-
公开(公告)号：CN107121705B
公开(公告)日：2018-10-12
申请号：CN201710296899.X
申请日：2017-04-28
Applicant: 中南大学
Abstract: 本发明公开了一种基于自动反相校正和峰度值比较的探地雷达回波信号去噪算法，包括以下步骤：将探地雷达原始回波信号与相同长度的零均值白噪声信号进行随机拟合，得到两道信号；运用独立成分分析算法对这两道信号进行分离处理，输出峰度值较大的信号记为x′(m)，峰度值较小的信号记为n′(m)；对x′(m)进行自动反相校正，再运用完全总体经验模态算法对反相校正后的信号进行分解得到P个信号分量，计算各信号分量的峰度值；再计算信号n′(m)的峰度值作为阈值；最后将峰度值大于阈值的所有信号分量累加，作为原始回波信号x(m)去噪后的信号。本方法提高了计算效率和去噪效果。
-
公开(公告)号：CN107390213B
公开(公告)日：2019-12-03
申请号：CN201710577063.7
申请日：2017-07-14
Applicant: 中南大学
Abstract: 本发明公开了一种基于滑动时窗的探地雷达记录剖面的时延曲线提取方法，首先计算探地雷达记录剖面中的各孔径点回波信号的能量值，根据一维能量曲线确定各局部峰值点，确定探测目标个数和各目标的中心位置。然后提取某个目标中心位置处回波的时延值，以该目标中心位置处回波的时延值为起始点，设置滑动时窗的起止位置和长度，对中心点左右两侧的孔径点处的邻道数据截取相应的滑动时窗长度内的部分数据，仅对该段数据进行时延估计。遍历整个孔径点，得到该目标在整个孔径点上的时延曲线。再遍历各目标，得到各目标在整个孔径点上的时延曲线提取结果。本方法提取的时延曲线精度更高，根据时延曲线计算得到的成像结果更精确。
-
公开(公告)号：CN107402386A
公开(公告)日：2017-11-28
申请号：CN201710649475.7
申请日：2017-08-02
Applicant: 中南大学
IPC: G01S13/88
Abstract: 本发明公开了一种基于BP神经网络的地下金属圆管半径和埋深的估计方法，采用探地雷达正演模拟得到不同半径和埋深的金属圆管埋在不同介质中的雷达回波数据；提取金属圆管正上方的A-Scan回波峰值、峰值到达时间和预设时间段内的回波能量值，以此3个参数构建特征矢量，组成特征矢量矩阵，作为训练样本输入部分的数据集。训练样本输出部分的数据集由已知金属圆管的半径、埋深和背景介质的相对介电常数构成。设计BP神经网络的结构，运用训练样本数据对BP神经网络进行训练，训练完毕后将待测的探地雷达回波数据的特征参数输入至该BP神经网络，对地下金属圆管的半径和埋深进行估计。本发明能够快速、精确的估计地下金属圆管的半径和埋深。
-
公开(公告)号：CN107358617A
公开(公告)日：2017-11-17
申请号：CN201710667148.4
申请日：2017-08-07
Applicant: 中南大学
Abstract: 本发明公开了一种探地雷达记录剖面中目标顶点的检测方法，首先计算预处理后的探地雷达记录剖面沿测线维的一维能量曲线，根据该曲线的局部极大值点个数确定目标顶点个数的预设区间；然后对预处理后的探地雷达记录剖面采用自动匹配阈值的方式进行边缘检测得到二值图像并估计二值图像中的顶点，直到预估计的目标顶点个数在预设区间为止；接着基于这些顶点的坐标位置建立匹配模板，运用该模板与边缘检测得出的二值图像进行模板匹配并计算匹配相似度，舍弃匹配相似度低于该阈值的顶点，得出匹配后的顶点；再基于聚类分析方法对匹配后的顶点进行过滤，去除虚假顶点，得到目标顶点的检测结果。本发明相对于现有方法在信噪比较低时有更高的检测精度。
-
公开(公告)号：CN107121705A
公开(公告)日：2017-09-01
申请号：CN201710296899.X
申请日：2017-04-28
Applicant: 中南大学
Abstract: 本发明公开了一种基于自动反相校正和峰度值比较的探地雷达回波信号去噪算法，包括以下步骤：将探地雷达原始回波信号与相同长度的零均值白噪声信号进行随机拟合，得到两道信号；运用独立成分分析算法对这两道信号进行分离处理，输出峰度值较大的信号记为x′(m)，峰度值较小的信号记为n′(m)；对x′(m)进行自动反相校正，再运用完全总体经验模态算法对反相校正后的信号进行分解得到P个信号分量，计算各信号分量的峰度值；再计算信号n′(m)的峰度值作为阈值；最后将峰度值大于阈值的所有信号分量累加，作为原始回波信号x(m)去噪后的信号。本方法提高了计算效率和去噪效果。
