一、Theoretical aspects of nonlinear echo image system（论文文献综述）
滕坤阳[1]（2021）在《基于探地雷达的地下管线病害正演模拟及回波解译研究》文中指出如何以最快速度定位管线病害点,获取地下管线渗漏病害发育程度、病害位置信息,是当今市政管线应急处置的重点,也是市政规划建设热点研究问题,探地雷达（Ground-penetrating radar,GPR）技术相比于传统探测手段具有探测高效、空间分辨率高、探测目标种类广、无损检测、抗干扰能力强且应用环境广泛等特点,在隐蔽地下条件探测中有优势。但是,随着如今地下空间不断开发利用,地下管线所处环境也日趋复杂,管线种类和管径大小也逐渐多样化,传统探测手段局限性日益凸显的同时,也给解译技术带来了新的问题和挑战,目前探地雷达技术仍然存在着雷达回波图像解译依赖人工、管线病害程度识别困难、管线病害识别准确度不高、地下杂波干扰强、复杂环境下病害特征识别困难等问题。针对上述问题,本文通过正演模拟以及校园地下管线病害实地探测,来研究常见材质地下管线不同病害程度以及不同病害位置雷达回波特征,分析在复杂条件下管线病害回波传播过程中的反射和散射现象,总结其病害回波特征,结合不同检测算法,对管线病害回波特征进行检测选取,最后,通过选取的管线病害特征应用支持向量机（Support Vector Machine,SVM）模型进行管线病害雷达回波识别,并利用管线病害识别正确率评价SVM模型识别的精度。全文主要研究结果如下:（1）考虑地下管线雷达探测深度以及回波图像分辨率,通过试验选取500MHz天线中心频率最佳,其分辨率和反射能量均衡。实验显示:健康PVC管回波呈现完整双曲线形态,连续回波包络清晰;健康混凝土管回波包络双叶短小形态不完整,连续回波包络间断;健康金属钢管回波双曲线清晰完整,回波包络醒目且精细,无连续回波包络。（2）对于管线不同病害程度,在病害初期,非金属管回波双曲线形态不完整包络双叶短小模糊,金属管回波双曲线形态完整,包络精细完整;病害发育期,非金属管回波开口变大,包络完整,金属钢管回波包络双叶变粗;病害形成期,回波包络形态较为完整,连续回波包络清晰,混凝土管回波包络显着变长,金属管双曲线开口变大,包络清晰完整。（3）对于管线不同病害位置,在底部位置病害,非金属管回波形态包络完整开口大,连续回波顶部重叠模糊,金属管回波包络双叶精细完整,单次绕射波包络形态不完整;顶部位置病害,非金属管回波包络开口较小,连续回波呈现较为清晰X形,金属管X形回波特征清晰重叠;侧面位置病害,非金属管双曲线回波开口较大包络清晰,连续回波形态不完整,金属管回波包络双叶精细,绕射回波包络右半支重叠模糊,左半支较为连续。（4）通过对常见材质小管径管线、大管径管线以及具有真实地下随机分布特点的粗糙层状介质下管线病害正演模拟,研究复杂条件下管线病害探地雷达回波成像特征差异,建立对应病害特征数据集。（5）实验表明,利用灰度梯度边缘检测算法雷达回波图像特征边缘提取效果较好,管线病害回波特征分辨清晰,噪声有所减少;电磁波波谱时频域S变换法管线病害雷达回波特征分辨质量高,噪声过滤显着;通过基于支持向量机（SVM）模型进行管线病害检测识别,结果显示,因实际地下环境的复杂性,感兴趣目标区域被噪声信号掩盖,特征区域识别有一定程度的缺失和扩大,常规管线和大管径管线病害检测识别率高,小管径管线和层状介质下管线病害检测识别率低,总体上管线病害回波特征识别结果与实际情况符合度高,整体管线病害检测识别率达81%,具有高效识别率和准确度。
林良誉[2]（2021）在《多普勒雷达回波图像的短时轨迹预测》文中认为多普勒雷达回波图像在气象预报领域中具有多种用途及广泛应用,图像能够直观体现天气的变化状况,能够推演出部分极端天气的移动轨迹,让气象工作人员进行准确的天气预报。现有方法中,对回波区域进行追踪时存在因为回波区域合并或分裂导致部分回波追踪失败的问题,外推得到外推图像与实际图像相比,存在回波丢失和回波位置不准确的问题,导致用于气象预报时的准确度与可信性不高。如何准确提取与划分回波区域、追踪回波区域的移动轨迹与实现可靠的回波外推都是其中的难点问题。本文在现有的雷达回波图像轨迹追踪与外推方法的基础上,主要完成了以下的工作内容:1.为了解决因为回波区域合并或分裂导致部分回波追踪失败的问题,本文提出了一种分层次对回波块进行提取与追踪方法。通过将雷达回波图像序列中的每一张雷达回波图像进行层次划分得到多个层次矩阵,根据连通区域规则提取层次矩阵中的所有回波块以及计算各回波块的各项特征。然后通过计算相邻两张雷达回波图像相同层次回波块间的相似度实现对回波块的轨迹追踪,最后得到的各层次回波块在时间序列上质心的移动轨迹。该方法可以有效的追踪到雷达回波图像序列上各层次回波块质心的移动轨迹,其中一个层次回波块合并或分裂并不影响对其他层次的回波块追踪。2.根据追踪得到的各层次回波块在时间序列上质心的移动轨迹,本文提出了一种基于回波块短时轨迹预测的雷达回波图像外推方法。在短时轨迹预测的方法上,本文主要使用了线性预测的最小二乘法与非线性预测的半拉格朗日法。然后根据预测得到的移动轨迹,通过插值的方法得到下一时刻预测的回波块整体移动轨迹,最后根据预测得到的回波块整体移动轨迹进行雷达回波外推。最后分别从外推的结果图像和外推评价指标上验证了本方法的有效性,使用的两种短时轨迹预测方法都能够用于雷达回波图像外推。在气象数值评价指标中,本文所用方法得到的临界成功指数比单体质心法高0.21,比交叉相关法高0.1,此外误报率比两种方法都要低,所以能够提高天气预报的准确率。
