没有合适的资源?快使用搜索试试~ 我知道了~
人工智能-深度学习-深度学习在探地雷达数据处理中的应用研究.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 198 浏览量
2022-06-27
21:04:35
上传
评论 1
收藏 2.4MB PDF 举报
温馨提示
试读
53页
人工智能-深度学习-深度学习在探地雷达数据处理中的应用研究.pdf
资源推荐
资源详情
资源评论
I
摘 要
探地雷达因其分辨率好、工作效率高、操作简便和无损伤探测的特点,被广泛应用
于各种工程领域。深度学习是机器学习中的一个新兴的研究领域,深度学习能够对特征
进行良好的表达,并且能自动地提取分所需要的特征。更重要的是能够在大规模数据处
理中取得非常好的效果。深度学习能够很好地应用于探地雷达数据处理,并能有效地学
习探地雷达图像的有效特征,将深度学习应用于探地雷达图像的处理,能够无监督地学
习探地雷达图像,并有监督地进行图像分类。
本文中,首先对探地雷达的电磁学原理、数据采集原理及探测性能进行研究。其次
对深度学习的理论,深度学习的方法及限制玻尔兹曼机(RBM)模型进行研究。深度学
习算法中的 RBM 模型相对比较容易学习,这种模型的算法克服了直接对多层网络进行
训练的效率问题。因此,本文的后续实验仿真采用基于 RBM 构建的深度信念网络模型
(DBN)并用于探地雷达数据处理。接着介绍了样本库的建立,实验的一些参数的设置
以及 RBM 模型的构建。由于探地雷达图像是由电磁波反射形成的,为了能够更直观地
表示探地雷达图像处理结果,采用 softmax 分类器对学习的探地雷达图像进行分类。
最后通过对已建立好的样本库进行实验,采用 DBN 深度学习算法对探地雷达图像
进行无监督学习,并采用 wake-sleep 算法进行微调,实验结果表明通过该方法能进行无
监督地学习探地雷达数据,并能很好地进行分类。
关键词:深度学习,图像特征,RBM 模型,DBN 深度学习算法
II
Abstract
Because of its ground penetrating radar's good resolution,high efficiency, easy
operation and no damage detection, Ground Penetrating Radar is widely used in various
engineering fields. Deep learning is a new research area in machine learning, Deep learning
have a good expression of the features, and it can automatically extract the features needed for
classification. More important, it is able to achieve very good results in large scale data
processing. Deep learning can be well used in GPR data processing, and can effectively study
of ground penetrating radar image features. Deep learning applied to ground penetrating radar
image processing, to unsupervised learning exploration of radar image, and to image
classification in a supervised way.
In this paper, firstly, the electromagnetic theory, data acquisition principle and detection
performance of GPR are studied. Secondly, the theory of deep learning, the method of deep
learning and Limit Boltzmann machine model are studied. The RBM model of the
deeplearning algorithm is relatively easy to learn, and the algorithm of this model overcomes
the efficiency of the direct multi-layer network training. Therefore, the follow-up experiments
of this paper are based on the RBM constructed depth belief network model (DBN) and used
to GPR data processing. Then, the establishment of the sample library, the setting of some
experimental parameters and the construction of the RBM model are presented. As the ground
penetrating radar image is formed by the reflection of electromagnetic waves, to make the
processde ground-penetrating radar image more intuitive to be expressd, using the softmax
algorithm to classify the learning of GPR image ication.
Finally, through the experiment of good sample database has been established, using the
DBN deep learning algorithm of GPR images of unsupervised learning, and used with labeled
data to classify samples. The experimental results show that can unsupervised learning GPR
data, and can well classify by this method.
Key words: Deep Learning, Image Feature, RBM Model, DBN Deep Learning
Algorithm .
