本发明专利技术公开了一种基于参数化量子线路的空间电磁频谱识别方法，空间电磁频谱数据采集；基于离散短时傅里叶变换的电磁频谱时间‑频率图像样本集构建；面向空间电磁频谱时频图的参数量子化线路设计；基于参数量子化线路的电磁频谱数据处理。本发明专利技术基于参数化量子线路的空间电磁频谱识别方法，在太空条件下，相比其他神经网络模型具有更强大的特征提取能力，并且在复杂的电磁环境下，能快速识别出电磁频谱。
【技术实现步骤摘要】
本专利技术涉及电磁频谱识别，具体涉及到一种基于参数化量子线路的空间电磁频谱识别方法。
技术介绍
1、态势感知是各国在太空领域的发展方向，而电磁态势感知又是其中的重要一个环节。无论是空间电磁环境的探测，还是卫星之间的无线电沟通，都要在电磁频谱识别的基础上才能实现。在这种情况下，准确识别复杂电磁环境中捕捉到的电磁信号是否是卫星的电磁信号，将是重中之重，而太空环境中，识别电磁频谱只能依靠卫星自身，地面人员无法及时知晓太空之中的电磁频谱信息，并对卫星下达指令。因此，急需搭载判别空间电磁频谱特征模块的任务卫星，帮助任务卫星在复杂的电磁环境中分辨出卫星的电磁频谱特征，执行下一步的任务。
技术实现思路
1、本专利技术提供一种基于参数化量子线路的空间电磁频谱识别方法，用于解决在太空条件下，从复杂的电磁频谱环境中准确识别空间卫星的电磁频谱特征，在电磁态势感知中占据先机。
2、为实现上述目的，本专利技术采用的方案为：
3、步骤1，空间电磁频谱数据采集；
4、步骤2，基于离散短时傅里叶变换的电磁频谱时间-频率图像样本集构建；
5、步骤3，面向空间电磁频谱时频图的参数量子化线路设计；
6、步骤4，基于参数量子化线路的电磁频谱数据处理。
7、进一步地，步骤2生成基于离散短时傅里叶变换的电磁频谱时间-频率图像数据集的具体步骤为：
8、通过离散短时傅里叶变换将电磁频谱转换为时间-频率图像样本集，即：
9、
>10、其中，s(k)为待识别的离散信号，g(t)为短时间长度的窗函数，*表示共轭；11、将该样本集作为空间电磁频谱的时间-频率图像数据集，并以一定比例将其分为训练集与测试集，用来训练并测试识别空间电磁频谱的量子卷积神经网络。
12、进一步地，步骤3中构建识别空间电磁频谱的参数量子化线路算法流程为：
13、s1将时间-频率图像样本的信息经过量子编码转化为量子神经网络可以识别的量子态，作为所述量子卷积神经网络的输入层；
14、s2量子卷积核采用大小为2×2的窗口，输入信息后经哈达玛门特征映射，将4个量子比特映射到量子态|ψ1>；
15、s3|ψ1>经过量子化线路u(θ)演化，变为|ψ2>＝u(θ)|ψ1>，并对其进行量子比特上的测量取期望值
16、s4移动卷积窗口，扫描整个时间-频率图像样本，得到期望值组成的特征值矩阵。
17、进一步地，步骤3中，量子编码是指将量子神经元网络的输入信息转化为量子态的过程。量子计算所执行的映射为(x1,x2,...,xm,0)→(x1',x2',...,xm',y)，用|ψ>1,...,m表示编码有经典数据的量子态。量子态|ψ>1,...,m为m维希尔伯空间上2m个计算基矢的叠加态，其中基矢为{|0,0,…,0>,...,|1,1,…,1>}，则其中
18、进一步地，步骤3中，量子态是量子位的状态，即用一个二维向量描述量子系统所处物理状态。量子态用|ψ>表示，可随时间变化，在量子计算中通常对其归一化处理。
19、进一步地，步骤3中，量子化线路u(θ)为可学习的参数化量子线路，其本质上执行酉变换。参数化量子线路可以表示为pauli矩阵{σx,σy,σz}和单位矩阵i的张量积的线性组合，若共有k层网络，且uk(θ)表示第k层网络代表的酉矩阵，则整个量子线路可表示为：
20、u(θ)＝uk(θk)uk-1(θk)…u1(θ1)。
21、进一步地，步骤3中，量子比特上的测量将量子线路输出的量子态变成计算机可以识别的信息，是量子神经网络的关键步骤。在量子计算中，一般使用投影测量，用可观测量λ描述。可观测量λ的谱分解形式为：
22、
23、其中，λi为可观测量λ的特征值，pi为特征值λi在特征空间上的投影。对量子态|ψ>测量后，得到结果i的概率为：
24、pi＝p(λ＝λi)＝<ψ|pi|ψ>
25、测量后，量子态变为：
26、
27、进一步地，步骤4基于参数量子化线路的电磁频谱数据处理的具体步骤为：
28、经参数化量子线路处理后的电磁频谱数据，形成特征矩阵；将特征矩阵输入池化层，池化方式为最大池化max-pooling；池化后的电磁频谱数据进入一个全连接层，然后用损失函数计算损失，通过优化器反馈到参数化量子线路与全连接层更新参数，输出层使用softmax激活函数；
29、量子卷积神经网络经由空间电磁频谱经短时傅里叶变换生成的时间-频谱图像训练集训练后，将训练数据集与测试数据集对比分析，识别出空间电磁频谱。
30、本专利技术具有以下优点：
31、由于量子的叠加态和纠缠态等特性，量子神经网络可以进行并行运算，相较于传统神经网络有更快的计算速率，且n个量子比特可以存储2n位信息，具有更大的信息存储空间。
32、所述电磁频谱识别方法由于其量子神经元网络的结构优势，相较于传统神经网络，其所占内存更小，更加能满足空间环境复杂造成的有限硬件条件。
本文档来自技高网...
【技术保护点】
1.一种基于参数化量子线路的空间电磁频谱识别方法，其特征在于：
2.如权利要求1所述的一种基于参数化量子线路的空间电磁频谱识别方法，其特征在于：所述量子编码是为了将输入信息转化为量子态。量子计算所执行的映射为：
3.如权利要求1所述的一种基于参数化量子线路的空间电磁频谱识别方法，其特征在于：所述量子态是量子位的状态，即用一个二维向量描述量子系统所处物理状态。量子态用ψ>表示，可随时间变化，在量子计算中通常对其归一化处理。
4.如权利要求1所述的一种基于参数化量子线路的空间电磁频谱识别方法，其特征在于：所述量子化线路U(θ)为可学习的参数化量子线路，其本质上执行酉变换。参数化量子线路可以表示为Pauli矩阵{σx,σy,σz}和单位矩阵I的张量积的线性组合，若共有t层网络，且Ut(Θ)表示第t层网络代表的酉矩阵，则整个量子线路可表示为：
5.如权利要求1所述的一种基于参数化量子线路的空间电磁频谱识别方法，其特征在于：所述量子比特上的测量是将量子线路输出的量子态变成计算机可以识别的信息的过程，是量子神经网络的关键步骤。在量子计算中，一般使用投影测量，用可观测量Λ描述。可观测量Λ的谱分解形式为：
...
【技术特征摘要】
1.一种基于参数化量子线路的空间电磁频谱识别方法，其特征在于：
2.如权利要求1所述的一种基于参数化量子线路的空间电磁频谱识别方法，其特征在于：所述量子编码是为了将输入信息转化为量子态。量子计算所执行的映射为：
3.如权利要求1所述的一种基于参数化量子线路的空间电磁频谱识别方法，其特征在于：所述量子态是量子位的状态，即用一个二维向量描述量子系统所处物理状态。量子态用ψ>表示，可随时间变化，在量子计算中通常对其归一化处理。
4.如权利要求1所述的一种基于参数化量子线路的空间电磁频谱识别...
【专利技术属性】
技术研发人员：王卫杰，张舒迪，杨彦霞，王丽芬，任元，李佰琦，王宸宇，孙中昊，
申请(专利权)人：中国人民解放军战略支援部队航天工程大学，
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。