李英睿[3]（2021）在《基于深度学习的雷达降水临近预报研究》文中提出随着空-天-地综合气象监测技术的快速发展和人工智能技术的不断创新,为提升降水临近预报精度和时效性带来了新的机遇。研究基于雷达探测的深度学习降水临近预报方法,评估不同方法对回波预测精度的影响,定量估计回波预报准确性和量化预报临近降水,对推动气象雷达应用和提高临近降水预报精准度具有重要的科学价值和实践意义。本文基于校正后的雷达回波数据,研究深度学习模型在临近降水预报中的应用。构建了卷积门控循环单元模型（Convolutional Gated Recurrent Unit,ConvGRU）、卷积长短期记忆模型（Convolutional Long Short-Term Memory,ConvLSTM）以及长短期记忆模型（Long Short-Term Memory,LSTM）、光流法（Optical flow,Of）两种传统临近降水预报模型,利用西宁地区的雷达和雨量计数据,对比分析了不同模型回波预报精度;对比研究了单层和多层雷达回波采样对预报精度的影响;结合地面雨量计观测数据,实现了站点雷达降水的定量估计。论文的主要结论如下:（1）结合雷达数据的多维性与神经网络的自学能力,建立基于深度学习的ConvGRU、ConvLSTM降水预报模型具有较好的结构性能,相比于Of和LSTM模型预测精度更高,可以有效的延长外推时间（2）ConvGRU在1.5-2h的预报结果比ConvLSTM更稳定。在12min-2h的预报时间中,ConvGRU预报雷达回波的相关系数下降了16.3%（单层）和12.6%（多层）,ConvLSTM下降了29%（单层）和24.1%（多层）。（3）3000m高度的单层数据比3000m-5500m高度区间中的采样数据在预报中的效果更好。对比两种采样方式,在2h中的预报结果,后者误报率更高,与3000m高度的单层数据相比,ConvGRU、ConvLSTM、LSTM和Of误报率分别提高了9.92%、14.18%、11.39%和6.17%;且对数据进行多层采样后雷达回波的峰值会收到较大的影响,不宜应用于实际的业务预报中。（4）设定不同的阈值对预报结果的评价有影响。评价指标CSI对10d Bz以上强度的雷达回波的预报评分最高,随着阈值的增加,评分逐渐降低,对30d Bz以上强回波的预测,技巧评分最低,不宜在雷达反射率因子的预报中应用较高的阈值。（5）ConvGRU和ConvLSTM对站点的雨强估测精度较高。将雨量计实测雨强与估测值进行对比,ConvGRU和ConvLSTM的相关系数为0.80和0.74,Of和LSTM的相关系数为0.53、0.42,前者总体离散度较小,稳定性高,对站点雨强具有一定的估测能力;后者相关性较差,且低估程度明显不能较好的预测站点的雨强。基于高时空分辨率雷达回波数据的深度学习模型在降水临近预报的应用中具有预报精度高、响应速度快、有效延长外推时间等显着优势,在进一步提高预报精度上具有较大的潜力。与基于长久的实践和业务经验建立的数值天气预报系统相比在各个方面仍需要进一步的研究与发展。目前,人工智能在临近预报中的应用仍处于初级阶段,与数值预报相结合,提高临近预报精度,增强天气过程演变、发展和消散过程中的可解释性是未来预报业务的发展趋势。
王建[4]（2020）在《基于边缘轮廓的航海雷达回波图像目标检测算法研究》文中研究说明雷达因其不受雾、云、雨等条件的阻挡,可以全天候、全天时探测远距离目标。雷达成为军事上必不可少的电子装备,也被广泛应用于资源探测、环境检测、海警执法和其他科学研究,例如:大气物理等。雷达回波图像是由反射回来的电磁波信号经过采样得到,由于没有经过滤波处理,图像中存在大量噪声,采用肉眼分辨具有一定的挑战性。因此,研究雷达回波图像的目标检测方法对于识别和快速做出决策具有重要意义。论文以雷达回波图像为研究对象,研究在不同工况下生成得到的回波图像目标检测性能。论文的主要工作如下:（1）研究了基本的滤波算法包括中值滤波、均值滤波、NL-mean（Non Local means）算法以及BM3D（Block-matching 3D filtering）去噪算法,并将其应用于雷达回波图像的去噪。实验结果表明,基于BM3D的图像去噪算法可以很好的过滤雷达回波图像上的噪声信号。同时,研究了BM3D算法中硬阈值对去噪效果的影响。（2）详细介绍了边缘检测的一般方法,包括Sobel算子、高斯拉普拉斯算子、Canny算子等基本理论。针对雷达回波图像,采用边缘检测算子获取图像中的目标信息。实验结果显示,在同一工况下,基于Canny算子的雷达回波图像目标检测虽然优于实验中的其他检测算子,但是总体的准确率不高。另外实验发现,针对雷达在不同工况时得到的雷达回波图像,在不改变Canny算子提取目标轮廓信息所用的阈值的情况下,检测的效果在准确性、可靠性上较差。得出的结论是:将Canny算子作为目标检测的算法镶嵌到雷达探测系统中不足以辅助雷达进行很好的避碰。（3）提出了基于轮廓提取的雷达回波图像目标检测方法,该方法的主要贡献有三点:第一,获取图像中所有的轮廓信息,包括真目标与假目标。第二,借鉴目标检测中IOU（Intersection Over Union,IOU）的概念,设定阈值比较两个目标轮廓信息之间的大小,过滤不符合的目标信息。第三,在同一工况下得到的雷达回波图像,能够检测到图像中的绝大多数目标,漏检误检相对于Canny算子较低,在不同工况下得到的雷达回波图像,也能具有很好的检测效果。实验表明,本章提出的方法对雷达回波图像的目标检测具有较好的准确性,同时具有一定的鲁棒性。
张飞鸿[5]（2020）在《基于对抗型LSTM和时序残差网络的短临降水预测研究》文中认为强对流天气引发的降水演变快、破坏力强,严重威胁人们的生命财产安全。短临降水预测技术为强降水的预报预警提供了有力支撑。随着气象技术的发展,利用雷达回波图像进行短临降水预测已经成为一个被广泛关注的问题。当前主要的预测方法是基于雷达回波外推和多元回归相融合的方式来实现的,但准确率方面仍不足以满足业务要求。为了进一步提升准确率,本文利用深度学习相关技术,通过对雷达回波外推和多元回归两种算法进行研究,提升了短临降水预测的准确性。本文的研究工作如下:（1）针对现有基于卷积长短期记忆网络（Convolutional Long Short-Term Memory,Conv LSTM）的回波外推算法存在的不足:（a）普通卷积运算在处理局部变化特征的图像时存在局限性;（b）在外推过程中,Conv LSTM内部采用无监督学习,损失函数常被定义为均方误差（Mean Squared Error,MSE）,忽略了外推图像与原始图像的分布相似性。针对上述不足,本论文提出一种改进的基于对抗型LSTM的回波外推算法。为了解决第一个不足,采用光流法追踪局部特征的方式,突破了一般卷积核面对局部变化特征的限制。