[发明专利]一种基于U-Net分割网络的信号分选方法

权利要求书

1.一种基于U-Net分割网络的信号分选方法，其特征在于，具体包括：

步骤1：训练U-Net分割网络；

步骤2：将待分选的PDW序列经过预处理后，输入训练好的U-Net分割网络，得到所述待分选的PDW序列对应的分选结果；所述分选结果为所述待分选的PDW序列中的所有脉冲所属目标分类；

所述步骤1具体包括：

步骤1-1：构建数据集；所述数据集由大量数据对组成；

步骤1-2：设计U-Net分割网络；

步骤1-3：有监督训练U-Net分割网络；

所述步骤1-1具体包括：

步骤1-1-1：用PDW序列生成

首先根据信号环境设定处理时间长度为T，且限定T为预设的切片长度Δt的整数倍，即T＝Δt×N，N为正整数；时间长度T内包含M个脉冲的PDW序列，记为其是由M个脉冲特征参数向量所组成的向量，0≤pM，其中，Fre_p、PW_p和TOA_p分别为第p脉冲的归一化频率、脉宽和到达时间；

为频率特征图，其是由N个ffp组成的长度为N的向量，其中，N＝T/Δt，ffp_i是的第i个频率特征点，定义如下：

步骤1-1-2：生成标签

是由N个标签向量所构成的向量，其中，0≤iN，是K+1维的1-hot向量，和频率特征点ffp_i所属的目标编号构成一一对应关系，K表示目标空间中已知目标的数量。

2.根据权利要求1所述的方法，其特征在于，当的取值分别为[1,0,…,0]^T、[0,1,0,…,0]^T，…,[0,0,…1,0]^T时，对应的目标编号依次为0、1，…，K-1，分别表示ffp_i属于第0个、第1个，…，第K-1个已知目标；当的取值为[0,…,0,1]^T时，对应的目标编号为K，表示ffp_i不属于任何一个目标。

3.根据权利要求1所述的方法，其特征在于，所述步骤1-1中的数据集还能够通过数据增强的方法获取，具体为：

设已经获得了目标空间中K个已知目标的PDW序列模板以2目标数据对为例，用和生成2目标数据对的方法为步骤1)至步骤5)，其中，r≠s，而生成更多目标数据对的方法以此类推：

步骤1)：选定其中0≤rK，设其到达时间范围为[TOAStart_r,TOAEnd_r]；

步骤2)：从[TOAStart_r,TOAEnd_r]中随机截取时间长度为T的片段，令其起始时间为x₀，从中截取该片段内所包含的脉冲序列片段，记该片段中脉冲个数为PN_r，将其中所有脉冲的TOA减去x₀，得到

步骤3)：选定用与2)相同的方法从中截取脉冲序列片段

步骤4)：把和合并到一起，并按照TOA从小到大排序，再合并时域上交叠的脉冲，得到如果没有需要合并的时域交叠脉冲，则PN＝PN_r+PN_s，否则M是一个略小于PN_r+PN_s的数值；

步骤5)：按照所述步骤1-1中的方法用生成数据对。

4.根据权利要求3所述的方法，其特征在于，所述步骤1-3具体包括：

将通过所述步骤1)至步骤5)得到的数据对作为所述步骤1-2得到的设计好的U-Net分割网络的训练样本集，通过有监督学习方法训练U-Net分割网络。

5.根据权利要求1所述的方法，其特征在于，所述步骤1-2具体包括：

U-Net分割网络最初用于处理二维图像，但并非一张二维的图像，而是一维数组，因此需要针对该特点设计U-Net分割网络，其设计要点包括：

输入层是1维数组，通道数＝1，所有卷积层采用1维卷积操作，输出层的通道数＝K+1，K是目标空间中已知目标的数量。