Resumen

El radar de penetración en el suelo (GPR) es una potente herramienta para detectar objetos enterrados bajo tierra. Sin embargo, la interpretación de las señales adquiridas sigue siendo una tarea ardua, ya que se requiere un usuario experimentado para gestionar toda la operación. Especialmente difícil es la clasificación del tipo de material de los objetos subterráneos en un entorno ruidoso. Este artículo propone un nuevo método de extracción de características. En primer lugar, la transformada wavelet discreta (DWT) transforma los datos de A-Scan y se extraen los coeficientes de aproximación. A continuación, se utiliza la transformada fraccional de Fourier (FRFT) para transformar los coeficientes de aproximación al dominio fraccional y se extraen las características. Las características se suministran a los clasificadores de la máquina de vectores de soporte (SVM) para identificar automáticamente el material de los objetos subterráneos. Los resultados de los experimentos muestran que el sistema SVM basado en características propuesto tiene un buen rendimiento en precisión de clasificación en comparación con el sistema SVM basado en características estadísticas y de dominio de frecuencia en entornos ruidosos y la precisión de clasificación de las características propuestas en este trabajo tiene poca relación con los modelos SVM.

• Materias:Ingeniería electrónica Codificación de video Procesamiento de señales asistido por computador Informática Procesamiento de datos
• Subjects:Electronic engineering Video Coding Signal processing computer-assisted Computing Data processing
• Palabras claves:características, sistema svm, coeficientes de aproximación, precisión de clasificación, entorno ruidoso, nuevo método de extracción de características, transformada wavelet discreta, transformada fraccional de fourier, característica en el dominio de la frecuencia, máquina de vectores soporte
• Keywords:features, svm system, approximation coefficients, classification accuracy, noisy environment, new feature extraction method, discrete wavelet transform, fractional fourier transform, frequency domain feature, support vector machine