航电空间信号建模方法和系统技术方案

本公开提出一种航电空间信号建模方法和系统，其中，方法包括：采集航电空间信号，航电空间信号是包括机载源信号的混合信号，对航电空间信号进行时频分析得到初始时频图；将初始时频图输入至训练好的生成模型进行定向增强得到重构时频图，将重构时频图输入至训练好的语义分割网络模型得到滤波图像；利用滤波图像对重构时频图进行滤波处理获得目标时频图，对目标时频图进行反时频分析得到分离出的机载源信号，以实现航电空间信号的建模。根据本公开的方法解决现有技术中处理航电空间信号的分离精度不高的问题。分离精度不高的问题。分离精度不高的问题。

【技术实现步骤摘要】
航电空间信号建模方法和系统


[0001]本公开涉及卫星信号处理领域，尤其涉及一种航电空间信号建模方法和系统。

技术介绍

[0002]北斗卫星导航卫星处在复杂的空间环境之中，卫星信号在传输过程中不可避免地遇到干扰现象，在实际使用时还会收到来自机载设备的信号干扰，其中部分设备的信号与北斗卫星导航信号的工作频段存在重叠现象，如果不能将复合信号充分地分离，这将会导致导航信号接收机以及相应机载设备无法正常工作，因此需要高效率地对卫星导航系统中接收到的航电空间信号进行分离。
[0003]航电空间信号的特征主要体现在时域、频域以及时频域等，为了达到良好的信号分离效果，AapoHyvarinen等人提出了独立成分分析方法，该方法提出航电空间信号的是由源信号通过线性混合得到的，因此可以通过对该线性混合过程反向推演即可得到原始信号。再到后来芬兰赫尔辛基大学对独立成分分析方法进行改进，该算法采用了定点迭代的优化算法，使得收敛更加快速、稳健。
[0004]综合上述研究现状，航电空间信号分离的大部分研究集中在不同通信系统的不同干扰信号的特征提取上，这也表明了基于特征提取的信号分离这类方法中特征提取的重要性。但上述航电空间信号分离方法往往仅在信号结构相对简单的情况下有较好的分离效果，例如独立成分分析方法对由单音信号、多音信号、扫频信号等等简单信号构成的复合信号有良好的分离效果，但是在北斗导航系统中无法取得令人满意的效果。
[0005]近年来，语义分割神经网络开始进入人们的视野中。得益于其优秀的特征提取能力，许多科研人员尝试使用U
‑
net以及Deeplab系列等语义分割网络处理航电空间信号，往往都取得了不错的效果。加之传统的信号分离方法存在诸多限制，在处理更加复杂的卫星导航中的航电空间信号分离问题时效果往往不尽人意，故科研人员更加倾向于使用语义分割网络处理航电空间信号，然而现有的利用语义分割网络处理航电空间信号的分离精度还有待提高。

