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

Sotto la superficie del nostro mondo si cela un paesaggio nascosto di tubazioni, cavi, grotte e vuoti strutturali che non possiamo vedere con i nostri occhi. Per mappare questo terreno invisibile, ingegneri e geologi si affidano al radar a penetrazione del terreno, uno strumento che invia onde radio ad alta frequenza nel sottosuolo e ascolta gli echi che rimbalzano dagli oggetti sepolti. È un modo non invasivo per "vedere" sottoterra senza scavare, rendendolo essenziale per trovare mine antiuomo, localizzare linee di utilità o controllare l'integrità dei tunnel. Tuttavia, i segnali che tornano dal profondo del sottosuolo sono spesso deboli e fragili. Mentre queste onde viaggiano attraverso il suolo e la roccia, raccolgono uno strato caotico di statico e rumore casuale, molto simile al tentativo di ascoltare un sussurro in una stanza affollata. Questo statico può sommergere i deboli riflessi di piccoli o profondi bersagli, trasformando un'immagine chiara del sottosuolo in un ammasso sfocato e illeggibile. Quando il segnale è troppo corrotto, il radar non riesce a distinguere tra una innocua chiazza di terra e una pericolosa cavità, rendendo i dati inutili per le ispezioni di sicurezza o la pianificazione edilizia.

Per risolvere questo problema, un team di ricercatori guidato da Yanan Li e Runlin Luo ha sviluppato un nuovo modo per pulire questi segnali radar. Invece di limitarsi a filtrare il rumore, il che spesso rimuove accidentalmente anche il segnale prezioso insieme ad esso, hanno trattato i dati radar come un complesso puzzle matematico. Si sono resi conto che la parte utile di un eco radar si comporta come un tipo specifico di modello matematico noto come somma di esponenziali smorzati. In termini semplici, ciò significa che il segnale svanisce in modo prevedibile, mentre il rumore casuale non segue questo schema. Modellando il segnale in questo modo, i ricercatori sono riusciti a separare l'eco reale dallo statico. Hanno utilizzato una tecnica chiamata metodo del lápis matriciale (matrix pencil method), che consiste nel scomporre i dati nelle loro componenti fondamentali per identificare i "poli" o le frequenze più importanti che compongono il segnale reale. Una volta identificati questi componenti chiave, il team è stato in grado di ricostruire il segnale originale e pulito, eliminando efficacemente il rumore pur mantenendo intatti i dettagli sottili degli oggetti sotterranei.

I ricercatori hanno testato questo approccio utilizzando tre diversi tipi di dati per garantire che funzionasse in varie situazioni. Per prima cosa, hanno creato una simulazione al computer di una cavità quadrata sepolta sotto strati di argilla e calcare. In questo ambiente virtuale, hanno aggiunto ingenti quantità di rumore bianco al segnale radar, rendendo il riflesso della cavità quasi invisibile. Quando hanno applicato il loro nuovo metodo, il rumore è svanito e la forma della cavità sepolta è riapparsa con sorprendente chiarezza. Hanno scoperto che il numero di componenti matematiche che sceglievano di mantenere era critico: troppo poche, e il segnale rimaneva rumoroso, ma troppe, e l'onda ricostruita iniziava a tremare e distorcersi. Trovando l'equilibrio perfetto, hanno ripristinato il segnale a uno stato quasi identico alla versione originale priva di rumore.

Successivamente, il team è passato dal computer a un esperimento di laboratorio fisico. Hanno costruito una grande fossa di sabbia e hanno sepolto al suo interno un tubo metallico, scansionandolo con un vero sistema radar. I dati grezzi della scansione mostravano il riflesso del tubo, ma era frastagliato e oscurato dallo statico. Dopo aver elaborato i dati con il loro metodo del lápis matriciale, l'immagine è diventata fluida e nitida. La curva iperbolica che indica un tubo sepolto, che è una forma standard nell'imaging radar, è diventata continua e facile da leggere. I ricercatori hanno misurato il miglioramento e hanno scoperto che la chiarezza dell'immagine è aumentata significamente, provando che il metodo poteva gestire condizioni fisiche del mondo reale, non solo modelli informatici.

Infine, il team ha portato il proprio metodo in un sito ingegneristico su larga scala per testarlo su un problema reale: controllare la qualità della malta dietro i segmenti di un tunnel a scudo. Nella costruzione di un tunnel, spesso esiste un vuoto tra gli anelli di cemento e la roccia circostante, che viene riempito con malta per stabilizzare la struttura. Se questa malta è mancante o irregolare, può portare al collasso del terreno. I ricercatori hanno scansionato una grande piattaforma di test progettata per simulare un vero tunnel, che conteneva diversi difetti artificiali, inclusi spazi vuoti e aree con malta insufficiente. Nelle immagini radar grezze, questi difetti erano nascosti dietro un muro di rumore, con solo i segnali più forti visibili. Dopo l'applicazione della tecnica di ricostruzione, i difetti nascosti sono emersi chiaramente. Persino i piccoli vuoti e le sottili anomalie vicino alle giunture del tunnel sono diventati distinti, permettendo agli ispettori di identificare potenziali pericoli che sarebbero stati ignorati altrimenti.

I risultati di questi test dimostrano che questo nuovo metodo è uno strumento potente per migliorare il modo in cui vediamo il sottosuolo. Concentrandosi sulla struttura matematica del segnale stesso, i ricercatori sono stati in grado di rimuovere il rumore ad alta frequenza senza sfocare i bordi dei bersagli. Ciò significa che gli ingegneri possono ora rilevare difetti più piccoli e strutture più profonde con maggiore fiducia. Che si tratti di garantire la sicurezza di un nuovo tunnel, localizzare un tubo sepolto o ispezionare il terreno alla ricerca di cavità nascoste, questa tecnica offre una visione più chiara e affidabile del mondo sotto i nostri piedi. Lo studio conferma che comprendendo la natura fondamentale del segnale, possiamo recuperare informazioni che prima erano perse nel rumore, trasformando un'immagine sfocata e incerta in una mappa precisa del sottosuolo.