基于可视化技术设计实现雷达数据处理软件平台

大数据平台下的可视化分析系统设计与实现随着大数据时代的到来，企业和组织面临着海量数据的挑战和机遇。

为了从海量数据中获取有价值的信息，大数据平台下的可视化分析系统成为必不可少的工具。

本文将介绍大数据平台下的可视化分析系统的设计与实现。

一、设计目标大数据平台下的可视化分析系统的设计目标是通过可视化的方式帮助用户快速、直观地理解和分析海量数据，从而支持决策制定和业务优化。

具体地，设计目标包括：1. 提供直观的数据可视化界面，以便用户能够轻松地浏览和理解数据。

2. 支持多样化的数据展示方式，如表格、图表、地图等，以满足不同用户的需求。

3. 提供灵活的数据筛选和过滤功能，以帮助用户在海量数据中找到感兴趣的信息。

4. 支持交互式数据分析和探索，以便用户能够深入挖掘数据中的隐藏模式和规律。

5. 支持数据的实时更新和动态展示，以及数据的历史记录和比较分析。

二、系统架构大数据平台下的可视化分析系统的架构应该具备高性能、可扩展和易用性等特点。

一种常见的系统架构包括以下几个关键组件：1. 数据采集与存储：负责从各种数据源中采集、清洗和存储数据。

这一部分可以利用大数据平台的技术，如Hadoop、Spark等。

2. 数据处理与分析：负责对采集到的数据进行预处理、分析和建模。

这一部分需要结合统计分析、机器学习和人工智能等技术，提取数据中的有用信息。

3. 可视化界面：负责将数据处理和分析的结果以可视化的方式呈现给用户。

这一部分可以利用Web技术和数据可视化工具，如D3.js、Tableau等。

4. 用户交互与操作：负责接收用户的请求和操作，并与后台系统进行交互。

这一部分需要提供直观友好的用户界面和交互方式，如拖拽、下拉框、点击等。

5. 安全与权限管理：负责保障系统的安全性和数据的隐私性，同时管理用户的权限和角色。

这一部分需要结合身份认证和访问控制等技术，确保系统的可靠性。

三、实现过程大数据平台下的可视化分析系统的实现过程包括以下几个步骤：1. 数据采集与存储：首先，确定需要采集和存储的数据源，并设计相应的数据模型和表结构。

图1 机组负荷与节电率曲线图222.97元/MW·h（不含税），机组每年因电泵改造可增加经济收益175.46万元。

从降低供电煤耗的角度分析，参照改造前后的锅炉效率、汽机热耗率、厂用电率等数据来评估其节省煤耗。

在50%负荷工况下，电泵变频改造节省煤耗3.6g/kW·h；75%负荷工况下，电泵变频改造节省煤耗1.95g/kW·h；100%负荷工况下，电泵变频×由于雷达设备与GPS可能会出现时间上的偏差，因速度、角度对时间加修正的时间差值进行插值。

具体代所示，这样可以确保雷达与GPS图1 真值计算图2 时间修正插值2.2 数据剔除及精度计算 GPS数据和雷达数据在经过速度、距离、角度的插值计算后，想要精确计算各数据的误差，应该先将误差较大的错误点位数据排除掉。

根据规定的时间、速度、角度以及距离门限进行数据剔除，剔除原则为要求剔除剩余的数据在时间、距离、速度、角度上同时满足小于其3倍门限，将满足所有条件的数据按距离、速度、角度分别进行表格输出。

接下来就是借助GPS探测数据对雷达数据进行误差计算，使用均方根误差计算方法分别对距离、速度及方位角进行计算，具体算法为公式（4）～（6）。

根据需求另外计算误差还使用滑窗算法，设置窗口为变量，可以输入改变来进行控制窗口的大小。

（4）（5）（6）GUI界面设计图3 主界面点击Ⅰ型，进入Ⅰ型实验数据处理的计算功能界面4），界面中的输入框包含雷达架设点位的经纬度以及海拔高度，用于去除错误点位的时间、距离、角度门限，可以根据测量目标在大量GPS数据中进行筛选的距离范围，以及如果存在时间偏差的具体时间偏差值设置。

