探地雷达井下矿洞识别方法研究

张志刚

地面坍陷受多方面因素的影响，当出现井下矿洞或地下水位变化等情况时便容易引起地面坍塌。为了防止坍塌事故发生，需要提前采取探测手段对目标测量区域进行阶段性探测，以便于做好预防坍塌处理措施。传统的探测方法已经满足不了大范围的普查探测工作，因此文章提出了探地雷达技术，运用先进的技术手段对道路探测提供保障。

1 探地雷达相关概述

1.1 探地雷达基本工作原理

1.1.1 系统构成及其工作原理

探地雷达在进行探测工作时的原理是以电磁波理论为依据，通过信号发射机或宽频带视阈发射天线，把高频超宽带信号传输到待测介质中，信号再遇到介质后会产生不同情况的发射信息，信号在被雷达接收天线接收后，由计算机将反射回来的信息进行分析计算和成像处理，根据成像图形及参数推断出井下矿洞结构情况，从而实现对井下目标的探测。

1.1.2 探地雷达探测方式

探地雷达在场地进行探测使用时，需根据探测环境及其他因素来选择效率最高以及探测结果最准确的方式，从而保证测量数据的真实有效。对地质环境探测使用的探测方式主要有以下几种。

（1）共中心点法。利用该方式进行探测时，使用收发分离天线，收发天线与接收天线中心点位置不变，向测线进行的等距移动。不同的天线距和不同的位置采集的数据也是不同的。共中心点法的探测优势体现在发射界面的识别，同时对于信噪过低导致识别目标不明情况也具有良好效果。

（2）剖面法。该探测方式是将探地雷达的发射天线和接收天线以相同的间距，沿着测线两边移动。此时若收发天线之间的距离为零，那么即为单天线式，反之即为双天线式。通过发射天线和接收天线沿测线的不停移动，以此获取二维的剖面图。剖面法由于易操作和快捷特点，对于需要快速、连续、大面积的探测具有探测优势。

（3）宽角法。该探测方式基于收发分离式天线，原理是一个天线位置不变，另一个沿测线方向进行移动，以此记录在不同间距数据的表现。宽角法多用于不同介质下电磁波的传播反演问题。

（4）天线列阵法。该方式是将不同天线利用多个相同频率进行探测，从而保证通道上的时窗和增益等数据可实现单独设置或统一设置。天线列阵法的工方式主要有两种，一种是按照顺序依次进行单独扫描；而另外一种是全部天线通过对发射时间和接收时间的延时偏移推迟设置，从而获取叠加的探测数据。

1.1.3 探测所需相关参数

探地雷达在探测时想要获得有效的探测数据，首先要选择合适的探测方式，其次工作参数设置也能影响实际探测数据的最终结果。

（1）天线中心频率。天线中心频率的设置与探测深度和空间分辨率有关，其关系体现为：天线中心频率越高，相应的分辨率也越高，深度表现也越浅。在进行小目标探测时，通常采用高频率的天线以此提升分辨率。因此，在探测时确保目标能够被清晰完整的识别，需根据实际情况设置天线中心频率。

（2）采样时窗。采样时窗是指数据采集开始到结束的时间。设置采样时窗参数时，需对实际测量地质的电磁波传播速度和探测深度进行分析，从而保证数据采集的有效性。

（3）采样率。采样率是指采样点之间的时间间隔。根据相关规程分析，采样率需大于反射波频率最高点的2 倍。

（4）测点间距。测点间距参数的设置受天线中心的频率及传播介质的电磁特性影响，为了不让目标体的回传信号出现重叠，测点间距控制在采样间隔在介质中电磁波传播波长的1/4 即可。如果大于这个间隔，将不利于倾斜目标的识别。测点间距的大小与数据的详细程度有直接关系。所以在进行探地雷达探测时，仍需根据井下矿洞实际情况来制定测点间的间隔，从而提升工作的效率。

1.2 探地雷达体制及数据形式

1.2.1 无载频脉冲探地雷达

本研究主要对无载频脉冲探地雷达进行分析，系统基本框图如图1 所示。

图1 无载频脉冲探底雷达系统基本框图

无载频脉冲探地雷达系统通过脉冲发生器将信号变成极窄脉冲信号，经由信号发射器向目标地下发射不同需求的信号，电磁波遇到介质时，会产生介质突变，接收天线在对信号进行回收处理。

1.2.2 探地雷达数据形式

探地雷达的数据形式按照陈列式三维回波数据分为：单条垂线、组合平面和组合立体三种形式。在进行目标区域探测之前，首先要对目标区域进行布置测线，并以网格测线对探测数据进行记录。假设网格设为x 轴和y 轴，深度设为z 轴，探地雷达沿x 轴方向进行探测，及时记录探测数据，每个单独测点所采集的时间序列即为单条垂线，在此条线上采集的所有的点定义为B-scan，同一方向却不在测线上得到组合系列B-scan 进行组合即为C-scan。

1.3 探地雷达分辨率

1.3.1 垂直分辨率

从垂直深度上将两个介质的最小时间间隔进行区分定义为垂直分辨率，垂直分辨率会根据电磁波的有效带宽深度的增加而减小，垂直分辨率随之减弱。

1.3.2 水平分辨率

两个目标进行区分的最小时间间隔即为探地雷达水平分辨率。如果想要对两个回波在空间上进行区分，需要保证两个目标反射波到天线接收的时间差要大于脉冲宽度。

2 应用探地雷达对井下矿洞进行研究

探地雷达主要针对井下矿洞的分类和识别。通过对井下区域的检测，依据检测数据分析出矿洞属性。探地雷达可识别的项目包括目标的种类，地下结构情况、涉及的范围、以及具体位置信息等。对于矿洞的识别需完成特征提取和识别算法两个步骤缺一不可，只有收集有效的特征才能实现对目标的有效识别。

