基于地面跟踪的 GPR 系统提升地雷检测性能
机器学习
2025-06-24 v1
摘要
地面穿雷达（GPR）为准确的亚表面目标检测提供了前景技术，尤其在检测低金属含量的地雷方面已展现出潜力。然而，由土壤与空气介电常数不连续性引起的地面反射（GB）是 GPR 数据中的主要干扰源，会降低地雷检测性能。为缓解此干扰，本文提出了基于卡尔曼滤波（KF）和粒子滤波（PF）框架的 GB 跟踪算法。具体而言，将 GB 在雷达信号中的位置建模为粒子滤波方法中的隐状态。观测值为沿下轨方向逐扫描的 2D 雷达图像。通过初始训练阶段自动设置参数，以适应不同的地面和天气条件。与 GB 描述相关的特征随新数据的到来而自适应更新。给定位置的先验分布通过传播两个相邻通道/扫描的信息来预测，以确保整体 GB 表面保持平滑。实验使用真实数据验证了所提出算法的有效性，并与其他 GB 跟踪方法进行了性能比较。我们证明，改进的 GB 跟踪有助于提升地雷检测问题的性能。
引用
@article{arxiv.2506.18258,
title = {Ground tracking for improved landmine detection in a GPR system},
author = {Li Tang and Peter A. Torrione and Cihat Eldeniz and Leslie M. Collins},
journal= {arXiv preprint arXiv:2506.18258},
year = {2025}
}