BRPI0612902A2 - processamento de sinal interferométrico - Google Patents
processamento de sinal interferométrico Download PDFInfo
- Publication number
- BRPI0612902A2 BRPI0612902A2 BRPI0612902-1A BRPI0612902A BRPI0612902A2 BR PI0612902 A2 BRPI0612902 A2 BR PI0612902A2 BR PI0612902 A BRPI0612902 A BR PI0612902A BR PI0612902 A2 BRPI0612902 A2 BR PI0612902A2
- Authority
- BR
- Brazil
- Prior art keywords
- disturbances
- data
- term
- atmospheric
- coherence
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims abstract description 16
- 230000033001 locomotion Effects 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000007774 longterm Effects 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims description 43
- 238000005259 measurement Methods 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 17
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 238000007373 indentation Methods 0.000 claims description 12
- 230000000903 blocking effect Effects 0.000 claims description 11
- 230000000873 masking effect Effects 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims 3
- 230000000007 visual effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 description 7
- 239000011435 rock Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000010363 phase shift Effects 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000005305 interferometry Methods 0.000 description 2
- 230000001151 other effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004513 sizing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010063659 Aversion Diseases 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
PROCESSAMENTO DE SINAL INTERFEROMéTRICO. Método de tratamento de erro em um sistema de monitoramento de inclinação que gera dados de movimento de inclinação do processamento de sinal interferométriçO de imagens de radar do sistema de monitoramento de inclinação. O tratamento de erro ocorre em duas etapas. Os dados de movimento são corrigidos quanto a mudanças nas condições atmosféricas e perturbações são identificadas. é conveniente mascarar as regiões identificadas como perturbadas na tela dos dados de movimento corrigido. Perturbações típicas incluem perturbações de curto prazo, como caminhões, e perturbações de longo prazo, como vegetação.
Description
PROCESSAMENTO DE SINAL INTERFEROMETRICO
HISTÓRICO DA INVENÇÃO
O Radar de Estabilidade de Inclinação (SSR) é um radarinterferométrico com base no solo, projetado para detectaros movimentos precursores da falha na inclinação em minas acéu aberto. Ele obtém isto ao monitorar remotamente omovimento da face da rocha, e utilizar esses movimentospara prever a falha na inclinação. A região monitorada évarrida regularmente, produzindo uma avaliação próxima dotempo real da face da rocha e permite que o pessoal daminha reaja com rapidez a mudanças na face da /rocha. Paraalcançar o máximo de beneficio de segurança são necessáriasalta precisão e medições confiáveis.
Uma mina que utiliza o SSR está confiando nos dados demedição do sistema para avisos de segurança. Qualquerperturbação no sinal poderia, a menos que sejaidentificado, ser interpretado incorretamente como ummovimento de parede. Caminhões de carga e outros veículosde mineração podem bloquear a via entre o SSR e a seçãoalvo da parede. Equipamento de fabricação da mina, comobombas e usinas de iluminação poderão ser estacionadas emregiões da imagem. A grama e outra vegetação também poderãoestar crescendo na face no campo de visão do radar. Mesmo opróprio ar entre o SSR e a parece pode parecer induzirmovimentos quando há uma mudança na pressão atmosférica, naumidade ou na temperatura. Isto afeta o índice de refraçãodo ar e com isto a velocidade da onda de radar através domeio.
Todos esses efeitos reduzem a precisão das medições.
As perturbações regionais dos caminhões de carga muitasvezes encobrem os verdadeiros movimentos nessas áreas. Avegetação causa flutuações aleatórias no sinal, que poderiaser interpretado como movimento. Se a precisão de mediçãoreduzida de algumas áreas for deixada sem identificação, aconfiança do usuário para outras áreas mais estáveis daparede será reduzida. Finalmente, as mudanças atmosféricasparecem produzir movimentos globais em toda a parede que,se deixada sem compensação, pareceria como movimentosflutuantes da parede, e não permitiria que os verdadeirosmovimentos fossem detectados. Um fenômeno ainda pior para aatmosfera é que ela também pode produzir uma mudançapermanente no deslocamento medido devido a questões deambigüidade do sinal resultante do método de medição. Oresultado desses efeitos pode ser a falta de confiança pelousuário nas medições efetuadas pelo SSR. Para reconquistara confiança do usuário, esses efeitos precisam sercorrigidos ou removidos, ou pelo menos identificados eexibidos ao usuário.
Para permitir a compreensão e a identificação dessasperturbações é importante compreender o método de operaçãodo SSR. Isto foi descrito anteriormente em nossa Patentedos Estados Unidos concedida, de número 6850183. O SSRutiliza a fase do sinal retornado para determinar omovimento de uma inclinação de parede. Como foi explicadoem Reeves B.A. et al, "Developments in Monitoring MineSlope Stability using Radar Interferometry", IEEEPublication 0-7803-6359-0/00, pp. 2325-2327 e Bamler R. etal, "Synthetic aperture radar interferometry" InverseProblems. Vol. 14, pp 1-54 1998. a mudança de fase pode serconvertida para deslocamento utilizando a fórmula seguinte:<formula>formula see original document page 4</formula>
em que Ad é o deslocamento, Δ0 é a mudança medida nafase, X é o comprimento de onda da freqüência portadora doradar (32 mm) e η é uma integral desconhecida.
