探地雷达因其分辨率好、工作效率高、操作简便和无损伤探测的特点,被广泛应用于各种工程领域。深度学习是机器学习中的一个新兴的研究领域,深度学习能够对特征进行良好的表达,并且能自动地提取分所需要的特征。更重要的是能够在大规模数据处理中取得非常好的效果。深度学习能够很好地应用于探地雷达数据处理,并能有效地学习探地雷达图像的有效特征,将深度学习应用于探地雷达图像的处理,能够无监督地学习探地雷达图像,并有监督地进行图像分类。本文中,首先对探地雷达的电磁学原理、数据采集原理及探测性能进行研究。其次对深度学习的理论,深度学习的方法及限制玻尔兹曼机(RBM)模型进行研究。深度学习算法中的RBM模型相对比较容易学习,这种模型的算法克服了直接对多层网络进行训练的效率问题。因此,本文的后续实验仿真采用基于RBM构建的深度信念网络模型(DBN)并用于探地雷达数据处理。接着介绍了样本库的建立,实验的一些参数的设置以及RBM模型的构建。由于探地雷达图像是由电磁波反射形成的,为了能够更直观地表示探地雷达图像处理结果,采用softmax分类器对学习的探地雷达图像进行分类。最后通过对已建立好的样本库进行实验,采用DBN深度学习算法对探地雷达图像进行无监督学习,并采用wake-sleep算法进行微调,实验结果表明通过该方法能进行无监督地学习探地雷达数据,并能很好地进行分类。