为了解决第二个不足,引入深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Networks,DCGAN）,并与外推模型组成博弈系统,实现外推图像分布向原图像分布的拟合。最后综合考虑在四种不同反射率强度下,与主流深度学习方法及气象业务方法进行了对比。实验结果表明,所提算法较其它算法外推出的图像准确率更高。（2）针对现有基于神经网络的多元回归算法存在的不足:（a）缺乏对网络结构的优化,仅依靠堆叠式方法扩展模型的假设空间;（b）缺乏对气象样本特征的充分学习,造成模型泛化能力不足。为了解决以上两个问题,本文提出了一种改进的基于时序残差网络的多元回归算法。针对第一点的不足,采用残差网络（Residual Network,Res Net）封装Conv LSTM的方式优化网络结构。针对第二点的不足,引入双向LSTM增强学习概念,进一步将单向Conv LSTM封装成双向,实现对样本的充分学习。最后将提出的算法在（1）的结果上进行降水回归预测实验,并与现有的深度学习算法以及传统集成学习算法进行准确率对比。结果表明,该算法在非线性复杂建模上的准确率有大幅度提升。
张敬昕[6]（2020）在《激光雷达水云偏振图像特征的多次小角散射机理研究》文中进行了进一步梳理准确获取云微物理特性对于地气系统辐射收支估计以及气候变化研究具有重要的意义。偏振激光雷达是反演云微物理参数的主要探测工具之一。在水云中,光子散射平均自由程较短,雷达回波信号中多次散射贡献显着,同时单次后向散射不直接改变光的偏振状态,因此水云的辐射退偏和偏振回波图像特征均由多次散射产生。目前,水云多次散射偏振激光雷达信号的解译研究主要基于偏振辐射传输的数值模拟或者二阶小角散射近似建立的退偏率信号与水云散射相矩阵之间的简化数学关系,尚缺乏适用于任意散射阶数的雷达穆勒矩阵回波图像物理解释。考虑到穆勒矩阵回波图像包含最为完整的实验观测信息,本文旨在构建激光雷达多次散射穆勒矩阵回波图像信号与水云散射相矩阵之间的理论关系,揭示激光雷达水云后向散射偏振回波图像的多次散射形成机理。为此,本文在偏振辐射传输多次小角散射近似理论的基础上（即回波信号主要由多次前向散射和唯一一次后向散射路径贡献）,进一步提出了出射光束/返回光束的多次前向散射轨迹几乎共面的假设,以此建立了退化穆勒矩阵与后向散射相矩阵之间的准线性简化数学关系,即归一化的退化穆勒矩阵元素准线性地正比于归一化的后向散射相矩阵元素,同时出射与返回散射平面之间的总体平均夹角以及多次前向散射平面的总体平均旋转角可以在一定程度上影响退化穆勒矩阵与散射相矩阵之间的线性关系程度。该数学关系适用于任意散射阶数的情况。为了全面评估检验该简化数学关系,首先,在三维云大气矢量辐射传输模式MSCART的基础上,开发了激光雷达多次散射CCD斯托克斯矢量回波信号模拟功能,并通过聚苯乙烯球溶液实验观测结果以及对应二阶解析解验证了该模式的数值模拟准确性。其次,模拟了大量不同有效半径和有效方差的水云大气偏振雷达斯托克斯回波图像结果,同时为了提高数值模拟效率保证实验可行,本文提出了一种方位傅里叶展开技术,确保只需要利用MSCART模拟水平线偏振和右旋圆偏振雷达斯托克斯回波图像,即可得到完整的随极角变化的退化穆勒矩阵。最后,由数值模拟评估结果可以得出,无论二阶或多阶散射结果,构建的简化数学关系都可以成功地预测退化穆勒矩阵元素随雷达接收极角的变化规律,同时还揭示雷达偏振信号的水云粒子尺寸谱参数敏感性主要来源于后向散射相矩阵元素(特别是P33),其它两个影响因子也会在一定程度上改变激光雷达偏振信号对粒子尺寸的敏感性。总之,本文建立的简化数学关系可以为偏振激光雷达的信号解译和仪器设计提供有利的理论工具。
郎亚军[7]（2020）在《基于双重频脉冲压缩技术的毫米波测云雷达数据分析》文中研究说明云是重要的气象要素,在大气科学研究中的各个领域均有重要地位。在地面气象观测业务中对云状的观测主要依靠人工,人工观测存在诸多弊端,主观性大,观测结果的可靠性无法保障,自动化程度低等。由于毫米波波长接近云粒子的尺寸,频率很高的毫米波测云多普勒效应明显,适合于探测云粒子,因此,毫米波云雷达被广泛应用于云物理与降水物理研究中,为此,对毫米波测云雷达数据处理和质量控制研究具有重要的应用价值和实际意义。本文对毫米波测云雷达基数据进行了解析,生成回波图像,设计可视化界面;分析了测云雷达技术,提出了基于余弦相似度的数据质量控制算法,解决了双重频脉冲压缩技术引起的距离旁瓣以及二次回波问题;利用测云雷达的回波数据,分析了云状特征参数,提出了基于模糊逻辑的云状识别算法,与人工观测进行了对比实验;研究了基于测云雷达的风场模拟,给出了毫米波测云雷达的风场图像分布。论文的主要研究内容和研究结果如下:（1）分析了毫米波测云雷达基数据格式和各组成要素,对雷达基数据进行了二进制解码、数值计算、高度订正、坐标转换,生成了雷达回波图像。设计了雷达回波可视化界面,开发了回波图像显示软件,分别实现了对RHI、PPI、VOL、THI四种格式的回波图像读取,可用于毫米波雷达气象观测、云物理及降水物理研究领域。（2）分别分析了测云雷达脉冲压缩技术和双脉冲技术,提出了解决回波扩展、二次回波问题的余弦相似度方法,通过处理雷达回波数据,相似度超过50%即判定为存在二次回波、回波扩展问题,通过实例分析,说明了该方法具有较好的识别效果。同时,指出了数据质量控制中需要考虑的衰减订正和Mile散射问题。（3）研究了云状识别的一般方法,分析了云状识别特征参数,提出了基于模糊逻辑的云状识别算法,选取反射率因子的平均强度（Zave）、椭圆长轴方向（θ）、云底高（CB）等八种参数作为模糊逻辑算法的识别参量并设置不同的权重,利用观测站点的雷达回波数据,进行了实验验证,实现了对云状的自动识别;并与人工观测进行了实验对比,识别准确率均超过了70%,证明了该方法的有效性。（4）分析了基于RHI多普勒的风场特征,分别在风向不变风速随高度变化、风速不变风向随高度变化、风向风速均随高度变化三种情形下对风场进行了模拟,得出了毫米波测云雷达RHI多普勒速度的图像分布,说明了风场反演也是测云雷达应用的一个方面。
