System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于编解码映射模型的计算机图像电磁特征恢复方法及装置制造方法及图纸_技高网

基于编解码映射模型的计算机图像电磁特征恢复方法及装置制造方法及图纸

技术编号:40198913 阅读:8 留言:0更新日期:2024-01-27 00:03
本发明专利技术涉及电磁特征图像恢复领域,具体涉及一种基于编解码映射模型的计算机图像电磁特征恢复方法及装置,降低深度学习中的图像恢复难度,提高图像特征恢复质量。方案包括:将线缆监测到的电磁泄漏信号转换为时频谱图像;将所述时频谱图像进行Patch划分,并对每个Patch进行图像特征编码和位置编码;通过深度模型根据编码特征将图像编码为与传输信号接近的类传输信号,所述编码特征为图像特征编码和位置编码的编码特征;对实际传输信号进行数字信号特征提取,获取实际传输信号的信号特征;将所述类传输信号与实际传输信号特征进行特征融合,并获取融合特征;通过深度模型将融合特征解码为计算机图像。本发明专利技术适用于电磁特征图像的恢复。

【技术实现步骤摘要】

本专利技术涉及电磁特征图像恢复领域,具体涉及一种基于编解码映射模型的计算机图像电磁特征恢复方法及装置


技术介绍

1、对于线缆传输中的电磁泄漏信号,通常其信息损失非常大,同时信号通常由载波、噪声、干扰等混杂,很难通过监测信号恢复到计算机显示图像上。而通常基于深度模型的图像恢复方法一般都建立在恢复图像和待恢复图像数据分布相对近似的情况下,而对于时频谱图像和计算机显示图像,二者分布差异大,很难通过直接的深度模型来进行图像恢复。

2、目前对于时频谱图像和计算机显示图像,其恢复难度大,图像恢复质量差。


技术实现思路

1、本专利技术的目的在于克服现有技术的缺点,提供一种基于编解码映射模型的计算机图像电磁特征恢复方法及装置,降低深度学习中的图像恢复难度,提高图像特征恢复质量。

2、本专利技术采取如下技术方案实现上述目的,一方面,本专利技术提供一种基于编解码映射模型的计算机图像电磁特征恢复方法,所述方法包括:

3、将线缆监测到的电磁泄漏信号转换为时频谱图像;

4、将所述时频谱图像进行patch划分,并对每个patch进行图像特征编码和位置编码;

5、通过深度模型根据编码特征将图像编码为与传输信号接近的类传输信号,所述编码特征为图像特征编码和位置编码的编码特征;

6、对实际传输信号进行数字信号特征提取,获取实际传输信号的信号特征;

7、将所述类传输信号与实际传输信号特征进行特征融合,并获取融合特征;

8、通过深度模型将融合特征解码为计算机图像。

9、进一步的是,将线缆监测到的电磁泄漏信号转换为时频谱图像具体包括:对于线缆监测到的电磁泄漏信号,首先测量其时域信号,利用stft将其转换为时频谱图像。

10、进一步的是,该方法还包括:

11、将所述类传输信号与实际传输信号特征进行均方差损失计算,编码时通过均方差损失进行反向传播与训练,均方差损失计算公式如下:

12、

13、其中表示预测值大小,yi表示真实样本值大小,mse表示均方差损失。

14、进一步的是,对实际传输信号进行数字信号特征提取,获取实际传输信号的信号特征具体包括:

15、对实际传输信号进行数字信号特征提取,将信号分解成多个本征模态函数和剩余分量,将本征模态函数和剩余分量拼接,并进行特征降维,获取实际传输信号的信号特征。

16、进一步的是,获取融合特征具体包括:通过类传输信号与实际信号进行点积运算获取融合特征。

17、另一方面,本专利技术提供一种基于编解码映射模型的计算机图像电磁特征恢复装置,所述装置包括:

18、编码模块,用于将线缆监测到的电磁泄漏信号转换为时频谱图像;将所述时频谱图像进行patch划分,并对每个patch进行图像特征编码和位置编码;通过深度模型根据编码特征将图像编码为与传输信号接近的类传输信号,所述编码特征为图像特征编码和位置编码的编码特征;

19、信号嵌入模块,用于对实际传输信号进行数字信号特征提取,获取实际传输信号的信号特征;

20、解码模块,用于将所述类传输信号与实际传输信号特征进行特征融合,并获取融合特征;通过深度模型将融合特征解码为计算机图像。

21、进一步的是,编码模块具体用于,对于线缆监测到的电磁泄漏信号,首先测量其时域信号,利用stft(shorttime fourier transform,短时傅里叶变换)将其转换为时频谱图像。

22、进一步的是,信号嵌入模块具体用于,将所述类传输信号与实际传输信号特征进行均方差损失计算,均方差损失用于编码模块的反向传播与训练,均方差损失计算公式如下:

23、

24、其中表示预测值大小,yi表示真实样本值大小,mse表示均方差损失。

25、进一步的是,信号嵌入模块具体还用于,对实际传输信号进行数字信号特征提取,将信号分解成多个本征模态函数和剩余分量,将本征模态函数和剩余分量拼接,并进行特征降维,获取实际传输信号的信号特征。

26、进一步的是,解码模块具体用于,通过类传输信号与实际信号进行点积运算获取融合特征。

27、本专利技术的有益效果为:

28、本专利技术针对由线缆辐射而检测到的信号,将其转换成时频谱图像,通过深度模型将其编码为线缆传输信号,对实际传输信号进行数字信号特征提取,获取实际传输信号的信号特征;

29、将所述类传输信号与实际传输信号特征进行特征融合,并获取融合特征;最后通过深度模型将融合特征解码为计算机图像。通过该方式能够降低从时频谱图像到计算机显示图像的恢复难度,提升图像特征恢复质量。

本文档来自技高网...

【技术保护点】

1.基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,将线缆监测到的电磁泄漏信号转换为时频谱图像具体包括:对于线缆监测到的电磁泄漏信号,首先测量其时域信号,利用STFT将其转换为时频谱图像。

3.根据权利要求1所述的基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,该方法还包括:

4.根据权利要求1所述的基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,对实际传输信号进行数字信号特征提取,获取实际传输信号的信号特征具体包括:

5.根据权利要求1所述的基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,获取融合特征具体包括:通过类传输信号与实际信号进行点积运算获取融合特征。

6.基于编解码映射模型的计算机图像电磁特征恢复装置,用于实现如权利要求1-5任意一项所述的基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,所述装置包括:

7.根据权利要求6所述的基于编解码映射模型的计算机图像电磁特征恢复装置,其特征在于,编码模块具体用于,对于线缆监测到的电磁泄漏信号,首先测量其时域信号,利用STFT将其转换为时频谱图像。

8.根据权利要求6所述的基于编解码映射模型的计算机图像电磁特征恢复装置,其特征在于,信号嵌入模块具体用于,将所述类传输信号与实际传输信号特征进行均方差损失计算,均方差损失用于编码模块的反向传播与训练,均方差损失计算公式如下:

9.根据权利要求6所述的基于编解码映射模型的计算机图像电磁特征恢复装置,其特征在于,信号嵌入模块具体还用于,对实际传输信号进行数字信号特征提取,将信号分解成多个本征模态函数和剩余分量,将本征模态函数和剩余分量拼接,并进行特征降维,获取实际传输信号的信号特征。

10.根据权利要求6所述的基于编解码映射模型的计算机图像电磁特征恢复装置,其特征在于,解码模块具体用于,通过类传输信号与实际信号进行点积运算获取融合特征。

...

【技术特征摘要】

1.基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,将线缆监测到的电磁泄漏信号转换为时频谱图像具体包括:对于线缆监测到的电磁泄漏信号,首先测量其时域信号,利用stft将其转换为时频谱图像。

3.根据权利要求1所述的基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,该方法还包括:

4.根据权利要求1所述的基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,对实际传输信号进行数字信号特征提取,获取实际传输信号的信号特征具体包括:

5.根据权利要求1所述的基于编解码映射模型的计算机图像电磁特征恢复方法,其特征在于,获取融合特征具体包括:通过类传输信号与实际信号进行点积运算获取融合特征。

6.基于编解码映射模型的计算机图像电磁特征恢复装置,用于实现如权利要求1-5任意一项所述的基于编解码映射模型的计算机图像电磁特征恢复...

【专利技术属性】
技术研发人员:戴飞金赟韬黄曹辉
申请(专利权)人:北京航空航天大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1