⚡ ingeniería eléctrica

Research on signal reconstruction of ground-penetrating radar based on matrix pencil method

Este artículo propone y valida un método de reconstrucción de señales de radar de penetración terrestre (GPR) basado en la técnica del lápiz de matriz, el cual suprime eficazmente el ruido aleatorio mientras preserva las características de reflexión críticas para mejorar significativamente la interpretabilidad de los datos para la detección de defectos subterráneos.

Autores originales: Yanan Li, Kang He, Yuexing Yu, Runlin Luo, Changwei Li, Guozhi Tang

Publicado 2026-11-05

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yanan Li, Kang He, Yuexing Yu, Runlin Luo, Changwei Li, Guozhi Tang

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Bajo la superficie de nuestro mundo se esconde un paisaje oculto de tuberías, cables, cuevas y vacíos estructurales que no podemos ver con nuestros ojos. Para mapear este terreno invisible, los ingenieros y geólogos confían en el radar de penetración terrestre, una herramienta que envía ondas de radio de alta frecuencia hacia la tierra y escucha los ecos que rebotan desde objetos enterrados. Es una forma no invasiva de "ver" bajo tierra sin excavar, lo que la hace esencial para encontrar minas terrestres, localizar líneas de servicios públicos o verificar la integridad de túneles. Sin embargo, las señales que regresan desde las profundidades de la tierra son a menudo débiles y frágiles. A medida que estas ondas viajan a través del suelo y la roca, recogen una capa caótica de estática y ruido aleatorio, de forma muy parecida a intentar escuchar un susurro en una habitación llena de gente. Esta estática puede ahogar los tenues reflejos de objetivos pequeños o profundos, convirtiendo una imagen clara del subsuelo en un caos borroso e ilegible. Cuando la señal está demasiado corrompida, el radar no puede distinguir entre un parche inofensivo de tierra y una cavidad peligrosa, lo que vuelve los datos inútiles para las inspecciones de seguridad o la planificación de la construcción.

Para resolver este problema, un equipo de investigadores liderado por Yanan Li y Runlin Luo ha desarrollado una nueva forma de limpiar estas señales de radar. En lugar de simplemente filtrar el ruido, lo que a menudo elimina accidentalmente la señal valiosa junto con él, trataron los datos del radar como un complejo rompecabezas matemático. Se dieron cuenta de que la parte útil de un eco de radar se comporta como un tipo específico de patrón matemático conocido como una suma de exponenciales amortiguadas. En términos sencillos, esto significa que la señal se desvanece de una manera predecible, mientras que el ruido aleatorio no sigue este patrón. Al modelar la señal de esta manera, los investigadores pudieron separar el eco real de la estática. Utilizaron una técnica llamada método del lápiz de matriz (matrix pencil method), que consiste en descomponer los datos en sus componentes principales para identificar los "polos" o frecuencias más importantes que conforman la señal real. Una vez identificados estos componentes clave, el equipo pudo reconstruir la señal original y limpia, eliminando eficazmente el ruido mientras mantenía intactos los detalles sutiles de los objetos subterráneos.

Los investigadores probaron este enfoque utilizando tres tipos diferentes de datos para asegurar que funcionara en diversas situaciones. Primero, crearon una simulación por computadora de una cavidad cuadrada enterrada bajo capas de arcilla y piedra caliza. En este entorno virtual, añadieron grandes cantidades de ruido blanco a la señal de radar, haciendo que el reflejo de la cavidad fuera casi invisible. Cuando aplicaron su nuevo método, el ruido desapareció y la forma de la cavidad enterrada reapareció con una claridad sorprendente. Descubrieron que el número de componentes matemáticos que elegían mantener era crítico; si eran muy pocos, la señal seguía siendo ruidosa, pero si eran demasiados, la onda reconstruida comenzaba a temblar y distorsionarse. Al encontrar el equilibrio perfecto, restauraron la señal a un estado casi idéntico a la versión original sin ruido.

A continuación, el equipo pasó de la computadora a un experimento de laboratorio físico. Construyeron un gran foso de arena y enterraron una tubería metálica en su interior, luego la escanearon con un sistema de radar real. Los datos brutos del escaneo mostraban el reflejo de la tubería, pero eran irregulares y estaban oscurecidos por la estática. Tras procesar los datos con su método del lápiz de matriz, la imagen se volvió suave y nítida. La curva hiperbólica que indica una tubería enterrada, que es una forma estándar en las imágenes de radar, se volvió continua y fácil de leer. Los investigadores midieron la mejora y encontraron que la claridad de la imagen aumentó significamente, demostiendo que el método podía manejar condiciones físicas del mundo real, no solo modelos computacionales.

