探地雷达是物探技术中最常用的技术之一,利用探地雷达可以获得反映地下管线的成像剖面。但在实际探测中,噪声干扰往往会影响对目标信号的判断,导致管线识别错误。由于地下结构复杂以及设备自身局限,使得管线探测结果出现断裂、扭曲等意外情况。基于此,本文针对采集过程中探地雷达信号噪声问题以及探测过程中邻接B-scan数据之间的缺失值问题,对探地雷达数据的重构方法进行了研究。本文具体研究内容如下:（1）提出一种基于Curvelet变换的B-scan数据的相似性重构方法。该方法结合时间序列相似性搜索,基于Curvelet变换,利用凸集投影方法,借助时间信号频谱的共轭对称性来进行探地雷达数据的插值重构方法,从不完整的雷达数据中重构出完整的地下结构。相比于原始探测数据,经过插值重构方法所构建出的虚拟剖面弥补了相邻B-scan数据中的缺失值,有利于对区域整体结构的了解,对比了本文介绍的其他五种插值方法,该方法对于相邻B-scan数据间的判断更为准确,重构效果更好。（2）提出一种基于EMD分解和K-SVD的B-scan重构数据的信号优化重构方法。该方法将K-SVD算法和经验模态分解方法相结合,利用奇异值分解提高对相邻Bscan数据间虚拟剖面的整体分析能力,同时结合经验模态分解对于探地雷达数据信号的非平稳、非线性特征进行分解的能力,有效的提高了杂波抑制的效果,最后加入局部加权回归方法,平滑数据的同时大量的保留了双曲波的有效信号。实验结果表明,在噪声条件下,该方法不仅能够很好的优化噪声数据,而且对于原始B-scan数据中的杂波部分也展现出很好的抑制效果。（3）提出一种基于稀疏朴素贝叶斯的B-scan数据去噪重构方法。该方法构建了一个稀疏朴素贝叶斯的判别模型,结合稀疏性和信息熵增强朴素贝叶斯模型的分类性能,提取GPR采样点所在的水平和竖直方向上的时间序列数据作为模型的输入,通过计算每个采样点属于噪声点的后验概率来进行对采样点是否为噪声点的判断。结合双边滤波和维纳滤波的优点进行噪声去除,在有针对性的去除噪声的同时保留双曲波的有效信号。本实验使用不同浓度噪声的B-scan数据作为实验数据,与单一滤波方法相比具有较高的峰值信噪比,同时在去除噪声数据的过程中保留了双曲波数据。