O parâmetro "n" corresponde ao número de ciclos decomprimento de onda que o alvo moveu entre varreduras. Parapequenos intervalos de tempo, supõe-se que isto seja 0.Como a fase é um número entre ±n, o resultado é que paraque a mudança na distância medida seja correta, a mudançada distância efetiva precisa ser inferior a ±λ./4 ou ±8 mm.Como resultado, os métodos de processamento precisam sertanto robustos para a remoção das perturbações na mediçãoda mudança de fase (e com isso no deslocamento) , bem comoser capaz de melhorar a precisão da estimação do "n"desconhecido dentro da fórmula de cálculo de deslocamento.
Uma das técnicas de processamento descritas emUS6850183 para melhorar a qualidade do sinal foi a correçãoatmosférica. Nesta técnica, uma única seção de referênciada parede foi utilizada para determinar o efeitoatmosférico sobre o sinal. Esta correção calculada foientão aplicada ao restante da parede. O processamentosimples com base nas mudanças na amplitude e na fase para adetecção de vegetação e de outros sinais espúrios, comocaminhões, também foi discutido.
Os problemas com a técnica conhecida para a rejeiçãode perturbações incluem:
* Grandes mudanças atmosféricas no ambiente poderãoinduzir um erro de envelopamento quando a diferença entremedições subseqüentes for maior que ±K/4 mm;
* À medida que o alcance para uma única região decorreção atmosférica aumenta, a chance de obter um erro deenvelopamento aumenta, assim limitando o alcance dosistema;
* Um movimento de parede na região de correçãoatmosférica produzirá um movimento aparente falso daparede;
* Um caminhão, vegetação ou outro tipo de perturbaçãona região atmosférica produzirá um movimento aparente falsoda parede;
* A única correção da região atmosférica funcionamelhor para alvos a um alcance similar. Se os alvos deinteresse são distribuídos por uma grande banda dealcances, a correção atmosférica não funciona efetivamente;
* As abordagens conhecidas não compensam por mudançasna temperatura ou outros efeitos na eletrônica do radar;
* Sinais perturbadores de caminhões e de outrosveículos da mineração podem causar mudanças de passo nasmedições de deslocamento, confundindo o usuário e tornandoo alarme automático difícil; e
* Vegetação na face da rocha reduz a precisão dasmedições de deslocamento para aquela localização,confundindo o usuário e reduzindo a confiança no resto dasmedições.
Identificar e rejeitar essas perturbações melhorarásignificativamente a precisão do SSR, aumentará a confiançana precisão da medição, e reduzirá o número de alarmesfalso positivos. Isto, por sua vez, melhorará a aceitaçãoda tecnologia SSR levando ao melhoramento na segurança damina.
REVELAÇÃO DA INVENÇÃOEm uma forma, embora não precise ser a única ou, naverdade, a forma mais ampla, a invenção reside em um métodode tratamento de erro no processamento de sinalinterferométrico para um sistema de monitoramento deinclinação com base no solo ao:
selecionar uma referência relativamente estável;extrair dados de movimentos não corrigidos dasmedições de radar interferométricos da referênciarelativamente estável;
corrigir os dados de movimentos não corrigidos pormudanças nas condições atmosféricas ao:
estimar a mudança na velocidade do sinal do radardevido a mudanças no índice de refração do ar; e
estimar o recuo induzido no alcance zero;
e exibir os dados de movimento corrigidos.
Adequadamente o método ainda inclui as etapas de:identificar perturbações nos dados de movimentoscorrigidos; e
exibir as regiões afetadas pelas perturbações.
Adequadamente as regiões afetadas pelas perturbaçõessão mascaradas.
As perturbações são adequadamente perturbações debloqueio causadas pelo bloqueio de curto prazo do sinal doradar, por exemplo, por caminhões e outros equipamentos, eperturbações aleatórias causadas por interferência a longoprazo, por exemplo, pela vegetação.
Identificar perturbações nos dados de movimento éadequadamente atingida ao detectar variações na coerênciade sinal de curto prazo e de longo prazo.
Em uma outra forma a invenção reside em um método decorreção atmosférica dos dados de movimento que compreendemúltiplos pontos de dados em um sistema de monitoramento deinclinação com base no solo, ao:
selecionar pelo menos uma região de correçãoatmosférica;
deduzir dados de deslocamento dentro da regiãoselecionada;
determinar o espaço de busca;
calcular a função de custo para uma grade de pontosdentro do espaço de busca;
utilizar um algoritmo de minimização para determinaruma correção e recuo da inclinação; e
aplicar a correção e recuo da inclinação aos dados demovimento.
Adequadamente a etapa de utilizar um algoritmo deminimização inclui:
calcular as mínimas locais dentro do espaço de busca eutilizar as mínimas locais para semear um algoritmo deminimização multidimensional para encontrar mínimasverdadeiras.
A invenção também poderá residir em um sistema demonitoramento de inclinação com base no solo que incorporaum módulo de correção atmosférica que efetua o método dacorreção atmosférica.
Em ainda outra forma, a invenção reside em um métodode tratamento de erro no processamento do sinalinterferométrico ao identificar perturbações de dados demovimento que compreendem múltiplos pontos de dados em umsistema de monitoramento de inclinação com base no solo ao:determinar a coerência a curto prazo para cada pontode dado;
calcular a média da coerência a curto prazo até umprimeiro limite e mascarar o ponto de dados se a coerênciaa longo prazo for inferior ao primeiro limite; e
comparar a proporção da coerência a curto prazo com acoerência a longo prazo com um segundo limite e mascarar oponto de dados se a proporção for inferior a um segundolimite.
O método poderá ainda incluir a etapa de comparar aamplitude do sinal do ponto de dados com um limite de céu eclassificar o ponto de dado como céu se a amplitude forinferior ao limite de céu.
