深度学习在探地雷达数据处理中的应用研究

摘要

探地雷达因其分辨率好、工作效率高、操作简便和无损伤探测的特点，被广泛应用于各种工程领域。深度学习是机器学习中的一个新兴的研究领域，深度学习能够对特征进行良好的表达，并且能自动地提取分所需要的特征。更重要的是能够在大规模数据处理中取得非常好的效果。深度学习能够很好地应用于探地雷达数据处理，并能有效地学习探地雷达图像的有效特征，将深度学习应用于探地雷达图像的处理，能够无监督地学习探地雷达图像，并有监督地进行图像分类。
　　本文中，首先对探地雷达的电磁学原理、数据采集原理及探测性能进行研究。其次对深度学习的理论，深度学习的方法及限制玻尔兹曼机（RBM）模型进行研究。深度学习算法中的RBM模型相对比较容易学习，这种模型的算法克服了直接对多层网络进行训练的效率问题。因此，本文的后续实验仿真采用基于RBM构建的深度信念网络模型（DBN）并用于探地雷达数据处理。接着介绍了样本库的建立，实验的一些参数的设置以及RBM模型的构建。由于探地雷达图像是由电磁波反射形成的，为了能够更直观地表示探地雷达图像处理结果，采用softmax分类器对学习的探地雷达图像进行分类。
　　最后通过对已建立好的样本库进行实验，采用DBN深度学习算法对探地雷达图像进行无监督学习，并采用wake-sleep算法进行微调，实验结果表明通过该方法能进行无监督地学习探地雷达数据，并能很好地进行分类。

目录

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究的背景及意义

1.2 国内外研究现状及发展

1.3 深度学习

1.4 论文的研究内容及结构安排

第二章 探地雷达工作原理

2.1电磁学原理

2.2物质材料的电磁属性

2.3探地雷达数据采集

2.4探地雷达探测性能

2.5本章小结

第三章 深度学习研究综述

3.1深度学习概述

3.2深度学习的原理和常用方法

3.3 RBM模型

3.4采用深度学习处理探地雷达数据的动机

3.5 本章小结

第四章 探地雷达数据处理仿真

4.1数据库的建立

4.2 实验仿真

4.3本章小结

总结及展望

总结：

展望：

参考文献

致谢