探地雷达的剖面图（B-scan）上，经常有一些横向几乎不变的条带或底色——直达波、天线环回响、系统本底。它们跟具体的地下反射没关系，却往往占了大头，把真正想看的弱反射压在下面看不清。背景去除就是想办法把这些共模背景估出来再减掉。

先跟 dewow 划清界限：dewow 沿时间轴（每道内部）去道自己的低频漂移；背景去除沿空间轴（道与道之间）去横向的共模背景。两者方向正交。统一写成一个公式就是 D − α·B̂——估一个背景 B̂，乘个强度系数 α 再减掉，alpha 默认 1.0 就是全减。

难点不在「减」，在「背景 B̂ 怎么估才估得准」。试下来几种路子各有擅长的场景。

mean / median：沿线平均，最朴素

最直接的是沿空间方向（跨道）求平均当背景。直达波这种几乎每道都一样的东西，一平均就冒出来了，减掉很干净。把均值换成中位数（median）就是 median 法，好处是抗异常——少数几道的强反射不会把整体背景带偏。

这一类对「横向基本恒定」的背景效果好。但雷达数据里的背景不总是规规矩矩水平的，有时候是斜的（剖面沿线有倾角）、有时候是周期性振铃（ringing），mean 沿线一平均，倾斜的条带平均不掉、振铃也对付不了，这时候就得换家伙。

SVD 低秩：背景本质是低秩的

换一个角度看：一条横向恒定的背景，在「道×时间」这个矩阵里其实就是秩为 1 的成分（每一道都差一个常数）。倾斜的条带也一样，本质还是秩 1，只是均值法没顺着它的斜路去减。

SVD 法就是利用这个——对数据矩阵做奇异值分解，最大那几个奇异值对应的，往往就是这些占大头的背景结构。砍掉前 k 个主分量（比如 k=1），用剩下的奇异值重构，背景就没了：

def _svd_background(data, k=1):
    U, S, Vt = np.linalg.svd(data, full_matrices=False)
    S[:k] = 0                      # 砍掉前 k 个最大奇异值
    return (U * S) @ Vt            # 重构 = 背景

它的好处是数据驱动，不假设背景水平——倾斜条带、振铃这种 mean 减不动的，SVD 砍掉对应的秩就干净了。代价是要算一次 SVD，数据大的时候比 mean 慢，工程上可以降到 float32 省时间。

f-k 频域：压掉低空间波数

还有一招是变换到频率-波数域（f-k 域）处理。思路是：横向缓变的背景，在空间频率（波数 kx）上表现为低波数成分——波长很长、变化很慢。反过来，局部反射是高波数。所以在 f-k 域把低空间波数（|kx| 小于某个截止 fk_kcut）的成分抠出来当背景减掉，留下的就是局部变化：

截止 fk_kcut 的单位是「每道多少个周期」，默认取 0.02 左右，大致意思是波长超过 50 道的才算背景。这招对横向恒定的背景特别彻底，残差能压到很小，同时局部凸起（真正的反射）原样留下。它跟 SVD 都是「空间低通当背景、减完得空间高通」的思路，f-k 是频域的砖墙低通，更锐利。

alpha：留一手护住连续界面

有个旋钮 alpha 得单独说，它控制减多少。默认 1.0 是全减，但有时候不能减这么狠。雷达里有一类东西是「连续的水平界面」——层间脱空、连续裂隙，它们本身就是横向延展的，长得跟背景很像。背景去除开满，会把这种连续界面也当背景一起抹掉，该看到的病害反而没了。

碰到这种情况就把 alpha 调小（部分减除），或者把窗开大、甚至关掉这一步。经验上是：要同时看钢筋点状反射和脱空这种连续界面，alpha 不能给到 1，得留一部分背景护住连续界面。这也是背景去除最容易翻车的地方——减得太干净，连该留下的东西一起干净了。

怎么选

水平静态背景（直达波最典型）→ mean 就够，又快又简单；剖面有倾角、有振铃 → 上 SVD；横向强缓变背景、想干净留局部凸起 → f-k；碰到连续水平界面型病害 → alpha 调小或跳过这一步。位置上，背景去除放在 dewow 和带通之后、增益之前。

背景去除的核心其实就一句话：背景和反射在「空间方向上的变化快慢」上不一样，背景慢、反射快，想方设法把慢的估出来减掉就行。mean 是最朴素的估法，SVD 和 f-k 是更聪明的估法，alpha 是防误伤的保险——选哪个，看背景长什么样、有没有不能误伤的连续界面。