基金本子写得太困难了，学术水平不够，好的想法未想到好的科学问题，难以下笔。

和龙工沟通后，得到了大量impulse radar的数据，后期需要进行分析，从而能让GPR智能识别走得更远。

从数据解译角度，找到了Geolitix软件，非常棒！很多问题在GPR处理中遇到，这个软件都给出了方法，也提醒我们后面要将工作细致，从而做出一些真正有意义的工作。

1 好的功能

1.1 Time信号处理function

Resample、Time cut 已有

1.1.1 信号处理方式

让别人选择信号步骤，批处理

批处理

https://docs.geolitix.com/assets/reordering-processing-steps.94b0c960.gif

1.1.2 Trace shifting 信号校正

去年听北理工老师报告，他们就是用这个功能来还原信号，主要是信号跳动的处理？

原来做过CWT来做信号识别。。

你怎么来实现呢？

1.1.3 零点校正-地面校正

reflexw提供3种方法，我们只提供了信号幅值搜索。他们的

Parameter	Details
Method	Set threshold. Finds first sample over the selected threshold. 阈值搜索 Find peak. Finds sample with higher amplitude. 最大值 Set travel time. Manually select the travel time. 固定时间
Backup samples	Selectable number of samples to fine tune the time zero setting？怎么做的？样本选择来定时间
Trace by trace	If selected, the correction is applied on a trace by trace basis instead of shifting the entire profile by the same amount？没理解到

1.1.4 Flatten to horizon

不平整的采集进行校正，对无人机采集有用

1.2 Distance function

1.2.1去除无用道

采集太快出现的丢道信息，幅值信号可以判断

1.2.2 重复道删除

时间触发采集导致

1.2.3 Remove traces 删除道

工具箱选择和删除，比较好

Use the pencil

and garbage can

icons to highlight the traces to be removed.

1.2.4 Mute traces

屏蔽强干扰，需要手动处理，这种方法可以借鉴，屏蔽后也会导致 background处理出现问题的。。

1.2.5 道间重采样-reflexw有

1.3 Gain

增益设置还是比较麻烦，我们发现归一化也可替代这个方法

1.3.1Constant scale

为了显示数据，比如mala的部分数据刚开始显示可能全灰色。

1.3.2 Normalize

机器学习都会用这个功能，很好

each trace or profile is scaled to its maximum value

这里就需要避免过大数据，比如有异常钢筋存在，归一化后还是达不到效果。因此可以人工做一些限定

1.3.3 函数

Automatic gain control (AGC)、Energy decay gain、Manual gain、Linear gain、Exponential gain

1.3.4 Attenuate by horizon

对指定线条上/下方数据做增益处理

他们是针对水体上下方的数据

1.3.5 Gamma correction

伽马矫正

突出强反射区域

1.4 滤波

1.4.1 频率滤波

常规的低通、带通、高通、带阻、陷波器

1.4.2 2D FFT

2D FFT过滤最常用于图像处理，但在过滤嘈杂的GPR数据时可能非常强大，其中存在重复模式，例如空气波反射，所有这些都以相同的角度下降。即使是重复模式的天线振铃，也可以使用2D FFT滤波器有效地消除。

下面显示的滤波器用于抑制由地上反射引起的雷达剖面上的浸入反射器。

see fft滤波器

1.4.3Background subtraction

这里说了它的不足，

但是，当存在非常强的垂直反射时，例如当雷达天线穿过金属板上时，会出现一个特殊问题。如果使用平均减法，则板两侧的强反射将模糊，从而使数据失真。为这种情况提供了一个移除中值函数。这两种滤波器变体的比较效果如下所示。

GPR raw--background--background with remove median function

1.4.4Dewow

本质是高通

Too small a value essentially is a high pass filter whereby only the high frequency components of the profile remain, and too large a value results in no change to the profile. The user can employ the slider to select the optimal degree of dewow