[发明专利]基于卷积循环自动编码器的并行信号处理装置和方法

说明书

本发明公开了一种基于卷积循环自动编码器的并行信号处理装置和方法，装置包括并行信号处理器模块、数字信号处理器模块和卷积循环自动编码器模块；采用上述装置执行信号处理方法，通过利用深度神经网络强大的学习能力，训练好的卷积循环自动编码器能够对通道失配的并行信号处理器输出的失真信号进行校正。通道失配的并行信号处理器输出的失真信号输入训练好的卷积循环自动编码器，得到高质量的重构信号。这对采用了并行信号处理技术的信息处理系统的性能提升及应用拓展具有十分重要的作用。

技术领域

本发明涉及并行信号处理技术和深度学习技术，尤其涉及基于卷积循环自动编码器的并行信号处理装置和方法。

背景技术

并行信号处理技术可以降低成本、缓解硬件压力以及实现高速处理。诸多系统如光子相干雷达系统、合成孔径雷达(SAR)成像系统通常采用并行信号处理技术来缓解硬件压力实现超高速采样、高精度成像。然而在并行处理过程中，多个相同架构的并行通道之间通常存在硬件偏差如物理长度不一致，所以各个并行通道输出之间存在失配。当把各个通道的信号交织在一起的时，交织后的信号是失真的，称之为失真信号。因此，由于多个并行通道之间存在失配，并行信号处理技术的引入恶化了系统输出信号的质量。例如，在一个多通道SAR成像系统中，并行通道之间的硬件偏差严重影响重构图像的质量[Zhang,S.,Xing,M.Xia,X.et al.A Robust Channel-Calibration Algorithm for Multi-Channel inAzimuth HRWS SAR Imaging Based on Local Maximum-Likelihood Weighted MinimumEntropy.IEEE T.Image Process vol.22,pp.5294-5305，2013]。

从硬件层面减小并行通道之间的物理长度误差可以减轻并行通道间的失配程度，提高整个系统输出信号的质量。但是该方法通常技术上实现困难而且成本高。因此，通常从软件层面对并行处理后的失真信号进行处理，从而获得高质量的系统输出。为了解决并行信号处理导致系统输出失真这一问题，传统方法通常是通过复杂算法先评估多个并行通道之间的失配量后再对失真信号进行校正。但是当并行通道之间的失配量较大时，传统方法通常难以精确估计失配量。为解决导致SAR成像的图像精度不高问题，一种基于加权最小熵的通道校准算法被提出[Li,Z.,Wang,H.,Bao,Z.,Liao,G.Performance improvement forconstellation SAR using signal processing techniques.IEEE Trans.Aerosp.Electron.Syst.Vol.42,pp.436–452，2006]。近年来也有使用先进的方法如深度学习来补偿通道失配。例如在[Xu,S.et al.Deep-learning-powered photonic analog-to-digitalconversion.Light Sci.Appl.Vol.8,no.66，2019]中，当并行光模数转换系统多个并行通道失配时，通过训练深度残差网络，网络实现了对当前失配状态下的并行光模数转换系统输出的失真信号纠正。但是当并行光模数转换系统多个并行通道失配量改变时，网络不能纠正系统输出的失真信号。