update README_CN.md.

Signed-off-by: 葛峻恺 <202115006@mail.sdu.edu.cn>

README_CN.md

@@ -1,4 +1,4 @@
-### **🔍 基于深度学习的探地雷达源无关全波形反演程序** 
+## **🔍 基于深度学习的探地雷达源无关全波形反演程序** 
 
 本项目为一个基于 PyTorch 实现的探地雷达（GPR）源无关全波形反演（FWI）框架，采用深度学习方法实现地下介电常数模型的重建。该方法适用于冻土环境或起伏地层下的GPR探测任务。
 
@@ -8,7 +8,8 @@
 
 开发语言: Python 3.10.4 
 
-### 📌 主要特点:
+
+## 📌 主要特点:
 
 🚀 源无关反演：反演程序能够适应不同GPR源子波条件下的全波形反演。
 
@@ -19,7 +20,7 @@
 📉 支持功能全面：包括初始模型输入（可选）、时深转换、深时转换、劳雷探地雷达格式数据的转换和初步处理（依赖readgssi软件包）等。
 
 
-### 📂 项目结构
+## 📂 项目结构
 
 GPR-SIDL-inv/
 
@@ -84,7 +85,7 @@ GPR-SIDL-inv/
     └── README.md                      # 项目说明文件（本文件）
 
 
-### 💡 硬件要求
+## 💡 硬件要求
 
 请根据自身需求选择合适的硬件设备。本项目已在以下配置下完成测试，仅供参考：
 
@@ -94,12 +95,13 @@ GPR-SIDL-inv/
 
 显卡：NVIDIA RTX 3070 Ti Laptop GPU，显存7.8 GiB
 
-### 📚 软件环境
+
+## 📚 软件环境
 
 本项目无需额外软件，所有依赖项均可通过 requirements.txt 安装。
 
 
-### 🛠️ 安装步骤
+## 🛠️ 安装步骤
 
 ### 1. 克隆项目仓库
 
@@ -115,7 +117,8 @@ cd GPR-FWI-DeepLearning
 
 pip install -r requirements.txt
 
-### 📊 使用说明
+
+## 📊 使用说明
 
 本项目提供了调用 gprMax 生成自定义数据集的接口程序。如需自行生成数据集，可从第一步开始执行；若已有模拟数据集，可跳过前三步。第4至第6步用于对实测数据进行个性化处理。我们提供了在青藏高原冻土区采集的实测数据供测试使用，并提供训练好的网络模型以便用户直接运行反演程序进行测试。
 
@@ -146,7 +149,7 @@ pip install -r requirements.txt
 步骤9: 运行 9_time_depth_convert.py    将时间域反演结果转换为深度域结果。
 
 
-### 🙏 🙏 致谢
+## 🙏 🙏 致谢
 
 我们诚挚地感谢本项目中使用的以下开源工具的开发者：
 
@@ -158,7 +161,16 @@ gprMax 和 readgssi 均遵循 GNU 通用公共许可证第 3 版（GPL-3.0）。
 我们感谢这些工具的开发者为科学研究与开源生态系统所作出的贡献。
 
 
-### 📝 参考文献
+## 🧾 许可证
+
+本项目根据[GNU通用公共许可证v3]获得许可(https://www.gnu.org/licenses/gpl-3.0.html)用于开源学术用途。
+
+如果您希望将此软件用于商业目的，并且无法遵守GPL v3，则可以使用单独的**商业许可证**。
+
+请通过以下方式联系我们[sunhuaifeng@email.sdu.edu.cn]，获取商业许可证。
+
+
+## 📝 参考文献
 
 若您在研究中使用本代码，请引用以下文献：
 
@@ -171,7 +183,7 @@ gprMax 和 readgssi 均遵循 GNU 通用公共许可证第 3 版（GPL-3.0）。
 }
 
 
-### 📫 联系方式
+## 📫 联系方式
 
 如有疑问，请联系：