Pilihan ini memungkinkan kontrol dari posisi vertikal refleksi permukaan, yaitu tempat dalam
waktu di mana pulsa radar meninggalkan antena, dan memasuki bawah permukaan. Oleh karena
itu dapat dianggap "waktu nol", dan posisinya harus di atas scan. Sistem GPR modern biasanya
disertakan dengan built-in utilitas, manual atau otomatis, untuk mengidentifikasi refleksi
permukaan dan menempatkannya benar di bagian atas jendela waktu. Cukup sering, sistem
lampaui, meninggalkan zona datar line Data di atas jejak (tidak ada sinyal). Refleksi besar tepat
di bawah zona Data datar akan permukaan refleksi. Kadang-kadang sistem undershoots atau
tidak benar diatur. Pada setiap tingkat, posisi yang tepat dari Waktu-nol diperlukan, jika lokasi
reflektor sub-permukaan mungkin salah mengartikannya. Pos penentuan perolehan waktu-nol
sebesar koreksi statis. matGPR menyediakan untuk Penentuan grafis dan penyesuaian waktu- nol
menggunakan "Trace Viewe
Ini akan menghapus ( as ) komponen aritmetik dari setiap bagian kecil dari gpr.
Standart AGC
Automatic Gain Control (AGC) adalah suatu proses dimana gain secara otomatis disesuaikan
dalam cara yang ditentukan, sebagai fungsi dari parameter yang ditentukan, seperti tingkat
sinyal. Dalam matGPR, waktu- level sinyal yang bervariasi diukur dengan amplitudo RMS
dihitung atas jendela waktu geser yang diberikan panjang.matGPR meminta panjang jendela di
nanodetik, dengan cara kotak dialog: Dengan skala amplitudo data di pusat jendela geser
sehubungan dengan RMS amplitudo jendela, proses memastikan bahwa rentang amplitudo
rendah ditekankan sehubungan untuk rentang dengan amplitudo tinggi. Informasi yang benar
(diukur) amplitudo hilang. Hasilnya tergantung dasarnya pada panjang jendela geser
AGC. Panjang pendek (misalnya sangat sedikit ns) akan memperkenalkan distribusi yang lebih
merata di amplitudo output jejak dan akan cenderung untuk mengolesi kuat refleksi. Di sisi lain,
jendela yang sangat panjang mungkin tidak memberikan amplifikasi yang memadai rendah
rentang amplitudo. Sejauh setiap set data yang memiliki kekhasan tersendiri, eksperimen
dianjurkan sebelum memegang data output
Gaussian AGC
Automatic Gain Control (AGC) adalah suatu proses dimana gain secara otomatis disesuaikan
dengan cara tertentu, sebagai fungsi dari parameter yang ditentukan, seperti tingkat
sinyal. Dalam matGPR, level sinyal waktu bervariasi diukur dengan amplitudo RMS dihitung
atas jendela waktu geser panjang yang diberikan. Namun, berbeda dengan jendela gerbong
sederhana operasi standar AGC dijelaskan di atas, varian ini menggunakan jendela gerbong
tertimbang (tapered) dengan fungsi bel Gaussian, yang luasnya adalah fungsi dari tingkat
kebisingan. matGPR akan meminta perkiraan tingkat kebisingan (jika diketahui, nol adalah
sosok diterima) dan panjang jendela AGC di ns. Dengan skala amplitudo data di pusat jendela
geser sehubungan dengan RMS amplitudo jendela, proses memastikan bahwa rentang amplitudo
rendah diperkuat sehubungan dengan berkisar dengan amplitudo tinggi. Namun, lancip Gaussian
menekankan kontribusi data sekitar pusat jendela, sehingga menghasilkan hasil yang lebih
terfokus dari standar AGC. Informasi dari benar (diukur) amplitudo hilang. Di sini juga, hasilnya
sangat bergantung pada panjang AGC sliding window. Sejauh setiap set data yang memiliki
kekhasan tersendiri, eksperimen dianjurkan sebelum memegang data output.
Inverse Amplitude Decay
Fungsi gain berlaku empiris yang sebenarnya mengimbangi atenuasi mean atau median pada
bagian 2-D GPR diamati. Prosedurnya:
a
Menghitung sinyal analitik untuk semua trace di bagian GPR, maka adanya amplitudo
sesaat.
Menghitung rata-rata dan fungsi atenuasi amplitudo rata-rata, yaitu masing-masing
Data GPR (apa yang kita sebut sistem suara) dan sinyal acak berbagai sinyal radar
yang diterima dari
bawah permukaan. Munculnya data sering ditingkatkan dengan menghapus banding
horisontal.
Mean Filter
matGPR menawarkan utilitas GUI (yangModel Builder ) untuk membangun model 2D untuk
pengolahan dengan Split-langkah dan Tahap-shift ditambah migrasi interpolasi
metode, serta untuk
pemodelan maju dengan BitridanGrandjeanini (1998) Split-langkah dan Irvingdan
Knight(2006) waktudomain algoritma beda hingga. Pada tahap perkembangan, model terdiri dari
ansambel
benda dengan poligonal atau melingkar lintas-bagian. Benda-benda bisa tumpang
tindih dan urutan
mereka diperkenalkan dalam model menentukan cara di mana mereka akan muncul
dalam model kecepatan (atau
apakah mereka akan muncul sama sekali). Program ini mempekerjakan depan ke
belakang hirarki: foreground objek akan
muncul keseluruhan dalam model; objek latar belakang tidak akan muncul sama
sekali jika mereka benar-benar dikaburkan atau akan
muncul sebagian jika mereka setengah tertutup (sebagian mereka terlihat). Oleh
karena itu, objek ditambahkan kemudian untuk
model diutamakan atas objek diperkenalkan sebelumnya! The (Model) Builder juga
menyediakan untuk
editing grafis dari bentuk objek dan properti (memasukkan, relokasi atau menghapus
simpul dan mengubah
Sifat EM, dengan tingkat tak terbatas undo). Berikut beberapa paragraf akan
memberikan dasar
deskripsi utilitas.