【技术实现步骤摘要】
本专利技术涉及一种雷达调制信号时频图像去噪的方法及装置，属于雷达信号处理及图像处理。
技术介绍
1、雷达信号时频图像去噪不仅是图像去噪的一个分支，而且是雷达信号处理中非常重要的环节，其目标是从含噪时频图像中恢复出清晰图像，既具有自身的实用性，也是信号调制识别、雷达侦察与对抗和电子情报与支援等应用的重要预处理步骤。在较低信噪比的苛刻条件下，噪声会使雷达信号的时频图像质量下降，图像中关键时频信息也会丢失，产生严重的影响。
2、雷达信号时频图像去噪的本质是图像去噪。传统的空间域去噪和变换域去噪算法虽取得了一定的效果，但造成许多细节丢失，去噪效果往往不尽如人意，并且计算复杂度也较高。针对这些问题，图像先验建模被用来进行去噪，如非局部均值去噪方法，块匹配三维滤波算法等，这类方法具有大量的重复计算，计算复杂度很高。
3、由于卷积神经网络（convolutional neural network，cnn）优秀的特征学习能力和关系映射能力，使得其在图像去噪任务中取得了显著的突破。基于cnn的方法逐渐成为图像去噪领域的主流。zhang等将残差学习应用至图像去噪，提出了前馈去噪卷积网络dncnn[k. zhang, w. zuo, y. chen, et al. beyond a gaussian denoiser: residuallearning of deep cnn for image denoising[j]. ieee transactions on imageprocessing, 2017, 26(7): 3
技术实现思路
1、为了解决上述问题，本专利技术提出了一种雷达调制信号时频图像去噪的方法及装置，能够提升图像的去噪效果。
2、本专利技术为解决其技术问题所采取的技术方案是：
3、第一方面，本专利技术实施例提供的一种雷达调制信号时频图像去噪的方法，包括如下步骤：
4、获取雷达信号，并建立雷达信号时频图像数据集，获取的雷达信号包括连续调频信号、离散调频信号、相位调制信号、无额外调制信号和复合调制信号，所述数据集包括训练数据集、验证数据集和测试数据集；
5、建立图像去噪模型，所述图像去噪模型包括特征提取模块feb、特征处理块fpb和重建模块rb；
6、利用训练数据集训练图像去噪模型得到模型参数，将得到的模型参数代入验证数据集，获取使得验证数据集损失函数最小的模型参数；
7、使用损失函数最小的模型参数，对测试数据集进行测试，得到测试数据集的预测值，得到去噪后的雷达调制信号时频图像。
8、作为本实施例一种可能的实现方式，所述获取雷达信号，并建立雷达信号时频图像数据集，包括：
9、利用雷达接收机截获的一维时域雷达信号为：
10、<1>
11、其中，表示接收到的实际雷达信号，表示辐射源发出的实际雷达信号，是噪声，具有加性高斯白噪声的特性；
12、对一维时域雷达信号进行短时傅里叶变换，将其从一维信号通过时频分析转换成二维时频图像，短时傅里叶变换的表达式为：
13、<2>
14、其中，是窗函数，沿时间轴移动； τ表示时间偏移；
15、选择二维时频图像构建雷达信号时频图像数据集，并划分为训练数据集、验证数据集和测试数据集。
16、作为本实施例一种可能的实现方式，所述建立图像去噪模型，包括：
17、搭建特征提取模块feb，所述特征提取模块feb包括多尺度稀疏注意力模块msab和卷积信息模块cib；
18、搭建特征处理块fpb，用于处理特征提取模块feb提取出的多尺度特征，加强去噪性能，进一步得到噪声特征，所述特征提取模块fpb包括空间注意力块sab、两次特征压缩操作cop和两次特征增强操作eop；
19、搭建重建模块rb，用于构造残差运算，通过完整的去噪模型得到预测残差；
20、选择损失函数，用于计算输入时频图像和预测残差之间的损失。
21、作为本实施例一种可能的实现方式，所述特征提取模块feb的表达式为：
22、<3>
23、其中，和分别表示feb的输出和feb的函数，表示网络的输入；
24、所述多尺度稀疏注意力模块msab包括随机排序稀疏机制、多尺度机制和通道注意力机制，用于提取不同的特征以及减少网络深度，其过程描述为：
25、<4>
26、其中，和分别表示msab的特征提取函数和提取出的特征；
27、所述卷积信息模块cib用于提取雷达信号时频图的局部特征，其过本文档来自技高网...
【技术保护点】
1.一种雷达调制信号时频图像去噪的方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的雷达调制信号时频图像去噪的方法，其特征在于，所述获取雷达信号，并建立雷达信号时频图像数据集，包括：
3.根据权利要求1或2所述的雷达调制信号时频图像去噪的方法，其特征在于，所述建立图像去噪模型，包括：
4.根据权利要求3所述的雷达调制信号时频图像去噪的方法，其特征在于，所述特征提取模块FEB的表达式为：
5.根据权利要求3所述的雷达调制信号时频图像去噪的方法，其特征在于，所述特征提取模块FPB对不同的特征进行融合，并对所提取的噪声进行加工，从而得到最终的噪声特征图，其运算表达式如下：
6.根据权利要求3所述的雷达调制信号时频图像去噪的方法，其特征在于，所述特征提取模块FPB对不同的特征进行融合，并对所提取的噪声进行加工，从而得到最终的噪声特征图，包括：
7.根据权利要求3所述的雷达调制信号时频图像去噪的方法，其特征在于，所述重建模块RB对输入噪声图像和FPB处理后的特征图做减法，得到潜在的清晰雷达波形时频图像：
...【技术特征摘要】
1.一种雷达调制信号时频图像去噪的方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的雷达调制信号时频图像去噪的方法，其特征在于，所述获取雷达信号，并建立雷达信号时频图像数据集，包括：
3.根据权利要求1或2所述的雷达调制信号时频图像去噪的方法，其特征在于，所述建立图像去噪模型，包括：
4.根据权利要求3所述的雷达调制信号时频图像去噪的方法，其特征在于，所述特征提取模块feb的表达式为：
5.根据权利要求3所述的雷达调制信号时频图像去噪的方法，其特征在于，所述特征提取模块fpb对不同的特征进行融合，并对所提取的噪声进行加工，从而得到最终的噪声特征图，其运算表达式如下：
6.根据权...
【专利技术属性】
技术研发人员：杜晓林，李诗雅，刘珅砚，唐梦皎，李洪高，
申请(专利权)人：烟台大学，
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。