设置了三个用于计算的按钮，点击GPS进入到文件选择窗口，选择需要处理的GPS解算完成后会输出一个命名为GPS的data然后进行点击筛选探测值，选择刚才计算完成的文件以及雷达探测值文件，计算完成后会输出一个筛选图5 结果输出当点击Ⅱ型，由于Ⅱ型数中要求在计算精度时加入滑窗计算的方法，因此在此设计了包含文字介绍以及滑窗算法和均方根算法的两个绿色可点击的按键，两个按钮分别代表了两种雷达数据误差计算方法（图所需要算法的按钮进入选择探测的目标界面，如图图6 Ⅱ型主界面图7 探测目标选择界面根据数据的对象进行选择按键进入计算界面同一类型下所有探测目标计算界面相同，但回调程序不图4 Ⅰ型计算界面图8 Ⅱ型计算界面图9 结果输出用户图形界面经过上述测试没有问题后，进入该界面还是要运行一个M文件，而且仍需要借助MATLAB境运行才能使用，因此尽管封装完毕，仍然需要用户安装、打开MATLAB才能进行运行，也仍然不方便，毕竟不是每位用户都愿意安装及打开MATLAB。

激光雷达数据处理与地形图制作工具软件比较激光雷达（Lidar）是一种能够高效获取地球表面三维信息的技术。

它结合了激光技术和雷达原理，通过向地面发送激光束并测量反射返回时间来获取地形表面的点云数据。

这种数据可以用来生成高精度的地形图，用于各种应用领域，如地质勘探、城市规划、环境监测等。

为了对激光雷达数据进行处理和地形图的制作，科研工作者和工程师们开发了许多不同的软件工具。

本文将对几种常用的激光雷达数据处理与地形图制作工具软件进行比较。

首先，我们来介绍一种常用的激光雷达数据处理工具，即LASTools。

LASTools是一个开源的软件套件，提供了一系列用于激光雷达数据处理的工具。

它支持常见的激光雷达数据格式，如LAS和LAZ，并提供了各种功能，包括数据过滤、分类、点云修复、DEM生成等。

LASTools具有用户友好的界面和丰富的文档，使得用户可以轻松地进行数据处理和图形化展示。

另一个值得一提的激光雷达数据处理工具是FUSION。

FUSION是一个功能强大且广泛使用的软件包，特别适用于森林资源管理和生态学研究领域。

FUSION与LASTools类似，支持多种激光雷达数据格式，并提供了许多数据处理和分析功能。

它的主要特点之一是可以进行全球定位系统（GPS）和惯性测量单元（IMU）数据的处理和点云配准，这对于精确地获取地形数据非常重要。

除了以上两种工具之外，还有一种受欢迎的激光雷达数据处理和地形图制作工具是CloudCompare。

与LASTools和FUSION不同，CloudCompare是一个开源的三维点云处理软件，支持多种点云数据格式。

它具有强大的点云处理和分析功能，包括数据滤波、配准、重建等。

CloudCompare还支持多种数据可视化和导出方式，使用户能够更方便地进行数据展示和分析。

除了上述的激光雷达数据处理工具之外，还有一些专门用于地形图制作的软件。

其中一种是Global Mapper，这是一款功能强大的地理信息系统（GIS）软件，广泛用于地理数据的处理和分析。

机载激光雷达数据后处理软件（LiDAR_Suite）简介LiDAR_Suite是武汉天擎空间信息技术有限公司在国家高新技术发展计划项目基础上，开发的具有完全自主知识产权的机载LiDAR 数据后处理软件（如图1）。

图1：LiDAR_Suite 系统界面LiDAR_Suite 综合考虑了当前机载激光雷达数据处理与应用的实际，形成了一套从原始点云数据到高质量行业产品、成熟高效的机载LiDAR数据处理工艺流程。

LiDAR_Suite 功能齐全，性能稳定，提供了涵盖机载激光雷达数据预处理、基础共性处理和专业应用处理等三个处理层次的丰富功能。

具体包括：1)机载LiDAR 点云数据、影像、矢量及DEM 等多源空间数据的存取与可视化，提供了和主流LiDAR 数据处理软件、遥感影像处理软件以及GIS软件的数据接口；2)机载LiDAR 数据质量控制；机载LiDAR 系统检校、点云数据精度评价和点云数据的无缝航带拼接；3)海量点云数据的工程化组织管理及其自动批处理；集群环境下的点云数据快速处理；4)多种点云数据的自动滤波、分类算法，基于多模式和多视图的点云编辑精细分类，多模式和可视化的分类精度评价；5)基于机载LiDAR 点云的高质量数字高程模型和等高线生产；6)面向机载LiDAR 同机航空数码相机的整区域快速正射影像生产；机载LiDAR点云与非同机遥感影像的配准；7)电力行业应用：电力线提取与建模、电力设施周边地物要素采集、危险点间距量测等；8)数字城市应用：独立的子模块Building Modeler，实现城市建筑物三维模型的自动、半自动建立。

