论文部分内容阅读
摘 要：针对GPR数据富含噪声和各种杂波干扰的问题，本文提出一种基于子序列阈值的最近邻算法。首先，设置待测GPR数据集中道数据子序列阈值，然后对GPR数据集中各道数据的子序列与已知介质特征序列进行DTW度量的最近邻分类，最后将分类结果进行可视化呈现。实验证明，与小波去噪处理方法相比，本文所提方法能对GPR道数据内各介质进行有效的分类，处理效果明显，为专业人员提供了更直观、可靠的解译依据。
关键词： GPR数据；子序列阈值；DTW；最近邻；
中图法分类号：TP391 文献标识码 A
引言
随着经济的不断发展，我国的石油、天然气等资源的需求量在日益增长，因此地质勘探就成了一项极为重要的工作。探地雷达（Ground Penetrating Radar，GPR）是一种无损的浅层物探技术，它具有高分辨率、高效率等特点，并能快速、准确地探测地下异常介质，被广泛用于地质勘探和环境工程等领域[1]。由于专业人员对探测区域地质情况判断的主要依据是记录反射回波信号的GPR数据，同时反射回波信号在传播过程中，不仅受到探地雷达系统自身的噪声影响，而且还有来自复杂探测环境，杂波干扰以及电磁波自身的强衰减性等的影响[2]，因此为使专业人员能够准确、有效、快速的依据GPR数据提供可靠解译，就需要鲁棒性的GPR数据处理和分析方法。
最近邻分类算法是一种由已知特征序列提供特征信息，寻找与待决策序列最短距离的已知特征序列，并认为待决策序列与最短距离的已知序列属于同一类别[3]。其方法简单易实现、分类结果准确，因此也吸引了众多研究者的兴趣[4]。
本文将最近邻引入到GPR数据的处理中，首先为实现GPR道数据中多介质的分类，设置子序列阈值，然后使用滑动窗口将各长度子序列与已知特征序列进行DTW的最近邻分类，最后通过可视化方法将分类结果直观的呈现。实验结果表明，较小波去噪[5]的传统数字信号处理方法，本方法对GPR道数据中的多种介质进行了有效分类，表明该方法具有较好的可行性。
一方面由于GPR数据富含噪声和杂波，而欧氏距离又对噪音数据比较敏感，另一方面考虑到已知介质特征序列长度一般较短，子序列阈值长度中的各自序列长度又不唯一，因此在本文的最近邻算法中我们使用DTW距离度量。DTW距离不仅能够度量长度相等的时间序列，而且同样适用于长度不相等的时间序列距离度量。DTW还能够很好的处理时间轴上的变形，实现异步相似性比较，对于突变和异常点的不敏感，适用于我们研究的GPR数据的特点，因此可以较好地帮助我们提高分类精确度。
基于子序列阈值的GPR最近邻分类算法
根据GPR数据的自身特点，在某一固定点的单道扫描下，此点的地质环境中可能含有多种介质，进而反映在GPR道数据中则为相邻的子序列之间可能是不同的介质类别，所以不可以整道GPR数据进行最近邻分类；而且介质的形状大小并不唯一，反映在GPR道数据中则为各介质类别的自序列长度不唯一，所以不可以等长度的划分待决策的子序列长度。因此在最近邻分类的过程中，需要凭借先验知识设置一个子序列长度的阈值，以保证每一段子序列都可以准确决策分类。
实验结果及分析
为了进一步评估基于子序列阈值的最近邻算法对于GPR数据的分类效果，本文以算法分类后的可视化视觉效果图与原始灰度图作为比较指标，目的是验证算法对GPR数据的分类效果。实验以采样点数为2048，共359道数据的GPR道路实测数据进行实验分析。GPR原始数据的效果图，如图1，小波变换的效果图，如图2，本文基于子序列阈值的最近邻算法分类的GPR数据可视化效果图，如图3。
图1为原始GPR数据的灰度成像图，图2为传统数字信号处理方法小波变换的去噪灰度图，对比图1、2两图可以看出，整幅原始數据图像中布满了很多小噪点，小波去噪的图像数据点更为平滑，在矩形框中，小波去噪效果图中，轻微的突出了原始数据中因电磁波随传播过程逐渐衰减的造成的类别信息模糊，但是小波去噪较原始数据并没有达到道数据中介质信息模糊不清，没有突出。而比较图2、3，我们可以发现，矩形框中的部分类别信息被凸显了出来，排除了强衰减导致的电磁波信号减弱，从而产生的介质信息淹没的情况，将介质信息清晰地直觉化了出来。同时矩形框上部，较小波去噪方法，各道数据中的介质分类清晰可见，结果直观。
结束语
目前大多的GPR数据的处理技术的目的是抑制杂波干扰，并且需要专业人员的先验知识进行解译，因此有效的处理方法能有助于专业人员提供有效、准确的解译。本文提出的基于子序列阈值的GPR数据最近邻分类方法， 通过实验验证了其分类效果。与传统信号处理技术的小波变换去噪相比较， 该方法呈现的分类效果更为明显、直观，为专业人员提供了更具有鲁棒性的解译依据。
参考文献
[1] 张丽丽. 探地雷达信号分辨率提高方法研究[D]. 吉林大学， 2012.
[2] 杨峰、彭苏萍. 地质雷达探测原理与方法研究[M]. 科学出版社，2010.
[3] 王晓晔. 时间序列数据挖掘中相似性和趋势预测的研究[D]. 天津大学， 2003.
[4] 赵志宏. 基于振动信号的机械故障特征提取与诊断研究[D]. 北京交通大学， 2012.
