一种基于复数域制造技术

本发明专利技术涉及微动信号处理领域，尤其涉及一种基于复数域

【技术实现步骤摘要】
一种基于复数域U
‑
Net的微动解频谱混叠方法


[0001]本专利技术涉及微动信号处理领域，尤其涉及一种基于复数域
U
‑
Net
的微动解频谱混叠方法
。

技术介绍

[0002]微动解谱分析是雷达信号处理领域中的重要技术之一，从雷达回波中获取目标微动特征信息，能够实现目标状态估计与识别
。
在通常情况下，微动解谱需要对信号进行高频采样，以捕捉需要检测的信号特征，但是由于硬件等因素的限制，高采样率不一定能够保证
。
如果采样率低于信号的最高频率的两倍，将会发生混叠现象，而混叠现象的出现会严重影响微动解谱的准确性和可靠性
。
[0003]例如，中国专利公开号：
CN110751268A
，公开了基于端到端卷积神经网络的相位混叠误差去除方法及装置，其解决了傅里叶变换法或数字莫尔移相法求解单幅干涉图过程中，由于载波添加不当或面形误差相位频谱带宽过大导致的相位频谱混叠问题，能够消除相位频谱混叠误差，实现宽频谱相位干涉图的求解，扩展单幅干涉图解相方法的测量范围
。
方法包括：
(1)
设计多尺度卷积神经网络；
(2)
模拟宽频谱相位干涉图，基于傅里叶变换法或数字莫尔移相法解得含有相位频谱混叠误差的相位图，与原宽频谱相位图一同作为混叠训练集；
(3)
利用混叠训练集训练多尺度卷积神经网络；
(4)
利用训练好的多尺度卷积神经网络，处理真实的含相位频谱混叠误差的相位图，得到不含相位频谱混叠误差的高精度相位解相结果
。
[0004]但是，现有技术中还存在以下问题，对旋翼类目标的回波信号中存在的高于采样频率的频率成分，容易出现多普勒模糊
。

技术实现思路

[0005]为解决对旋翼类目标的回波信号中存在的高于采样频率的频率成分，容易出现多普勒模糊，本专利技术提供一种基于复数域
U
‑
Net
的微动解频谱混叠方法，包括：
[0006]步骤
S1
，使用窄带微型雷达发射信号，使用角散射体进行旋转，接收回波信号；
[0007]步骤
S2
，处理接收的回波信号，将接收到的回波信号使用复经验模态算法进行杂波抑制后，对进行杂波抑制后的回波信号进行时域插值，利用短时傅里叶变换进行时频分析得到进行一倍插零后的时频结果；
[0008]步骤
S3
，设计训练模型，在复数域使用
U
‑
Net
网络对训练集进行训练，生成训练模型；
[0009]步骤
S4
，利用所述训练模型还原时频结果，包括，消除所述时频结果的频率成分
。
[0010]进一步地，所述步骤
S1
中窄带微型雷达，载频为
24GHz
，带宽设置为
20MHz
，采样频率设置为
400KHz
，重复频率设置为
4000Hz。
[0011]进一步地，所述步骤
S2
中，利用短时傅里叶变换进行时频分析生成时频结果，其中，对于零散信号序列，进行短时傅里叶变化，生成
400
×
128
的时频结果，对于时频结果中
的每一点的值设为：
[0012]P
cz
＝
a
cz
+ib
cz
,c
＝
1,2,3,
…
,400,z
＝
1,2,3,
…
,128
ꢀꢀ
(1)
[0013]先取模求的其中最大值，设其最大值为：
[0014][0015]再将其实部和虚部分开生成除以
P
max
归一化两个矩阵，
[0016]实部矩阵为：
[0017][0018]虚部矩阵为：
[0019][0020]实部矩阵和虚部矩阵能代入卷积网络中进行编码解码操作；
[0021]式
(1)
－
(4)
中，
a
cz
代表数值的实部，
i
代表复数单位，
b
cz
代表数值虚部
。
[0022]进一步地，所述步骤
S2
中，对所述时频结果进行时频插零，其中，在所述时频结果的原序列中等间隔等数目插零，使采样频率以整数倍增加，在原采样序列经
M
倍插零后，等效为加入了
M
个新的频率成分，其信号的能量分散，信号的能量平均分配到了每一个频率成分上，每个频率成分的幅度变为插零前的此时采样频率等效为
f
sM
＝
(M+1)f
s
；
[0023]其中，
f
sM
为插零前采样频率，
f
s
为插零后采样频率，
M
为插入个数
。
[0024]进一步地，所述步骤
S3
中，在复数域使用
U
‑
Net
网络对训练集进行训练，生成训练模型，其中，
[0025]对信号分别进行采样并增大采样频率，进行采样的信号插零后进行短时傅里叶变化生成时频结果，将所述时频结果当作数据集的输入和标签，通过所述
U
‑
Net
全卷积神经网络模型进行训练生成训练模型
。
[0026]进一步地，所述步骤
S4
中，消除所述时频结果的多余频率成分，其中，所述多余频率成分为插零产生
。
[0027]与现有技术相比，本专利技术提出在信号序列脉冲维插零的方法，等效为扩大信号序列采样频率，再利用短时傅里叶变化获得旋翼类目标的时频结果
。
由于提出的插零法，插零后，使得信号序列产生了一些多余的频率成分
。
在复数域使用
U
‑
Net
网络对训练集进行训练，生成训练模型，利用生成的训练模型消除多余的频率成分，从而还原信号真实的时频结果，解决信号存在多普勒模糊的问题
。
[0028]尤其，本专利技术针对频率模糊现象，采样信号插零值的方法，等效为扩大了其采样频率，从而使信号满足
Nyquist
采样定理，使其进行谱分析时出现真实频率，从减小了频谱混叠现象
。
[0029]尤其，本专利技术使用的是
U
‑
Net
全卷积神经网络，本专利技术使用的
U
‑
Net
全卷积神经网络进行了一些修改，输入的图片大小为
400
×
128
，本专利技术通过调整网络层数和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于复数域
U
‑
Net
的微动解频谱混叠方法，其特征在于，包括：步骤
S1
，使用窄带微型雷达发射信号，使用角散射体进行旋转，接收回波信号；步骤
S2
，处理接收的回波信号，将接收到的回波信号使用复经验模态算法进行杂波抑制后，对进行杂波抑制后的回波信号进行时域插值，利用短时傅里叶变换进行时频分析得到进行一倍插零后的时频结果；步骤
S3
，设计训练模型，在复数域使用
U
‑
Net
网络对训练集进行训练，生成训练模型；步骤
S4
，利用所述训练模型还原时频结果，包括，消除所述时频结果的频率成分
。2.
根据权利要求1所述基于复数域
U
‑
Net
的微动解频谱混叠方法，其特征在于，所述步骤
S1
中窄带微型雷达，载频为
24GHz
，带宽设置为
20MHz
，采样频率设置为
400KHz
，重复频率设置为
4000Hz。3.
根据权利要求1所述基于复数域
U
‑
Net
的微动解频谱混叠方法，其特征在于，所述步骤
S2
中，利用短时傅里叶变换进行时频分析生成时频结果，其中，对于零散信号序列，进行短时傅里叶变化，生成时频结果，对于时频结果中的每一点的值设为：
P
cz
＝
a
cz
+ib
cz
,c
＝
1,2,3,
…
,400,z
＝...

【专利技术属性】
技术研发人员：杨军，吕明久，龙铭，夏赛强，陈文峰，
申请(专利权)人：中国人民解放军空军预警学院，
类型：发明
国别省市：