LiDAR_Suite采用了当前机载LiDAR最新数据处理技术，采用了模块化设计思想以及插件集成技术，在可视化、人机交互、易操作性、处理精度与效率等方面与现有商业化的主流机载激光雷达数据处理软件相比均具有一定的技术优势，并提供了灵活方便的、面向行业的二次开发功能。

LiDAR_Suite兼顾了先进算法自动化处理和人机交互的作用，使系统更具实用性；面向专业应用提供了测绘生产、数字城市建模、电力行业应用等功能。

第34卷第1期2019年2月成都信息工程大学学报JOUＲNAL OF CHENGDU UNIVEＲSITY OF INFOＲMATION TECHNOLOGYVol．34No．1Feb．2019文章编号：2096-1618（2019）01-0007-06基于Qt 的天气雷达数据处理软件系统设计及实现魏玮1，高必通2，杜宇飞3，倾鹏程4，龙桂才5(1．成都信息工程大学电子工程学院，四川成都610225;2．广东省连州市气象局，广东连州513400;3．重庆市防汛抗旱抢险中心，重庆401100;4．广东省中山市气象局，广东中山528401;5．广西壮族自治区梧州市气象局，广西梧州543002)摘要：在气象领域，天气雷达是观测降水过程的主要工具。

随着雷达技术的快速发展，中国新一代多普勒天气雷达开始逐渐升级改造为双线偏振雷达，提供更多的雷达偏振参量，从而更充分地分析天气过程的特征，并不断提高对暴雨、龙卷和冰雹等强对流天气过程的观测和预报能力。

为了适应雷达发展过渡期的需求，方便用户使用和查看不同雷达产品，设计了基于Qt 的多波段多型号雷达数据处理软件系统。

最终实现反射率因子、径向速度、速度谱宽、差分反射率因子、相关系数等基本数据产品和回波顶高、组合反射率因子、垂直积分液态水等衍生产品的生成和预览功能。

通过对产品效果进行验证，系统基本能满足使用需求。

关键词：新一代多普勒天气雷达;双线偏振雷达;Qt ;数据处理软件;基本数据产品;衍生产品中图分类号：TN957文献标志码：Adoi :10．16836/j．cnki．jcuit．2019．01．002收稿日期：2018-06-080引言雷达是一种电子设备，可以向空中发射并接收返回的电磁波。

由于电磁波接触到降水粒子等目标物时会发生散射现象，部分返回到雷达并被接收，由此可计算出目标物到雷达的距离、高度、速度及方位等信息。

雷达现在广泛应用到气象观测和预报，军事和航空监控等很多领域［1］。

GNSS和InSAR组合监测系统设计随着全球导航卫星系统（GNSS）和合成孔径雷达干涉测量（InSAR）技术的不断发展，这两种监测技术的组合应用越来越受到人们的关注。

