[发明专利]一种压制轨枕强干扰的探地雷达信号深度学习处理方法

说明书

本发明公开了一种压制轨枕强干扰的探地雷达信号深度学习处理方法，其步骤为：使用快速数值模拟方法构建用于深度学习网络的训练集和测试集；基于深度学习框架构建适用于探地雷达信号处理的RestUNet；将构建好的训练集和测试集用于训练RestUNet；RestUNet在训练过程中不断学习提取有效信息压制轨枕干扰；最终得到训练好的能够被用于铁路轨枕干扰压制的RestUNet，将原始数据导入训练后的RestUNet进行预测；得到有效去除轨枕干扰的探地雷达数据。采用本发明处理后的铁路路基雷达信号中轨枕的干扰被压制，大幅提高了铁路路基有效反射信号的信噪比，有利于路基检测病害的识别。

技术领域

本发明属于勘探地球物理数据处理技术领域，具体涉及一种压制轨枕强干扰的探地雷达信号深度学习处理方法。

背景技术

我国建有长达20万公里的铁路网，在这些铁路里程中，有相当一部分铁路线由于建设时间早、投入运行时间长、未及时开展维护工作等人为原因；或者是受极端气候影响、遭受自然灾害等自然因素影响，存在设施老化受损、铁轨松动、路基损毁等安全运行隐患，需要被及时发现并处理。

铁路病害检测大量采用探地雷达法，探地雷达通过发射天线向地下介质中发展高频电磁波，接受地下地质体反射或透射回来的信号来探测地下地质目标。探地雷达法具有高精度、高效率、无损坏、方便携带等优点。以往探地雷达被安装在火车底部，在火车匀速前进过程中不断向铁路路基发射电磁波以探测铁路路基异常。这种勘探方式为铁路路基维护工作提供了极大的便利，但也存在铁路轨枕和铁轨干扰的技术问题。轨枕一般采用木头或者钢筋混凝土的材质，在火车与铁路路基之间等间距排列，这就会在探地雷达接收到的信号中产生时空周期性规律排列的蜂窝状干扰，掩盖铁路路基的异常，导致技术人员难以发现真正有意义的病害特征。目前传统的处理方式是采用多通带滤波等处理方式去除影响，但压制干扰波信号效果不是很理想。

发明内容

为了解决压制轨枕强干扰信号存在的上述技术问题，本发明提供一种压制轨枕强干扰的探地雷达信号深度学习处理方法。

本发明解决上述技术问题的技术方案是：一种压制轨枕强干扰的探地雷达信号深度学习处理方法，包括以下步骤；

S₁，采用快速数值模拟方法构建训练神经网络所需要的训练集和测试集；

S₂，基于深度学习框架构建适用于探地雷达信号处理的RestUNet；

S₃，将训练集和测试集喂入构建好的RestUNet进行训练；

S₄，将原始数据导入训练后的RestUNet进行预测；得到有效去除轨枕干扰的探地雷达数据。

进一步的，所述步骤S₂中的RestUNet采用了128个4*4个步幅为2的卷积核进行填充卷积。

进一步的，所述步骤S₂中的RestUNet采用Relu激活后再使用256个4*4个步幅为2的卷积核进行填充卷积加上批标准化。

进一步的，所述步骤S₂中的RestUNet采用Relu激活后再使用512个4*4个步幅为2的卷积核进行填充卷积加上批标准化完成编码过程。

进一步的，所述步骤S₂中的RestUNet采用Relu激活后再使用256个4*4个步幅为2的卷积核进行填充反卷积加上批标准化。

进一步的，所述步骤S₂中的RestUNet采用Relu激活后再使用128个4*4个步幅为2的卷积核进行填充反卷积加上批标准化。

进一步的，所述步骤S₂中的RestUNet采用Relu激活后再使用64个4*4个步幅为2的卷积核进行填充反卷积。