III
目 录
第一章 绪论.............................................................................................................................1
1.1 研究的背景及意义........................................................................................................1
1.2 国内外研究现状及发展...............................................................................................2
1.3
深度学习
.......................................................................................................................2
1.3.1 机器学习的发展..................................................................................................2
1.3.2
深度学习的应用
..................................................................................................3
1.4 论文的研究内容及结构安排.......................................................................................4
第二章 探地雷达工作原理
.....................................................................................................6
2.1 电磁学原理....................................................................................................................6
2.2
物质材料的电磁属性
....................................................................................................7
2.3 探地雷达数据采集........................................................................................................8
2.4
探地雷达探测性能
........................................................................................................9
2.4.1 探测距离.............................................................................................................9
2.4.2 分辨率...............................................................................................................10
2.4.3
探测范围
...........................................................................................................12
2.5 本章小结......................................................................................................................13
第三章 深度学习研究综述
...................................................................................................14
3.1
深度学习概述
..............................................................................................................14
3.2 深度学习的原理和常用方法......................................................................................14
3.2.1 基本原理............................................................................................................14
3.2.1
常用方法
............................................................................................................15
3.3 RBM 模型....................................................................................................................21
3.3.1 RBM
模型定义
..................................................................................................21
3.3.2 RBM 学习算法..................................................................................................22
3.3.3 RBM 评估算法..................................................................................................25
3.4 采用深度学习处理探地雷达数据的动机..................................................................25
3.5
本章小结
.....................................................................................................................27
第四章 探地雷达数据处理仿真...........................................................................................28
IV
4.1 数据库的建立..............................................................................................................28
4.1.1 dzt 文件的读取..................................................................................................28
4.1.2 数据的预处理...................................................................................................34
4.2
实验仿真
.....................................................................................................................36
4.2.1 实验设置...........................................................................................................36
4.2.2
构建
RBM
模型
.................................................................................................36
4.2.3 仿真结果...........................................................................................................40
4.3
本章小结
......................................................................................................................44
总结及展望...............................................................................................................................45
参考文献
...................................................................................................................................47
致 谢.......................................................................................................................................49
第一章 绪论
1
第一章 绪论
1.1 研究的背景及意义
20 世纪以来,电子计算机技术和数据处理的研究成果的不断更新,促使探
地雷达数据处理技术也日趋成熟,并应用于各个领域。探地雷达主要用于探测地
下物质,与常规的探测方法相比,该方法具备以下优点:①可探测领域广、外来
干扰对探测结果的影响低以及具有超强的场适应力;②探测耗时短;③探测过程连
续且分辨率高;④操作方便快捷⑤耗费低
[1,2,3]
。这些优点使探地雷达在许多领域都
有广阔的应用前景,同时在国际学术上探地雷达也成为了热点话题。
探地雷达通过人力控制向地下发射出高频率的电磁波,由于地下各种物质具
有一定的电磁特性,电磁波经过地下介质产生回波,回波由探地雷达的信号接收
器接收,根据回波对地下介质进行分析推测。有关探地雷达的研究成果不断更新,
分辨率为厘米级别的探地雷达也已研发出世,其探测性能也越来越强大。探地雷
达在进行探测时,成像稳定且速度快,因此在进行勘测时,人们通常会采用数据
采集与图像处理一体化的探地雷达。探地雷达在交通领域的应用非常广泛:在公
路工程中,探地雷达可以用来进行路线勘察设计,在路基路面施工中可以对施工
状况进行检测;在隧道工程中,探地雷达主要用来进行隧道内部风险评估预测;
在市政工程中,探地雷达主要用来探测地下管道设施的相关探测。同时,探地雷
达也在军事、考古、环境资源等领域也有广泛的应用前景
[4,5,6,7]
。
随着国家经济的发展以及社会的进步,探地雷达技术也开始应用于资源调
查、考古、工程、灾害及环境等各个方面,并获得了相当的绩效。但在中国,人
们对探地雷达的理论研究以及对探地雷达应用技术的研究相对较少,大部分研究
者的方向是探地雷达的实际应用,通过频繁地在工程实践中使用探地雷达进行探
测,根据实践中的经验来进行研究。这种方式并没有将探地雷达理论与之相结合,
单一进行实践存在着一定的局限性。因此,将探地雷达理论研究与实践研究结合
起来研究将是未来的研究方向,通过这种方式,探地雷达的应用及发展会有非常
大的提升。
剩余52页未读,继续阅读
资源评论
programhh
- 粉丝: 8
- 资源: 3838
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功