基于变分自动编码器的探地雷达噪声压制及双曲线识别

摘要

受仪器设备和环境的影响,使用探地雷达(GPR)进行数据采集的过程中会引入各种不同的噪声,从而干扰目标体反射信号,对数据处理及解释造成困难.由此,本文提出了一种能够同时实现GPR剖面数据噪声压制及双曲线异常识别的变分自动编码器(VAE)神经网络结构.首先,详细阐述了模型结构、数据集建立及网络参数选择;然后,通过合成数据实验验证该算法的有效性及模型的泛化能力,相比于深度卷积自动编码器(CDAE),本文算法在噪声压制能力和双曲线识别能力上均表现更优;最后,通过对隧道衬砌和管线的实测数据进行处理,验证了本文算法的实用性.