[发明专利]一种复杂环境下的核脉冲信号与噪声信号甄别方法

权利要求书

1.一种复杂环境下的核脉冲信号与噪声信号甄别方法，其特征在于，包括：

步骤S1：将采集的原始信号，进行FIR低通滤波；

步骤S2：对滤波之后的信号进行时频分解，将信号从一维的时间序列，映射到二维的频域空间；

步骤S3：在二维的频域空间内提取出信号特征；

步骤S4：将信号特征输入至训练好的核脉冲信号与噪声分离模型，并将核脉冲信号与噪声分离模型的输出，通过逆变换，并结合信号特征所对应信号的相位，获得核脉冲信号和噪声信号；

步骤S5：将获得的核脉冲信号进行预处理；

步骤S6：提取出预处理后的核脉冲信号的幅值，并以此生成能谱；

所述步骤S1，包括：

利用ADC采集得到原始信号，所述原始信号包括：核脉冲信号、噪声信号以及二者的混合信号；

对原始信号进行FIR低通滤波，滤波公式如下：

其中：为第n个时刻的输入信号，为第n-k个时刻的输入信号，为FIR滤波系数，为经过滤波后的信号，N表示FIR滤波器的抽头数，为滤波器阶数，k为正整数，并且k，n为正整数，表示为某一个时刻；

所述步骤S2，包括：

设是一个实对称窗函数，是一维时域信号在第时间帧、第个频段的短时傅里叶变换系数，则：

其中：k为正整数，表示某一个时刻，为窗函数在第k时刻，第t时间帧的输出，j为虚数单位；

对应的傅里叶能量幅度谱为：

其中，表示复数域的取模操作；

所述信号特征包括：信号的幅度谱和功率谱；

所述核脉冲信号与噪声分离模型的训练过程如下：

步骤A：时频分解；先对已知的核脉冲信号、噪声信号以及二者的混合信号进行时频分解，将信号从一维的时间序列，映射到二维的频域空间；

步骤B：特征提取；分别提取核脉冲信号、噪声信号以及二者的混合信号在二维频域的特征；

步骤C：模型训练；用步骤B得到的特征和各个信号的时频掩蔽对核脉冲信号与噪声分离模型进行训练；

步骤D：模型保存；最后得到一个可以分离噪声和核脉冲信号的核脉冲信号与噪声分离模型；

所述核脉冲信号与噪声分离模型为卷积神经网络。

2.根据权利要求1所述的一种复杂环境下的核脉冲信号与噪声信号甄别方法，其特征在于，所述步骤S4，包括：

将信号特征输入至训练好的核脉冲信号与噪声分离模型，分别预测得到噪声和信号的分离目标；

再将分离目标通过短时逆傅里叶逆变换获得核脉冲的波形信号。

3.根据权利要求1所述的一种复杂环境下的核脉冲信号与噪声信号甄别方法，其特征在于，所述预处理，包括：梯形成形、堆积判弃、峰值提取。