[发明专利]一种基于深度学习的非视域目标信号辨识方法有效
| 申请号： | 202111207789.4 | 申请日： | 2021-10-18 |
| 公开（公告）号： | CN113919398B | 公开（公告）日： | 2023-06-16 |
| 发明（设计）人： | 夏诗烨;刘雅卿;罗一涵;李泰霖;谢宗良;徐少雄;马浩统;曹雷 | 申请（专利权）人： | 中国科学院光电技术研究所 |
| 主分类号： | G06F18/213 | 分类号： | G06F18/213;G06N20/00;G06V10/774 |
| 代理公司： | 北京科迪生专利代理有限责任公司 11251 | 代理人： | 江亚平 |
| 地址： | 610209 *** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 视域 目标 信号 辨识 方法 | ||
1.一种基于深度学习的非视域目标信号辨识方法，其特征在于实现步骤如下：
步骤1、对光子飞行时间统计图进行预处理；
步骤2、将多帧光子飞行时间统计图拼接成二维图像，并标记图像中的目标信号作为标签，得到训练数据集和验证数据集；
步骤3、构建深度学习模型，利用上述训练数据集和验证数据集训练该深度学习模型，得到训练后的深度学习模型；
步骤4、基于上述训练后的深度学习模型，对目标回波信号进行辨识与提取；
步骤5、用上述得到的目标信号点进行后续定位处理。
2.根据权利要求1所述的一种基于深度学习的非视域目标信号辨识方法，其特征在于：所述步骤1中对光子飞行时间统计图进行预处理的实现方法为：以每个探测器接收到中介面回波信号的时间来修正光子飞行时间统计图中的时间零点，并抑制中介面回波和去噪。
3.根据权利要求1所述的一种基于深度学习的非视域目标信号辨识方法，其特征在于：所述步骤2中将多帧光子飞行时间统计图拼接成二维图像的实现方法为：光子飞行时间统计图每隔一段时间统计一次探测器在该时间段内接收到的光子数，共统计了M次，所以单帧光子飞行时间统计图长度为M，再将N帧长度为M的光子飞行时间统计图拼接成N×M的二维图像。
4.根据权利要求1所述的一种基于深度学习的非视域目标信号辨识方法，其特征在于：所述步骤3中构建的深度学习模型可用基于U-Net的循环残差卷积神经网络模型来实现。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院光电技术研究所，未经中国科学院光电技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111207789.4/1.html，转载请声明来源钻瓜专利网。
