摘要：探地雷达(GPR)是一种基于电磁波的地下无损探测技术,广泛应用于市政工程、交通、军事等领域。在数据采集过程中,由于发射天线和接收天线之间的耦合、起伏地面的散射以及地下随机媒质的复杂性等原因,采集得到的GPR B-scan回波中通常存在杂波,杂波严重影响了地下目标的检测和特征提取。该文提出一种用于GPR B-scan图像杂波抑制的解纠缠表示生成对抗网络(DR-GAN),设计了目标特征编码器和杂波特征编码器用来提取GPR B-scan图像中的目标特征和杂波特征,设计了杂波抑制生成器用来获取杂波抑制后的GPR B-scan图像。与现有的基于监督学习的GPR杂波抑制方法相比,该方法在网络训练时不需要成对的匹配数据,可以更好地应用于实测GPR图像的杂波抑制。在仿真和实测GPR数据上的实验结果表明,DR-GAN这一无监督学习网络具有更好的杂波抑制性能。对石英砂中埋设的钢筋进行数据采集,运用DR-GAN对含杂波的实测数据进行处理,处理结果的改善系数(IF)指标较现有的鲁棒非负矩阵分解(RNMF)方法提高了17.85 dB。

摘要：对探地雷达(ground penetrating radar,GPR)数据进行电磁反演可以获得探测区域中目标的几何参数和电磁参数.本文针对GPR时域数据与频域数据在图像域的特征差异,首先设计了基于深度学习的GPR维度变换自编码器提取GPR回波数据的时域特征,并对GPR时频域特征进行一致化处理;然后设计了基于时频融合数据的电磁反演处理框架GPR-EInet,并分别使用2000和200个GPR B-Scan数据对GPR-EInet进行训练和测试.仿真实验结果表明,GPR-EInet可以在SNR=-10 dB、目标介电常数与背景介电常数的相对偏差为50%的情况下实现单/双目标的电磁反演,介电常数反演结果与真实值的结构相似性指数(structure similarity index measure,SSIM)达到了0.99564.分别运用GPR-EInet、ünet与PINet对仿真数据进行电磁反演,结果表明:GPREInet的抗噪性能要优于PINet与ünet.对实测的GPR数据也开展了电磁反演实验,获得了探测区域的目标参数信息.与单独的时域或频域数据反演相比,时频融合数据提升了GPR-EInet的电磁反演精度与噪声抑制能力.

摘要：随着网络技术的发展,通信4G即第四代数字通信技术被广泛应用于更多领域。现阶段,移动互联网技术和通信产业中的每一个环节都与Android息息相关,当前每天有成千上万的Android装备被启动,更多的移动设备终端被广泛应用。未来,人们在Android方面的需求量将会大大增强,但现阶段掌握Android开发技术的人才较少,达到市场相关要求的人才更是少之又少。未来几年,Android开发技术将成为电子信息行业中最热门的专业之一。基于此,着重分析了Android开发技术的掌握方式和常见的几种Android应用开发技术。

摘要：为了解决传统探雷器易受复杂土壤环境和各种干扰物的影响造成误报率过高的问题,提出了一种基于电磁感应(EMI)和探地雷达技术(GPR)的复合探测系统及其设计方案,通过将两种完全不同探测机理的传感器数据进行融合处理,协同工作,提取地雷目标特征信号,结果表明:可有效提高地雷的探知率并降低误报率,克服采用单一探测技术探雷器难以解决的原理性虚警问题;通过样机试验结果验证了设计方案的有效性。