探地雷达(Ground Penetrating Radar,GPR)作为一种高效率、结果直观的浅层物理探测技术,以其无损、高分辨的特点,被广泛应用于环境工程、地质勘探等多个领域。由于地质环境复杂,电磁波在地下传播时又呈现了多变、衰减等规律,GPR接收的反射回波信号不可避免的混有噪声并被各种杂波所干扰,导致GPR技术涉及的理论面虽广,在应用领域的有效性却受到了制约。因此如何正确识别各种噪声和杂波,提取有用信息成为了GPR解释的重要环节,而这个问题的解决关键在于GPR数据的处理和分析。通过对现有GPR数据处理和分析方法的研究,本文发现现有的GPR数据处理多为单一的数据处理技术,目的多为提高数据信噪比,但也存在着不同的局限性。而后在对处理后的GPR数据进行分析的过程中,专业人员往往依赖于先验知识,导致探测结果存在误判、多解性的可能。尤其在面对探测背景复杂、数据量大的GPR数据时,这些处理和分析的方法和技术优劣更是成为了能否达到预期效果的关键。根据GPR技术的探测原理可知,GPR数据是来自于在采样脉冲等间隔出现的实时采样过程,具有时间序列特性,在时间序列分析领域,时间序列数据挖掘能有效的挖掘到数据蕴含的有用信息和知识,是近年来人们广泛关注的热点问题。因此,本文在对GPR数据的研究过程中,首先对现有几种GPR数据的数据处理方法的做了深入研究,然后结合时间序列数据挖掘方法,对GPR数据中的介质信息特征提取进行了分析,最后根据分析提取的特征对GPR数据进行模式分类,并将处理和分析结果通过视觉效果呈现出来,给专业人员提供直观、有效的解释依据,减少了误判、多解的可能性。本文主要工作包括:首先,针对现有的单一GPR数据处理方法的局限性,提出一种基于小波变换和EMD的自适应GPR数据处理方法,利用小波变换提取其高频信号,EMD提取其低频信号,将它们作为噪声输入到自适应滤波器中,从而对GPR数据进行处理,提高了GPR数据的信噪比,为下一步更好的提取有效的特征夯实了基础。其次,针对GPR数据缺乏先验知识的问题,结合GPR数据的时间序列特性,提出基于时间序列shapelet的构建GPR数据的局部特征描述子,通过时间序列shapelet对GPR道数据的特征序列进行提取,有效的提取了GPR数据中所含不同介质的特征信息,为后期模式分类奠定了扎实的基础。再次,针对GPR数据富含噪声或突变的特点以及GPR道数据中可能存在多种介质的情况,本文提出了基于子序列阈值的最近邻模式分类方法,在模式分类过程中设置子序列阈值并使用DTW度量进行最近邻分类,进而实现了GPR道数据中每段子序列的最近邻分类。最终,本文通过可视化方法视觉的呈现了GPR数据中不同介质分类效果图,为专业人提供了直观的解释依据。