[发明专利]一种基于图像分割的跳频信号参数计算方法

权利要求书

1.一种基于图像分割的跳频信号参数计算方法，其特征在于，包括以下步骤：

S1、获取N个跳频信号，并记录保存跳频信号的频率、开始时间和结束时间；

S2、对生成的跳频信号IQ数据进行傅里叶变换，得到信号频谱图，将跳频信号的频率、开始时间和结束时间进行映射计算，得到跳频信号在频谱图中的位置信息；

S3、构建与频谱图同高同宽的二维特征矩阵，根据跳频信号在频谱图中的位置信息对特征矩阵中的相同位置赋1，其他位置赋0，并存储特征矩阵；

S4、对频谱图和与其对应的特征矩阵进行均匀切片处理，得到频谱图样本与其对应的特征矩阵样本，并制作成数据集；

S5、使用深度学习图像分割模型训练数据集，模型收敛后，得到深度学习图像分割权重文件；

S6、对预测信号IQ数据进行傅里叶变换，得到预测信号频谱图，并进行均匀切片处理，得到M个信号频谱图样本；

S7、使用深度学习图像分割模型和训练好的权重文件，对M个信号频谱图样本进行预测，得到M个二维特征矩阵；

S8、对M个二维特征矩阵按照切分顺序进行拼接得到信号频谱图特征矩阵，并将该矩阵中数值大于0.5的置1，小于0.5的置0；

S9、将信号频谱图特征矩阵中值为1的位置对应的预测信号视为跳频信号，对信号频谱图特征矩阵中的每行进行时间连续性分析，得到线状信号，并对线状信号进行频率连续性分析，得到矩形信号；

S10、对所有得到的矩形信号进行周期性分析，得到跳频信号的跳频图案；

S11、通过跳频图案中信号在信号频谱图特征矩阵中的位置信息，进行频率和时间映射计算，得到跳频图案参数信息。

2.根据权利要求1所述的基于图像分割的跳频信号参数计算方法，其特征在于，所述均匀切片处理为：每份切片长度为512，当切片长度不足512时进行补零处理。

3.根据权利要求1所述的基于图像分割的跳频信号参数计算方法，其特征在于，所述时间连续性分析的具体步骤为：

A1、若信号频谱图特征矩阵每行连续出现四个信号则保留该行矩阵，否则将该行矩阵置为0，对连续信号进行时间连续性处理得到线状信号；

A2、对同行相邻线状信号进行分析，若信号相邻间隔小于3或信号总长度的十分之一，则进行线状信号合并。

4.根据权利要求1所述的基于图像分割的跳频信号参数计算方法，其特征在于，所述频率连续性分析的具体步骤为：

B1、对线状信号长度进行聚类分析，得到分布最集中的信号长度，作为基准长度；

B2、对线状信号进行筛选，当其长度与基准长度的差值与基准长度的比值小于0.7时，将该线状信号剔除；

B3、随机找到一个线状信号进行矩形信号初始化；

B4、判断矩形信号与相邻线状信号的交并比是否大于0.7，若是则将该矩形信号与相邻线状信号进行合并；

B5、返回步骤B4，直到该矩形信号不能继续合并；

B6、返回步骤B3，直到找不到线状信号，得到矩形信号集合。

5.根据权利要求1所述的基于图像分割的跳频信号参数计算方法，其特征在于，所述周期性分析的具体步骤为：

C1、从矩形信号中将相同频率的矩形信号提取出来；

C2、计算同频矩形信号相邻间隔的跳数，并将其放入跳数集合中；

C3、对跳数集合进行聚类分析，得到分布最集中的跳数即为一个周期的跳数；

C4、对不同周期内相同位置的跳频信号起始高度和结束高度进行聚类分析，得到每一跳分布最集中的起始高度和结束高度的位置信息；

C5、对所有矩形信号持续长度进行聚类分析，得到单个跳频信号的持续长度，分析可得一个周期内所有跳频信号的位置信息。