1.一种基于最优小波基的地质雷达弱反射信号识别方法，其特征在于，包括以下步骤：S1)地质雷达信号的最优小波基分解：将地质雷达信号导入MATLAB软件平台，运用最优小波基对地质雷达信号进行小波分解，得到不同尺度空间下的小波分解尺度系数和小波系数；

S2)构造时域子信号：运用最优小波基对步骤S1得到的不同尺度空间下的小波分解尺度系数和小波系数进行重构变换，将小波分解尺度系数和小波系数转换成各尺度空间下的时域子信号；

S3)判定各时域子信号中的信号成分：根据工程结构设计图、地质资料以及地质雷达天线脉冲波形，判定各时域子信号中的目标反射波成分、多次回波成分及噪声成分；

S4)对步骤S3得到的时域子信号进行小波阈值去噪和预测反褶积处理；

S5)对步骤S4处理后的各时域子信号进行小波重构变换，得到小波重构变换后的地质雷达信号。

2.根据权利要求1所述的基于最优小波基的地质雷达弱反射信号识别方法，其特征在于，所述步骤S1中，将地质雷达信号导入MATLAB软件平台，运用最优小波基对地质雷达信号进行小波分解，得到不同尺度空间下的小波分解尺度系数和小波系数，包括：最优小基波的对偶尺度滤波器为：

对偶小波滤波器为：

上述新滤波器组形成新双正交小波基，即为GSSI地质雷达信号中用于多次回波与弱反射波有效剥离的最优小波基；

对于地质雷达信号f(t)，其小波分解公式表示为：

其中，j为尺度空间的层数，φj,k(t-k)和 分别表示第j层小波分解的尺度函数和小波函数，aj,k和dj,k分别表示第j层小波分解尺度系数和小波系数。

3.根据权利要求2所述的基于最优小波基的地质雷达弱反射信号识别方法，其特征在于，所述步骤S2中，将小波分解尺度系数和小波系数转换成各尺度空间下的时域子信号，包括：时域子信号的小波变换公式表示为：其中， 表示由第j层小波分解尺度系数转换成的时域子信号， 表示第j层小波分解小波系数转换成的时域子信号， 和 分别表示第j层小波重构的对偶尺度函数和对偶小波函数。

4.根据权利要求3所述的基于最优小波基的地质雷达弱反射信号识别方法，其特征在于，所述步骤S3中，判定各时域子信号中的目标反射波成分、多次回波成分及噪声成分，具体包括：S301)判定反射波成本：根据地质雷达天线脉冲波形，识别信号中的被测目标反射波；

S302)判定多次回波成分：根据工程结构设计图和地质资料，确定介质的空间位置，根据波的传播理论判定多次回波出现的时间及波形能量；

S303)判定噪声成分：地质雷达信号的高频噪声主要分布于高频带时域子信号 和

5.根据权利要求4所述的基于最优小波基的地质雷达弱反射信号识别方法，其特征在于，所述步骤S4中，对步骤S3得到的时域子信号进行小波阈值去噪和预测反褶积处理，具体包括：S401)对含有多次回波成分及噪声成分的时域子信号进行小波阈值去噪，小波阈值去噪的表达式为：其中，

ηmin表示Penalized阈值函数，Wh,v,d为水平、垂直和对角方向上的高频系数，median为中值滤波函数，ALPHA为调整参数， 和 表示小波去噪后的时域子信号。

S402)对含目标反射波成分的时域子信号进行预测反褶积处理，预测反褶积公式表示为：其中， 和 为时域子信号 和 的反射系数序列，a(t)为反褶积因子。

6.根据权利要求5所述的基于最优小波基的地质雷达弱反射信号识别方法，其特征在于，所述步骤S5中，小波重构变换公式表示为：其中，F(t)为小波重构变换后的地质雷达信号。