有效性和精度,采用根预埋试验对处理结果进行对比分析,结果表明两种算法均可实现对根系参数的在线估计,总平均相对误差分别为10.75%和7.22%。依据前述研究,开发探地雷达根系数据处理分析软件,并在北京市颐和园对松柏两种古树进行现场试验测试,将商业软件阈值分割方法与本文开发的软件算法处理结果进行对比分析,对根反射双曲线的识别效果开展深入解析,验证本文方法检测识别根系的准确性。

基于深度学习的隧道超前不良地质体识别方法研究

这是一篇关于隧道病害,探地雷达,GprMax,深度学习,图像识别的论文, 主要内容为随着我国在建和投入运营的公路、铁路隧道里程数不断增加,隧道的施工安全和养护成为人们重点关注的对象。受自然腐蚀、环境等外部因素的影响,隧道衬砌和内部围岩容易产生不同程度的脱空、裂缝、含水破碎带等病害。由于隧道内环境十分复杂,衬砌内目标的几何形状和具有电磁特性介质的分布呈现多样性,导致利用探地雷达(Ground Penetrating Radar,GPR)技术对隧道衬砌进行无损检测时获取到的回波图像十分复杂,从而使雷达图像的自动识别准确率不高。本文结合深度学习技术开展隧道衬砌病害和不良地质探地雷达图像识别方法研究,主要工作和结论如下:(1)针对隧道衬砌病害和不良地质的探地雷达回波图像获取困难的问题,本文采用GprMax分别对多层介质空洞、多层介质水洞、多层介质裂缝、多层介质贫水破碎带和多层介质富水破碎带五种隧道衬砌病害和不良地质进行仿真,并对不同类型病害特征进行了深入分析,构建了隧道衬砌中常见的病害数据集,为隧道病害的自动检测和识别提供了基础。(2)针对隧道中探地雷达回波数据成像复杂的问题,本文通过研究A-Scan和BScan数据的成像特性,分析了直达波对雷达回波数据的影响。分别采用中值滤波、奇异值分解、基于时间增益的奇异值分解和鲁棒性主成分分析(Robust Principal Component Analysis,RPCA)方法对仿真数据进行直达波去除,实验结果表明RPCA在去除直达波时具有更好的性能。(3)针对复杂环境下探地雷达回波图像解释困难的问题,提出了一种基于MBResNet的隧道病害图像识别算法,有效改善了隧道衬砌病害特征模糊导致识别准确率低的问题。结合MBConv(Mobile Inverted Bottleneck Convolution)模块、深度可分离卷积(Depthwise Separable Convolution,DSC)和CA(Coordinate Attention,CA)模块构建了一种轻量级卷积神经网络模型MBResNet,在减少卷积过程中参数量的同时获取空间位置和通道间的特征信息,进而降低了整个模型的复杂度。通过Efficient Net-b0网络筛选的数据集进行测试,实验结果表明MBResNet网络的识别准确率高达98.5%,相比于Efficient Net-b0提高了0.35%,验证了该算法在识别隧道衬砌病害图像中的有效性。(4)针对复杂环境下隧道病害精准定位难的问题,提出了一种基于改进Faster RCNN的隧道病害检测算法。采用搭建的MBResNet作为Faster R-CNN的主干网络,增强其对隧道病害的特征提取能力,在构建的数据集上进行实验,结果表明提出算法的m AP值达到94.86%,相比于采用ResNet-50+FPN主干网络的m AP值提高了1.34%,是一种稳定、可靠的隧道病害检测方法,具有一定的实际工程应用价值。

频率步进探地雷达信号源及信号处理研究与仿真设计

这是一篇关于探地雷达,双曲线拟合,软件无线电,频率步进的论文, 主要内容为探地雷达(Ground Penetrating Radar,简称GPR)是一种无损探测技术,利用雷达信号在地下不同介质间发生的反射、散射实现地质结构成像、地下目标定位、地下目标探测等。由于探地雷达探测具备高精度、高效率和无损探测的特点,目前主要应用于考古、矿产勘查、灾害地质调查、岩土工程勘察、工程质量检测、建筑结构检测以及军事目标探测等领域。除此以外,借助探地雷达对外星球进行透地遥感探测成为了近年来新的技术热点。Mars Express探测器所携带的MARSIS扫频步进雷达完成了对火星的在轨透地勘探,我国也利用玉兔号和天问号搭载探地雷达对月球和火星进行了探测。目前,天基探地雷达系统通常具备几个特点:采用脉冲信号进行探测、需要大的瞬时带宽和发射功率以获得高分辨率、高速模数转换(ADC)等。由于此类雷达通常应用于深空探测,其硬件上烧写的程序不可变,且硬件不可维护,同时由于有效载荷的重量存在限制,因此对此类探地雷达提出了重量小、硬件结构简单等要求。本课题采用步进频率信号作为信号源,以基于通用软件无线电外设(USRP)的软件式步进扫频探地雷达为目标,对雷达的信号体制、系统架构和数据处理方法进行了设计,并对该设计进行了仿真验证。为了降低对雷达瞬时带宽的要求,同时获得大发射功率和高时空分辨率,雷达信号采用步进频率连续波(Stepped Frequency Continuous Wave,SFCW),将雷达回波信号进行处理,合成具有高分辨率的距离像。本研究中,基于雷达信号传输的物理模型和信号体制的数学模型,开发了MATLAB仿真程序,对频率步进信号的测距功能进行了数值模拟,对频率步进连续波应用于探地雷达的可行性进行了分析。在此基础上,完成了基于GNU Radio软件无线电平台的软件式雷达架构设计开发与闭环实验,设计了雷达的数据处理方法,并基于GRPMAX对该雷达的信号处理、数据处理,特别是去除干扰、目标检测、图像偏移、波速估计等功能进行了仿真测试。测试结果表明,该设计可基于步进频率连续波和软件雷达架构实现高时空分辨率的地下结构探测。本研究为后续基于通用软件无线电平台的探地雷达的系统实现打下了基础。