Em ainda outra forma a invenção reside em um módulo dedetecção de anomalia e de correção para um sistema demonitoramento de inclinação com base no solo quecompreende:
um módulo de correção atmosférica que corrige asmedições de movimento de inclinação para as anomaliascausadas pelas mudanças atmosféricas; e
um módulo de detecção de perturbação que identifica asperturbações que causam erros nas medições de movimento dainclinação.
Adequadamente o módulo de detecção de anomalia e decorreção poderá ainda compreender entrada para o módulo decorreção atmosférica de um módulo sensor meteorológico.
DESCRIÇÃO SUCINTA DOS DESENHOS
A Figura 1 mostra uma esquemática de blocos das etapasde processamento de dados dentro de um Radar deEstabilidade de Inclinação ou sistema de monitoramentosimilar.A Figura 2 é um diagrama de fluxo que demonstra asetapas envolvidas em determinar a correção atmosférica paraaplicar a medições de radar.
A Figura 3 mostra um exemplo de selecionar o número deregiões estáveis na face para utilizar para correçãoatmosférica.
A Figura 4 mostra a dependência de alcance da mudançade fase com relação à correção atmosférica necessária, emconjunto com os problemas associados ao envelopamento deambigüidade.
A Figura 5 mostra a utilização conjunta do algoritmode dimensionamento de linha envelopada em conjunto com aponderação da função de custo dependendo da similaridadecom uma linha de melhor dimensionamento anterior.
A Figura 6 mostra um diagrama de fluxo que demonstraas técnicas para remover o efeito de bloqueio de caminhõese identificar a perturbação da vegetação do movimentoefetivo da parede.
A Figura 7 mostra sinais normais típicos quando domonitoramento dos movimentos de parede, indo de movimentospequenos a movimentos rápidos.
A Figura 8 mostra sinais típicos devido ao bloqueiodevido a caminhões e perturbação devido à vegetação. E
A Figura 9 mostra uma tela típica que mostra asregiões de bloqueio e de perturbação em conjunto com asmedições de deslocamento normais.
DESCRIÇÃO DETALHADA DOS DESENHOS
A Figura 1 retrata o fluxo de dados para uma unidadeSSR (radar de estabilidade de inclinação) 101. Dados deradar do módulo de radar 102, na forma de um número devarreduras da face rochosa, bem como dados de vídeo de ummódulo de vídeo 104 e dados atmosféricos do módulo sensormeteorológico externo 103 são alimentados dentro dosistema. A unidade de processamento de sinalinterferométrico 105 consiste de um número de módulos,incluindo o módulo de detecção de pico e de cálculo dedeformação 106, módulo de detecção e correção de anomalia112 que inclui o módulo de correção atmosférica 107 e omódulo de detecção de perturbação 108, e o módulo deacompanhamento do sinal de desenvelopamento 109. Após oprocessamento interferométrico os dados são combinados como sinal de vídeo 110 para correlação da imagem e posteriorprocessamento. Finalmente, os dados resultantes sãopassados para a tela e o módulo de previsão de falha 111.
Sinais do módulo de radar 102 são processados nomódulo de detecção de pico e de deformação 108 paraconvertê-los do perfil de alcance do radar para mudanças defase e de amplitude para os sinais mais fortes para aquelapegada. Daí os dados de deslocamento podem ser extraídos.Esses dados são então passados para o módulo de detecção ecorreção de anomalia 112. A finalidade deste módulo é paraeliminar, reduzir ou pelo menos detectar anomalias nosdados causadas por efeitos externos sobre o sistema. Essasperturbações incluem mudanças na atmosfera, veículos demineração como caminhões bem como a vegetação na face daparede. Sem este módulo movimentos falsos significativospodem aparecer nas imagens de deformação produzidas pelaunidade SSR, levando a uma suposição falsa de que a paredeestá se deslocando ou obscurecimento dos movimentosefetivos da parede. Ambos são falhas do sistemas aos olhosdo usuários. 0 módulo 112 utiliza os dados de deslocamentoe as amplitudes de sinal para determinar se a deformação éuma medida verdadeira do movimento da parede. Ele faz istoatravés de duas etapas: primeiro, o efeito da atmosfera éidentificado e corrigido no módulo de correção atmosférica
107. Sem a correção atmosférica, flutuações de até 30 mmpodem ocorrer nas imagens de deformação. Considerando queem um sistema típico, a precisão da medição é inferior a 1mm, este erro é completamente inaceitável. Segundo,perturbações mais localizadas são identificadas eeliminadas da imagem no módulo de detecção de perturbações
108. Sem ela caminhões podem perturbar temporariamente osinal, induzindo saltos nos dados de deformação, que sãodifíceis de identificar em comparação com movimentos deparede encadeados. O resultado do módulo 112 é um sinallimpo, isento de perturbações externas e que permite aousuário ver quando ocorrem os movimentos verdadeiros daparede.
A Figura 2 mostra um diagrama de fluxo para determinaros parâmetros de correção atmosférica e aplicar essacorreção às medições de radar calculadas pelo módulo dedetecção de pico e de cálculo de deformação 106. A correçãoatmosférica é alcançada adequadamente ao estimar doisparâmetros, a mudança em ppm (partes por milhão) navelocidade do sinal devido a mudanças no índice de refraçãodo ar e o recuo induzido pela eletrônica do radar ou outrosefeitos no alcance zero.
Os inventores verificaram que em muitos casos o efeitodo recuo é menos importante de modo que o recuo pode serrestringido a zero. Outra abordagem é determinar o recuoseparadamente, por exemplo ao medir a reflexão do radar dacorneta de alimentação, assim eliminando influências outrasque não a da eletrônica do radar.