张佳洛[8]（2020）在《基于深度学习的强对流天气降水临近预报的方法研究》文中研究表明强对流天气是具有演变迅速、生命史短、破坏力强等特点的灾害性天气之一,常对人民的生命财产造成严重威胁。因此,对强对流天气预报方法进行研究具有重要意义。目前,在气象预报业务中,通常使用多普勒天气雷达探测数据,反演出强对流天气系统的大气风场和降水等情况。本文旨在使用多普勒天气雷达数据,采取深度学习方法对半小时以内的降水情况进行预报研究。研究首先是对多普勒天气雷达数据预处理,构建数据集。具体是根据雷达回波图中的图例将RGB值转换成对应的dBZ值;对转换后的图像进行裁剪,获取有效的回波区域;全部图像进行排序分组,构建雷达回波数据集。在数据集构建的基础上,本文提出两种预报方法:（1）将注意力机制应用到现有的深度学习预报方法中,提出基于注意力机制的临近预报方法。该方法的关键是对卷积层获取的特征图进行学习,计算特征图的评分和权重,从而提取重要的特征信息,最终通过ConvLSTM（Convolution Long Short-term Memory）模块对特征信息进行预报。该方法一定程度上提高了回波强度预报的能力。（2）将注意力层与卷积自编码结构进行融合,提出基于卷积自编码结构的预报方法,从而进一步提升模型的预报能力。此方法的关键是采用注意力机制对编码器抽取的重要特征图进行学习,学习特征图之间的时序特征,解码器对时序特征进行反向重构,提高模型对回波的运动轨迹和变化的学习能力。模型在测试集上的评价指标表明,该方法降低了漏报率并显着提高了成功关键指数。基于上述研究成果,设计并开发强对流天气预报系统。此系统采用时序图的方式对用户需求进行分析,确定系统功能。系统包含用户管理、临近预报、预报记录和评分计算四大模块。系统采用Django框架作开发,可直接调用Kears框架,并加入消息队列用于处理预报任务,在提升系统性能的同时能达到更好的用户体验效果。
周思辰[9]（2020）在《基于X波段雷达浅海水深反演技术研究》文中认为近岸浅海水深信息与人类的生产活动息息相关,及时、准确的水深信息不仅可以为海上平台生产活动提供基础数据,而且保证了海上设备的应用,还为狭水道船舶通行提供便利,因此获取水深数据成为研究者的主要研究方向之一。传统的水深测量设备,诸如船载回声设备、测深仪等,存在成本高、效率低等缺点。针对这些不足,遥感测量技术得到极大的发展。而相对于其它遥感设备,诸如星载雷达、岸基高频地波雷达等,X波段雷达具有成本低、全天候、.范围广等特点,成为当今水深反演的主要遥测设备之一。近岸浅海海域复杂的海底地形和表面流影响着波浪的传播,基于这种传播,我们可以从丰富的波浪信息中反演出水深和表面流。虽然国内外研究人员在这一课题的研究上取得了一定的进展,但是研究结果的误差较大,在近岸海域反演效果并不理想,而且近几年水深反演的研究没有新的突破。针对上述存在的问题,本文通过分析弥散公式,在最小二乘法的基础上,提出了两种全新的算法,抵消掉表面流对水深的影响。第一种算法是消除多普勒频移项,但是这种算法要求海面流场矢量和波数矢量相互垂直,这种情况在实际海域中并不常见,因此受到了一定的限制。在此基础上,本文提出了第二种算法,该算法是对三维图像谱切片,找到每个方向上最好的表面流矢量进行余弦函数拟合,得到整个反演海域的表面流矢量,最终反演出精确的水深值。由于在水深小于20m的浅海海域,潮汐表的预测精度要大于通过接触式测量设备的实测精度,且在海面环境复杂情况下无法使用接触式测量设备获取水深数据,在此环境下不能通过比对数据得到水深反演算法的精度,因此提出了一种新的比对方法来验证算法精度,即反演后的水深数据和电子海图水深做差值,将得到的潮高数据与待测海域的预测潮高数据比对。通过此种方法,比对成本能极大地缩减,且比对结果较为精确。通过分析水深数据和电子海图水深的比对结果可知,反演算法合理可行,精度可以达到分米级,误差在允许的范围内。另外二者之间总是存在一个相对固定误差,推断的可能结果是海底渐变地形对反演算法有影响。
王杰[10]（2020）在《地下管线探地雷达模型试验及信号特征识别研究》文中研究表明地下管线作为城市的生命线担负着整个城市运作的多个重要职能,但其管道老化,建设信息不全等因素已经造成多次地下土建工程事故,因此在进行地下工程建设前的地下管线探测工作必不可少。探地雷达由于其探测范围大,精度高,操作简单,分辨力较强的特点在地下管线的探测中得到广泛应用。探地雷达探测对地下管道的定位及走向均可作出较为准确和可靠的判断,但现阶段地下管线的雷达回波信号处理技术并不成熟,管道直径的识别方法也较为片面,基于此本文使用探地雷达对地下管线进行探测,并对目标图像进行信号处理和特征识别研究。文章通过仿真的地下管线雷达回波图来研究信号处理方法及管道识别技术,再加以模型试验和工程实测进行验证,从而系统深入地研究探地雷达在地下管线探测中的实用价值。本文主要的研究内容及结果为:（1）仿真地下管道雷达回波图和管道试验探测图均表明了地下管线的回波信号特征具有双曲线特性。通过MATLAB语言实现了对回波信号多种滤波和边缘提取方式的处理。滤波可对图像中的杂波起到较好的抑制作用,边缘检测也能有效对目标边缘信号进行提取。（2）通过对仿真和试验的雷达回波图像分析表明了管道材质、埋深、走向等特征均可从图像中直接辨识。针对管道直径的识别采用了三种计算方法,通过仿真和试验数据均表明了三种方法的实用性和可行性,但各有其优劣势和片面性,三点定圆法效果最佳。将地下管线雷达回波图的读取、灰度化、滤波、边缘检测、管径识别、保存退出集于一体建立一个GUI快捷处理界面,使得图像的处理更加便捷简单。（3）通过多种工况的地下管线探测试验表明了探地雷达能够精准地探测并分析出平行、交叉、遮挡等复杂的管道布置情况。同时将探地雷达运用于实际工程探测并对结果图像进行分析,进一步验证了探地雷达的对地下管线探测的实用价值。将本文编制的GUI程序应用于试验和实测所得到的图像中,结果表明其能较好的对结果图像进行处理和对管道特征进行识别,表明了该程序的实用性。本文通过探地雷达对地下管线的探测研究了管道雷达回波的信号处理和特征识别,总结了信号处理方法和管道特征识别方法,并证明其可行性与实用性。表明了探地雷达对实际地下管线探测工程具有重要的实用价值。
二、Theoretical aspects of nonlinear echo image system（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Theoretical aspects of nonlinear echo image system（论文提纲范文）
