近几年由于地下空洞引起的道路坍塌事故频发,要预防事故的发生,需要一种高效的道路检测手段,对道路无损害且高效的车载阵列式三维探地雷达是完成此项工作最适合的技术。但在实际空洞目标探测中,人工判读一人一天仅能判读3公里数据,车载阵列式三维探地雷达可支持在80km/h的速度下对道路进行探测,数据量巨大。针对以上问题,本文的研究分为两部分:阵列式三维探地雷达系统的设计与实现和基于机器学习的探地雷达地下空洞目标图像识别。本文所研究的探地雷达具有支持高速采集及三维成像的特点,采用上位机+主控板+采集系统三级设计,其中采集系统为探地雷达系统的核心,包括采集板和阵列式天线。本文对采集板的硬件设计及嵌入式软件设计进行详细介绍。采集板采用Kintex-7系列的FPGA作为主控芯片,采用高速AD芯片配合等效采样的方式来实现80km/h的高速情况下稳定、准确地采集地下回波信号。本文提出了一种采用探地雷达A扫描(A-scan)数据及C扫描(C-scan)数据相互配合的地下空洞自动识别算法。探地雷达采集A-scan数据含有丰富的时频信息,能反映信号的本质特征,且数据量小;C-scan数据可反映三维地下空间详细状况,包含信息更加丰富具体。本文先对探地雷达的A-scan数据进行特征提取,在探测范围较大的情况下,采用高斯混合模型-隐马尔可夫模型(GMMHMM)快速确定探测目标的粗略位置范围。再在确定范围内,充分发挥阵列式三维探地雷达系统的优势,对采集得到C-scan数据的水平切面图像进行特征提取,层层深入形成特征向量序列,对该序列采用GMM-HMM进行精确识别。最后对识别结果进行分析,证实了该方法的有效性。