【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, ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。