[摘要] 在应用反射波法对异常体进行探测过程中，反射信号通常表现为高频但其能量十分微弱。本文所提出的小波比值算法，其基本原理是计算信号中的高频能量(一层或多层)与总能量之比，分析其变化规律可以有效的从低频高噪声背景中识别反射信号。最后通过应用实例进一步验证了这一方法的先进性和实用性。

[关键词] 小波比值；信号识别；反射波法

1 引 言

在应用地质雷达和浅层地震反射等物探方法探测异常体时，其基本原理是通过检测和分析异常体所产生的反射或散射信号，来判断异常体大小、形状和物性参数。根据惠更斯-菲涅尔（ Huygens-Fresnel）原理，传感器接收到的反射信号是异常体界面上各二次震源所产生的振动之和，反射波的形成与信号频率和菲涅尔带（Fresnel-Zone）密切相关。当条件具备时，异常体的特征尺寸越小产生的反射波信号频率越高。因此，在应用反射波法对浅部微小异常体进行探测时，反射信号通常表现为高频但其能量十分微弱。如何从很强的噪声背景中识别出微弱的反射波信号，是一个十分重要同时又迫切需要解决的问题。

1984年法国地球物理学家J. Morlet在分析地震数据时提出将地震波按一个确定函数的伸缩、平移系展开。随后与A. Grossman共同研究，发展了连续小波变换的几何体系。其后小波理论和应用研究迅速发展，1987年Mallat提出了小波多分辨分析的概念和相应的快速分解与重构算法。1988年，青年数学家Daubechies I. 提出了具有紧支集的光滑正交小波基—Daubechies基，由此将小波分析理论和实际应用推向了一个高潮^[1]。小波分析在信号识别和去噪处理中具有非常重要的作用，目前最常用的方法是首先选择一个小波，然后对信号进行多尺度分析。如果某一尺度细节信号中包含有噪声，一般应用阈值操作对其进行消噪处理，最后再进行小波重构，即可达到消除或衰减噪声的目的^[2~6]。然而在应用反射波法对浅部微小异常体进行探测时，由于反射与直达波和其它干扰相比能量十分微弱，在应用小波对信号进行多尺度分解之后，反射信号与噪声信号仍然很难区分，所以应用上述方法对信号进行去噪和识别常常得不到理想效果。通过分析研究反射信号形成机理，本文提出一种信号识别新方法—小波比值算法。应用结果表明，这一方法能够有效的识别弱反射信号，具有很强的抗噪声能力，值得进一步推广应用。