CN111695087A - 用于复合探雷目标检测的方法及系统 - Google Patents

用于复合探雷目标检测的方法及系统 Download PDF

Info

Publication number
CN111695087A
CN111695087A CN202010463561.0A CN202010463561A CN111695087A CN 111695087 A CN111695087 A CN 111695087A CN 202010463561 A CN202010463561 A CN 202010463561A CN 111695087 A CN111695087 A CN 111695087A
Authority
CN
China
Prior art keywords
mine
signal
linear prediction
target
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010463561.0A
Other languages
English (en)
Other versions
CN111695087B (zh
Inventor
瞿诗华
吴美武
雷杰
唐云峰
张勇
孙绪仁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Microwave Technology CETC 50 Research Institute
Original Assignee
Shanghai Institute of Microwave Technology CETC 50 Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Microwave Technology CETC 50 Research Institute filed Critical Shanghai Institute of Microwave Technology CETC 50 Research Institute
Priority to CN202010463561.0A priority Critical patent/CN111695087B/zh
Publication of CN111695087A publication Critical patent/CN111695087A/zh
Application granted granted Critical
Publication of CN111695087B publication Critical patent/CN111695087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
    • G01V3/087—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices the earth magnetic field being modified by the objects or geological structures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
    • G01V3/10—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices using induction coils
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Geophysics (AREA)
  • Algebra (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供了一种用于复合探雷目标检测的方法及系统，包括：步骤1：根据电磁感应EMI探雷器确定金属目标所在位置，得到疑似目标；步骤2：根据GPR信号判断疑似目标是否为地雷。本发明结合EMI信号和GPR信号完成对低金属雷的精准探测，同时降低金属探雷器对金属目标的虚警概率；使用线性预测技术替代传统直接使用目标信号强度对抗杂波强度的检测方式，大幅降低探地雷达信号中测量系统、背景场以及噪音的影响，增强了探地雷达信号的信杂噪比。

