铁路路基病害检测雷达信号中的强干扰谱分析及滤波处理

肖建平， 胡章棚， 柳建新， 王韵棋

(中南大学 a.有色金属成矿预测与地质环境监测教育部重点实验室, b.地球科学与信息物理学院，长沙 410083)

铁路路基病害检测雷达信号中的强干扰谱分析及滤波处理

肖建平a,b， 胡章棚a,b， 柳建新a,b， 王韵棋a,b

(中南大学 a.有色金属成矿预测与地质环境监测教育部重点实验室, b.地球科学与信息物理学院，长沙 410083)

铁路路基病害诱发铁路路基失稳，是影响铁路安全运营的重要因素之一。开展快速高效的铁路路基检测方法研究,对铁路日常维护具有非常重要的意义。探地雷达是一种无损高效的检测手段，但用于铁路检测的工作环境是一种强电磁干扰的环境，路基介质的雷达反射信号被轨枕等介质的强干扰反射所湮没。压制此类强干扰是提高铁路路基病害信息识别的主要途径。介绍了多通带滤波原理及实现方法，分析了铁路路基雷达信号中轨枕强反射干扰的频谱特征，并针对其特点设计了多通带滤波器，将车载雷达实测数据进行滤波处理，得到了滤波后的雷达图像。处理结果表明，原始雷达检测信号经滤波处理后，轨枕强干扰信号被压制，提高了路基病害的弱反射信号的信噪比。因此，多通带滤波能有效压制轨枕强干扰信息，便于铁路路基病害地识别。

多通带滤波器； 路基病害检测； 轨枕干扰； 车载雷达

0 引言

铁路的安全运营是保障人民生命财产安全及社会和谐发展的基础，及时发现铁路路基病害、治理路基安全隐患、维持铁路路基的稳定是铁路安全运营的前提条件[1]。目前铁路列车普遍提速提高了运输效率，带来了明显的社会效益和经济效益，但随着提速范围的扩大及列车速度地不断提高，路基暴露出来的问题也越来越严重，对路基病害检测提出了更高的要求。铁路路基的主要病害有基床翻浆冒泥、道渣陷槽、下沉外挤、隐蔽性冲空、陷穴、冻害等[2]。传统路基检测方法有：①等距离挖探法；②轻型动力触探法；③瑞利波面波法；④核子密度仪法；⑤高密度电阻率法等。这些方法的共同点是效率低，或对现有线路损坏，或对长段线路只能提供少量或局部信息，不能提供连续长段线路的详细调查[3-5]。车载探地雷达技术是地球物理方法中一种高分辨率、高效率、实时无损的检测方法，在铁路路基检测中有广阔的应用前景。

近十多年来，国内、外学者将探地雷达技术用于铁路路基病害检测方面并做了大量研究。AL-QADI等[6]提出了一种探地雷达信号时频分析方法，用于量化道渣脏污程度取得了良好的效果；XIAO等[5]提出了一种确定性反褶积方法处理双频探地雷达信号，将大穿透深度的低频雷达数据和高分辨率的高频数据进行融合处理，有效地提高了车载雷达的分辨率和探测深度；李武[7]将车载雷达用于新建铁路路基质量普查，查明了路基基床状况、道床厚度和路基工后沉降等有关信息，快速准确地检测路基的质量状况；谢勇勇等[8]运用GPRMAX软件对路基下道碴陷槽病害进行正演模拟分析，并采用雷达对同类型病害的实际路基进行了探测，证明了正演模拟方法用于实际路基检测的可行性；王成亮等[9]采用探地雷达对不同类型的铁路路基病害进行了无损检测试验，从雷达信号反射的波形、能量变化及同相轴等方面总结了不同类型路基病害的雷达图像特征，并采用动力触探方法进行了对比试验，验证了探地雷达检测铁路路基的有效性。

铁路路基检测雷达工作环境特殊，铁路设施包括铁轨、钢筋混凝土枕木等对雷达信号反射极强，大大降低了来自于路基介质的反射信号，对规模较小、物性参数与周围介质差异不明显、埋深较大的路基病害不易识别。因此，去除钢轨和轨枕反射造成的强干扰对提高铁路路基雷达探测信号的信噪比具有重要意义，部分学者也开展了相关研究并取得一定的成果[10-12]。Al-Nauaimy等[10]采用多分辨率图像分析技术自动分类感兴趣的雷达图像区域，能有效识别道渣下和轨枕间的潜在的病害区域；肖建平等[11]提出了一种识别轨枕位置并采用逻辑尺方法剔除轨枕干扰的方法，能自动将天线位于轨枕正上方的雷达数据自动除；朱德兵等[12]提出了一种时空过滤筛的方法压制轨枕产生的绕射波和多次波的干扰，并同时压制直耦波和钢轨强反射信号，提高了雷达记录的信噪比和分辨能力。基于上述研究，笔者提出一种多通带滤波方法，针对铁路路基雷达信号的频谱特征，设计一种可同时滤除以直流成份为主的铁轨干扰噪声和以某一特定频率成份为主的交流噪声，并处理了铁路路基模拟数据和实测数据，验证了该方法的有效性。

