摘要
本发明提出一种基于深度学习的多频率探地雷达数据融合方法,包括如下步骤:在同一测线下利用不同中心频率探地雷达设备获取多频率探地雷达数据;对获取的多频率探地雷达数据进行数据预处理操作;构建用于融合多频率探地雷达数据的深度学习模型,多频率数据融合输入所述融合模型实现多频率雷达数据融合;设计无监督损失函数,并基于所述数据对深度学习模型进行训练;将训练完成的深度学习融合模型集成到探地雷达数据采集系统中,实现实时数据融合与处理。与现有技术相比,本发明能够将多频率雷达原始信号的互补特征融为一体,克服单一频率数据的局限性和差异性。
技术关键词
探地雷达数据
深度学习融合
融合方法
雷达数据采集系统
频率
探地雷达信号
探地雷达设备
循环神经网络模型结构
卷积模块
深度学习模型
融合装置
抑制高频噪声
卷积神经网络模型
实时数据
无监督
编码器
系统为您推荐了相关专利信息
融合方法
可见光图像
互补特征
伪影
图像增强模块
区块链数字资产
激励算法
交互机制
模型算法
区块链算法
蝙蝠算法
除焦控制系统
计算机程序指令
频率
锅炉除焦