2.1 矿洞特征分析及提取方法

2.1.1 时域特征提取

井下存在矿洞时，相应的相位、振幅以及延时情况都会从电磁波的发射中观察出来。同种目标发射波的相关性非常强，以此实现电磁波反射特征与目标种类的识别。

2.1.2 频域特征提取

频域特征提取的工作原理是根据电磁波的回波信号，在面对不同情况的目标时会发生共振频率，通过对傅里叶普的特征表现分析，以此来判断井下矿洞情况。将能量密度谱作为目标特征的依据，同一目标矿洞的发射回波信号，获得的能量密度谱值较为接近，不同目标获得的能量密度谱值相差较大，因此可以证明能量密度谱能够作为矿洞特征提取方法。

2.1.3 基于小波包分解的节点能量特征提取

（1）小波概述。通过研究发现傅里叶变换在观察信号时，只能在整个时域或整个频域下进行，而无法在局部时域或局部频域下去分析信号。小波变换就是继承了傅里叶变换的特点，并发展成具有非平稳信号时频局部分析信号的能力。

（2）多分辨分析与小波包分析。多分辨分析是通过将问题以不同细致程度来描述的方法。在对信号分析时，由于实际需要需进行不同程度的信号线性组合；小波包分析是在多分辨分析的基础上发展而来，目的是提高多分辨分析在高频段频率分辨率低的问题。该方法是将信号中的高频分解，从而对信号实行不同程度的等间隔划分。

（3）节点能量特征向量。研究以三层小波包的分解为例，阐述基于小波包分解的节点能量特征提取。三层小波包的分解图如图2 所示。

从图2 中可知，一味小波包分解后产生了两个枝杈，其中每个枝杈的节点代表一个小波包。例如（0，0）代表初节点S，（1，0）代表分解后的第一层小波包，S10表示分解的低频分量，而（1，1）代表第一层分解后的小波包，而S11 表示高频分量。其他的第二层及第三层的分解以此为参考。

图2 三层小波包分解树

小波包分解的节点能量特征提取步骤如下：

①对初始信号做i 层小波包分解，随后将地2i 节点进行分解系数Cki，j 进行向量的提取。分解尺度为i，频段设为j，小波包分解系数向量长度为k。②小波包节点的能量计算用ei，k 表示。③利用节点能量公式获得的节点能量，为了获取特征向量需按照序号进行节点序号排列，最后进行归一化处理，从而得到特征向量。

2.2 基于支持向量机的井下矿洞识别方法研究

在特征响亮维数较高、样本数量有限以及对实时性要求较高的情况下，能够通过支持向量机识别方法，对井下矿洞进行快速的检测并获得最后的结果。

2.2.1 支持向量机的基本原理

超平面与相邻最近的一个数据点的距离即为分离边缘，支持向量机就是通过找到超平面，然后将其分离边缘最大化处理。通过将输入向量到高维特征空间的非线性映射，以此构建出一个超平面，用来对发现特征进行分离。

图3 超平面与相邻矿洞点位映射图

2.2.2 支持向量机的井下矿洞识别算法

研究采用支持向量机对矿洞识别问题进行分析，因此将非常适合当做分类器。基于支持向量机算法的探地雷达对井下矿洞识别的具体步骤为：通过反射波的数据分析来得到矿洞目标的具体特征，然后对训练样本集进行构建，采取支持向量机找到最佳参数，最后对支持向量机算法进行分类识别。

3 实验结果及分析

研究提出的矿洞目标识别算法是否有效，仍需进一步的进行实验验证。仿真实验的实验数据是通过模拟高斯白噪声在介质不均匀情况下获取的。而实测实验数据是利用无载频脉冲探地雷达来完成道矿洞数据的采集工作。

3.1 相同形状井下矿洞识别仿真实验

3.1.1 圆形洞目标识别

研究采用三类训练样本集进行圆形洞识别，一类是圆形洞目标设置为15 个，目标数据每个30 道，共有450 道；二类设置为15 个圆形金属目标，也为450 道数据；第三类为标志目标，同样450 道。

仿真实验结果表明：通过支持向量机算法对样本进行测试时，获取的数据结果利用时域、能量密度谱特征均能对圆形洞实现高效率的识别。

3.1.2 矩形洞目标识别

矩形洞目标识别簇拥的样本集与圆形洞识别样本集一致。通过实验数据表明能够实现矿洞目标的识别。

3.2 形状不同较为相近矿洞识别实验

训练样本集和测试样本集与上文数据保持一致。利用支持向量机算法，让圆形洞来识别椭圆形洞，结果显示，时域和频域特征都能达到很高的识别率，所以相近形状的井下矿洞可以进行相互识别。

3.3 实测矿洞目标探测实验

仿真实验结果表明了，形状相同及相近的矿洞均能实现良好的识别效果。为了对测试结果进一步验证，对某矿井的矿洞进行实测。

采集3 个矿洞数据，采用两组对比实验方式，其中一组采用时域和频域特征完成对矿洞进行识别，另一组采用增加训练样本方式对矿洞数据识别。利用时域、频域特征以及基于小波包分解的节点能量特征都能够准确识别目标矿洞，但通过时域特征探测稳定性稍差，可通过增加训练成本来提升识别率。

4 结论

为了避免因矿山开采引发地面坍塌现象，保障人们的公共财产及生命安全，需要采取现代化探测技术加强对矿洞探测。本研究所选用的基于支持向量机算法，可以通过对时域特征、频域特征以及基于小波包分解的节点能量特征的收集，准确对井下矿洞进行探测与识别，针对探测过程中的解译困难等问题，还需要在以后的科研中不断的进行深入研究。