⚡ génie électrique

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

Cet article propose et valide une méthode de reconstruction de signaux de radar à pénétration de sol (GPR) basée sur la technique du crayon de matrice, qui supprime efficacement le bruit aléatoire tout en préservant les caractéristiques de réflexion critiques afin d'améliorer significativement l'interprétabilité des données pour la détection de défauts souterrains.

Auteurs originaux : Yanan Li, Kang He, Yuexing Yu, Runlin Luo, Changwei Li, Guozhi Tang

Publié 2026-11-05

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yanan Li, Kang He, Yuexing Yu, Runlin Luo, Changwei Li, Guozhi Tang

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Sous la surface de notre monde se cache un paysage invisible composé de tuyaux, de câbles, de grottes et de vides structurels que nous ne pouvons pas voir à l'œil nu. Pour cartographier ce terrain invisible, les ingénieurs et les géologues s'appuient sur le radar à pénétration de sol, un outil qui envoie des ondes radio à haute fréquence dans la terre et écoute les échos qui rebondissent sur les objets enfouis. C'est une méthode non invasive pour « voir » sous terre sans creuser, ce qui la rend essentielle pour trouver des mines terrestres, localiser des réseaux de services publics ou vérifier l'intégrité de tunnels. Cependant, les signaux revenant des profondeurs du sous-sol sont souvent faibles et fragiles. À mesure que ces ondes traversent le sol et la roche, elles ramassent une couche chaotique de statique et de bruit aléatoire, un peu comme si l'on essayait d'entendre un murmure dans une pièce bondée. Cette statique peut étouffer les reflets ténus de cibles petites ou profondes, transformant une image claire du sous-sol en un fouillis flou et illisible. Lorsque le signal est trop corrompu, le radar ne peut plus distinguer une simple parcelle de terre d'une cavité dangereuse, rendant les données inutilisables pour les inspections de sécurité ou la planification de la construction.

Pour résoudre ce problème, une équipe de chercheurs dirigée par Yanan Li et Runlin Luo a développé une nouvelle façon de nettoyer ces signaux radar. Au lieu de simplement filtrer le bruit, ce qui élimine souvent accidentellement le signal utile en même temps que lui, ils ont traité les données radar comme un casse-tête mathématique complexe. Ils ont réalisé que la partie utile d'un écho radar se comporte comme un type spécifique de motif mathématique appelé somme d'exponentielles amorties. En termes simples, cela signifie que le signal s'atténue de manière prévisible, tandis que le bruit aléatoire ne suit pas ce schéma. En modélisant le signal de cette façon, les chercheurs ont pu séparer l'écho véritable de la statique. Ils ont utilisé une technique appelée la méthode du crayon matriciel (matrix pencil method), qui consiste à décomposer les données en leurs composants fondamentaux pour identifier les « pôles » ou fréquences les plus importants qui constituent le signal réel. Une fois ces composants clés identifiés, l'équipe a pu reconstruire le signal d'origine, propre, en éliminant efficacement le bruit tout en préservant les détails subtils des objets souterrains.

Les chercheurs ont testé cette approche en utilisant trois types de données différents pour s'assurer qu'elle fonctionnait dans diverses situations. D'abord, ils ont créé une simulation informatique d'une cavité carrée enfouie sous des couches d'argile et de calcaire. Dans cet environnement virtuel, ils ont ajouté de fortes quantités de bruit blanc au signal radar, rendant le reflet de la cavité presque invisible. Lorsqu'ils ont appliqué leur nouvelle méthode, le bruit a disparu et la forme de la cavité enfouie est réapparue avec une clarté frappante. Ils ont constaté que le nombre de composantes mathématiques qu'ils choisissaient de conserver était critique : trop peu, et le signal restait bruité ; trop nombreuses, et l'onde reconstruite commençait à trembler et à se déformer. En trouvant l'équilibre parfait, ils ont restauré le signal à un état presque identique à la version originale sans bruit.

Ensuite, l'équipe est passée de l'ordinateur à une expérience de laboratoire physique. Ils ont construit un grand bac à sable, y ont enterré un tuyau métallique, puis l'ont scanné avec un véritable système radar. Les données brutes du scan montraient le reflet du tuyau, mais l'image était dentelée et obscurcie par la statique. Après avoir traité les données avec leur méthode du crayon matriciel, l'image est devenue lisse et nette. La courbe hyperbolique qui indique un tuyau enterré, une forme standard en imagerie radar, est devenue continue et facile à lire. Les chercheurs ont mesuré l'amélioration et ont constaté que la clarté de l'image augmentait de manière significative, prouvant que la méthode pouvait gérer des conditions physiques réelles, et pas seulement des modèles informatiques.

