[发明专利]一种基于BP神经网络的探地雷达地下空洞目标识别方法

权利要求书

1.一种基于BP神经网络的探地雷达地下空洞目标识别方法，其特征在于：包括以下步骤：

S1：获取探地雷达B-Scan图像，利用鲁棒主成分分析法对探地雷达B-Scan图像进行处理，以抑制杂波信号；

S2：对处理后的B-Scan图像中的每一道A-Scan信号进行特征提取，分别得到时域、频域和小波域特征；

S3：利用BP神经网络对抑制杂波后的B-Scan图像中的每一道A-Scan信号进行整体识别，得到目标水平方向区域；

S4：对所述目标水平方向区域内A-Scan信号进行分段，提取每段信号的时域、频域和小波域特征；

S5：根据步骤S4得到的每段信号的时域、频域和小波域特征，利用BP神经网络对A-Scan中分段信号进行识别，得到该道A-Scan信号内目标垂直方向区域；

S6：根据所述目标水平方向区域和垂直方向区域，确定目标位置。

2.如权利要求1所述的一种基于BP神经网络的探地雷达地下空洞目标识别方法，其特征在于：步骤S1中，采用鲁棒主成分分析法对探地雷达B-Scan图像进行杂波信号抑制的步骤如下：

(1)获取探地雷达B-Scan图像X∈R^M×N，其中N为B-Scan图像中的A-Scan信号的道数，M为每道A-Scan信号的的采样点数，X＝[x₁(m),x₂(m),…,x_N(m)],x_i(m)＝(x_i(1),x_i(2),…,x_i(M))^T为第i道A-Scan信号，m表示每道A-Scan信号内的样点序号，1≤m≤M；

(2)对于探地雷达B-Scan图像X中每一道A-Scan信号进行处理，以去除直流偏移，该处理过程为：

其中，表示探地雷达B-Scan图像X中每一道A-Scan信号数据的均值；

(3)采用鲁棒主成分分析法对去除直流偏移后的探地雷达B-Scan图像进行处理，得到低秩矩阵G和稀疏矩阵S，选择稀疏矩阵S作为目标回波信号，得到杂波抑制后的B-Scan图像X1。

3.如权利要求1所述的一种基于BP神经网络的探地雷达地下空洞目标识别方法，其特征在于：步骤S2中，得到的时域、频域和小波域特征分别如下：

(1)时域特征

时域特征包括3个特征：均值MEAN_i、标准差STD_i和均方根值RMS_i，计算过程分别如下：

其中，x1_i(m)为杂波抑制后的B-Scan图像中的第i道A-Scan信号数据；

(2)频域特征

频域特征为信号能量谱P_i(k1)，其计算式如下：

其中，k1为频点序号；

(3)小波域特征

小波域特征为小波包能量谱T_i，该小波包能量谱定义为归一化的小波包节点能量：

小波包节点能量e_i,l,j为：

其中，i为道序号，为x1_i(m)的小波包分解系数，l为分解的层数，j为频段，k2为分解系数的长度。