Finalmente, el equipo llevó su método a un sitio de ingeniería a escala real para probarlo en un problema del mundo real: comprobar la calidad del lechado (grout) detrás de los segmentos de un túnel de escudo. En la construcción de túneles, a menudo existe un espacio entre los anillos de concreto y la roca circundante, el cual se rellena con lechada para estabilizar la estructura. Si este lechado falta o es desigual, puede provocar un colapso del terreno. Los investigadores escanearon una gran plataforma de prueba diseñada para imitar un túnel real, que contenía varios defectos artificiales, incluyendo espacios vacíos y áreas con lechada insuficiente. En las imágenes de radar originales, estos defectos estaban ocultos tras un muro de ruido, siendo visibles solo las señales más fuertes. Tras aplicar la técnica de reconstrucción, los defectos ocultos emergieron claramente. Incluso los pequeños huecos y las anomalías sutiles cerca de las juntas del túnel se volvieron distintos, permitiendo a los inspectores identificar peligros potenciales que habrían pasado desapercibidos de otra manera.

Los resultados de estas pruebas muestran que este nuevo método es una herramienta poderosa para mejorar la forma en que vemos bajo tierra. Al centrarse en la estructura matemática de la señal misma, los investigadores pudieron eliminar el ruido de alta frecuencia sin emborronar los bordes de los objetivos. Esto significa que los ingenieros ahora pueden detectar defectos más pequeños y estructuras más profundas con mayor confianza. Ya sea para garantizar la seguridad de un nuevo túnel, localizar una tubería enterrada o inspeccionar el terreno en busca de cavidades ocultas, esta técnica ofrece una visión más clara y confiable del mundo bajo nuestros pies. El estudio confirma que, al comprender la naturaleza fundamental de la señal, podemos recuperar información que antes se perdía debido al ruido, convirtiendo una imagen borrosa e incierta en un mapa preciso del subsuelo.

Resumen Técnico: Investigación sobre la Reconstrucción de Señales de Radar de Penetración Terrestre Basada en el Método del Lápiz de Matriz

Planteamiento del Problema
El radar de penetración terrestre (GPR) es una herramienta de inspección no destructiva crítica para la investigación del subsuelo; sin embargo, su eficacia se ve frecuentemente comprometida por la contaminación de ruido aleatorio. Este ruido, que incluye ringing, sferics e interferencia aleatoria, oscurece las reflexiones de interfaces profundas o de objetivos pequeños, reduciendo así la interpretabilidad y las capacidades de identificación de objetivos. Aunque existen diversas técnicas de eliminación de ruido —que van desde el filtrado en el dominio espacial y las transformaciones de Fourier hasta el Análisis de Componentes Principales (PCA) y el aprendizaje profundo—, muchas sufren limitaciones tales como la distorsión de la señal, la mezcla de modos, la sensibilidad a la configuración de umbrales o la incapacidad para manejar eficazmente el ruido correlacionado. En consecuencia, existe la necesidad de un método robusto que pueda suprimir el ruido aleatorio de alta frecuencia mientras preserva las características de reflexión sutiles y mantiene la fidelidad de la señal.

Metodología
Este estudio propone un método de reconstrucción de señales GPR basado en el método del Lápiz de Matriz (MP, por sus siglas en inglés). El marco teórico central modela la traza de GPR como una suma de exponenciales complejas amortiguadas. La señal observada $y(t)$ se expresa como la suma de una señal efectiva $x(t)$ y un ruido $n(t)$ , donde $x(t)$ se aproxima mediante:
$x(t) \approx \sum_{i=1}^{M} R_i e^{S_i t}$
Aquí, $R_i$ representa el residuo, y $S_i = \alpha_i + i\omega_i$ representa el polo, con $\alpha_i$ como el factor de amortiguación y $\omega_i$ como la frecuencia angular.