（1）基于探地雷达的地下管线病害正演模拟及回波解译研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 GPR技术国内外研究现状 |
| 1.2.2 GPR数值正演模拟国内外研究现状 |
| 1.2.3 地下管线病害检测解译技术国内外研究现状 |
| 1.3 本文主要研究内容及研究路线 |
| 1.3.1 研究内容 |
| 1.3.2 论文研究路线 |
| 2 管线病害GPR检测原理及介质电磁参数特性 |
| 2.1 探地雷达检测地下管线病害原理 |
| 2.1.1 GPR地下管线病害检测原理及工作方式 |
| 2.1.2 GPR适用性评价 |
| 2.2 管线病害GPR仿真模拟及检测流程 |
| 2.2.1 管线病害GprMax数字仿真模拟 |
| 2.2.2 管线病害检测识别流程 |
| 2.3 管线病害区介质电磁参数属性特征 |
| 2.3.1 病害区介质电磁参数雷达波响应特征 |
| 2.3.2 病害区介质电磁参数对反射界面的影响 |
| 2.4 本章小结 |
| 3 时域有限差分法正演模拟及管线病害回波特征 |
| 3.1 时域有限差分原理 |
| 3.2 时域有限差分法建模影响因素 |
| 3.2.1 数值差分形式 |
| 3.2.2 离散解的稳定性和色散 |
| 3.2.3 模型吸收边界条件 |
| 3.2.4 激励源选取 |
| 3.3 管线病害探测最佳天线频率选取 |
| 3.4 管线病害前后雷达回波特征对比 |
| 3.4.1 健康管线雷达回波特征 |
| 3.4.2 管线不同病害程度回波特征 |
| 3.4.3 管线不同病害位置回波特征 |
| 3.5 实测管线病害特征 |
| 3.5.1 实测设备及采样参数 |
| 3.5.2 测线网格设置及探测步骤 |
| 3.5.3 实测管线病害特征显示 |
| 3.6 本章小结 |
| 4 复杂条件下管线病害回波特征 |
| 4.1 小管径管线病害回波特征 |
| 4.1.1 小管径管线不同病害程度回波特征 |
| 4.1.2 小管径管线不同病害位置回波特征 |
| 4.2 大管径管线病害回波特征 |
| 4.2.1 大管径管线不同病害程度回波特征 |
| 4.2.2 大管径管线不同病害位置回波特征 |
| 4.3 层状介质下管线病害回波特征 |
| 4.3.1 层状介质下PVC管病害回波特征 |
| 4.3.2 层状介质下水泥管病害回波特征 |
| 4.3.3 层状介质下金属钢管病害回波特征 |
| 4.4 本章小结 |
| 5 管线病害检测及回波解译 |
| 5.1 GPR病害图像灰度梯度边缘特征检测 |
| 5.1.1 雷达图像灰度梯度边缘检测理论 |
| 5.1.2 管线病害图像灰度梯度边缘检测流程 |
| 5.1.3 管线病害图像灰度梯度边缘检测 |
| 5.2 电磁波波谱病害特征检测 |
| 5.2.1 电磁波波谱时频域S变换理论 |
| 5.2.2 管线病害检测GUI界面构建 |
| 5.2.3 雷达电磁波波谱时频域病害特征检测 |
| 5.3 基于SVM管线病害特征检测识别 |
| 5.3.1 算法描述 |
| 5.3.2 管线病害特征识别结果 |
| 5.3.3 试验结果评价 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间成果 |
（2）多普勒雷达回波图像的短时轨迹预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本课题研究背景及研究意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 基于单体质心法的追踪和预测方法 |
| 1.2.2 基于交叉相关法的追踪和预测方法 |
| 1.2.3 基于光流法的追踪和预测方法 |
| 1.2.4 基于神经网络的追踪和预测方法 |
| 1.3 主要研究内容 |
| 1.4 课题来源 |
| 1.5 论文组织结构 |
| 1.6 本章小结 |
| 第二章 相关理论和技术 |
| 2.1 连通区域 |
| 2.2 单体质心法 |
| 2.3 交叉相关法 |
| 2.4 半拉格朗日法 |
| 2.5 高斯滤波器插值法 |
| 2.6 评价指标 |
| 2.7 本章小结 |
| 第三章 雷达回波图像的回波块提取与追踪方法 |
| 3.1 整体架构 |
| 3.2 回波块提取与分析 |
| 3.2.1 分层次提取回波块 |
| 3.2.2 回波块的特征分析 |
| 3.3 回波块相似度度量 |
| 3.3.1 面积相似度 |
| 3.3.2 中心相似度 |
| 3.3.3 形状相似度 |
| 3.4 回波块追踪 |
| 3.5 实验及结果分析 |
| 3.5.1 数据集处理 |
| 3.5.2 实验参数设置 |
| 3.5.3 实验结果分析 |
| 3.6 本章小结 |
| 第四章 基于回波块短时轨迹预测的雷达回波图像外推 |
| 4.1 回波块的短时轨迹预测方案 |
| 4.1.1 最小二乘法的短时轨迹预测 |
| 4.1.2 半拉格朗日法的短时轨迹预测 |
| 4.2 预测回波块整体移动轨迹方案 |
| 4.3 雷达回波外推方案 |
| 4.4 实验分析 |
| 4.4.1 数据环境与数据处理 |
| 4.4.2 实验结果分析 |
| 4.4.3 评价指标结果分析 |
| 4.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间取得与学位论文相关的成果 |
| 致谢 |
（3）基于深度学习的雷达降水临近预报研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 天气雷达发展现状 |
| 1.2.2 临近预报研究现状 |
| 1.2.3 深度学习在降雨临近预报的研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 资料获取及数据预处理 |
| 2.1 数据资料 |
