[发明专利]基于降噪模型的FMCW雷达信号降噪系统及方法

说明书

本发明涉及雷达信号降噪技术，其公开了一种基于降噪模型的FMCW雷达信号降噪系统及方法，直接对原始的时域信号进行降噪，以提高雷达探测距离和探测精度。该系统包括：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。

技术领域

本发明涉及雷达信号降噪技术，具体涉及一种基于降噪模型的FMCW(Frequency-Modulated Continuous-Wave调频连续波)雷达信号降噪系统及方法。

背景技术

FMCW雷达指的是发射连续波信号，其发射频率受特定信号调制的雷达。FMCW雷达主要由发射天线和接收天线、功分器混合器和混频器组成的射频前端、三角波发生器以及AD采样和信号处理的后端处理部分组成。而在雷达的使用过程中，热噪声和干扰是一直存在的现象；噪声和干扰会带来提高检测门限、产生虚假目标等问题，会严重影响雷达的使用。进行降噪(包括降低噪声和消除干扰)一方面能够降低接收机最小可检测信噪比，增加雷达探测距离；另一方面，信噪比的提高，可使信号与噪声更明显地区分开来，在虚警概率一定的情况下，提高发现概率，从而更容易检测出微弱目标。

传统的降噪方法是基于信号处理和统计手段的方法，主要有FIR滤波、IIR滤波、中值滤波和小波变换等。其通常步骤可以归纳为：1.根据选用的方法对雷达信号进行预处理；2.使用滤波或者小波变换方法对雷达信号进行降噪计算。

使用传统信号处理的降噪方法缺点也很明显：滤波方法适用于信号和噪声频带重叠非常小的情况，只能对固定频带的噪声进行抑制；但是实际情况里FMCW雷达的差频信号和噪声的频带混杂在一起，同时差频信号的频带随着目标位置不同也变化；滤波方法并不能根据差频信号的频域分布的特点对滤波器参数进行自动修改，滤波效果并不理想。而小波变换方法在一定程度上能够有效的抑制噪声，提高信噪比，但原理复杂，计算量大，硬件不易实现，在FMCW雷达系统中并没有得到广泛的应用。

近几年来，研究者们尝试使用神经网络方法来对FMCW雷达信号进行降噪。目前深度学习领域对FMCW数据的降噪有两种思路，主流方向是对雷达信号经过处理后得到的RD(Range-Doppler)图和mD(micro-Doppler)图使用图像降噪的方式处理，例如卷积神经网络或者生成对抗网络，但该方法需要将信号处理为图像格式，使用场景有限制。

发明内容

本发明所要解决的技术问题是：提出一种基于降噪模型的FMCW雷达信号降噪系统及方法，直接对原始的时域信号进行降噪，以提高雷达探测距离和探测精度。

本发明解决上述技术问题采用的技术方案是：

基于降噪模型的FMCW雷达信号降噪系统，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。

作为进一步优化，所述编码器模块由一维时序卷积神经网络组成。

作为进一步优化，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(跳跃式传递)结构组合而成。

作为进一步优化，所述解码器模块由一维时序卷积神经网络组成。

此外，基于上述系统，本发明还提供了一种基于降噪模型的FMCW雷达信号降噪方法，包括以下步骤：