Primeiro, os deslocamentos dentro das regiõesatmosféricas selecionadas (ver a Figura 3) são deduzidas201, produzindo um gráfico similar à Figura 4. Um espaço debusca é então definido 202 com base na inclinação e recuoanteriores (inicialmente fixado em zero para cada um delesna partida) , que é então marchetado em um número de pontosde grade, para determinar um ponto próximo da mínima 204.Essa grade de mínimas é então utilizada para semear umalgoritmo de minimização multidimensional 205 paradeterminar a mínima exata 206. Este recuo e inclinaçãocalculados são então utilizados para corrigir o restante daimagem de deslocamento 207.
A Figura 3 mostra uma seleção típica de regiõesatmosféricas para permitir a correção de mudançasatmosféricas no ar entre o radar e a parede. A tela daFigura 3 é uma retratação em escala de cinzas da telacolorida usual. A região 301 é uma região de interesse quese desloca ou espera que se desloque. Um número de regiões302 (separado da área que se desloca oü que se espera quese desloque 3 01) são selecionadas a vários alcances Al, A3,ou uma única região longa A2 poderia ser utilizada. Asregiões 302 devem estar dentro de uma região estável daparede. Essas áreas são muitas vezes determinadas peloengenheiro geotécnico local através de sua compreensão danatureza da face rochosa. A meta de selecionar um número deregiões atmosféricas é obter uma medida da correçãoatmosférica necessária de um número de pontos em alcancesdiferentes.
O requisito de ter uma indicação da região atmosféricaem um número de alcances diferentes é permitir que ainclinação e o recuo sejam estimados em um número dealcances. Isto é porque uma estimativa de curto alcanceserá menos precisa que uma estimativa a um alcancerazoável, mas também é menos provável que tenha a questãode envelopamento discutida abaixo com referência à Figura 4.
A Figura 4 apresenta uma representação gráfica daestimação ou do problema de envelopamento. Os pontos 4 05são medidos para vários deslocamentos dentro das regiõesatmosféricas para um intervalo de tempo dado. Os pontos 4 05são exibidos no gráfico com relação ao alcance 4 08 até oponto. Para pontos com alcance próximo, os pontos não sãoafetados por questões de envelopamento, no entanto, àmedida que o alcance até a região de correção atmosféricaaumenta, um ponto é alcançado em que a correção é maior quea ambigüidade do sistema (±λ./4 ou ±8 mm) 402. Isto é umaconseqüência do valor integral "n" na Equação 1. Paraestimar a inclinação 404 e o recuo 403, uma linha éencaixada nos pontos de correção atmosférica. Para espelharas questões de envelopamento com os pontos de dados, alinha 406 também é envelopada 407. A Figura 4 mostra umnúmero de pontos 4 05 encaixados na linha não envelopada 4 06e o envelopamento até a versão envelopada da linha 407. Umavez a inclinação e o recuo são determinados, isto éutilizado para corrigir o restante da imagem de deformação,em que a inclinação corresponde à mudança em ppm navelocidade do sinal eletromagnético do radar e o recuocorresponde a qualquer deslocamento de fase na eletrônicado radar (normalmente induzido por mudanças natemperatura).
Um processo para estimar uma linha que melhor seencaixa nos pontos de dados fornecidos pode ser mais bemcompreendido com referência à Figura 5. Uma função de custoé utilizada que é igual à estimativa da raiz quadrada médiada distância entre os pontos de dados efetivos 503 e aversão envelopada da linha. Um algoritmo de minimização éentão utilizado para testar um número de inclinações erecuos diferentes para encontrar aquele que melhor seencaixa nos pontos de dados.
Outra questão que precisa ser gerenciada dentro do,algoritmo é assegurar que a estimativa de inclinação e derecuo permaneçam dentro de limites dados. Se não houvernenhum limite colocado na inclinação é possível que oenvelopamento poderia aumentar a um ponto tal que poderáhaver uma solução em que uma linha altamente envelopadacaberá através de quase todos os pontos. No entanto estainclinação não é uma estimativa correta da mudança em ppmdevido à atmosfera. Para limitar o recuo e a inclinação,uma estimativa inicial 501 do recuo e da inclinação éutilizada. Isto pode ser determinado através do recuo einclinação anteriores, ou poderia ser calculado de mediçõesatmosféricas do módulo sensor meteorológico externo 103.Esta estimativa é primeiramente utilizada para limitar oespaço de busca. Medições atmosféricas também podem serutilizadas para corrigir erros de longo prazo devido aomovimento da região atmosférica.
Tanto quanto mudanças na atmosfera entre o radar e oalvo, outras perturbações externas podem ocorrer. Elaspodem ser classificadas em dois tipos, perturbações debloqueio e perturbações aleatórias. Objetos que bloqueiam ofeixe de radar por um curto período de tempo causamanomalias de bloqueio. No contexto da mineração, elesincluem caminhões de carga, outros veículos de mineração epessoal da mina. Objetos que induzem uma perturbaçãocontínua no feixe causam perturbações aleatórias. Elasincluem vegetação na face como a grama e árvores, bem comoequipamento de vibração permanente como as bombas d'água eusinas de iluminação. Uma perturbação aleatória também éuma janela com deslocamento muito rápido, em que a facerochosa está jogando rochas ou material ao acelerar até afalha.
Uma medida que é uma chave para a identificação eseparação dessas anomalias diferentes é a coerênciainterferométrica (ou coeficiente de correlação complexa).Isto é definido por Barnler (referenciado acima) como:
<formula>formula see original document page 15</formula>
em que E é o valor esperado, Ui é o sinal de radar complexono tempo 1, U2 é o sinal de radar complexo no tempo 2, e yé a coerência interferométrica resultante. A coerênciainterf erométrica é entre Oel em que 1 é alta coerência e0 baixa coerência.
