提出了全极化探地雷达的思路，发展了正演模拟算法（冯晅等，地球物理学报，2011），建立了硬件系统（Xuan Feng et al., IEEE IGARSS, 2011），突破了传统探地雷达的单极化思维。传统探地雷达仅获取单分量共极化数据，而全极化探地雷达能够获取两个分量的共极化数据和一个分量的交叉极化数据，构建散射矩阵。数值模拟和物理实验结果均表明，它能更加精确的判断地下目标的结构和方位等信息。2012年研发了全极化探地雷达的校正技术（Xuan Feng et al., IEEE J-STARS, 2012）,压制系统噪音和环境干扰，获得了地下目标的散射矩阵。2021年揭示了粗糙地表产生的感应场旋转干扰的影响，并通过数值模拟获得了判别线性目标体是否需要进行感应场旋转校正的模板。
图1 全极化探地雷达粗糙面感应场旋转研究
在此基础上，计算了地下目标的Pauli特征矢量和Lexicographic特征矢量，引入了H-Alpha分解和Freeman分解技术，融合探地雷达偏移成像技术，建立了以地下目标散射矩阵的相干矩阵和协方差矩阵分析为核心的，全极化探地雷达地下目标极化属性分析技术。研发了全极化探地雷达Freeman分解算法（Xuan Feng et al., Signal Processing, 2017），和全极化探地雷达H-Alpha分解算法（Xuan Feng et al., IEEE TGRS, 2015；Zejun Dong, Xuan Feng* et al., IEEE TGRS, 2021）。传统探地雷达主要依靠反射剖面形态来区分地下目标，对于形态近似目标以及微小尺度结构难以区分识别。而新的技术在传统反射剖面的基础上，利用RGB色彩等技术增加了新的极化旋转信息的表达，展现出了对形态近似目标以及微小尺度结构更好的分类识别能力，较大的提高了探地雷达的地下目标分类识别能力。
图2 地下目标体极化偏移成像
考虑到极化雷达遥感技术主要针对地面目标，而探地雷达主要针对地下目标。深入研究了雷达波在地下复杂介质中的传播特征，揭示了雷达波在地下传播过程中的极化旋转机制（ZeJun Dong, Xuan Feng* et al., IEEE TGRS, 2021），发现了地下粗糙界面影响雷达波极化方向的定量规律。雷达波在地下传播过程中会遇到较强的衰减和干扰，反射或散射带回的极化旋转信息的信噪比相对较弱。在分析雷达波地下传播机制和详细计算不同能量噪音干扰的基础上，研发了针对地下目标的新的H-Alpha分类模板（Yue Yu, Chi-Chih Chen, Xuan Feng* et al., IEEE J-STARS,2017）。与传统的H-Alpha分类模板相比较，能更好的适应强干扰环境下的地下目标分类识别。
尽管新的模板能更好的适应探地雷达地下探测的应用场景，但是分类模板的建立仍然是以极化雷达遥感技术为基础进行修正而来。候选人引入机器学习方法，针对地下目标干扰较大的问题，采用粒子中心算法改进了支持向量机技术，发展了粒子中心支持平面算法，研发了以数据为基础建立H-Alpha分类模板的技术（Xuan Feng et al., Remote Sensing, 2019），摆脱了雷达遥感机制的限制，极大提高了对地下管状目标的分类识别精度。
图3 基于粒子中心的全极化探地雷达目标体分类识别
[1] Haoqiu Zhou, Xuan Feng*, Chunyu Ding*, Zejun Dong , Cai Liu, Yan Zhang, and Zhiguo Meng, Yutu-2 Radar Sounding Evidence of a Buried Crater at Chang’E-4 Landing Site. IEEE Transactions on Geoscience and Remote Sensing. 2021, https://doi.org/ 10.1109/TGRS.2021.3090528；
[2] Z. Dong, X. Feng*, H. Zhou, C. Liu and M. Sato, "Effects of Induced Field Rotation From Rough Surface on H-Alpha Decomposition of Full-Polarimetric GPR," IEEE Transactions on Geoscience and Remote Sensing, 2021, doi: 10.1109/TGRS.2021.3052547;
[3] X. Feng, H. Zhou, C. Liu, Y. Zhang, W. Liang, E. Nilot, M. Zhang, Z. Dong, “Particle Center Supported Plane for Subsurface Target Classification based on Full Polarimetric Ground Penetrating Radar,” Remote Sens., 11(4), 405, 2019.
[4] Yue Yu, Chi-Chih Chen, Xuan Feng*, and Cai Liu, Modified Entropy-Based Fully Polarimetric Target Classification Method for Ground Penetrating Radars (GPR), IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, DOI： 10.1109/JSTARS.2017.2742939;
[5] Xuan Feng, Wenjing Liang, Cai Liu, EnhedelihaiNilot, Minghe Zhang, Shuaishuai Liang, Application of Freeman decomposition to full polarimetric GPR for improving subsurface target classification, Signal Processing, 2017, doi:10.1016/j.sigpro.2016.07.030;
[6] Xuan Feng, Yue Yu, Cai Liu, Michael Fehler, Combination of H-Alpha Decomposition and Migration for Enhancing Subsurface Target Classification of GPR, IEEE Transactions on Geoscience and Remote Sensing, 2015, VOL. 53, NO. 9 : 4852-4861;
[7] Xuan Feng, Yue Yu, Cai Liu, Michael Fehler, Subsurface polarimetric migration imaging for full polarimetric ground-penetrating radar, Geophysical Journal International, 2015, doi: 10.1093/gji/ggv208;
[8] Xuan Feng, LiLong Zou, Qi Lu, Cai Liu, WenJing Liang, and Zheng-Shu Zhou， Calibration with High-order Terms of Polarimetric GPR, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012, Vol.5 (3): 717-722;
[9] 冯晅, 邹立龙, 刘财, 鹿琪, 梁文婧, 李丽丽, 王世煜，全极化探地雷达正演模拟，地球物理学报，2011年2月， Vol. 54 (2): 349-357