| 2.1.1 雷达资料 |
| 2.1.2 探空资料 |
| 2.1.3 雨量计资料 |
| 2.2 数据预处理 |
| 2.3 构造数据集 |
| 2.3.1 数据采样 |
| 2.3.2 图像绘制 |
| 2.3.3 雷达回波图像数据集构造 |
| 2.4 本章小结 |
| 第3章 基于ConvLSTM的雷达回波预测 |
| 3.1 RNN方法概述 |
| 3.1.1 循环神经网络 |
| 3.1.2 长短时记忆网络 |
| 3.2 ConvLSTM结构 |
| 3.3 ConvLSTM训练 |
| 3.3.1 ConvLSTM前向传播 |
| 3.3.2 ConvLSTM反向传播 |
| 3.4 试验设计与分析 |
| 3.4.1 预测图像准确率分析 |
| 3.4.2 预测指标对比分析 |
| 3.5 本章小结 |
| 第4章 基于ConvGRU的雷达回波预测 |
| 4.1 GRU网络结构 |
| 4.2 ConvGRU网络结构 |
| 4.3 ConvGRU训练 |
| 4.3.1 ConvGRU前向传播 |
| 4.3.2 ConvGRU反向传播 |
| 4.4 试验设计与分析 |
| 4.4.1 预测图像准确率分析 |
| 4.4.2 预测指标对比分析 |
| 4.4.3 预测时效分析 |
| 4.5 本章小结 |
| 第5章 雷达定量测量降水 |
| 5.1 方法概述 |
| 5.2 Z-R关系法介绍 |
| 5.3 数据及评价指标 |
| 5.3.1 数据 |
| 5.3.2 评价指标 |
| 5.4 对比分析 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者在读期间科研成果简介 |
（4）基于边缘轮廓的航海雷达回波图像目标检测算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 雷达探测系统 |
| 1.2.1 雷达探测系统的发展状况 |
| 1.2.2 雷达回波图像的特征 |
| 1.3 雷达回波图像去噪算法研究现状 |
| 1.4 雷达回波图像边缘检测研究现状 |
| 1.5 本文主要研究工作与安排 |
| 第二章 雷达回波图像的去噪处理 |
| 2.1 均值滤波 |
| 2.2 中值滤波 |
| 2.3 NL-means算法 |
| 2.4 3维块匹配滤波 |
| 2.5 实验结果 |
| 2.5.1 BM3D图像去噪算法的实验结果 |
| 2.5.2 实验分析 |
| 2.6 本章小结 |
| 第三章 基于Canny算子的雷达回波图像目标检测 |
| 3.1 边缘检测 |
| 3.1.1 基于灰度直方图的边缘检测 |
| 3.1.2 基于边缘检测的一般方法 |
| 3.1.3 基本梯度的边缘检测 |
| 3.2 Canny边缘检测 |
| 3.2.1 Canny边缘检测算子评价指标 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 基于轮廓提取的雷达回波图像目标检测 |
| 4.1 交并比 |
| 4.2 提取边缘轮廓 |
| 4.2.1 轮廓边界坐标信息存储 |
| 4.3 提取最小外接矩形 |
| 4.4 二元筛选曲线 |
| 4.5 雷达回波图像目标检测 |
| 4.6 实验结果与分析 |
| 4.7 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（5）基于对抗型LSTM和时序残差网络的短临降水预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 传统的短临降水预测算法 |
| 1.2.2 基于深度学习的短临降水预测算法 |
| 1.2.3 存在问题与不足 |
| 1.3 主要工作和论文结构 |
| 1.3.1 主要工作 |
| 1.3.2 内容安排 |
| 1.4 本章小结 |
| 第2章 相关技术概述 |
| 2.1 回波外推相关算法 |
| 2.1.1 光流外推法 |
| 2.1.2 RNN时序建模 |
| 2.2 多元回归相关算法 |
| 2.2.1 非线性转换关系 |
| 2.2.2 神经网络算法 |
| 2.3 特征提取与反向重构 |
| 2.3.1 卷积自编码器 |
| 2.3.2 生成对抗网络算法 |
| 2.4 本章小结 |
| 第3章 基于对抗型LSTM的雷达回波外推算法 |
| 3.1 问题分析 |
| 3.2 算法提出 |
| 3.2.1 基于Conv LSTM的时空序列建模 |
| 3.2.2 光流优化算法 |
| 3.2.3 DCGAN对抗学习 |
| 3.3 数据集与评估标准 |
| 3.3.1 回波外推数据集 |
| 3.3.2 回波外推模型评估方法 |
| 3.3.3 实验环境 |
| 3.4 实验结果与分析 |
| 3.4.1 多重反射率评估 |
| 3.4.2 可视化展示 |
| 3.5 本章小结 |
| 第4章 基于时序残差网络的降水回归算法 |
| 4.1 问题分析 |
| 4.2 Shortcut机制 |
| 4.3 算法提出 |
| 4.3.1 时序残差网络算法 |
| 4.3.2 双向LSTM增强学习 |
| 4.4 数据集与评估标准 |
| 4.4.1 降水回归预测数据集 |
| 4.4.2 回归评估标准 |
| 4.5 实验结果分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（6）激光雷达水云偏振图像特征的多次小角散射机理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 激光雷达信号与大气遥感 |
| 1.2 多次散射偏振回波信号的研究进展 |
| 1.3 多次散射偏振回波信号解译存在的困难 |
| 1.3.1 偏振信号模拟的困难性 |
| 1.3.2 偏振信号随方位变化的复杂性 |
| 1.3.3 基于散射相矩阵的解译困难性 |
| 1.4 本文研究内容 |
| 第二章 偏振激光雷达多次散射基础理论 |
| 2.1 基于斯托克斯的激光偏振状态数学描述 |
| 2.2 基于辐射传输的偏振回波信号理论推导 |