1 多通带FIR滤波器设计

多通带滤波器本质上是一种有限冲激响应(FIR)数字滤波器，其设计思想是根据被滤波信号的频谱特性，设计一个理想的频率选择性滤波器，然后对它的脉冲响应通过加窗操作截断得到一个线性相位的因果FIR滤波器[13]。

1.1 理想频率选择性滤波器设计

理想频率性选择滤波的频率域表示如式(1)。

(1)

其中：ωc为通带，通过分析被滤波信号的频谱特征确定ωc的范围；α为采样延时。该理想低通滤波器的脉冲响应由反付立叶变换给出[13],如式(2)所示。

(2)

为了从式(2)获得有限长度，因果且线性相位的FIR滤波器，必须将hd(n)的两边截断(式(3))。

(3)

通常h(n)可由hd(n)与某一窗函数w(n)相乘得到，即：

h(n)=hd(n)w(n)

(4)

在频率域中这个因果FIR滤波器的响应H(ejω)是Hd(ejω)和窗响应W(ejω)的卷积(式(5))。

H(ejω)=Hd(ejω)*W(ejω)

(5)

1.2 窗函数的选择

(6)

由上述可知，要对目标信号中具有特定频带的噪声滤波：①对目标信号进行谱分析可得到该信号中特定带噪声的频带宽度、振幅特性，根据式(1)设计出一个理想频率选择性滤波器Hd(ejω)；②根据式(6)选取的窗函数ω(n)即可确定窗响应W(ejω)；③由式(5)计算得到一个因果的多通带频率域滤波器H(ejω)，将其转换成时间域的滤波器h(n)；④将被滤波信号与滤波器h(n)进行卷积，得到滤除处理后的目标信号。

2 仿真信号谱分析多通带滤波

2.1 路基雷达信号仿真

为了研究铁路路基雷达信号的频谱特征，笔者设计了如图1所示的铁路路基仿真模型，采用FDTD方法对铁路路基雷达信号进行正演模拟[5]，发射信号中心频率为200MHz，得到了如图2所示的雷达图像。

从图2中可以看出，雷达图像在水平方向上大致呈层状分布，与图1所示的模型一致。图2中有明显的蜂窝状信号分布，在每道的第600采样点以上的位置更为明显，由于铁路路基介质具有明显的分层特性，雷达波反射信号的同相轴最初发生畸变的原因是不连续的轨枕面反射，因此这些明显的强干扰来源于轨枕的反射信号。图2中第200扫描道附近与第450扫描道附近从上至下可看到雷达图像中有微弱的异常带，这是铁路路基仿真模型中设置的两个代表路基病害的异常体反射雷达信号所致。

图1 铁路路基仿真模型及介质参数Fig.1 Railway subgrade model and physical parameters

图2 仿真雷达图像Fig.2 Simulation GPR image

2.2 水平方向雷达信号谱分析

由前面雷达信号仿真结果，由于轨枕的强反射信号在没有其他噪声干扰的情况下，几乎湮没了路基病害的反射信号，在随后的车载路基探测雷达实测信号中表现更为明显。

为了分析轨枕干扰在车载路基雷达信号的水平方向上的频谱特征，可提取每个扫描道上某一相同采样点构成一数字序列，对其进行频谱分析。由于轨枕面是雷达信号传播过程中最先碰到的界面，其反射信号及多次反射信号将自始至终存在于雷达反射信号中，原则上从轨枕面以下的雷达反射信号中每个扫描道任一位置的同一采样点构成的数字序列的频谱中均包含轨枕的特征频谱，但由于雷达信号传播过程中衰减快，提取早期的信号比提取晚期的信号对于发现轨枕的频谱特征更有利。考虑到早期信号的一般性，在仿真数据(图2)中提取每个扫描的第552个采样点，得到如图3所示的同相轴数字序列及其频谱。

由图3可见，抽取雷达图像中第552个采样点构成的数字序列，其能量主要集中在直流(DC)及角频率为0.2π附近。分布直流附近的能量来源于背景噪声或铁轨的干扰，分布于0.2π附近的能量来源于轨枕反射的雷达信号，这一点已在文献[11]中得到了验证。

图3 数字序列及其频谱Fig.3 Digital sequence and its frequency spectrum(a)抽取第552个采样点构成的数字序列；(b)数字序列的频谱