Isto é calculado por uma zona ao redor do pico desinal para cada eco retornado da parede. A identificaçãodas regiões que contêm perturbações de bloqueio eperturbações aleatórias permite que essas regiões sejamdestacadas como não confiáveis e desconsideradas para finsde alarme. Como será evidente pela referência à Figura 9,também é importante identificar o céu e aplicar uma máscarapara ignorar o céu.
A Figura 6 mostra um diagrama de fluxo para aclassificação do céu, perturbações de bloqueio (caminhões)e perturbações aleatórias (vegetação). 0 processo segue dacorreção atmosférica descrita pela Figura 2. Inicialmente acoerência de sinal de curto prazo 601 e de longo prazo 602é determinada para cada ponto na parede. Isto é entãoalimentado dentro de uma matriz de decisão 603. Se o sinalé de baixa amplitude em comparação com o limite de máscarade céu definida pelo usuário 610, ela é classificada comocéu 607. A seguir a coerência a longo prazo é comparada 604com um limite de máscara de perturbação 611. Se a coerênciaa longo prazo for inferior a este nível, o ponto émascarado como perturbado. Finalmente, a proporção dacoerência a curto prazo com a coerência a longo prazo écalculada e comparada 605 a um limite de máscara debloqueio dado 612. Se a proporção calculada for inferior aolimite de máscara de bloqueio, o ponto é classificado comouma máscara de bloqueio 809. Se o ponto passa todos essestestes, ele é exibido da maneira usual 606.
É conveniente utilizar histerese no cálculo de limitepara todas essas decisões, assegurando que um ponto próximodo ponto limite não piscará entre mascarado e nãomascarado. Isto melhora a confiança do usuário na decisãode máscara.
A Figura 7 e a Figura 8 mostram típicos gráficos deresposta de sinal para um número de condições diferentes.Esses gráficos são um exemplo da resposta do radar para umúnico ponto dentro de uma área de interesse.
A Figura 7a retrata a resposta típica de uma parede demovimentação lenta 701. Para este sinal, a coerência dosinal 7 02 é razoavelmente constante, sendo próxima do valorideal de 1,9 e o deslocamento 703 aumenta niveladamente como tempo. Em contraste, a Figura 7b mostra uma parede 7 04que se movimenta mais rapidamente e demonstra aceleração706. A coerência 705 começa a se decompor, reduzindo depróximo a 1,0 quando a velocidade do movimento é pequenapara cerca de 0,5 quando a parede acelera. Para uma paredeem movimento rápido qualquer estimativa instantânea dacoerência é bastante variável, de modo que para permitirque decisões sejam feitas com maior confiabilidade, umasegunda medida é utilizada, a coerência de longo prazo.
Esta é uma versão suavizada da estimativa produzida pelaEquação [2] . Na Figura 7 e na Figura 8 são colocadas emgráfico tanto a coerência a longo prazo como a coerência acurto prazo.
A Figura 8 mostra as respostas típicas tanto paracaminhões como vegetação. Caminhões 8 01 produzem picos naplotagem de coerência 8 02, com uma diferença clara sendoobservada entre a coerência a curto prazo e a coerência alongo prazo. Muitas vezes também há um deslocamento 8 03associado a esses eventos. A vegetação 8 04 parece como umaperturbação permanente 805 ao sinal de coerência e um sinalde deslocamento errante 806. Como com a parede em movimentorápido, a coerência a longo prazo é o melhor determinadordesta anomalia.
Na Figura 9, é mostrada uma tela em tons de cinza deuma imagem de deformação típica. Dentro da região devarredura há um movimento normal, bem como um número demáscaras. A máscara de céu é exibida como preto, a máscarade perturbação 902 é mostrada como verde em uma telacolorida. A máscara de bloqueio 901 é mostrada como cinzaem uma tela colorida. Na imagem elas são mostradas comocores sólidas, mas alternativamente elas poderiam ser umaversão sombreada da cor de deslocamento normal para aquelaárea da parede, assim permitindo que o ponto sejaidentificado e o movimento exibido. Isto é especialmenteimportante para a masca de perturbação 902 pois isso podeser induzido por uma parede em movimento rápido. Outrasrepresentações poderiam incluir o bordejamento do pixel comuma cor dada. Todos os métodos de exibição focalizam empermitir que os usuários identifiquem o ponto, assimavisando-os de questões de medição para essas áreas naparede, assim retendo sua confiança na precisão dasmedições para o restante da parede.
Os métodos do processamento de sinal interferométricocorrigem as anomalias e as perturbações nos dados dedeslocamentos medidos causados por variação atmosférica,perturbações de bloqueio como o de um equipamento pesado eperturbações aleatórias como a da vegetação. Essascorreções aprimoram a precisão dos dados de deslocamentolevando a alarmes mais confiáveis e assim maior confiançado usuário. Por toda a especificação a finalidade tem sidoa de descrever as versões preferidas da invenção semlimitar a invenção a qualquer uma versão ou coleçãoespecífica de recursos.
Claims (24)
1. Método de tratamento de erro no processamento desinal interferométrico para um sistema de monitoramento deinclinação com base no solo caracterizado pelo fato de:selecionar uma referência relativamente estável;extrair dados de movimento não corrigidos das mediçõesde radar interferométricos da referência relativamenteestável;corrigir os dados de movimento não corrigidos paramudanças nas condições atmosféricas ao:estimar a mudança na velocidade do sinal do radardevido a mudanças em um índice de refração do ar; eestimar o recuo induzido no alcance zero;e exibir os dados de movimento corrigidos.