| 2.3 本章小结 |
| 第三章 基于MSCART的 CCD偏振信号功能开发及验证 |
| 3.1 偏振辐射传输模式MSCART |
| 3.2 基于MSCART程序的CCD信号模拟功能开发 |
| 3.3 基于聚苯乙烯球溶液的CCD信号模拟功能验证 |
| 3.4 本章小结 |
| 第四章 基于新多次小角散射近似的退化穆勒矩阵推导 |
| 4.1 基于多次小角散射近似的基本假设 |
| 4.2 基于散射相矩阵的退化穆勒矩阵简化公式 |
| 4.3 本章小结 |
| 第五章 基于方位傅里叶展开技术的退化穆勒矩阵提取 |
| 5.1 退化穆勒矩阵与标准穆勒矩阵的理论关系 |
| 5.2 斯托克斯矢量回波信号的方位傅里叶展开 |
| 5.3 本章小结 |
| 第六章 多次散射CCD偏振回波信号理论关系的数值验证 |
| 6.1 数值实验参数配置 |
| 6.2 线偏振及圆偏振回波信号的基本特征 |
| 6.2.1 偏振回波图像信号的对称性结构 |
| 6.2.2 偏振回波图像信号的方位冗余性 |
| 6.3 二阶散射结果的数值模拟验证 |
| 6.4 多阶散射结果的数值模拟验证 |
| 6.5 方位积分的MFOV结果验证 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 主要结论 |
| 7.2 创新点 |
| 7.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）基于双重频脉冲压缩技术的毫米波测云雷达数据分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外现状 |
| 1.3 问题的提出 |
| 1.4 研究内容与章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 第二章 毫米波测云雷达数据可视化 |
| 2.1 毫米波测云雷达 |
| 2.1.1 测云雷达的基本参数 |
| 2.1.2 测云雷达的极化方式 |
| 2.1.3 测云雷达的特点 |
| 2.2 雷达基数据处理 |
| 2.2.1 基数据格式分析 |
| 2.2.2 基数据预处理 |
| 2.2.3 基数据高度订正 |
| 2.2.4 雷达回波图像编程实现 |
| 2.3 雷达数据可视化 |
| 2.3.1 可视化界面设计 |
| 2.3.2 雷达数据可视化实现 |
| 2.4 本章小结 |
| 第三章 测云雷达数据质量控制 |
| 3.1 测云雷达数据质量控制 |
| 3.1.1 测云雷达脉冲压缩技术分析 |
| 3.1.2 测云雷达双脉冲技术分析 |
| 3.1.3 基于余弦相似度算法的数据质量控制 |
| 3.2 数据质量控制的其它考虑 |
| 3.2.1 衰减订正 |
| 3.2.2 Mile散射 |
| 3.3 本章小结 |
| 第四章 基于RHI扫描方式的云状识别 |
| 4.1 云状识别的一般方法 |
| 4.2 基于模糊逻辑的云状识别算法 |
| 4.2.1 云状识别特征参数分析 |
| 4.2.2 云状识别算法 |
| 4.3 杭州、宁波观测站点的云状识别实验 |
| 4.4 与人工观测对比实验 |
| 4.5 小结 |
| 第五章 测云雷达的多普勒风场模拟 |
| 5.1 基于RHI多普勒的风场分析 |
| 5.2 基于RHI多普勒的风场模拟 |
| 5.2.1 风向不变、风速随高度变化 |
| 5.2.2 风速不变、风向随高度变化 |
| 5.2.3 风向、风速均随高度变化 |
| 5.3 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 主要创新点 |
| 6.3 不足与展望 |
| 6.3.1 不足 |
| 6.3.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 附录 |
（8）基于深度学习的强对流天气降水临近预报的方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外的研究进展 |
| 1.3 本文的主要研究工作 |
| 1.4 本文的组织结构 |
| 2 相关理论与数据 |
| 2.1 深度学习理论基础 |
| 2.1.1 卷积神经网络 |
| 2.1.2 循环神经网络 |
| 2.2 研究使用数据 |
| 2.2.1 天气雷达数据 |
| 2.2.2 数据预处理 |
| 2.2.3 评价方法 |
| 2.3 本章小结 |
| 3 基于注意力机制的预报方法研究 |
| 3.1 引言 |
| 3.2 注意力机制 |
| 3.3 ConvLSTM |
| 3.4 基于注意力机制的ConvLSTM模型 |
| 3.5 实验设计与结果分析 |
| 3.5.1 实验环境 |
| 3.5.2 实验设计 |
| 3.5.3 结果与分析 |
| 3.6 本章小结 |
| 4 基于卷积自编码器的预报方法研究 |
| 4.1 引言 |
| 4.2 卷积自编码结构 |
| 4.3 基于卷积自编码器的预报模型 |
| 4.4 实验结果与分析 |
| 4.4.1 实验环境 |
| 4.4.2 实验设计 |
| 4.4.3 结果与分析 |
| 4.5 本章小结 |
| 5 系统设计与实现 |
| 5.1 引言 |
| 5.2 体系架构设计 |
| 5.2.1 逻辑架构 |
| 5.2.2 功能架构 |
| 5.3 系统核心模块设计 |
| 5.3.1 用户管理 |
| 5.3.2 临近预报 |
| 5.3.3 预报记录 |
| 5.3.4 评分计算 |
| 5.4 系统实现 |
| 5.4.1 用户管理 |
| 5.4.2 临近预报 |
| 5.4.3 预报记录 |
| 5.4.4 评分计算 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）基于X波段雷达浅海水深反演技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容 |
| 2 X波段雷达遥感原理 |
| 2.1 X波段雷达遥感原理的基本概念 |
| 2.1.1 雷达方程 |