组合使用GNSS和InSAR技术，可以实现高精度、高时空分辨率的地形变、沉降、位移等监测，适用于地质灾害预警、测量各种工程和建筑物的变形和运动等领域。

本文介绍了一种基于GNSS和InSAR组合监测的系统设计方案。

1. 系统框架该系统由GNSS接收机、InSAR传感器、数据处理软件和数据显示平台组成。

GNSS接收机主要用于获取目标区域内的位置信息，而InSAR传感器则可以实现地面形变的高精度监测。

数据处理软件用于将GNSS和InSAR数据进行配准和整合，生成高精度的变形图像。

最后，数据显示平台将变形图像以可视化的方式呈现给用户，使其能够直观地了解目标区域的地形变化情况。

2. GNSS测量方案GNSS接收机采集卫星信号，利用多普勒效应和不同卫星之间的信号延迟来确定接收机的位置。

在目标区域内选择一定数量的控制点（CP），通过对这些控制点的GNSS测量来获得目标区域的初始位置信息。

在后续的监测过程中，针对选定的控制点进行多次GNSS测量，以确定控制点的精确位置。

这些控制点可以用于校准InSAR监测结果，提高监测精度。

3. InSAR监测方案InSAR技术利用雷达波的相位差异来测量地表形变。

通过搭载在航天器上的SAR传感器收集一系列雷达波，构成干涉图像。

利用干涉图像中的相位信息，可以准确测量目标区域内的地形变化。

传统的InSAR监测需要进行大量的数据处理和校正操作，才能得到高质量的监测结果。

在本系统中，我们采用了一种基于差分InSAR（D-InSAR）技术的监测方案，大大简化了数据处理流程。

具体来说，我们首先在目标区域内选择两个参考点，利用它们之间的干涉图像进行校准。

然后使用相邻时刻的干涉图像进行差分，获得目标区域内的地形变化信息。

相邻干涉图像之间时差越小，监测结果的精度也就越高。

新一代天气雷达标准格式数据可视化监控系统设计与实现方法新一代天气雷达标准格式数据可视化监控系统设计与实现方法随着科技的不断进步，天气雷达已经成为现代天气预报的重要工具之一。

天气雷达通过利用雷达波束探测附近的天气情况，可以获得大气中的降雨、风速、风向等信息，为气象学家和气象预报员提供数据支持，从而更准确地预测未来天气情况。

而如今，新一代天气雷达标准格式数据可视化监控系统的设计与实现方法的研究也越来越引起人们的关注。

在过去，天气雷达数据主要以文本形式呈现，使得气象分析师需要花费大量的时间和精力来解读和分析数据。

然而，这种方式存在着很多的局限性，如数据处理速度较慢、数据表现形式单一等。

为了克服这些问题，新一代天气雷达标准格式数据可视化监控系统应运而生。

新一代天气雷达标准格式数据可视化监控系统是基于计算机技术和数据处理算法的结合，旨在提供更直观、更快速的天气数据分析和监控方式。

该系统采用雷达回波数据，并通过一系列的算法和处理流程，将原始的雷达数据转化成我们熟悉的图像，以便更好地展示信息。

这些图像包括降雨图、风场图、回波分布图等，使得气象分析师能够直观地了解当前和未来的天气状况。

在系统的设计和实现过程中，需要考虑以下几个关键问题：首先，数据处理算法的选择和优化是系统设计的重要环节。

针对不同的天气雷达设备和数据格式，需要选择合适的算法来进行数据处理和解析。

同时，还需要不断优化算法，提高数据处理速度和准确性。

其次，系统的可视化界面设计也至关重要。

系统需要提供直观、易于操作的界面，使得用户能够方便地浏览和分析数据。

界面的设计不仅要考虑美观，还需要兼顾实用性和用户体验。

此外，系统的可扩展性也是需要考虑的因素。

新一代天气雷达技术正在不断发展，未来可能会有更多的雷达设备被投入使用。

因此，系统需要具备较强的可扩展性，能够适应不同型号的雷达设备和数据格式。

为了验证系统设计与实现方法的有效性，可以进行实地测试和数据对比分析。

附件32021年全国行业职业技能竞赛——第二届全国人工智能应用技术技能大赛人工智能训练师（服务机器人人工智能技术应用）赛项竞赛要点一、赛项介绍（一）赛项名称人工智能训练师（服务机器人人工智能技术应用）赛项。

（二）技术思路对接新一代服务机器人发展战略规划以及人工智能技术发展方向，围绕服务机器人人工智能技术应用，进行赛项技术设计，旨在促进服务机器人人工智能技术在工业生产、社会生活服务等多场景中的推广应用，加快服务机器人与人工智能技术的融合及其人才培养。

赛项基于人工智能特征要素及其多种关键技术融合，以服务机器人为载体，进行人工智能技术赋能，展现服务机器人的人机交互及识别、环境感知、运动控制能力，着重体现人工智能技术在工业生产、公共服务、智能巡检等多领域中服务机器人的最新落地应用，以适应服务机器人人工智能技术应用新态势和发展需求，促进参赛选手的服务机器人应用场景开发、人工智能训练等综合职业能力的提升。

（三）竞赛依据本赛项主要参照中华人民共和国人力资源和社会保障部发布的《人工智能训练师国家职业技能标准》、服务机器人应用技术员新职业主要工作任务要求，结合工业生产社会服务场景和服务机器人人工智能技术及应用的发展状况，借鉴世界技能大赛命题、考核、评价方法，确定竞赛内容，组织统一命题。

