基于深度学习的隧道岩溶GPR数据杂波抑制研究

为提高岩溶地区GPR数据的解析精度,减少杂波对GPR剖面的影响,从而更准确地圈定目标异常,提出了基于VAE-RFDB-UNet深度学习的数据处理方法。该方法先通过VAE对GPR数据进行有效信号特征提取,实现杂波的初步抑制,后利用加载RFDB模块的UNet网络对VAE处理后的数据进行深度特征学习,形成联级网络,进一步抑制杂波干扰,增强目标信号响应,提高数据的信噪比。研究结果表明:1)使用模拟数据和实测数据证明了算法的有效性和可行性;2)数值模拟的处理结果显示,处理后的岩溶反射波双曲线形态完整、连续,杂波得到了明显抑制;3)实测数据的处理结果显示,该算法有效突出了目标异常信号,能依据处理后的剖面准确推断掌子面前方的岩溶发育情况。结论是提出的VAE-RFDB-UNet深度学习算法可为岩溶地区GPR数据处理提供一种新思路。