[发明专利]基于降噪模型的FMCW雷达信号降噪系统及方法

权利要求书

1.基于降噪模型的FMCW雷达信号降噪系统，其特征在于，包括：

时域信号预处理模块，用于对FMCW雷达信号时域数据进行预处理；

编码器模块，用于对经过预处理的FMCW雷达信号时域数据进行编码，获得特征空间上的特征向量；

分离器模块，用于计算编码获得的特征空间上的特征向量的掩码；

解码器模块，用于根据特征空间上的特征向量和掩码来生成降噪后的时域信号。

2.如权利要求1所述的基于降噪模型的FMCW雷达信号降噪系统，其特征在于，

所述编码器模块由一维时序卷积神经网络组成。

3.如权利要求1所述的基于降噪模型的FMCW雷达信号降噪系统，其特征在于，

所述分离器模块由一维膨胀卷积神经网络模块堆叠而成，每个膨胀卷积神经网络模块由深度可分离卷积加skip-connection结构组合而成。

4.如权利要求1所述的基于降噪模型的FMCW雷达信号降噪系统，其特征在于，

所述解码器模块由一维时序卷积神经网络组成。

5.基于降噪模型的FMCW雷达信号降噪方法，应用于如权利要求1-4任意一项所述的系统，其特征在于，包括以下步骤：

A、训练FMCW雷达时域信号降噪模型，该模型包括编码器模块、分离器模块和解码器模块：

A1、对选取的FMCW雷达信号时域数据进行预处理；

A2、利用编码器模块对经过预处理的FMCW雷达信号时域数据进行编码，获得特征空间上的特征向量；

A3、利用分离器模块学习特征空间上的特征向量中干净信号的掩码；

A4、利用解码器模块根据特征空间上的特征向量和掩码来生成降噪后的时域信号；

A5、采用尺度不变的信噪比作为降噪模型的损失函数，最大化该损失函数进行优化训练，直至获得训练好的FMCW雷达时域信号降噪模型；

B、以待降噪的FMCW雷达时域信号作为输入，利用训练好的FMCW雷达时域信号降噪模型获得降噪后的时域信号。

6.如权利要求5所述的基于降噪模型的FMCW雷达信号降噪方法，其特征在于，

步骤A1中，所述预处理包括归一化方法或者零均值化方法。

7.如权利要求5所述的基于降噪模型的FMCW雷达信号降噪方法，其特征在于，

步骤A2中，编码器模块对经过预处理的FMCW雷达信号时域数据进行编码具体包括：对于输入的时域信号x，首先将信号切割为T个长度为L的可以重叠的片段x_k，k＝1，2，…，T，然后对每个切片数据x_k使用一维卷积，得到输入信号在特征空间的N维特征表示向量w_k。

8.如权利要求5所述的基于降噪模型的FMCW雷达信号降噪方法，其特征在于，

步骤A3中，分离器模块通过堆叠的膨胀卷积和skip-connection结构，学习特征编码里干净信号和噪声信号对应的掩码m₁和m₂。

9.如权利要求5所述的基于降噪模型的FMCW雷达信号降噪方法，其特征在于，步骤A4中，解码器模块根据特征空间上的特征向量和掩码来生成降噪后的时域信号具体包括：解码器模块先混合特征向量和干净信号对应的掩码：m₁⊙w_k，然后使用解码器解码得到降噪后的干净信号。

10.如权利要求5所述的基于降噪模型的FMCW雷达信号降噪方法，其特征在于，

步骤A5中，在优化训练过程中，当损失值不在设置的阈值范围时，调整模型参数并继续训练，直到损失值下降到设置的阈值范围时，将此时的模型作为FMCW雷达时域信号降噪模型。