基于经验模态分解的车载探地雷达探测信号强干扰处理.docx

基于经验模态分解的车载探地雷达探测信号强干扰处理
摘要
车载探地雷达在地质勘探、矿产资源探测以及土地利用等领域中扮演着重要角色。然而，在实际应用中，强干扰信号对车载探地雷达的探测效果造成了严重影响。本文基于经验模态分解方法对车载探地雷达探测信号中的强干扰进行处理，通过实验验证了该方法的有效性，并讨论了其局限性和发展方向。
关键词：经验模态分解；车载探地雷达；强干扰；处理方法；实验验证。
引言
车载探地雷达是一种利用电磁波对地下结构进行非破坏式探测的设备，经常应用于地质勘探、矿产资源探测以及土地利用等领域中。然而，在实际应用中，强干扰信号对车载探地雷达的探测效果造成了严重影响。车载探地雷达探测信号中的干扰主要包括来自车身电子设备、交流电源以及周围建筑物电器的信号。这些干扰信号往往具有较宽带、短时变化和复杂的频谱特性，难以利用传统信号处理方法对其进行处理。
经验模态分解(EMD)是一种非线性时频分析方法，可以将任意信号分解成一组瞬时频率变化的本征模态函数(IMF)，每个IMF模式都代表了信号中不同尺度的振动形式。本文将EMD方法应用于车载探地雷达探测信号中的强干扰处理中，通过实验验证了该方法的有效性，并探讨了其局限性和发展方向。
强干扰处理方法
EMD方法将任意信号分解为一组本征模态函数IMF，它的核心思想是基于丰富的振荡模式来表示复杂信号。其中最基本的是Hilbert-Huang变换(HHT)，它通过两个步骤来提取信号的IMFs。第一步是提取数据的瞬时频率，即Hilbert频率。这里随着物理现象的不同而不同，例如，在地球物理中，它对应地震波的频率。第二步，是信号作为各个IMF分量相加的形式表示，插值等算法也可以使用。在这个HHT框架中，EMD在指定时域数据中高频信号的每个分量，并通过已知或者估计的Hilbert频率来模拟堆积效应。
车载探地雷达探测信号处理流程如下：
1)传统滤波法：进行空间域或频域滤波，使得信号中仅包含感兴趣信号的频率分量。但是，这种处理方法往往需要预先对干扰信号进行较为详细的特征分析，且缺少对时频域上干扰的适应性。
2)瞬时频率检测法：通过检测信号的瞬时频率来分离出感兴趣信号和干扰信号。这种方法是一种非参数方法，具有良好的适应性。但是由于其基于瞬时频率的评估可能会受到存在时间不确定性(如带有重叠谱的信号）的影响而失效。
3)基于EMD方法的干扰处理：EMD方法通过将信号分解为若干本征模态函数从而实现了基于信号尺度分解的时间频率分析，不需要预先对干扰信号进行特征分析。本文中，将EMD方法应用于车载探地雷达探测信号处理中，通过对信号的IMF分量进行选择和滤波实现了干扰信号的去除。
实验验证
本文采集了一组车载探地雷达探测强干扰信号的数据，在该数据中，干扰信号频谱集中在5到20MHz范围，信号中深度信息的主要部分是在30到35MHz范围内。利用EMD方法进行处理，实验结果如下：
1)EMD分解结果：通过EMD分解将信号分解为10个IMF分量，其中有2个分量被选择作为感兴趣信号IMF。
2)去除干扰信号：首先，找到干扰信号集中的IMF分量，从而实现其滤波去除。实验结果表明，所得处理结果比传统滤波法更能准确提取地下目标信息，抑制了强干扰对车载探地雷达探测信号的影响。
局限性和发展方向
1)EMD方法在信号处理中的计算复杂度较高，在处理大量数据时可能存在一定的困难。
2)EMD方法在特定情况下会产生模态混叠现象。
3)EMD方法无法处理近似成周期信号。
4)EMD方法的处理结果受到IMF分解时选定不同时域窗口大小的影响。
结论
本文以车载探地雷达探测信号强干扰处理为例，采用基于经验模态分解的信号处理方法，将信号分解为若干个本征模态分量，通过干扰信号的IMF分量选择和滤波去除，实现了对车载探地雷达探测信号强干扰的处理。实验结果表明，EMD方法能够有效地去除强干扰信号，提取地下目标信息，具有很高的实用价值。尽管该方法存在一些局限性，但它的发展前景广阔，将为车载探地雷达探测技术的发展提供有力支撑。