技术实现思路

[0006]本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
[0007]为此，本公开的第一个目的在于提出一种航电空间信号建模方法，以解决现有技术中处理航电空间信号的分离精度不高的问题。
[0008]本公开的第二个目的在于提出一种航电空间信号建模系统。
[0009]为达上述目的，本公开第一方面实施例提出了一种航电空间信号建模方法，应用在卫星导航系统的航电空间信号分离过程中，包括以下步骤：
[0010]采集航电空间信号，所述航电空间信号是包括机载源信号的混合信号，对所述航电空间信号进行时频分析得到初始时频图；
[0011]将所述初始时频图输入至训练好的生成模型进行定向增强得到重构时频图，将所
述重构时频图输入至训练好的语义分割网络模型得到滤波图像；
[0012]利用所述滤波图像对所述重构时频图进行滤波处理获得目标时频图，对所述目标时频图进行反时频分析得到分离出的所述机载源信号，以实现航电空间信号的建模。
[0013]本公开实施例的方法，采集航电空间信号，航电空间信号包括机载源信号，对航电空间信号进行时频分析得到初始时频图；将初始时频图输入至训练好的生成模型进行定向增强得到重构时频图，将重构时频图输入至训练好的语义分割网络模型得到滤波图像；利用滤波图像对重构时频图进行滤波处理获得目标时频图，对目标时频图进行反时频分析得到分离出的机载源信号，以实现航电空间信号的建模。在这种情况下，在航电空间信号的建模过程中，先将采集的航电空间信号进行时频域特征分析，然后依次经过训练好的生成模型以及语义分割网络模型的处理，最后经过滤波处理得到从航电空间信号中分离出的机载源信号，能够达到良好的混合信号分离效果，提高了卫星导航系统中航电空间信号的分离精度，解决了现有技术中处理航电空间信号的分离精度不高的问题。
[0014]在本公开第一方面实施例的一种航电空间信号建模方法中，利用无噪声信号的第一时频图像集和有噪声信号的第二时频图像集对生成模型进行训练得到所述训练好的生成模型，训练过程包括：通过仿真获得无噪声信号的多张第一时频图像，形成所述第一时频图像集；向各张所述第一时频图像加入噪声信号得到对应的第二时频图像，形成所述第二时频图像集；所述第二时频图像集作为输入数据，所述第一时频图像集作为标签，利用所述第一时频图像集和所述第二时频图像集对生成模型进行训练得到所述训练好的生成模型。
[0015]在本公开第一方面实施例的一种航电空间信号建模方法中，所述生成模型选自受限波尔兹曼机、深度置信网络、自编码器、变分自动编码器、生成随机网络、流模型、自回归模型以及生成对抗网络模型中的一种。
[0016]在本公开第一方面实施例的一种航电空间信号建模方法中，利用所述第一时频图像集、所述第二时频图像集和理想滤波图像集对语义分割网络模型进行训练得到训练好的语义分割网络模型，训练过程包括：将所述第二时频图像集输入至所述训练好的生成模型得到第三时频图像集；利用无噪声信号的机载源信号获得多张理想滤波图像，形成理想滤波图像集，利用所述理想滤波图像集对所述第一时频图像集进行划分得到目标第一时频图像集；所述第三时频图像集作为输入数据，所述目标第一时频图像集作为标签，利用所述目标第一时频图像集和所述第三时频图像集对语义分割网络模型进行训练得到所述训练好的语义分割网络模型。
[0017]在本公开第一方面实施例的一种航电空间信号建模方法中，所述语义分割网络模型选自反卷积网络模型、SegNet、V
‑
Net、U
‑
net、全卷积网络模型、扩张卷积语义分割模型、大卷积核一全局卷积网络语义分割模型、金字塔场景稀疏网络语义分割模型以及生成对抗网络模型中的一种。
[0018]在本公开第一方面实施例的一种航电空间信号建模方法中，所述时频分析选自短时傅立叶变换、小波变换、Gabor展开以及S变换方法中的一种。
[0019]在本公开第一方面实施例的一种航电空间信号建模方法中，在对所述航电空间信号进行时频分析前需要对所述航电空间信号进行预处理，所述预处理包括绝对值处理、归一化处理、滤波去噪和信号下变频处理中的至少一种。
[0020]在本公开第一方面实施例的一种航电空间信号建模方法中，所述训练好的语义分
割网络模型采用理想二值掩蔽计算方法或理想比值掩蔽计算方法。
[0021]在本公开第一方面实施例的一种航电空间信号建模方法中，所述航电空间信号利用信号接收设备采集获得，所述信号接收设备包括硬件采集设备和软件无线电。
[0022]为达上述目的，本公开第二方面实施例提出了一种航电空间信号建模系统，应用在卫星导航系统中，包括：
[0023]采集模块，用于采集航电空间信号，所述航电空间信号是包括机载源信号的混合信号；
[0024]时频分析模块，用于对所述航电空间信号进行时频分析得到初始时频图；
[0025]处理模块，用于将所述初始时频图输入至训练好的生成模型进行定向增本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航电空间信号建模方法，其特征在于，应用在卫星导航系统的航电空间信号分离过程中，包括以下步骤：采集航电空间信号，所述航电空间信号是包括机载源信号的混合信号，对所述航电空间信号进行时频分析得到初始时频图；将所述初始时频图输入至训练好的生成模型进行定向增强得到重构时频图，将所述重构时频图输入至训练好的语义分割网络模型得到滤波图像；利用所述滤波图像对所述重构时频图进行滤波处理获得目标时频图，对所述目标时频图进行反时频分析得到分离出的所述机载源信号，以实现航电空间信号的建模。2.根据权利要求1所述的航电空间信号建模方法，其特征在于，还包括：利用无噪声信号的第一时频图像集和有噪声信号的第二时频图像集对生成模型进行训练得到所述训练好的生成模型，训练过程包括：通过仿真获得无噪声信号的多张第一时频图像，形成所述第一时频图像集；向各张所述第一时频图像加入噪声信号得到对应的第二时频图像，形成所述第二时频图像集；所述第二时频图像集作为输入数据，所述第一时频图像集作为标签，利用所述第一时频图像集和所述第二时频图像集对生成模型进行训练得到所述训练好的生成模型。3.根据权利要求1或2所述的航电空间信号建模方法，其特征在于，所述生成模型选自受限波尔兹曼机、深度置信网络、自编码器、变分自动编码器、生成随机网络、流模型、自回归模型以及生成对抗网络模型中的一种。4.根据权利要求2所述的航电空间信号建模方法，其特征在于，还包括：利用所述第一时频图像集、所述第二时频图像集和理想滤波图像集对语义分割网络模型进行训练得到训练好的语义分割网络模型，训练过程包括：将所述第二时频图像集输入至所述训练好的生成模型得到第三时频图像集；利用无噪声信号的机载源信号获得多张理想滤波图像，形成理想滤波图像集，利用所述理想滤波图像集对所述第一时频图像集进行划分得到目标第一时频图像集；所述第三时频图像集作为输入数据，所述目标第一时频图像集作为标...

【专利技术属性】
技术研发人员：边丽蘅，陈李扬，刘思田，张军，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：