（四）竞赛分组本赛项分为职工组和学生组两个竞赛组别，各组别均为双人组队参赛。

（五）竞赛用时本赛项共设置两个环节：理论考试、实操考核。

理论考试：竞赛时间为60分钟。

实操考核：竞赛时间为300分钟。

二、赛项技术描述（一）技术描述根据任务书要求和现场提供的服务机器人人工智能技术应用平台、服务机器人平台环境以及工具，选用典型的服务机器人载体，以人工智能技术、服务机器人技术、物联网技术、5G+技术、多机器人协作技术等作为支撑，要求选手在规定时间内完成服务机器人人工智能关键模块集成、服务机器人人工智能公共服务、服务机器人人工智能载运、服务机器人人工智能巡检等任务，考核参赛选手对服务机器人多工作场景中的应用能力，展现服务机器人与人工智能技术融合应用的新职业内涵要求。

1.项目背景传统的信号处理系统软件开发以编码为中心，在需求分析与设计初期通常采用文档进行描述。

当编码开始时，这些文档只能起到一些辅助或约束作用，并且随着项目推进，开发人员所编写的代码与文档之间的同步性变得越来越目自，甚至没有关联。

基于模型的软件开发，其核心思想是将模型作为软件开发过程中的主要产物，而将自动模型转换作为软件开发过程中不同阶段产物生成的主要手段。

模型对待开发的目标系统从不同角度进行高层次的抽象描述，从而使业务逻辑与具体软件实现相分离，这极大提高了软件开发的生产力，降低了沟通和变更成本，因此，已逐渐成为软件开发的一种主流方法。

2014年，对象管理组织提出的模型驱动架构 2.0(MDA，ModelDrivenArchitecture)，是一种指导软件开发的方法和思想，支持软件设计和模型的可视化、存储和转换。

MDA的核心是模型，因此需要有相应的建模语言来支撑其建模和验证。

统一建模语言(UML，UnifiedModelingLanguage) 由于其具有极好的扩展性和开放性，在软件工程领域取得了较大的成功。

国际系统工程学会和对象管理组织UML2．0的基础上进行重用和面向系统工程的扩展，定义了一种新的系统建模语言标准SysM L。

MDA的核心技术之一是模型转换，是一种将某个模型转换到系统中另一个模型的过程。

模型转换的方法有很多，比如基于规则的模型转换、基于模板的代码生成技术、基于元模型间映射的模型转换、基于模式的模型转换等。

ATLAS转换语言(ATL，ATLASTransforrnationLanguage)是一种基于规则的模型转换语言,既有描述性语言的特征，又含有命令式语言的内容。

2.开发流程参考模型驱动软件工程研究与应用领域的前沿思想和方法，并结合雷达信号处理系统软件开发的实际情况，将基于模型的软件开发流程划分为需求工程、概要设计、详细设计、软件实现以及软件测试五个阶段，其流程顺序及相关产物如图1所示。