Enfin, l'équipe a appliqué sa méthode à un site d'ingénierie à grande échelle pour la tester sur un problème du monde réel : vérifier la qualité du coulis derrière les segments d'un tunnel bouclier. Lors de la construction de tunnels, un espace existe souvent entre les anneaux de béton et la roche environnante, lequel est rempli de coulis pour stabiliser la structure. Si ce coulis est manquant ou inégal, cela peut entraîner un effondrement du sol. Les chercheurs ont scanné une plateforme de test de grande taille conçue pour imiter un tunnel réel, qui contenait plusieurs défauts artificiels, notamment des espaces vides et des zones avec un coulis insuffisant. Dans les images radar brutes, ces défauts étaient cachés derrière un mur de bruit, seuls les signaux les plus forts étant visibles. Après avoir appliqué la technique de reconstruction, les défauts cachés sont apparus clairement. Même les petits vides et les anomalies subtiles près des joints du tunnel sont devenus distincts, permettant aux inspecteurs d'identifier des dangers potentiels qui auraient été manqués autrement.

Les résultats de ces tests montrent que cette nouvelle méthode est un outil puissant pour améliorer notre vision du sous-sol. En se concentrant sur la structure mathématique du signal lui-même, les chercheurs ont pu éliminer le bruit à haute fréquence sans estomper les contours des cibles. Cela signifie que les ingénieurs peuvent désormais détecter des défauts plus petits et des structures plus profondes avec une plus grande confiance. Qu'il s'agisse de garantir la sécurité d'un nouveau tunnel, de localiser un tuyau enterré ou d'inspecter le sol pour des cavités cachées, cette technique offre une vue plus claire et plus fiable du monde sous nos pieds. L'étude confirme qu'en comprenant la nature fondamentale du signal, nous pouvons récupérer des informations qui étaient auparavant perdues dans le bruit, transformant une image floue et incertaine en une carte précise du sous-sol.

Résumé technique : Recherche sur la reconstruction de signaux de radar à pénétration de sol basée sur la méthode du crayon matriciel (Matrix Pencil Method)

Énoncé du problème
Le radar à pénétration de sol (GPR) est un outil de contrôle non destructif essentiel pour l'investigation du sous-sol, pourtant son efficacité est fréquemment compromise par une contamination par le bruit aléatoire. Ce bruit, qui inclut les phénomènes d'oscillation (ringing), les impulsions sferiques et les interférences aléatoires, occulte les réflexions provenant d'interfaces profondes ou de cibles de petite taille, réduisant ainsi la capacité d'interprétation et d'identification des cibles. Bien que diverses techniques de débruitage existent — allant du filtrage dans le domaine spatial et des transformées de Fourier à l'analyse en composantes principales (PCA) et au deep learning — beaucoup souffrent de limitations telles que la distorsion du signal, le mélange de modes, la sensibilité aux réglages de seuil ou l'incapacité à traiter efficacement le bruit corrélé. Par conséquent, il est nécessaire de disposer d'une méthode robuste capable de supprimer le bruit aléatoire à haute fréquence tout en préservant les caractéristiques de réflexion subtiles et en maintenant la fidélité du signal.

Méthodologie
Cette étude propose une méthode de reconstruction de signaux GPR basée sur la méthode du Crayon Matriciel (MP). Le cadre théorique central modélise la trace GPR comme une somme d'exponentielles complexes amorties. Le signal observé $y(t)$ est exprimé comme la somme d'un signal effectif $x(t)$ et d'un bruit $n(t)$ , où $x(t)$ est approximé par :
$x(t) \approx \sum_{i=1}^{M} R_i e^{S_i t}$
Ici, $R_i$ représente le résidu, et $S_i = \alpha_i + i\omega_i$ représente le pôle, avec $\alpha_i$ comme facteur d'amortissement et $\omega_i$ comme fréquence angulaire.

