Blind deconvolution via sparsity maximization applied to GPR data
Résumé
Dans le cadre de méthodes de CND de la chaussée par radar, l'ondelette radar est convoluée par la fonction de réflectivité du milieu. Une déconvolution idéale consisterait à restituer la fonction de réflectivité précédente et à améliorer la résolution temporelle. Dans cet article, le modèle convolutif du signal observé est reformulé sous la forme d'un modèle multidimensionnel. Ceci permet d'appliquer la méthode d'analyse en composantes indépendantes (ICA) pour résoudre le problème de déconvolution aveugle. La non-linéarité de la fonction d'optimisation de la méthode est adaptée à la nature creuse/parcimonieuse de la fonction de réflectivité. La méthode est testée sur des données synthétiques puis sur des signaux expérimentaux. Les résultats obtenus démontrent l'amélioration de la résolution temporelle et la précision de mesure de cette méthode.