| 2.1.2 掠射角 |
| 2.1.3 雷达的分辨单元 |
| 2.1.4 极化方式 |
| 2.2 X波段雷达图像成像机理 |
| 2.2.1 Bragg散射模型 |
| 2.2.2 双尺度模型 |
| 2.3 长波对短波的调制方式 |
| 2.3.1 风动力调制 |
| 2.3.2 流体动力调制 |
| 2.3.3 倾斜调制 |
| 2.3.4 阴影调制 |
| 2.3.5 轨道调制 |
| 2.4 本章小结 |
| 3 X波段雷达水深反演算法 |
| 3.1 雷达回波图像 |
| 3.2 三维傅里叶变换(3D FFT) |
| 3.3 弥散关系 |
| 3.3.1 弥散曲线 |
| 3.3.2 基于弥散关系的带通滤波器 |
| 3.4 水深反演算法研究 |
| 3.4.1 加权最小二乘算法 |
| 3.4.2 消除多普勒频移算法 |
| 3.4.3 三维图像谱切片算法 |
| 3.5 本章小结 |
| 4 浅海水深实验及潮汐比对结果分析 |
| 4.1 水深实验 |
| 4.2 水深反演系统 |
| 4.2.1 X波段雷达 |
| 4.2.2 测浪雷达解析箱 |
| 4.2.3 远程电源控制箱 |
| 4.2.4 反演系统算法软件 |
| 4.3 潮汐数据 |
| 4.4 反演数据与潮汐数据比对结果分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（10）地下管线探地雷达模型试验及信号特征识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 地下管线探测方法对比分析 |
| 1.2.1 电磁感应法 |
| 1.2.2 高密度电法 |
| 1.2.3 磁梯度法 |
| 1.2.4 高精度磁测法 |
| 1.2.5 探地雷达法 |
| 1.3 国内外研究现状 |
| 1.3.1 探地雷达国外研究现状 |
| 1.3.2 探地雷达国内研究现状 |
| 1.3.3 地下管道探测研究现状 |
| 1.3.4 探地雷达信号处理研究现状 |
| 1.4 本文主要研究内容 |
| 2 探地雷达原理及电磁波特性 |
| 2.1 探地雷达基本原理 |
| 2.1.1 探地雷达电磁波基本理论 |
| 2.1.2 电磁波波动方程 |
| 2.1.3 平面电磁波的传播 |
| 2.2 电磁波的传播特性 |
| 2.2.1 电磁波的反射和折射 |
| 2.2.2 电磁波的传播速度 |
| 2.2.3 电磁波在分层介质中的传播 |
| 2.2.4 电磁波在均匀介质中的传播 |
| 2.3 探地雷达探测原理 |
| 2.3.1 探地雷达探测方式 |
| 2.3.2 探地雷达对地下管线的探测实用性 |
| 2.4 本章小结 |
| 3 探地雷达信号杂波抑制方法 |
| 3.1 雷达图像仿真及预处理 |
| 3.1.1 雷达图像仿真 |
| 3.1.2 仿真图像预处理 |
| 3.2 信号杂波抑制方法 |
| 3.2.1 均值滤波 |
| 3.2.2 中值滤波 |
| 3.2.3 低通滤波 |
| 3.2.4 PCA方法滤波 |
| 3.2.5 线性预测法滤波 |
| 3.2.6 小波变换图像去噪 |
| 3.3 杂波抑制结果对比 |
| 3.4 本章小结 |
| 4 探地雷达图像目标边缘检测方法 |
| 4.1 目标边缘检测方法介绍 |
| 4.1.1 Sobel算子 |
| 4.1.2 Prewitt算子 |
| 4.1.3 Laplacian算子 |
| 4.1.4 Laplacian of Gaussian算子 |
| 4.1.5 Canny算子 |
| 4.2 边缘检测结果对比 |
| 4.3 本章小结 |
| 5 地下管线识别及GUI界面系统 |
| 5.1 管道材质、埋深识别 |
| 5.1.1 管道材质识别 |
| 5.1.2 管道埋深测定 |
| 5.2 管道直径识别 |
| 5.2.1 多次反射波法 |
| 5.2.2 三点法 |
| 5.2.3 双曲线拟合 |
| 5.3 GUI界面识别系统 |
| 5.4 本章小结 |
| 6 地下管线探测试验及信号处理研究 |
| 6.1 地下管线探测试验设计 |
| 6.1.1 试验模型设计及探测前准备 |
| 6.1.2 试验波速及介电常数标定 |
| 6.2 管道探测及图像分析 |
| 6.2.1 单根管道探测及结果分析 |
| 6.2.2 平行管道探测及结果分析 |
| 6.2.3 交叉管道探测及结果分析 |
| 6.2.4 管道遮挡探测及结果分析 |
| 6.3 探地雷达实测验证及信号处理研究 |
| 6.3.1 道路检测 |
| 6.3.2 地下管线检测 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文及科研成果 |
| 致谢 |
四、Theoretical aspects of nonlinear echo image system（论文参考文献）
- [1]基于探地雷达的地下管线病害正演模拟及回波解译研究[D]. 滕坤阳. 西安科技大学, 2021(02)
- [2]多普勒雷达回波图像的短时轨迹预测[D]. 林良誉. 广东工业大学, 2021
- [3]基于深度学习的雷达降水临近预报研究[D]. 李英睿. 青海大学, 2021(01)
- [4]基于边缘轮廓的航海雷达回波图像目标检测算法研究[D]. 王建. 安徽大学, 2020(02)
- [5]基于对抗型LSTM和时序残差网络的短临降水预测研究[D]. 张飞鸿. 南京信息工程大学, 2020(02)
- [6]激光雷达水云偏振图像特征的多次小角散射机理研究[D]. 张敬昕. 南京信息工程大学, 2020(02)
- [7]基于双重频脉冲压缩技术的毫米波测云雷达数据分析[D]. 郎亚军. 南京信息工程大学, 2020(02)
- [8]基于深度学习的强对流天气降水临近预报的方法研究[D]. 张佳洛. 南京理工大学, 2020(01)
- [9]基于X波段雷达浅海水深反演技术研究[D]. 周思辰. 大连海事大学, 2020(01)
- [10]地下管线探地雷达模型试验及信号特征识别研究[D]. 王杰. 西华大学, 2020(01)