2.3 滤波器设计

根据图3(b)的谱特性，将雷达信号中强干扰对应的两段频带设置为阻带；同时将高频区域设置为阻带，其截止频率根据实际环境噪声水平确定。对于图2所示的仿真雷达图像，其噪声可以忽略不计，高频区域不设置为阻带对处理结果无影响。但对于实测车载雷达数据，将高频区设置为阻带可明显压制高频随机噪声。根据上述条件设计的多通带滤波器的频率相位特性如图4所示。

图4(a)为多通带滤波器的幅度-频率特性，其中包括3个阻带，分别压制直流干扰、轨枕干扰及高频噪声；图4(b)为滤波器的相位特性，可以看出滤波器具有线性相位特征，满足雷达信号处理的要求。

3 雷达信号滤波及效果分析

3.1 模拟雷达信号滤波处理

采用图4(a)所示的多通带滤波器对图2模拟路基雷达探测图像进行滤波，得到如图5所示的处理结果。

图4 滤波器的幅频及相频特性Fig.4 Magnitude-frequency and phase-frequency characters(a)多通带滤波器的幅度-频率特性；(b)滤波器的相位特性

图5 模拟雷达信号滤波处理结果Fig.5 Result on filtering simulation data

对比图2与图5可以明显看出，图2中“蜂窝”状的轨枕干扰信号得到明显压制，图5中第200扫描道附近与第450扫描道附近两种典型路基病害的反射信号，通过滤波处理后信噪比明显提高，便于异常地识别。

3.2 实测雷达信号滤波处理

图6为车载探地雷达在某一段铁路路基上的实测数据，雷达天线的中心频率为200MHz。由图6可以看出，实测雷达图像呈条带状分布，和雷达仿真数据类似，“蜂窝”状的轨枕干扰信号在原始雷达图像中非常明显。总体来看，几乎无法分辨铁路路基病害的反射信息。

图6(a)中，雷达图像中双程走时从10ns处开始同相轴发生明显歧变，将雷达信号中每扫描道此处的采样点提取出来获得一数字序列，采用如上节所述的多通带滤波方法对实测数据进行处理，得到如图6(b)所示的雷达图像。对比图6(a)，滤波后的雷达图像中条带状的铁轨反射强干扰和“蜂窝”状的轨枕反射强干扰被明显压制。图6(b)中，雷达波双程走时40ns处对应的雷达图像有较明显的起伏条带分布，在24 530扫描道附近起伏呈明显单支双曲线形状分布，推测为道床与基床界面起伏所致；另外在24 530扫描道附近的15ns处也出现了明显的双曲线形状的稀疏条纹，推测为道渣与道床接触处道渣下陷所致。

图6 车载雷达实测数据及多通带滤波处理结果Fig.6 Train-mounted GPR real data and filtering results(a) 实测数据；(b) 滤波处理结果

4 结论

铁路路基检测雷达工作于复杂的电磁环境中，路基介质反射的雷达信号被轨枕反射等强干扰信号所湮没，导致路基病害难于识别。通过分析雷达反射信号的频谱特征，设计了多通带滤波器，并对模拟信号和实测信号进行了滤波处理，对比滤波前后的雷达图像。结果表明，多通带滤波方法能有效压制车载雷达信号中的各种强干扰，提高了雷达反射波的信噪比，便于各种路基病害的识别，该方法在铁路路基检测雷达信号处理中具有广阔的应用前景。

[1] 杜彦良，侯哲哲，赵维刚. 一种基于稀疏表示的重载铁路路基病害快速识别方法[J]. 土木工程学报, 2013, 46(11):138-213.DUYL,HOUZZ,ZHAOWG.Anidentificationmethodforheavy-haulrailwaysubgradedefectsbasedonsparserepresentation[J].ChinaCivilEngineeringJournal, 2013, 46(11):138-213. (InChinese)

[2]NARAYANANARM，JAKUBJW，LIDQ.Railroadtrackmodulusestimationusinggroundpenetratingradarmeasurements[J].NDT&EInternational, 2004, 37(2):141-151.

[3] 杨新安，周菁. 铁路路基病害与动力触探试验研究[J]. 中国矿业大学学报，2002，31(4):358-362.YANGXA,ZHOUQ.Shanghai-Nanjingrailwayembankmentsettlementanddynamicpenetrationtest[J].JournalofChinaUniversityofMining&Technology, 2002, 31(4): 358-362.(InChinese)

[4]JACKR,JACKSONP.Imagingattributesofrailwaytrackformationandballastusinggroundprobingradar[J].NDT&EInternational, 1999, 32(8): 457-462.