[5] 段炜. 基于小波变换的探地雷达信号去噪方法研究[D]. 中南大学， 2008.
[6] 郑毅. 时间序列数据分类、检索方法及应用研究[D]. 中国科学技术大学， 2015.
关键词： GPR数据；子序列阈值；DTW；最近邻；
中图法分类号：TP391 文献标识码 A
引言
随着经济的不断发展，我国的石油、天然气等资源的需求量在日益增长，因此地质勘探就成了一项极为重要的工作。探地雷达（Ground Penetrating Radar，GPR）是一种无损的浅层物探技术，它具有高分辨率、高效率等特点，并能快速、准确地探测地下异常介质，被广泛用于地质勘探和环境工程等领域[1]。由于专业人员对探测区域地质情况判断的主要依据是记录反射回波信号的GPR数据，同时反射回波信号在传播过程中，不仅受到探地雷达系统自身的噪声影响，而且还有来自复杂探测环境，杂波干扰以及电磁波自身的强衰减性等的影响[2]，因此为使专业人员能够准确、有效、快速的依据GPR数据提供可靠解译，就需要鲁棒性的GPR数据处理和分析方法。
最近邻分类算法是一种由已知特征序列提供特征信息，寻找与待决策序列最短距离的已知特征序列，并认为待决策序列与最短距离的已知序列属于同一类别[3]。其方法简单易实现、分类结果准确，因此也吸引了众多研究者的兴趣[4]。
本文将最近邻引入到GPR数据的处理中，首先为实现GPR道数据中多介质的分类，设置子序列阈值，然后使用滑动窗口将各长度子序列与已知特征序列进行DTW的最近邻分类，最后通过可视化方法将分类结果直观的呈现。实验结果表明，较小波去噪[5]的传统数字信号处理方法，本方法对GPR道数据中的多种介质进行了有效分类，表明该方法具有较好的可行性。
一方面由于GPR数据富含噪声和杂波，而欧氏距离又对噪音数据比较敏感，另一方面考虑到已知介质特征序列长度一般较短，子序列阈值长度中的各自序列长度又不唯一，因此在本文的最近邻算法中我们使用DTW距离度量。DTW距离不仅能够度量长度相等的时间序列，而且同样适用于长度不相等的时间序列距离度量。DTW还能够很好的处理时间轴上的变形，实现异步相似性比较，对于突变和异常点的不敏感，适用于我们研究的GPR数据的特点，因此可以较好地帮助我们提高分类精确度。
基于子序列阈值的GPR最近邻分类算法
根据GPR数据的自身特点，在某一固定点的单道扫描下，此点的地质环境中可能含有多种介质，进而反映在GPR道数据中则为相邻的子序列之间可能是不同的介质类别，所以不可以整道GPR数据进行最近邻分类；而且介质的形状大小并不唯一，反映在GPR道数据中则为各介质类别的自序列长度不唯一，所以不可以等长度的划分待决策的子序列长度。因此在最近邻分类的过程中，需要凭借先验知识设置一个子序列长度的阈值，以保证每一段子序列都可以准确决策分类。
实验结果及分析
为了进一步评估基于子序列阈值的最近邻算法对于GPR数据的分类效果，本文以算法分类后的可视化视觉效果图与原始灰度图作为比较指标，目的是验证算法对GPR数据的分类效果。实验以采样点数为2048，共359道数据的GPR道路实测数据进行实验分析。GPR原始数据的效果图，如图1，小波变换的效果图，如图2，本文基于子序列阈值的最近邻算法分类的GPR数据可视化效果图，如图3。
图1为原始GPR数据的灰度成像图，图2为传统数字信号处理方法小波变换的去噪灰度图，对比图1、2两图可以看出，整幅原始數据图像中布满了很多小噪点，小波去噪的图像数据点更为平滑，在矩形框中，小波去噪效果图中，轻微的突出了原始数据中因电磁波随传播过程逐渐衰减的造成的类别信息模糊，但是小波去噪较原始数据并没有达到道数据中介质信息模糊不清，没有突出。而比较图2、3，我们可以发现，矩形框中的部分类别信息被凸显了出来，排除了强衰减导致的电磁波信号减弱，从而产生的介质信息淹没的情况，将介质信息清晰地直觉化了出来。同时矩形框上部，较小波去噪方法，各道数据中的介质分类清晰可见，结果直观。
结束语
目前大多的GPR数据的处理技术的目的是抑制杂波干扰，并且需要专业人员的先验知识进行解译，因此有效的处理方法能有助于专业人员提供有效、准确的解译。本文提出的基于子序列阈值的GPR数据最近邻分类方法， 通过实验验证了其分类效果。与传统信号处理技术的小波变换去噪相比较， 该方法呈现的分类效果更为明显、直观，为专业人员提供了更具有鲁棒性的解译依据。
参考文献
[1] 张丽丽. 探地雷达信号分辨率提高方法研究[D]. 吉林大学， 2012.
[2] 杨峰、彭苏萍. 地质雷达探测原理与方法研究[M]. 科学出版社，2010.
[3] 王晓晔. 时间序列数据挖掘中相似性和趋势预测的研究[D]. 天津大学， 2003.
[4] 赵志宏. 基于振动信号的机械故障特征提取与诊断研究[D]. 北京交通大学， 2012.
[5] 段炜. 基于小波变换的探地雷达信号去噪方法研究[D]. 中南大学， 2008.
[6] 郑毅. 时间序列数据分类、检索方法及应用研究[D]. 中国科学技术大学， 2015.