El proceso de reconstrucción involucra los siguientes pasos:

Construcción de la Matriz: Los puntos de datos ruidosos se organizan en una matriz de Hankel $[Y]$ , que luego se descompone en dos submatrices, $[Y_1]$ y $[Y_2]$ , mediante el desplazamiento de la ventana.
Descomposición en Valores Singulares (SVD): La matriz $[Y]$ se somete a una SVD para separar el subespacio de la señal del subespacio del ruido. El número de polos dominantes ( $M$ ) se determina analizando la relación de los valores singulares con respecto al valor singular más grande, estableciendo un umbral basado en un parámetro de precisión $p$ . Los valores singulares por debajo de este umbral se tratan como ruido y se descartan.
Estimación de Parámetros: Utilizando los vectores singulares derechos dominantes, se forma un lápiz de matriz. Los polos de la señal ( $z_i$ ) se extraen como los autovalores generalizados del lápiz de matriz $[Y_2] - \lambda[Y_1]$ .
Cálculo de Residuos: Una vez identificados los polos, los residuos ( $R_i$ ) se calculan utilizando un enfoque de ajuste de mínimos cuadrados.
Reconstrucción de la Señal: La señal efectiva se reconstruye sumando las exponenciales amortiguadas estimadas utilizando los polos y residuos derivados.

El número óptimo de polos dominantes ( $M$ ) es crítico; el estudio señala que un valor de $M$ demasiado grande o demasiado pequeño puede inducir oscilaciones severas, mientras que un $M$ apropiado equilibra la supresión de ruido con la preservación de la señal.

Contribuciones Clave y Resultados
El artículo valida el método MP propuesto a través de tres conjuntos de datos distintos: datos sintéticos, datos de un modelo físico de laboratorio y datos de campo a escala real.

Datos Sintéticos: Se probaron datos GPR simulados de una cavidad enterrada con Relaciones Señal-Ruido (SNR) de 5 dB y 10 dB. El método MP reconstruyó la señal con éxito, logrando el rendimiento óptimo en $M=32$ . El análisis cuantitativo mostró que la Relación Señal-Ruido de Pico (PSNR) aumentó de 34.567 dB a 37.883 dB, y la entropía de la imagen ( $Q$ ) disminuyó de 3.530 a 2.757 (acercándose al valor libre de ruido de 2.710), lo que indica una reducción significativa del ruido y una mejora en la claridad de la imagen.
Datos de Laboratorio: Experimentos utilizando una antena de 400 MHz sobre un tubo metálico enterrado en un foso de arena demostraron la capacidad del método para restaurar señales de reflexión hiperbólicas distorsionadas por el ruido. El PSNR mejoró en un 55.9% (de 23.576 dB a 36.554 dB) y la entropía de la imagen disminuyó un 22.5%. Las formas de onda reconstruidas preservaron las ubicaciones de los picos/valles mientras suavizaron el ruido de alta frecuencia.
Datos de Campo: El método se aplicó a una plataforma de prueba de inyección de mortero de túnel blindado a escala real utilizando una antena de 900 MHz para detectar vacíos de inyección y defectos detrás de los segmentos del túnel. En los datos brutos, la mayoría de las firmas de defectos estaban enmascaradas por el ruido de fondo. Tras el procesamiento MP, el PS el PSNR aumentó de 20.187 dB a 34.490 dB, y la entropía disminuyó de 5.0011 a 4.0562. Los datos procesados revelaron anomalías sutiles cerca de las juntas de los segmentos e identificaron claramente defectos (por ejemplo, Defectos No. 1, 7 y 12) que anteriormente eran indistinguibles.

Significancia y Reivindicaciones
Los autores afirman que el método del Lápiz de Matriz ofrece una herramienta práctica y efectiva para la detección de defectos subterráneos y la inspección de calidad en ingeniería. El estudio concluye que el método MP supera a las técnicas de eliminación de ruido convencionales al suprimir significativamente el ruido aleatorio de alta frecuencia mientras preserva la fidelidad de las características de reflexión débiles. Al estimar con precisión los parámetros de la señal (polos y residuos), el método mejora la interpretabilidad de los datos GPR, lo que lo hace particularmente valioso para la detección de cavidades subterráneas, la evaluación de la calidad del fraguado en túneles blindados y la identificación de otras anomalías del subsuelo. La investigación demuestra que el método MP es un enfoque fiable para la reconstrucción y eliminación de ruido de señales GPR, proporcionando una referencia técnica para mejorar la precisión de la detección en entornos geológicos y de ingeniería complejos.

Más como este