[发明专利]联合剪切波变换和奇异值分解的探地雷达数据去噪方法

摘要

本发明公开一种探地雷达数据去噪方法，通过利用剪切波变换和奇异值分解，实现对噪声的滤除，达到增强有效回波信号的目的。本方法首先利用奇异值分解对直达波进行了分离和滤除，然后利用剪切波变换对探地雷达数据进行处理，得到变换域中的系数矩阵，并对其再次进行奇异值分解。数据中如果含有有效信号，则稀疏程度较高，分解后的特征值矩阵中将会存在对整体贡献率较大的值；如果只含有噪声，则特征值矩阵中的特征值相对平均，分解后的特征值矩阵的特征值对整体贡献率也相对分散平均。根据此原理，对数据进行滤波处理，并对处理后的数据进行剪切波逆变换，得到去噪后的探地雷达数据。

主权项

1.一种探地雷达数据去噪方法，用于探地雷达数据处理，其特征在于，通过利用剪切波变换和奇异值分解，实现对探地雷达数据中噪声的压制，达到增强有效信号的目的，包括如下步骤：步骤一：对探地雷达采集数据X0做奇异值分解，并将第一个最大特征值置零，对分解后的信号进行合成，得到去除了直达波的数据X，其中X和X0都是N行M列的数组，M表示采样道数，N表示每一道数据的采样点数；步骤二：设置剪切波变换时的总分解层数K，并设置变量k，k为当前分解层数；步骤三：k＝1时，利用拉普拉斯金字塔分解法对X进行分解，得到第一层分解后的低频系数矩阵和高频系数矩阵否则利用拉普拉斯金字塔方法对第k‑1层的低频系数矩阵进行分解，得到第k层的低频系数矩阵和高频系数矩阵步骤四：在伪极向格上对第k层的高频系数矩阵进行傅里叶变换，从而得到傅里叶变换后的矩阵步骤五：利用带通滤波器对步骤四中的矩阵进行处理，重新定义笛卡尔坐标系的抽样值，并利用二维逆傅里叶变换得到剪切系数矩阵步骤六：对剪切系数矩阵利用奇异值分解，保留特征值矩阵中对全能量贡献率较大的成分、通过置零去除贡献率小的成分，得到新的特征值矩阵进行奇异值分解的合成，得到新的矩阵步骤七：判断k＝K是否成立，成立则停止分解，对低频系数矩阵利用奇异值分解，保留特征值矩阵中对全能量贡献率较大的成分、通过置零去除贡献率小的成分，得到新的特征值矩阵进行奇异值分解的合成，得到新的矩阵否则跳转执行步骤三；步骤八：对处理后的数据进行剪切波反变换，得到最终去噪处理后的数据