2. Método, de acordo com a reivindicação 1,caracterizado pelo fato de o recuo ser estimado como zero.
3. Método, de acordo com a reivindicação 1,caracterizado pelo fato de o recuo ser estimado pelamedição de um sinal de radar de uma corneta de alimentação.
4. Método, de acordo com a reivindicação 1,caracterizado pelo fato de a referência relativamenteestável ser uma seção relativamente estável de umainclinação.
5. Método, de acordo com a reivindicação 1,caracterizado pelo fato de ainda incluir:identificar perturbações nos dados de movimentocorrigidos; eexibir as regiões afetadas pelas perturbações.
6. Método, de acordo com a reivindicação 5,caracterizado pelo fato de exibir as regiões afetadas pelasperturbações incluir o mascaramento das regiões.
7. Método, de acordo com a reivindicação 5,caracterizado pelo fato de as perturbações seremperburbações de bloqueio causadas pelo bloqueio a curtoprazo do sinal de radar.
8. Método, de acordo com a reivindicação 7,caracterizado pelo fato de as perturbações de bloqueioserem causadas por veículos.
9. Método, de acordo com a reivindicação 5,caracterizado pelo fato de as perturbações são perturbaçõesaleatórias causadas por interferência de longo prazo.
10. Método, de acordo com a reivindicação 9,caracterizado pelo fato de as perturbações serem causadaspor vegetação.
11. Método, de acordo com a reivindicação 5,caracterizado pelo fato de as perturbações seremidentificadas nos dados de movimento corrigidos ao detectarvariações na coerência de sinal de curto prazo e de longoprazo.
12. Método, de acordo com a reivindicação 11,caracterizado pelo fato de ainda incluir a etapa decomparar a coerência a longo prazo de um ponto de dado a umlimite de máscara de perturbação e classificar o ponto dedado como perturbado se a coerência a longo prazo forinferior a do limite da máscara de perturbação.
13. Método, de acordo com a reivindicação 11,caracterizado pelo fato de ainda incluir a etapa decomparar a proporção de coerência a curto prazo à coerênciaa longo prazo de um ponto de dado até o limite da máscarade bloqueio e classificar o ponto de dado como máscara debloqueio se a proporção for inferior ao limite da máscarade bloqueio.
14. Módulo de detecção e de correção de anomalia paraum sistema de monitoramento de inclinação de radar com baseno solo, caracterizado pelo fato de compreender:um módulo de correção atmosférica que corrigemedições do movimento de inclinação obtidas utilizando oprocessamento de sinal interferométrico para as anomaliascaudadas por mudanças atmosféricas; eum módulo de detecção de perturbação que identifica asperturbações que causam erros nas medições do movimento deinclinação.
15. Módulo de detecção e de correção de anomalias, de.acordo com a reivindicação 14, caracterizado pelo fato de omódulo de detecção de perturbação mascarar regiões afetadaspelos erros.
16. Módulo de detecção e de correção de anomalias, deacordo com a reivindicação 14, caracterizado pelo fato deainda compreender entrada para o módulo de correçãoatmosférica de um módulo sensor meteorológico.
17. Método de correção atmosférica de dados demovimento compreendendo o processamento de sinalinterferométrico múltiplo de pontos de dados em um sistemade monitoramento de inclinação de radar com base no solocaracterizado por:selecionar pelo menos uma região de correçãoatmosférica;deduzir dados de deslocamento dentro da regiãoselecionada;determinar um espaço de busca;calcular a função de custo para uma grade de pontosdentro do espaço de busca;utilizar um algoritmo de minimização para determinar acorreção de inclinação e de recuo; eaplicar a correção da inclinação e do recuo aos dadosde movimento.
18. Método, de acordo com a reivindicação 17,caracterizado pelo fato de a etapa de utilizar um algoritmode minimização incluir calcular mínima local dentro doespaço de busca e utilizar a mínima local para semear umalgoritmo de minimização multidimensional para encontrarmínimas verdadeiras.
19. Método de tratamento de erro no processamento desinal interferométrico ao identificar perturbações de dadosde movimento que compreendem múltiplos pontos de dados emum sistema de monitoramento de inclinação com base no solocaracterizado por:determinar coerência de curto prazo para cada ponto de.dado ;calcular a média da coerência de curto prazo paradeterminar a coerência de longo prazo;comparar a coerência de longo prazo a um primeirolimite e mascarar o ponto de dado se a coerência de longoprazo for inferior ao primeiro limite; ecomparar a proporção da coerência de curto prazo àcoerência de longo prazo com um segundo limite e mascarar oponto de dado se a proporção for inferior ao segundolimite.
20. Módulo, de acordo com a reivindicação 19,caracterizado pelo fato de ainda incluir a etapa decomparar a amplitude de sinal do ponto de dado com umlimite de céu e classificar o ponto de dado como céu se aamplitude for inferior ao limite de céu.
21. Sistema de monitoramento de inclinação com base nosolo do tipo que compreende pelo menos um módulo de radarque gera medições de movimento interferométricos de umainclinação, caracterizado pelo fato de ainda compreender:um módulo de correção atmosférica que corrige asmedições de movimento de inclinação pelas anomaliascausadas pelas mudanças atmosféricas ao:selecionar uma referência relativamente estável;corrigir os dados de movimento não corrigidos para asmudanças nas condições atmosféricas ao:estimar a mudança na velocidade de sinal do radardevido a mudanças em um índice de refração do ar; eestimar o recuo induzido ao alcance zero.
22. Sistema de monitoramento de inclinação com base nosolo, de acordo com a reivindicação 21, caracterizado pelofato de ainda compreender:um módulo de detecção de perturbação que identifica asperturbações que causam erros nos dados de movimentocorrigidos.
23. Sistema de monitoramento de inclinação com base nosolo, de acordo com a reivindicação 21, caracterizado pelofato de compreender um módulo de vídeo que fornece imagensvisuais da inclinação.
24. Sistema de monitoramento de inclinação com base nosolo, de acordo com a reivindicação 21, caracterizado pelofato de a referência relativamente estável ser uma seçãorelativamente estável de uma inclinação.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| AU2005903785A AU2005903785A0 (en) | 2005-07-18 | Interferometric signal processing | |
| AU2005903785 | 2005-07-18 | ||
| PCT/AU2006/001013 WO2007009175A1 (en) | 2005-07-18 | 2006-07-18 | Interferometric signal processing |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| BRPI0612902A2 true BRPI0612902A2 (pt) | 2010-12-07 |
Family
ID=37668347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BRPI0612902-1A BRPI0612902A2 (pt) | 2005-07-18 | 2006-07-18 | processamento de sinal interferométrico |
Country Status (5)
| Country | Link |
|---|---|
| US (2) | US7768442B2 (pt) |
| BR (1) | BRPI0612902A2 (pt) |
| CA (1) | CA2615723A1 (pt) |
| WO (1) | WO2007009175A1 (pt) |
| ZA (1) | ZA200801561B (pt) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BRPI0612902A2 (pt) | 2005-07-18 | 2010-12-07 | Groundprobe Pty Ltd | processamento de sinal interferométrico |
| US8154435B2 (en) * | 2008-08-22 | 2012-04-10 | Microsoft Corporation | Stability monitoring using synthetic aperture radar |
| CN103354911A (zh) * | 2010-08-16 | 2013-10-16 | 地面探测器有限公司 | 作业区域监视器 |
| EA031233B1 (ru) | 2014-04-24 | 2018-12-28 | Эни С.П.А. | Способ и система удаленного контроля двумерного или трехмерного поля смещений и вибраций объектов и конструкций |
| US9354308B1 (en) * | 2014-12-05 | 2016-05-31 | Trimble Navigation Limited | Micro climate corrections for radar interferometry measurements |
| JP7076372B2 (ja) * | 2015-10-12 | 2022-05-27 | グラウンドプルーブ・ピーティーワイ・リミテッド | 斜面安定性ライダー |
| CN105717527B (zh) * | 2016-02-18 | 2017-11-17 | 河海大学 | 一种利用边坡变形数据快速确定监测点移动轨迹的方法 |
| US11460573B2 (en) * | 2017-12-18 | 2022-10-04 | Nec Corporation | Synthetic aperture radar signal processing device and method |
| WO2019119041A1 (en) | 2017-12-19 | 2019-06-27 | Groundprobe Pty Ltd | Production of slope deformation maps |
| US11754704B2 (en) * | 2019-03-29 | 2023-09-12 | Nec Corporation | Synthetic-aperture-radar image processing device and image processing method |
| WO2022040737A1 (en) * | 2020-08-25 | 2022-03-03 | Groundprobe Pty Ltd | Slope failure monitoring system |
| US11500086B2 (en) * | 2020-09-28 | 2022-11-15 | Mitsubishi Electric Research Laboratories, Inc. | System and method for tracking a deformation |
| CN114299402B (zh) * | 2022-03-07 | 2022-05-20 | 成都理工大学 | 隐患点自动识别方法、电子设备及计算机可读存储介质 |
| CN121274864B (zh) * | 2025-12-05 | 2026-03-10 | 山西大学 | 一种基于光纤数据的陆空双模态边坡监测方法、装置、电子设备及介质 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4101891A (en) * | 1976-11-24 | 1978-07-18 | Nasa | Surface roughness measuring system |
| US4518854A (en) * | 1982-06-17 | 1985-05-21 | Itek Corporation | Combined shearing interferometer and Hartmann wavefront sensor |
| US5208600A (en) * | 1992-03-02 | 1993-05-04 | Rubin William L | Glide slope surveillance sensor |
| ITMI991154A1 (it) | 1999-05-25 | 2000-11-25 | Milano Politecnico | Procedimento per misure radar di spostamento di aere urbane e zone franose |
| US6400306B1 (en) * | 1999-12-17 | 2002-06-04 | Sicom Systems, Ltd | Multi-channel moving target radar detection and imaging apparatus and method |
| AUPR187100A0 (en) * | 2000-12-04 | 2001-01-04 | Cea Technologies Inc. | Slope monitoring system |
| US6784826B2 (en) * | 2001-01-26 | 2004-08-31 | Tera Research Incorporated | Body motion tracking system |
| US6633254B1 (en) * | 2002-08-15 | 2003-10-14 | Bae Systems Information And Electronics Systems Integration Inc. | Self-modulating remote moving target detector |
| FR2849211B1 (fr) * | 2002-12-20 | 2005-03-11 | Inst Francais Du Petrole | Methode de modelisation pour constituer un modele simulant le remplissage multilithologique d'un bassin sedimentaire |
| US7656341B2 (en) * | 2005-02-09 | 2010-02-02 | Bryan Anthony Reeves | Noise augmented radar system |
| US8362942B2 (en) * | 2005-04-14 | 2013-01-29 | L-3 Communications Cyterra Corporation | Moving-entity detection |
| EP1902530A2 (en) * | 2005-07-13 | 2008-03-26 | Ramot at Tel-Aviv University Ltd. | Monitoring and mapping of atmospheric phenomena |
| BRPI0612902A2 (pt) * | 2005-07-18 | 2010-12-07 | Groundprobe Pty Ltd | processamento de sinal interferométrico |
