申请/专利权人：天津大学

申请日：2023-12-21

公开（公告）日：2024-04-19

公开（公告）号：CN117454094B

主分类号：G06F18/10

分类号：G06F18/10;G06N3/0455;G06T5/00;G06T7/00;G06F18/214;G06F18/21;G01S7/292;G01S7/295;G01S7/35;G01S13/88

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明提供了一种雷达回波信号盲去噪方法，包括将仿真得到的雷达谱图作为训练集，将实测得到的雷达谱图作为测试集；用训练集和测试集构建盲去噪模型，盲去噪模型包括分布拓展模块、去噪网络以及语义恢复网络；对盲去噪模型进行训练及优化，利用盲去噪模型去除雷达谱图噪声，并输出去噪后的多普勒谱图。本发明的方案解决了噪声分布的域偏移问题以及训练集与测试集之间的数据偏差对模型性能的影响的问题，提高了去噪性能；本发明用六种评价指标和七种对比方法实验验证了所提出的去噪模型的有效性和优越性，同时还用消融实验验证了所提出的数据增广方法、形态分量优化策略以及盲去噪模型的各模块的必要性。

主权项：1.雷达回波信号盲去噪方法，其特征在于：包括如下步骤：步骤1：将仿真得到的雷达谱图作为训练集，包括无噪声的原始谱图和添加了噪声的噪声谱图，无噪声的原始谱图作为目标谱图，将实测得到的雷达谱图作为测试集；步骤2：用训练集和测试集构建盲去噪模型，盲去噪模型包括分布拓展模块、去噪网络以及语义恢复网络；分布拓展模块用于对训练集的数据进行数据增广；去噪网络用于抑制噪声能量，采用编解码结构；语义恢复网络用于对人体目标的运动信息进行恢复，采用编解码结构；步骤3：对盲去噪模型进行训练及优化，包括：将输入的训练集中的噪声谱图和目标谱图经过分布拓展模块进行数据增广，得到噪声谱图和目标谱图的邻域样本，对噪声谱图和目标谱图的邻域样本分别进行FFT，得到噪声谱图和目标谱图的邻域样本的幅度分量以及目标谱图的相位分量；利用去噪网络对噪声谱图的邻域样本进行噪声抑制，得到抑制噪声后的谱图的邻域样本，对抑制噪声后的谱图的领域样本进行FFT，得到抑制噪声后的谱图的相位分量；利用语义恢复网络对抑制噪声后的谱图的邻域样本将进行恢复，得到输出谱图；利用噪声谱图和目标谱图的邻域样本的幅度分量计算幅度分量损失；利用抑制噪声后的谱图的相位分量和目标谱图的相位分量计算相位分量损失；计算输出谱图的重建损失、边缘损失、以及一致性损失；重建损失计算公式如下： ，其中，是盲去噪谱图，作为盲去噪模型的输出谱图，为去噪网络，为语义恢复网络；是所选噪声谱图的邻域样本，为y目标谱图的邻域样本；边缘损失计算公式如下： ，其中，是用高斯模糊核对给定的图像进行卷积运算；一致性损失计算公式如下： ；综合幅度分量损失、相位分量损失、重建损失、边缘损失和一致性损失得到盲去噪模型的训练损失；利用盲去噪模型的训练损失对去噪网络以及语义恢复网络进行更新，得到最终的盲去噪模型；步骤4：利用盲去噪模型去除雷达谱图噪声，并输出去噪后的多普勒谱图。

全文数据：

权利要求：

百度查询： 天津大学 雷达回波信号盲去噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD