现有的GPR电磁波在层状体系中的传播模型和介质参数反演过程没有一个统一的机制,使得研究人员需要依赖简化公式或根据经验人工调试参数进行GPR信号分析。并且,当前关于层状体系参数反演的研究成果多数只适用于结构层单层厚度的检测,对多层厚度及结构层参数反演的研究结果还不够精确。因此,如何开展高效准确的反演优化策略研究一直是GPR领域的研究热点。本文将稀疏分解算法应用于GPR信号的时延、幅度估计,并利用估计的结果,根据电磁波在水平分层介质中的传播模型反演地下介质参数。关于信号的稀疏分解本文共介绍了基于Gabor字典的信号分解,K-SVD字典训练方法和贪婪算法中的OMP、ROMP、CoSaMP、SAMP四种算法。仿真实验结果证明基于Gabor字典的信号重构时间代价较大,重构精度最低,K-SVD花费时间也明显高于贪婪算法。本文共介绍了三种信号的时延、幅度估计方法,包括反卷积、基于能量比的layer stripping和自适应稀疏分解算法。反卷积算法利用时延匹配字典的逆和信号矢量的乘积估计反射系数,时延可根据反射系数的位置对应的字典中的原子选取。反卷积消耗时间较长,估计精度较高。基于能量比的layer stripping利用各分界面反射信号的能量和参考信号能量的比值以及根据波形直接提取的时延进行参数估计,该方法消耗时间最少,但是无法处理信号混叠的情况。自适应稀疏分解算法根据在迭代过程中选择的原子估计时延,并进行反射系数计算。在执行时间和估计精度间取得了较好的平衡,并且适用于信噪比很低的情况。当信号的幅度和时延都估计出后,即可根据电磁波传播模型逐层估计层状体系参数。实验结果证明,自适应稀疏分解方法不仅消耗时间较少,且反演精度最高,适用于层状体系参数反演。