雷达应用软件方案1. 引言雷达是一种通过发射和接收电磁波来探测目标的设备，广泛应用于军事、民用航空、气象等领域。

雷达应用软件是对雷达设备进行控制、数据处理和分析的关键部分。

本文档将介绍雷达应用软件的方案，包括主要功能、系统架构和关键技术。

2. 主要功能雷达应用软件的主要功能包括以下几个方面：2.1 控制雷达设备通过雷达应用软件，用户可以对雷达设备进行控制，包括雷达的开关、参数设置和模式选择等。

软件通过与雷达设备的通信接口实现与设备的交互，并可以实时监控设备的状态。

2.2 数据采集和处理雷达应用软件可以实时采集雷达返回的信号数据，并对其进行预处理、去噪和滤波等操作。

对于复杂的雷达信号，软件还可以进行功率谱分析、频谱分析和目标检测等处理，以提取有用的信息。

2.3 数据可视化和呈现雷达应用软件可以将处理后的数据以图表、曲线和地图等形式进行可视化展示，便于用户直观地观察和分析数据。

软件还可以支持数据导出和报告生成，以便用户进行深入分析和研究。

2.4 任务调度和资源管理雷达应用软件可以根据用户需求，灵活调度雷达设备的工作任务，实现不同模式和参数的切换。

软件还可以管理多台雷达设备的资源分配，提高雷达系统的利用率和效率。

3. 系统架构雷达应用软件的系统架构主要包括以下几个组件：3.1 用户界面用户界面是用户与雷达应用软件进行交互的窗口，包括图形界面和命令行界面。

用户通过界面可以进行雷达设备的控制和参数设置，以及查看数据分析结果等。

3.2 数据采集模块数据采集模块负责与雷达设备进行通信，实时采集雷达返回的信号数据。

该模块还可以对原始数据进行预处理，并将处理后的数据传输给数据处理模块。

3.3 数据处理模块数据处理模块对采集到的数据进行处理和分析，包括去噪、滤波、谱分析和目标检测等操作。

该模块还可以将处理后的数据传输给数据可视化模块进行展示。

3.4 数据可视化模块数据可视化模块将处理后的数据以图表、曲线和地图等形式进行可视化展示，方便用户观察和分析数据。

一、概述随着科技的不断发展，雷达技术在军事、航空、气象等领域得到了广泛的应用。

X波段雷达作为一种常见的雷达型号，在数据处理方面也越来越受到关注。

Python作为一种强大的编程语言，已经成为科学计算和数据处理的首选工具之一。

本文将介绍X波段雷达数据处理在Python中的应用，以及相关的处理方法和技术。

二、X波段雷达数据处理概述1. X波段雷达数据的特点X波段雷达是一种电磁波频段较高的雷达，其频率范围在8GHz到12GHz之间。

它具有分辨率高、穿透能力强等特点，因此在地质勘探、气象观测、航空监测等领域得到了广泛的应用。

X波段雷达数据通常包括回波强度、相位信息等多个维度的数据，需要进行复杂的处理和分析。

2. X波段雷达数据处理的挑战X波段雷达数据处理面临着诸多挑战，包括数据量大、复杂度高、噪声干扰等问题。

如何有效处理和提取X波段雷达数据中的有用信息，是当前研究和应用中的重要问题。

三、X波段雷达数据处理的Python工具1. NumPyNumPy是Python中用于科学计算的基础库，可以进行高效的数组计算和数据处理。

对于X波段雷达数据中的矩阵运算、统计分析等操作，NumPy提供了丰富的函数和方法。

2. SciPySciPy是建立在NumPy基础上的科学计算库，提供了更多的科学计算工具和算法。

在X波段雷达数据处理中，SciPy可以用于信号处理、滤波、傅里叶变换等操作。

3. MatplotlibMatplotlib是Python中用于绘制图表和可视化数据的库，可以将X波段雷达数据处理的结果以直观的图形呈现出来。

四、X波段雷达数据处理的常用方法1. 数据读取与预处理在对X波段雷达数据进行处理之前，首先需要对数据进行读取和预处理。

Python提供了多种数据读取和处理的方法，可以方便地将X波段雷达数据导入到Python环境中，并进行预处理操作，如数据清洗、缺失值处理等。

2. 数据分析与特征提取对X波段雷达数据进行特征提取是数据处理的重要步骤。

地质雷达软件RADAN用户手册美国地球物理测量系统公司美国劳雷工业公司2010年10月67/ 1RADAN处理软件安装安装采集软件RADAN66和RADAN5，并且激活采集软件serial number输入软件序列号:radan代码ID输入处理软件产品计算获取软件激活码67/ 2Windows 7 系统安装radan 5安装radan程序，找到setup.exe鼠标右键要求以系统管理员身份运行；RADAN软件第一次运行要以系统管理员身份打开。

Windows 7 系统调整显示效果选择控制面板->所有控制面板项->显示->更改配色方案->windows经典->高级，对话框如下：选择颜色67/ 3颜色->->设置红绿蓝桌面项目->67/ 4资料整理1打测量，布置网格和测线，数据采集2数据拷贝与备份：从地质雷达主机把数据复制在个人电脑上，并利用2种以上存储介质对原始数据进行备份。

3野外记录整理：整理野外记录本（包括各种参数，利用数码相机或者扫描仪对原始纪录扫描拍照，并制作成PDF格式文件便于日后随时查看野外现场原始资料），工作照片，收集的各种第三方资料（设计图纸、设计厚度、第三方检测资料），现场钻孔资料（里程桩号、芯样实物和照片、长度）。

利用钻孔资料反算电磁波传播速度或者材料介电常数。

4数据编辑与初步整理RADAN5资料处理RADAN6资料解释7图片制作8探测报告编写67/ 5I GSSI地质雷达探测资料处理流程图数据备份,资料整理,资料处理,资料解释打RADA软1增益调1叠加去(*.dzt)读入数据文文件编--剪1背景去剖面方向调频谱分距离归一1一维垂直滤1反褶添加起始里程桩1剖面追速度分剖面水平拉伸、压1偏移归调整地面时间零1希尔伯特变静态校2交互式解1高程修10时间深度转换67/ 6II GSSI处理软件功能模块介绍基本工具打开数据文件，显示雷达数据剖面。