Le processus de reconstruction comprend les étapes suivantes :

Construction de la matrice : Les points de données bruités sont organisés en une matrice de Hankel $[Y]$ , qui est ensuite décomposée en deux sous-matrices, $[Y_1]$ et $[Y_2]$ , par décalage de fenêtre.
Décomposition en valeurs singulières (SVD) : La matrice $[Y]$ subit une SVD pour séparer le sous-espace du signal du sous-espace du bruit. Le nombre de pôles dominants ( $M$ ) est déterminé en analysant le rapport des valeurs singulières à la plus grande valeur singulière, en fixant un seuil basé sur un paramètre de précision $p$ . Les valeurs singulières inférieures à ce seuil sont considérées comme du bruit et écartées.
Estimation des paramètres : En utilisant les vecteurs singuliers à droite dominants, un crayon matriciel est formé. Les pôles du signal ( $z_i$ ) sont extraits comme les valeurs propres généralisées du crayon matriciel $[Y_2] - \lambda[Y_1]$ .
Calcul du résidu : Une fois les pôles identifiés, les résidus ( $R_i$ ) sont calculés à l'aide d'une approche d'ajustement par moindres carrés.
Reconstruction du signal : Le signal effectif est reconstruit en sommant les exponentielles amorties estimées en utilisant les pôles et les résidus dérivés.

Le nombre optimal de pôles dominants ( $M$ ) est critique ; l'étude note qu'une valeur de $M$ trop grande ou trop petite peut induire des oscillations sévères, tandis qu'un $M$ approprié équilibre la suppression du bruit et la préservation du signal.

Contributions clés et résultats
L'article valide la méthode MP proposée à travers trois ensembles de données distincts : des données synthétiques, des données de modèles physiques de laboratoire et des données de terrain à pleine échelle.

Données synthétiques : Des données GPR simulées d'une cavité enterrée ont été testées avec des rapports signal sur bruit (SNR) de 5 dB et 10 dB. La méthode MP a reconstruit le signal avec succès, la performance optimale étant atteinte à $M=32$ . L'analyse quantitative a montré que le rapport signal sur bruit de crête (PSNR) est passé de 34,567 dB à 37,883 dB, et l'entropie de l'image ( $Q$ ) a diminué de 3,530 à 2,757 (se rapprochant de la valeur sans bruit de 2,710), indiquant une réduction significative du bruit et une amélioration de la clarté de l'image.
Données de laboratoire : Des expériences utilisant une antenne de 400 MHz sur un tuyau métallique enterré dans un bac de sable ont démontré la capacité de la méthode à restaurer les signaux de réflexion hyperboliques déformés par le bruit. Le PSNR s'est amélioré de 55,9 % (passant de 23,576 dB à 36,554 dB) et l'entropie de l'image a diminué de 22,5 %. Les formes d'onde reconstruites ont préservé les positions des pics/creux tout en lissant le bruit à haute fréquence.
Données de terrain : La méthode a été appliquée à une plateforme de test de coulage de tunnel bouclier à pleine échelle en utilisant une antenne de 900 MHz pour détecter les vides de coulage et les défauts derrière les segments de tunnel. Dans les données brutes, la plupart des signatures de défauts étaient masquées par le bruit de fond. Après le traitement MP, le PSNR est passé de 20,187 dB à 34,490 dB, et l'entropie a diminué de 5,0011 à 4,0562. Les données traitées ont révélé des anomalies subtiles près des joints de segments et ont clairement identifié des défauts (par exemple, les défauts n° 1, 7 et 12) qui étaient auparavant impossibles à distinguer.

Signification et affirmations
Les auteurs affirment que la méthode du Crayon Matriciel offre un outil pratique et efficace pour la détection de défauts souterrains et l'inspection de la qualité de l'ingénierie. L'étude conclut que la méthode MP surpasse les techniques de débruitage conventionnelles en supprimant de manière significative le bruit aléatoire à haute fréquence tout en préservant la fidélité des faibles caractéristiques de réflexion. En estimant avec précision les paramètres du signal (pôles et résidus), la méthode améliore l'interprétabilité des données GPR, la rendant particulièrement précieuse pour la détection de cavités souterraines, l'évaluation de la qualité du coulage dans les tunnels boucliers et l'identification d'autres anomalies de subsurface. La recherche démontre que la méthode MP est une approche fiable pour le débruitage et la reconstruction de signaux GPR, fournissant une référence technique pour améliorer la précision de la détection dans des environnements géologiques et d'ingénierie complexes.

Articles similaires