Description

用于复合探雷目标检测的方法及系统
技术领域
本发明涉及复合探雷技术领域，具体地，涉及一种用于复合探雷目标检测的方法及系统。尤其地，涉及一种基于电磁感应EMI和探地雷达GPR的复合探雷方法。
背景技术
目前存在的两种应用最为广泛的探雷仪器分别为金属探测器和探地雷达。金属探测器是以土壤和金属目标之间电导率和磁导率的不同为基础，将地雷的金属部件作为电磁波的探测对象。低频电磁感应探雷技术简单有效，较适合单兵作业，也应用于车载探雷系统。然而由于战场地带通常存在大量的武器弹药爆炸后的碎片，这些金属碎片都会触发金属探测器报警，从而需要进一步排查，这就造成了金属探测器较高的虚警率，使排雷速度明显下降。金属探测器面临的另一个重大问题是不能探测低金属地雷。现代地雷的发展趋势就是尽可能地减少其所含金属成分，特别是小型反步兵地雷，更是具有体积小，金属含量低的特点。以比利时生产的PRB M409反步兵地雷为例，这种地雷直径8.5厘米，金属含量仅1克，这使得它们比常规带金属罩的地雷(金属地雷)难检测得多。探地雷达不仅能够探测金属目标，同时也能够探测到低金属含量目标以及塑料目标。它通过发射和接收高频率、宽脉冲电磁波，并根据接收到的电磁波的振幅、波形和频率等运动学和动力学特征来分析和推断地下介质结构是否存在异常。探地雷达技术具有高采样率、无损连续检测等优点，探测精度和分辨能力达到毫米级。但在实测量中，探地雷达信号不仅包含了来自地雷的信息，同时包含了来自测量系统、背景场以及噪音的影响。因此，应用探地雷达探查地雷时，信号处理十分关键。为了解决上述问题，我们决定将EMI信号和GPR信号的处理结果进行联合，以获得更加准确的结果。
电磁感应探测器的基本原理：交变电流通过发射线圈向周围空间发射交变磁场，称为一次场，如果邻近空间存在金属导体，则在交变磁场的作用下金属导体内形成涡流，涡流又在周围形成同频交变磁场，称为二次场，利用接收线圈接收二次场或一次场与二次场的总和，生成数据模板。由于不同的目标体含有不同的特征，所以其生成的数据模板也是不同的。对比测量得到的数据模板和测量目标体自身的特征，然后将目标体的特征从数据模板中提取出来。
GPR目标检测原理及优势：探地雷达(GPR)通过发射和接收高频率、宽脉冲电磁波，并根据接收到的电磁波的振幅、波形和频率等运动学和动力学特征来分析和推断地下介质结构是否存在异常。因此探地雷达不仅能够探测金属目标，同时也能够探测到低金属含量目标以及塑料目标。
专利文献CN109712096A(申请号：201811641613.8)公开了一种结合小波分解的GPR钢筋数量检测方法，包括以下步骤：在探地雷达数据中，由雷达波在不同界面引起的反射波或者环境中的噪声在A扫描图像中总是会出现在同一时间位置，这些杂波会在B扫描图像中产生一条水平线；先对B扫描数据二维矩阵中每行数据求方差，然后只对方差极小的行进行均值法抑制杂的操作，保证钢筋反射波的强度不受影响；采用小波变换处理步骤1中均值法抑制杂波得到的数据；根据步骤2小波变换的结果获取钢筋数量信息。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种用于复合探雷目标检测的方法及系统。
根据本发明提供的用于复合探雷目标检测的方法，包括：
步骤1：根据电磁感应EMI探雷器确定金属目标所在位置，得到疑似目标；
步骤2：根据GPR信号判断疑似目标是否为地雷。
优选的，所述步骤1包括：用电磁感应EMI探雷器进行测量时，当地下无金属目标体时，接收到的信号趋近于0；当地下存在金属目标时，接收到的信号产生跳跃，且信号的大小与金属含量、金属电性、渗透率、目标大小以及目标体与探测器的距离有关；
电磁感应EMI信号的搜索模式用阈值法来进行测定。
优选的，在用电磁感应EMI探雷器对地下金属目标进行检测之前，先获得背景模型，求得背景场信号的平均值，并且背景模型每隔一段时间或指定距离自动更新；
电磁感应EMI探雷器进入搜索模式后，用测量得到的待测区域信号减去背景场信号的平均值，如果差值小于等于临界值，则此处不存在金属目标体，断定此处无雷；当差值超过临界值时，则此处存在金属目标体，断定此处为疑似地雷区域，产生初步报警并进入下一阶段。
优选的，所述步骤2包括：运用线性预测算法对GPR信号进行处理，来源于地下杂质的信号用一个线性预测模型表示，用当前信号位置的前几组信号来预测当前位置的信号；
把当前信号位置的前几组信号存储为背景模型，背景模型随测量位置的改变实时更新，根据背景模型所预测出的当前信号与真实的当前信号的差值作为特征值处理，计算流程包括：
用x(n)＝[x1(n),x2(n),...xL(n)]T表示n帧位置的GPR频率域探测数据，其中n表示位置，L表示频率点总数；x1表示：第n帧GPR脉冲压缩信号在第一个频点上的幅值；
用线性预测模型来模拟来自杂质的信号：
Figure BDA0002511867300000031
其中，X(n-1)＝[x(n-1),x(n-2),...,x(n-P)]表示n点之前P个位置的测量数据，a＝[a1,a2,...,aP]T是线性预测系数，ε(n)表示预测误差；k表示累加过程中的增变量，1≤k≤P，P为预测下一帧数据需要的帧数；ak表示：累加过程中的每一帧数据对应的线性预测系数；
用最大似然估计法来求取线性预测系数的表达式：
预测误差ε(n)服从高斯正态分布，根据线性预测模型得出n点数据满足ξ(n)≤TH的概率密度函数为：
Figure BDA0002511867300000032
H0表示原假设null hypothesis；σ表示尺度参数，即标准差；
当概率密度函数的值取最大时，l(a)＝(x(n)-X(n-1)a)+(x(n)-X(n-1)a)的值取最小，得出线性预测系数的表达式为：
a0＝(X(n-1)+X(n-1))-1X(n-1)+x(n)
得到检验统计量的表达式：
ξ(n)＝(x(n)+x(n)-x(n)+X(n-1)a0)
检验统计量的表达式为特征值的表达式。
优选的，根据特征值对测量数据完成预判，当特征值ξ(n)小于等于临界值TH时，判断信号来源于杂质，当特征值ξ(n)大于临界值TH时，判断信号来源于地雷，并形成报警。
根据本发明提供的用于复合探雷目标检测的系统，包括：
模块M1：根据电磁感应EMI探雷器确定金属目标所在位置，得到疑似目标；
模块M2：根据GPR信号判断疑似目标是否为地雷。
优选的，所述模块M1包括：用电磁感应EMI探雷器进行测量时，当地下无金属目标体时，接收到的信号趋近于0；当地下存在金属目标时，接收到的信号产生跳跃，且信号的大小与金属含量、金属电性、渗透率、目标大小以及目标体与探测器的距离有关；
电磁感应EMI信号的搜索模式用阈值法来进行测定。
优选的，在用电磁感应EMI探雷器对地下金属目标进行检测之前，先获得背景模型，求得背景场信号的平均值，并且背景模型每隔一段时间或指定距离自动更新；
电磁感应EMI探雷器进入搜索模式后，用测量得到的待测区域信号减去背景场信号的平均值，如果差值小于等于临界值，则此处不存在金属目标体，断定此处无雷；当差值超过临界值时，则此处存在金属目标体，断定此处为疑似地雷区域，产生初步报警并进入下一阶段。
优选的，所述模块M2包括：运用线性预测算法对GPR信号进行处理，来源于地下杂质的信号用一个线性预测模型表示，用当前信号位置的前几组信号来预测当前位置的信号；
把当前信号位置的前几组信号存储为背景模型，背景模型随测量位置的改变实时更新，根据背景模型所预测出的当前信号与真实的当前信号的差值作为特征值处理，计算流程包括：
用x(n)＝[x1(n),x2(n),...xL(n)]T表示n帧位置的GPR频率域探测数据，其中n表示位置，L表示频率点总数；x1表示：第n帧GPR脉冲压缩信号在第一个频点上的幅值；
用线性预测模型来模拟来自杂质的信号：
Figure BDA0002511867300000041
其中，X(n-1)＝[x(n-1),x(n-2),...,x(n-P)]表示n点之前P个位置的测量数据，a＝[a1,a2,...,aP]T是线性预测系数，ε(n)表示预测误差；k表示累加过程中的增变量，1≤k≤P，P为预测下一帧数据需要的帧数；ak表示：累加过程中的每一帧数据对应的线性预测系数；
用最大似然估计法来求取线性预测系数的表达式：
预测误差ε(n)服从高斯正态分布，根据线性预测模型得出n点数据满足ξ(n)≤TH的概率密度函数为：
Figure BDA0002511867300000051
H0表示：原假设null hypothesis；σ表示：尺度参数，即标准差；
当概率密度函数的值取最大时，l(a)＝(x(n)-X(n-1)a)+(x(n)-X(n-1)a)的值取最小，得出线性预测系数的表达式为：
a0＝(X(n-1)+X(n-1))-1X(n-1)+x(n)
得到检验统计量的表达式：
ξ(n)＝(x(n)+x(n)-x(n)+X(n-1)a0)
检验统计量的表达式为特征值的表达式。
优选的，根据特征值对测量数据完成预判，当特征值ξ(n)小于等于临界值TH时，判断信号来源于杂质，当特征值ξ(n)大于临界值TH时，判断信号来源于地雷，并形成报警。
与现有技术相比，本发明具有如下的有益效果：
1、本发明结合EMI信号和GPR信号完成对低金属雷的精准探测，同时降低金属探雷器对金属目标的虚警概率；
2、本发明使用线性预测技术替代传统直接使用目标信号强度对抗杂波强度的检测方式，大幅降低探地雷达信号中测量系统、背景场以及噪音的影响，增强了探地雷达信号的信杂噪比。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明系统框图；其中，横坐标表示位置n，纵坐标表示频率点；
图2为探地雷达频率域数据图；其中，传感器在目标体上方左右来回扫描两次，左图信号来源于地雷，右图信号来源于杂质。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施举例1：
如图1、2所示，本发明主要用于复合探雷目标检测领域中，运用GPR结合EMI信号的方案可大大提高对低金属雷的精准探测，降低金属探雷器对金属杂质的虚警概率，同时运用线性预测的方法降低了探地雷达信号中测量系统、背景场以及噪音的影响。本发明的核心内容主要为EMI信号和GPR信号结合探测和线性预测法。该方法主要包括EMI和GPR信号接收和采样(一)和线性预测分析(二)等模块。
信号接收和采样(一)主要完成对周期性的接收信号进行采集处理。具体来说，主要采用以下步骤：
步骤1：对接收信号进行周期性采样形成的N点数据向量，计算得到与双程延迟
Figure BDA0002511867300000061
相对应的数据向量
Figure BDA0002511867300000062
对于依次沿扫描方向的多个观测位置，重复P次观测，得到P×N维观测矩阵：X＝{xi,xi+1,…xi+P}，该矩阵用于背景计算；
线性预测分析方法(二)主要用于分析当前目标回波的观测与历史回波观测的能量差异，包括如下步骤：
步骤1：选取矩阵
Figure BDA0002511867300000063
中从第i个起的连续k组数据向量，调整加权系数Ai，最小化均方误差
Figure BDA0002511867300000064
步骤2：递加序号i，在接收数据中逐次计算每个序号下对应的连续k帧对k+1帧的残差量，将残差量按序号i的升序排序为残差矩阵Δ＝[ε1,ε2,…εP-k]；
步骤3：对于上述步骤估计得到的二维残差矩阵Δ，依据CFAR准则形成检验统计量，依据该量对目标的存在与否进行判决，完成用于复合探雷的目标检测。
本发明解决了金属探雷器难以对低金属雷的精准探测的问题，同时降低金属探雷器对金属杂质的虚警概率。
实际效果：对PRB M409反步兵地雷在沙土地中进行探测，在沙土地中同时埋下小金属碎片，用复合探雷系统扫描沙土地，采集EMI信号和GPR信号。复合探雷系统能够精确的确定PRB M409反步兵地雷的位置，而且系统对小金属碎片的虚警概率低至5％。
本发明使用线性预测技术大幅降低了探地雷达信号中测量系统、背景场以及噪音的影响，增强了探地雷达信号的信杂噪比。
实际效果：对采集到的GPR信号使用线性预测技术使得预测的残差信号中目标信号的信噪比得到显著提升，为后续数据建模判定地形改变从而判定目标是否为地雷提供较好的数据源。
根据本发明提供的用于复合探雷目标检测的方法，包括：
步骤1：根据电磁感应EMI探雷器确定金属目标所在位置，得到疑似目标；
步骤2：根据GPR信号判断疑似目标是否为地雷。
优选的，所述步骤1包括：用电磁感应EMI探雷器进行测量时，当地下无金属目标体时，接收到的信号趋近于0；当地下存在金属目标时，接收到的信号产生跳跃，且信号的大小与金属含量、金属电性、渗透率、目标大小以及目标体与探测器的距离有关；
电磁感应EMI信号的搜索模式用阈值法来进行测定。
优选的，在用电磁感应EMI探雷器对地下金属目标进行检测之前，先获得背景模型，求得背景场信号的平均值，并且背景模型每隔一段时间或指定距离自动更新；
电磁感应EMI探雷器进入搜索模式后，用测量得到的待测区域信号减去背景场信号的平均值，如果差值小于等于临界值，则此处不存在金属目标体，断定此处无雷；当差值超过临界值时，则此处存在金属目标体，断定此处为疑似地雷区域，产生初步报警并进入下一阶段。
优选的，所述步骤2包括：运用线性预测算法对GPR信号进行处理，来源于地下杂质的信号用一个线性预测模型表示，用当前信号位置的前几组信号来预测当前位置的信号；
把当前信号位置的前几组信号存储为背景模型，背景模型随测量位置的改变实时更新，根据背景模型所预测出的当前信号与真实的当前信号的差值作为特征值处理，计算流程包括：
用x(n)＝[x1(n),x2(n),...xL(n)]T表示n帧位置的GPR频率域探测数据，其中n表示位置，L表示频率点总数；x1表示：第n帧GPR脉冲压缩信号在第一个频点上的幅值；
用线性预测模型来模拟来自杂质的信号：
Figure BDA0002511867300000071
其中，X(n-1)＝[x(n-1),x(n-2),...,x(n-P)]表示n点之前P个位置的测量数据，a＝[a1,a2,...,aP]T是线性预测系数，ε(n)表示预测误差；k表示累加过程中的增变量，1≤k≤P，P为预测下一帧数据需要的帧数；ak表示：累加过程中的每一帧数据对应的线性预测系数；
用最大似然估计法来求取线性预测系数的表达式：
预测误差ε(n)服从高斯正态分布，根据线性预测模型得出n点数据满足ξ(n)≤TH的概率密度函数为：
Figure BDA0002511867300000081
H0表示原假设null hypothesis；σ表示尺度参数，即标准差；
当概率密度函数的值取最大时，l(a)＝(x(n)-X(n-1)a)+(x(n)-X(n-1)a)的值取最小，得出线性预测系数的表达式为：
a0＝(X(n-1)+X(n-1))-1X(n-1)+x(n)
得到检验统计量的表达式：
ξ(n)＝(x(n)+x(n)-x(n)+X(n-1)a0)
检验统计量的表达式为特征值的表达式。
优选的，根据特征值对测量数据完成预判，当特征值ξ(n)小于等于临界值TH时，判断信号来源于杂质，当特征值ξ(n)大于临界值TH时，判断信号来源于地雷，并形成报警。
根据本发明提供的用于复合探雷目标检测的系统，包括：
模块M1：根据电磁感应EMI探雷器确定金属目标所在位置，得到疑似目标；
模块M2：根据GPR信号判断疑似目标是否为地雷。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种用于复合探雷目标检测的方法，其特征在于，包括：
步骤1：根据电磁感应EMI探雷器确定金属目标所在位置，得到疑似目标；
步骤2：根据GPR信号判断疑似目标是否为地雷。
2.根据权利要求1所述的用于复合探雷目标检测的方法，其特征在于，所述步骤1包括：电磁感应EMI信号的搜索模式用阈值法来进行测定。
3.根据权利要求1所述的用于复合探雷目标检测的方法，其特征在于，在用电磁感应EMI探雷器对地下金属目标进行检测之前，先获得背景模型，求得背景场信号的平均值，并且背景模型每隔一段设定的时间或距离自动更新；
电磁感应EMI探雷器进入搜索模式后，用测量得到的待测区域信号减去背景场信号的平均值，如果差值小于等于临界值，则此处不存在金属目标体，断定此处无雷；当差值大于临界值时，则此处存在金属目标体，断定此处为疑似地雷区域，产生初步报警并进入下一阶段。
4.根据权利要求1所述的用于复合探雷目标检测的方法，其特征在于，所述步骤2包括：运用线性预测算法对GPR信号进行处理，来源于地下杂质的信号用一个线性预测模型表示，用当前信号位置的前多组信号来预测当前位置的信号；
把当前信号位置的在先信号存储为背景模型，背景模型随测量位置的改变实时更新，根据背景模型所预测出的当前信号与真实的当前信号的差值作为特征值处理，计算流程包括：
用x(n)＝[x1(n),x2(n),...xL(n)]T表示n帧位置的GPR频率域探测数据，其中n表示位置，L表示频率点总数；xL(n)表示第n帧GPR脉冲压缩信号在第L个频点上的幅值；
用线性预测模型来模拟来自杂质的信号：
Figure FDA0002511867290000011
其中，X(n-1)＝[x(n-1),x(n-2),...,x(n-P)]表示n点之前P个位置的测量数据，a＝[a1,a2,...,aP]T是线性预测系数，ε(n)表示预测误差；k表示累加过程中的增变量，1≤k≤P，P为预测下一帧数据需要的帧数；ak表示：累加过程中的每一帧数据对应的线性预测系数；
用最大似然估计法来求取线性预测系数的表达式：
预测误差ε(n)服从高斯正态分布，根据线性预测模型得出n点数据满足ξ(n)≤TH的概率密度函数为：
Figure FDA0002511867290000021
H0表示原假设null hypothesis；σ表示尺度参数，即标准差；
当概率密度函数的值取最大时，l(a)＝(x(n)-X(n-1)a)+(x(n)-X(n-1)a)的值取最小，得出线性预测系数的表达式为：
a0＝(X(n-1)+X(n-1))-1X(n-1)+x(n)
得到检验统计量的表达式：
ξ(n)＝(x(n)+x(n)-x(n)+X(n-1)a0)
检验统计量的表达式为特征值的表达式。
5.根据权利要求4所述的用于复合探雷目标检测的方法，其特征在于，根据特征值对测量数据完成预判，当特征值ξ(n)小于等于临界值TH时，判断信号来源于杂质，当特征值ξ(n)大于临界值TH时，判断信号来源于地雷，并形成报警。
6.一种用于复合探雷目标检测的系统，其特征在于，包括：
模块M1：根据电磁感应EMI探雷器确定金属目标所在位置，得到疑似目标；
模块M2：根据GPR信号判断疑似目标是否为地雷。
7.根据权利要求6所述的用于复合探雷目标检测的系统，其特征在于，所述模块M1包括：电磁感应EMI信号的搜索模式用阈值法来进行测定。
8.根据权利要求6所述的用于复合探雷目标检测的系统，其特征在于，在用电磁感应EMI探雷器对地下金属目标进行检测之前，先获得背景模型，求得背景场信号的平均值，并且背景模型每隔一段时间或指定距离自动更新；
电磁感应EMI探雷器进入搜索模式后，用测量得到的待测区域信号减去背景场信号的平均值，如果差值小于等于临界值，则此处不存在金属目标体，断定此处无雷；当差值大于临界值时，则此处存在金属目标体，断定此处为疑似地雷区域，产生初步报警并进入下一阶段。
9.根据权利要求6所述的用于复合探雷目标检测的系统，其特征在于，所述模块M2包括：运用线性预测算法对GPR信号进行处理，来源于地下杂质的信号用一个线性预测模型表示，用当前信号位置的前几组信号来预测当前位置的信号；
把当前信号位置的前几组信号存储为背景模型，背景模型随测量位置的改变实时更新，根据背景模型所预测出的当前信号与真实的当前信号的差值作为特征值处理，计算流程包括：
用x(n)＝[x1(n),x2(n),...xL(n)]T表示n帧位置的GPR频率域探测数据，其中n表示位置，L表示频率点总数；xL(n)表示第n帧GPR脉冲压缩信号在第L个频点上的幅值；
用线性预测模型来模拟来自杂质的信号：
Figure FDA0002511867290000031
其中，X(n-1)＝[x(n-1),x(n-2),...,x(n-P)]表示n点之前P个位置的测量数据，a＝[a1,a2,...,aP]T是线性预测系数，ε(n)表示预测误差；k表示累加过程中的增变量，1≤k≤P，P为预测下一帧数据需要的帧数；ak表示：累加过程中的每一帧数据对应的线性预测系数；
用最大似然估计法来求取线性预测系数的表达式：
预测误差ε(n)服从高斯正态分布，根据线性预测模型得出n点数据满足ξ(n)≤TH的概率密度函数为：
Figure FDA0002511867290000032
H0表示：原假设null hypothesis；σ表示：尺度参数，即标准差；
当概率密度函数的值取最大时，l(a)＝(x(n)-X(n-1)a)+(x(n)-X(n-1)a)的值取最小，得出线性预测系数的表达式为：
a0＝(X(n-1)+X(n-1))-1X(n-1)+x(n)
得到检验统计量的表达式：
ξ(n)＝(x(n)+x(n)-x(n)+X(n-1)a0)
检验统计量的表达式为特征值的表达式。
10.根据权利要求9所述的用于复合探雷目标检测的系统，其特征在于，根据特征值对测量数据完成预判，当特征值ξ(n)小于等于临界值TH时，判断信号来源于杂质，当特征值ξ(n)大于临界值TH时，判断信号来源于地雷，并形成报警。
CN202010463561.0A 2020-05-27 2020-05-27 用于复合探雷目标检测的方法及系统 Active CN111695087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010463561.0A CN111695087B (zh) 2020-05-27 2020-05-27 用于复合探雷目标检测的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010463561.0A CN111695087B (zh) 2020-05-27 2020-05-27 用于复合探雷目标检测的方法及系统

Publications (2)

Publication Number Publication Date
CN111695087A true CN111695087A (zh) 2020-09-22
CN111695087B CN111695087B (zh) 2023-06-23

Family

ID=72478544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010463561.0A Active CN111695087B (zh) 2020-05-27 2020-05-27 用于复合探雷目标检测的方法及系统

Country Status (1)

Country Link
CN (1) CN111695087B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906476A (zh) * 2021-01-20 2021-06-04 电子科技大学中山学院 一种基于信杂噪比损失的机载雷达训练样本选择方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020026253A1 (en) * 2000-06-02 2002-02-28 Rajan Jebu Jacob Speech processing apparatus
EP1972964A1 (en) * 2007-03-23 2008-09-24 TUBITAK-Turkiye Bilimsel ve Teknolojik ve Arastima Kurumu Portable mine detection system
CN109444984A (zh) * 2018-12-14 2019-03-08 湖南华诺星空电子技术有限公司 一种多源融合无人车载式爆炸物探测系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020026253A1 (en) * 2000-06-02 2002-02-28 Rajan Jebu Jacob Speech processing apparatus
EP1972964A1 (en) * 2007-03-23 2008-09-24 TUBITAK-Turkiye Bilimsel ve Teknolojik ve Arastima Kurumu Portable mine detection system
CN109444984A (zh) * 2018-12-14 2019-03-08 湖南华诺星空电子技术有限公司 一种多源融合无人车载式爆炸物探测系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906476A (zh) * 2021-01-20 2021-06-04 电子科技大学中山学院 一种基于信杂噪比损失的机载雷达训练样本选择方法

Also Published As

Publication number Publication date
CN111695087B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN112036074B (zh) 一种高脉冲密度环境下雷达信号分选方法及系统
CN108490410B (zh) 一种两坐标雷达对海目标联合检测跟踪方法
Xu et al. Statistical method to detect subsurface objects using array ground-penetrating radar data
CN110988818B (zh) 基于条件生成式对抗网络的欺骗干扰模板生成方法
CN112731307B (zh) 基于距离-角度联合估计的ratm-cfar检测器及检测方法
CN112684428A (zh) 一种基于信号代理的多目标恒虚警率检测方法
CN111695087B (zh) 用于复合探雷目标检测的方法及系统
CN108196238B (zh) 高斯背景下基于自适应匹配滤波的杂波图检测方法
Tantum et al. Comparison of algorithms for land mine detection and discrimination using ground penetrating radar
CN117351321A (zh) 一种单阶段轻量化的地铁衬砌空洞识别方法及相关设备
Tiwari et al. Development of a model for detection and estimation of depth of shallow buried non-metallic landmine at microwave X-band frequency
CN111624605B (zh) 一种基于角度维回波特征的航海雷达目标检测方法
CN113253262B (zh) 一种基于一维距离像记录背景对比检测目标方法
Chaudhuri et al. Multisensor data fusion for mine detection
Behar et al. Hough detector with adaptive non-coherent integration for target detection in pulse jamming
Zhang et al. Track Detection of Underwater Moving Targets Based on CFAR
Šimić et al. Object depth estimation from line-scan EMI data using machine learning
Gao et al. Classification of buried metal objects using wideband frequency-domain electromagnetic induction responses: a comparison of optimal and sub-optimal processors
CN110412536B (zh) 基于变尺度中值比率的目标检测方法
CN111060975B (zh) 用于探地雷达目标检测的方法
Rouabah et al. Enhancing detection performances of nonhomogeneous Weibull clutter by knowledge based systems exploitation
Shang et al. Radar reliability modeling approach in the repressive electromagnetic environment
CN109932697B (zh) 基于压缩感知的微弱目标检测方法
Yu et al. Two-Stage Sea-Surface Small Target Detection using Multi-Feature-Fusion-based Binary Classifier and SCR Enhancement
Dejun et al. Research on Locating Tunnel-Lining Defects Using Fast Synthetic Aperture Focusing Imaging Based on GPR.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant