[发明专利]一种基于双谱和深度卷积神经网络的微弱X射线脉冲星信号辨识方法

权利要求书

1.一种基于双谱和深度卷积神经网络的微弱X射线脉冲星信号辨识方法，其特征在于：所述方法包括以下步骤：

步骤1、利用高通滤波器对X射线脉冲星光子时序信号进行预处理消除低频成分；

步骤2、将预处理后得到的脉冲星信号进行自相关处理，提取其自相关函数；

步骤3、对所述自相关函数进行双谱变换，提取其双谱信息，从而利用直接估计法估计双谱，对双谱进行截取确定用来训练的区域；之后对双谱进行归一化处理，将其值大小映射到0～255之间并以jpg格式保存为图片，即双谱图片；

步骤4、将双谱图片送入深度卷积神经网络进行分类任务训练，确定网络的参数模型；最后利用训练完毕的网络对脉冲星信号进行分类。

2.根据权利要求1所述的方法，其特征在于：在步骤1中，所述高通滤波器采用32阶滤波器，设探测器接收到的X射线脉冲星光子时序信号为x(n)，32阶滤波器的系数为A_i，则预处理后的脉冲星信号x_b(n)为：

其中，n表示采样时刻，i为中间变量。

3.根据权利要求2所述的方法，其特征在于：在步骤2中，脉冲星信号的自相关函数R_xx(k)为：

其中，N是脉冲星信号长度，k表示信号延迟的采样点数，所述自相关函数反映了信号在不同时刻的相关性，不同段信号的自相关函数直接累加到一起。

4.根据权利要求3所述的方法，其特征在于：在所述步骤3中，首先求取自相关函数R_xx(k)的傅里叶序列为：

其中，u表示频域变量；

之后求取自相关函数R_xx(k)的双谱为：

其中*表示共轭运算；

估计双谱后进行降采样处理，所述降采样采用非均匀采用方法，即围绕基波和二次谐波中心频率进行密集采样，其余位置进行均匀采样。

5.根据权利要求4所述的方法，其特征在于：在步骤4中，假设B(k′₁,k′₂)为降采样后的输入层二维信息，其中k′₁,k′₂为降采样后的序列索引，h是卷积层参数，那么输出层y(k′₁,k′₂)表示如下：

其中i，j为中间变量。