基于深度学习的探月雷达对月面浅表层不规则形状介质预测

摘要

在月壤中掩埋的岩块几何形状和电性特征分布具有显著的不确定性,探月雷达(LPR)获得的回波信号的特征复杂,无法有效地对月壤内部结构进行精确的几何成像。该文提出一种基于主成分分析降维的深度学习数据处理方法,用于复杂月表以下岩石分布结构的快速数字化成像,可以直接建立回波信号特征与月岩几何拓扑的关联关系。首先基于Apollo探月任务返回的月岩样品照片,利用边缘检测等图像处理方法提取月岩介质的几何轮廓,构建含有月岩块体的地层模型;针对信息冗余的时域回波信号,采用主成分分析法对高维空间的回波数据进行降维处理,然后利用基于均方根传递(RMSprop)的反向传播算法构建针对月岩介质上表面轮廓和位置的拟合预测模型。仿真结果表明,对于掩埋的具有复杂几何特征和高介电常数的单月岩块地层结构,深度学习R-square确定系数可达到0.93,月岩上表面轮廓和位置预测结果与真实模型重合度较高;同时也对复杂多月岩随机分布模型进行了探索性神经网络几何重建建模和验证。此工作为后续地质科学领域开展基于数据驱动模型的地层成像相关研究提供了初步的参考。