| US7855640B2 (en) * | 2005-07-25 | 2010-12-21 | Groundprobe Pty Ltd | Method and system of determining alarm conditions |
| US7154434B1 (en) * | 2005-09-12 | 2006-12-26 | The Boeing Company | Anti-personnel airborne radar application |
| US7714765B2 (en) * | 2005-10-17 | 2010-05-11 | Groudprobe Pty. Ltd. | Synthetic aperture perimeter array radar |
-
2006
- 2006-07-18 BR BRPI0612902-1A patent/BRPI0612902A2/pt not_active IP Right Cessation
- 2006-07-18 WO PCT/AU2006/001013 patent/WO2007009175A1/en not_active Ceased
- 2006-07-18 CA CA002615723A patent/CA2615723A1/en not_active Abandoned
- 2006-07-18 US US11/988,821 patent/US7768442B2/en not_active Expired - Fee Related
-
2008
- 2008-02-15 ZA ZA200801561A patent/ZA200801561B/xx unknown
-
2010
- 2010-06-18 US US12/818,925 patent/US7898461B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| WO2007009175A1 (en) | 2007-01-25 |
| US7768442B2 (en) | 2010-08-03 |
| ZA200801561B (en) | 2009-01-28 |
| US20090121921A1 (en) | 2009-05-14 |
| US7898461B2 (en) | 2011-03-01 |
| CA2615723A1 (en) | 2007-01-25 |
| US20100289693A1 (en) | 2010-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7898461B2 (en) | Interferometric signal processing | |
| Travelletti et al. | Image-based correlation of Laser Scanning point cloud time series for landslide monitoring | |
| Chen et al. | Computer vision application programming for settlement monitoring in a drainage tunnel | |
| Huang et al. | An efficient method of monitoring slow-moving landslides with long-range terrestrial laser scanning: a case study of the Dashu landslide in the Three Gorges Reservoir Region, China | |
| Gabbud et al. | Lidar measurement of surface melt for a temperate Alpine glacier at the seasonal and hourly scales | |
| Soilán et al. | Road marking degradation analysis using 3D point cloud data acquired with a low-cost Mobile Mapping System | |
| CN109737883A (zh) | 一种基于图像识别的三维形变动态测量系统及测量方法 | |
| Theron et al. | Detection of sinkhole precursors through SAR interferometry: radar and geological considerations | |
| JP2021056008A (ja) | 地すべり領域検出装置及びプログラム | |
| Su et al. | Detect and identify earth rock embankment leakage based on UAV visible and infrared images | |
| Bordoni et al. | A methodology for ground motion area detection (GMA-D) using A-DInSAR time series in landslide investigations | |
| Davenport et al. | Characterizing errors in airborne laser altimetry data to extract soil roughness | |
| Feng et al. | Measurement of surface changes in a scaled-down landslide model using high-speed stereo image sequences | |
| Xie | Continuous measurement of sea ice freeboard with tide gauges and GNSS interferometric reflectometry | |
| Geist et al. | Investigations on intra-annual elevation changes using multi-temporal airborne laser scanning data: case study Engabreen, Norway | |
| CN117607865B (zh) | 一种地铁沿线形变检测方法、装置、系统以及存储介质 | |
| Mazzanti et al. | A new approach based on terrestrial remote-sensing techniques for rock fall hazard assessment | |
| Mao et al. | Layer detection algorithm for CALIPSO observation based on automatic segmentation with a minimum cost function | |
| Shirani et al. | Landslide monitoring and the inventory map validation by ensemble DInSAR processing of ASAR and PALSAR Images (Case Study: Doab-Samsami Basin in Chaharmahal and Bakhtiari Province, Iran) | |
| Rasouli et al. | Measurement of the refractive-index structure constant, C2n, and its profile in the ground level atmosphere by moiré technique | |
| Zhang et al. | A combined survey to evaluate the thermal behavior of loess for a landslide-prone slope on the Heifangtai terrace in Northwest China | |
| Qu et al. | Application of time series InSAR technique for deformation monitoring of large-scale landslides in mountainous areas of western CHINA | |
| Gagliardi et al. | Remote sensing monitoring of infrastructure in complex and coastal areas | |
| Taylor et al. | Operational mine monitoring with InSAR | |
| AU2006272449B2 (en) | Interferometric signal processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B08F | Application dismissed because of non-payment of annual fees [chapter 8.6 patent gazette] |
Free format text: CONFORME ARTIGO 10O DA RESOLUCAO 124/06, CABE SER ARQUIVADO REFERENTE AO NAO RECOLHIMENTO DA 3A ANUIDADE. |
|
| B08H | Application fees: decision cancelled [chapter 8.8 patent gazette] |
Free format text: REFERENTE AO DESPACHO 8.6 PUBLICADO NA RPI 2143 DE 31/01/2012. |
|
| B08F | Application dismissed because of non-payment of annual fees [chapter 8.6 patent gazette] |
Free format text: REFERENTE A 7A ANUI DADE. |
|
| B11Z | Dismissal: petition dismissal - article 216, par 2 of industrial property law | ||
| B08K | Patent lapsed as no evidence of payment of the annual fee has been furnished to inpi [chapter 8.11 patent gazette] |
Free format text: REFERENTE AO ARQUIVAMENTO PUBLICADO NA RPI 2216 DE 25/06/2013. |