-
Patent Agency Ranking
公开(公告)号：CN107358617B
公开(公告)日：2020-03-20
申请号：CN201710667148.4
申请日：2017-08-07
Applicant: 中南大学
Abstract: 本发明公开了一种探地雷达记录剖面中目标顶点的检测方法，首先计算预处理后的探地雷达记录剖面沿测线维的一维能量曲线，根据该曲线的局部极大值点个数确定目标顶点个数的预设区间；然后对预处理后的探地雷达记录剖面采用自动匹配阈值的方式进行边缘检测得到二值图像并估计二值图像中的顶点，直到预估计的目标顶点个数在预设区间为止；接着基于这些顶点的坐标位置建立匹配模板，运用该模板与边缘检测得出的二值图像进行模板匹配并计算匹配相似度，舍弃匹配相似度低于该阈值的顶点，得出匹配后的顶点；再基于聚类分析方法对匹配后的顶点进行过滤，去除虚假顶点，得到目标顶点的检测结果。本发明相对于现有方法在信噪比较低时有更高的检测精度。
-
公开(公告)号：CN107402386B
公开(公告)日：2019-11-19
申请号：CN201710649475.7
申请日：2017-08-02
Applicant: 中南大学
IPC: G01S13/88
Abstract: 本发明公开了一种基于BP神经网络的地下金属圆管半径和埋深的估计方法，采用探地雷达正演模拟得到不同半径和埋深的金属圆管埋在不同介质中的雷达回波数据；提取金属圆管正上方的A‑Scan回波峰值、峰值到达时间和预设时间段内的回波能量值，以此3个参数构建特征矢量，组成特征矢量矩阵，作为训练样本输入部分的数据集。训练样本输出部分的数据集由已知金属圆管的半径、埋深和地下介质的相对介电常数构成。设计BP神经网络的结构，运用训练样本数据对BP神经网络进行训练，训练完毕后将待测的探地雷达回波数据的特征参数输入至该BP神经网络，对地下金属圆管的半径和埋深进行估计。本发明能够快速、精确的估计地下金属圆管的半径和埋深。
-
公开(公告)号：CN106338729B
公开(公告)日：2019-02-22
申请号：CN201610624879.6
申请日：2016-08-02
Applicant: 中南大学
Abstract: 本发明公开了一种运用探地雷达反演铁路路基道床污染率的方法，首先将车载探地雷达获取的原始数据进行预处理；然后将预处理后的数据按照铁轨里程区间进行分段成像，获得各分段区间的二维成像结果；再在每一个分段区间中，提取各里程点处某一设定的深度区间的成像结果；计算该深度区间的成像结果的能量值，作为该里程点对应的路基道床脏污率；最后将分段区间中各里程点对应的道床脏污率进行平均，作为该分段区间路基道床脏污率的估计值。本发明计算速度快，相对误差较低。
-
公开(公告)号：CN107390213A
公开(公告)日：2017-11-24
申请号：CN201710577063.7
申请日：2017-07-14
Applicant: 中南大学
Abstract: 本发明公开了一种基于滑动时窗的探地雷达记录剖面的时延曲线提取方法，首先计算探地雷达记录剖面中的各孔径点回波信号的能量值，根据一维能量曲线确定各局部峰值点，确定探测目标个数和各目标的中心位置。然后提取某个目标中心位置处回波的时延值，以该目标中心位置处回波的时延值为起始点，设置滑动时窗的起止位置和长度，对中心点左右两侧的孔径点处的邻道数据截取相应的滑动时窗长度内的部分数据，仅对该段数据进行时延估计。遍历整个孔径点，得到该目标在整个孔径点上的时延曲线。再遍历各目标，得到各目标在整个孔径点上的时延曲线提取结果。本方法提取的时延曲线精度更高，根据时延曲线计算得到的成像结果更精确。
-
公开(公告)号：CN106338729A
公开(公告)日：2017-01-18
申请号：CN201610624879.6
申请日：2016-08-02
Applicant: 中南大学
Abstract: 本发明公开了一种运用探地雷达反演铁路路基道床污染率的方法，首先将车载探地雷达获取的原始数据进行预处理；然后将预处理后的数据按照铁轨里程区间进行分段成像，获得各分段区间的二维成像结果；再在每一个分段区间中，提取各里程点处某一设定的深度区间的成像结果；计算该深度区间的成像结果的能量值，作为该里程点对应的路基道床脏污率；最后将分段区间中各里程点对应的道床脏污率进行平均，作为该分段区间路基道床脏污率的估计值。本发明计算速度快，相对误差较低。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
