混凝土结构是水下基础设施（如大坝、桥梁和港口）的关键组成部分，准确表征其内部夹杂物对于评估结构完整性和使用寿命至关重要。全球约有45%的在役海洋工程结构存在内部损伤[[1], [2], [3]]。超声波成像在评估具有缺陷或夹杂物的水下结构方面具有巨大潜力，使其成为水下检测的更可行方案。
已经出现了几种经典的超声波成像方法，包括脉冲回波法、时间反转镜法和全聚焦法。脉冲回波法通过发射超声波脉冲并分析反射信号来检测内部缺陷[4]。然而，其精度受到波长限制和固定超声波速度假设的影响。透射测试通过分析传输波强度的变化来评估内部状况[5]。这种方法需要复杂的换能器布置，不适用于现场应用。时间反转镜法通过记录散射波，将其在时间上反转后再重新发射，从而将能量聚焦在源位置[6]。尽管如此，这种方法仍然局限于局部检测。全聚焦法（Total Focusing Method，TFM）已成为工程检测中的主流技术，它利用超声波信号的动态聚焦来重建内部结构图像[7]。然而，其在异质混凝土中的成像性能受到材料均匀性这一固有假设的制约，这在探测结构复杂的介质时会影响空间分辨率。
为了解决混凝土异质性带来的挑战，人们开发了先进的基于波的重建技术。反向时间迁移（Reverse Time Migration，RTM）在混凝土检测中展示了巨大潜力。Müller等人[8]率先将RTM应用于土木工程，成功成像了合成混凝土中的倾斜界面和嵌入物体的下边界。Beniwal等人[9]通过聚焦场分析开发了RTM，有效区分了受损钢筋和完整钢筋的基本散射特性。Asadollahi等人[10]将干点接触换能器与RTM结合使用，实现了高质量的数据处理，同时将处理时间从几天缩短到几分钟，并大幅降低了内存需求。Grohmann等人[11]将RTM应用于复杂的混凝土试样，成功重建了几乎所有内部反射特征。
尽管RTM高效且快速，但它严重依赖于预定义的速度模型，仅产生互相关图像，本质上仍是一种定性成像工具。所得图像在涉及未知速度分布的结构复杂介质时，其精度高度依赖于预定义速度模型的准确性。因此，当RTM应用于实际工程中的阵列信号处理时，存在显著局限性。
正是这种定性成像与定量表征之间的差距，激发了人们对全波形反演（Full Waveform Inversion，FWI）方法的探索。FWI是一种重建内部速度场的成像方法，起源于地球物理学，用于解决模拟数据与观测数据之间的差异问题。FWI在多种应用中展现出卓越的高分辨率成像潜力。Cobden等人[12]将FWI方法应用于地幔，发现其在检测突然界面方面的适用性。Nguyen和Modrak[13]在频域开发了两步FWI策略，在桥梁甲板检测中实现了0.5毫米的缺陷定位精度。Liu等人[14]提出了一种基于深度学习的FWI方法，成功成像了密集层、断层和盐体等复杂地质结构。Jazayeri等人[15]结合稀疏盲反卷积和FWI反演表面数据，反演误差小于11%。Rao等人[16]将FWI应用于金属组件的重建，最终将密度误差从22%降低到5%。Schmid等人[17]在岩石或混凝土样本中应用FWI，其精度远超手动波形分析。
然而，传统的FWI在应用于水下混凝土的超声检测时面临挑战，包括模式转换、数值不稳定性和界面波的干扰。这些挑战限制了FWI方法的成像分辨率。
首先，异质混凝土的波场包含多种波模式。不同波模式之间的转换阻碍了FWI[18]。由于传统的FWI源自通常假设介质均匀性的地震分析，现有的FWI无法适用于由随机骨料、孔隙和微裂纹组成的混凝土，在波传播过程中存在复杂的散射和衍射[19]。模式转换显著增加了波场计算的复杂性和精度要求。Mahvelati等人[20]提出了一种分离压缩波和剪切波的方法。然而，该方法计算复杂且容易受到模式转换的影响。
其次，由于迭代过程中模拟数据与观测数据之间的差异过大，传统的FWI可能无法收敛。传统FWI高度依赖于初始模型和源信号。如果初始模型和源信号与真实值相差较大，梯度下降算法可能会陷入局部最小值，导致反演失败。由于换能器特性、耦合条件和介质衰减的影响，实际源信号与估计源信号之间不可避免地存在偏差。Zhang等人[21]发现，传统的线搜索方法在复杂波场中难以调整步长，导致收敛缓慢或发散。Kim等人[22]采用了两步反演方法，先反演低频带的背景速度场，然后优化高频带的局部缺陷。然而，这种方法仍然对初始模型敏感。Du等人[23]利用深度学习辅助构建初始模型，通过神经网络预测速度场。然而，这种方法依赖于大量训练数据，泛化能力有限。换能器的耦合条件、传播路径以及水下混凝土的强衰减导致实际激励信号与理想环境存在显著偏差。这种偏差，加上混凝土初始速度模型的未知性和高度异质性，容易导致反演过程陷入局部最小值，从而导致不收敛。
第三，界面波的干扰阻碍了传统FWI在混凝土表面的应用。测试对象与换能器之间的界面处信号强度很高，这与时间域中表面附近的反射和散射信号重叠[24]。传统FWI在混凝土中使用的高频超声波会经历严重衰减，导致深层反射信号较弱，进一步加剧了界面波在信号中的主导地位[25,26]。在处理此类信号时，传统FWI不可避免地优先拟合这些能量强的界面波，从而生成错误的速度场，掩盖了内部缺陷。一种常见的解决方案是设置时间窗口以直接去除早期信号[27]。然而，这种策略不可避免地丢失了同一时间窗口内对反演至关重要的有效反射信号。Chen等人[28]和Li等人[29]使用干点接触SH换能器将FWI应用于混凝土，实现了钢筋的高精度重建。
总之，传统的TFM和FWI在水下混凝土的高分辨率成像方面面临三个挑战：模式转换、数值不稳定性和界面波干扰。尽管之前的研究尝试了单独的解决方案，但没有一种能够在复杂的水下环境中实现稳健的高分辨率成像。本研究的核心创新在于提出了一个协调、系统的解决方案框架。该框架首次整合了：1）SH波激励，2）最优源估计，3）自适应界面波抑制，以及4）抛物线搜索算法。这种整合使四种技术相互补充，共同克服了上述三个挑战。本文的结构如下：第1节阐述了改进的FWI方法；第2节讨论了FWI的改进；第3节将改进的FWI应用于模拟数据；第4节对模拟和实验结果进行了定量评估；第5节总结了研究发现并指出了未来的研究方向。