[5]XIAOJP,LIULB.PermafrostsubgradeconditionassessmentusingextrapolationbydeterministicdeconvolutiononmultifrequencyGPRdataacquiredalongtheQinghai-TibetRailway[J].IEEEJournalofSelectedTopicinAppliedEarthObservationsandRemoteSensing, 2016, 9(1): 83-90.

[6]AL-QADIIL,XIEW,JONESDL,etal.Developmentofatime-frequencyapproachtoquantifyrailroadballastfoulingconditionusingultra-widebandground-penetratingradardata[J].InternationalJournalofPavementEngineering,2010,11(4):269-279.

[7] 李武. 车载探地雷达在新建铁路路基质量普查中的应用[J]. 路基工程，2013(6):32-34.LIW.Applicationofvehicle-borneGPRingeneralqualitysurveyofsubgradeofrailwaynewlyconstructed[J].SubgradeEngineering, 2013(6):32-34. (InChinese)

[8] 谢勇勇，廖红建，昝月稳. 探地雷达检测铁路路基病害的二维正演模拟[J]. 浙江大学学报(工学版)，2010，44(10):1907-1911.XIEYY,LIAOHJ,ZANYW.Two-dimensionalforwardsimulationofrailwayroadbeddiseasebasedongroundpenetratingradartechnique[J].JournalofZhejiangUniversity(EngineeringScience), 2010, 44(10):1907-1911. (InChinese)

[9] 王成亮，白明洲，杜衍庆，等. 重载铁路既有线路基病害探地雷达无损检测方法[J]. 北京交通大学学报，2013，37(4):35-39.WANGCL,BAIMZ,DUYQ,etal.Groundpenetratingradarnondestructivetestingmethodappliedinrailwaysubgradeofexistingheavyhaulrailway[J].JournalofBeijingJiaotongUniversity, 2013, 37(4):35-39.(InChinese)

[10]AL-NUAIMYW,ERIKSENA,GASGOYNE.Train-MountedGPRforhigh-speedrailtrackedinspection[C].TenthInternationalConferenceonGroundPenetratingRadar,Delft,Netherlands, 2004:631-634.

[11]肖建平，柳建新. 一种剔除轨枕干扰的铁路路基检测雷达数据处理方法研究[P]. 专利号：ZL200910303878.1，授权日期：2011年2月.JianpingXiao,JianXinLiu.AsleeperinterferenceeliminationmethodforGPRdataofrailwaysubgradedetection[P].PublicationNumber:ZL200910303878.1,Publicationdate: 02/02/2011. (InChinese)

[12]朱德兵，耿嘉楠，黄敏，等. 一种铁路路基雷达探测信号中轨枕干扰的压制算法[J]. 铁道学报，2013，35(5):75-79.ZHUDB,GENGJN,HUANGM,etal.AlgorithmforsuppressingsleeperinterferencesinrailwaysubgradeGPRsignals[J].JournalofTheRailwaySociety, 2013, 35(5):75-79. (InChinese)

[13]INGLEKV,PROAKISJG.DigitalsignalprocessingusingMatlab[M].Stamford,CT:CengageLearning, 2012.

Spectrum analysis and filtering on suppressing intensive noise in train-mounted GPR data

XIAO Jianpinga,b, HU Zhangpenga,b, LIU Jianxina,b, WANG Yunqia,b

(a.Key laboratory of Metallogenic Prediction of Non-Ferrous Metals and Geological Environment Monitor,Ministry of Education, b.Institute of Applied Geophysics, School of Geosciences and Info-physics, Central South University, Changsha 410083, China)

Railway subgrade defect is one of the most important inducements that leads to potential hazards in railway transportation. A rapid and nondestructive detective method is very valuable for routine railway subgrade maintenance. As a nondestructive detection testing tool, ground penetrating radar (GPR) has attracted great interest in railway subgrade evaluation. However, the radar signal is seriously degrade by the noise and clutters by railway infrastructures. Suppressing the high level interference is essential to identify the subgrade defects. In this paper, we firstly introduced the multi-band filter and proposed the filtering algorithm. Then we analyzed the frequency spectrum of the GPR data containing high level noise and designed the especial filter to process the GPR data. The high level noise is dramatically suppressed and the weak reflection signal from the subgrade defects can be identified.

multi-band filtering; subgrade defects detection; sleepers noise; train-mounted GPR

2016-03-02 改回日期：2016-04-09

国家自然科学基金(41274122)

肖建平(1975-)，男，博士，副教授，主要从事电磁场理论及数据模拟、探地雷达信号处理研究和应用工作，E-mail：jpxiao@csu.edu.cn 。

1001-1749(2017)02-0183-05

P 631.3

A

10.3969/j.issn.1001-1749.2017.02.05