[发明专利]基于深度学习的信号频谱增强方法及系统

权利要求书

1.一种基于深度学习的信号频谱增强方法，其特征在于，包括：

获取待处理的信号频谱；

将所述待处理的信号频谱输入频谱增强模型，得到所述频谱增强模型输出的增强后的信号频谱；

其中，所述频谱增强模型是基于具有泄露的频谱样本数据以及消除泄露的频谱样本数据对深度学习神经网络进行训练得到的。

2.根据权利要求1所述的一种基于深度学习的信号频谱增强方法，其特征在于，所述频谱增强模型的训练过程包括：

构建用于频谱增强的深度学习神经网络；

获取消除泄露的频谱样本数据以及具有泄露的频谱样本数据，构建训练样本数据集；

通过所述训练样本数据集对所述深度学习神经网络进行训练，得到频谱增强模型。

3.根据权利要求2所述的一种基于深度学习的信号频谱增强方法，其特征在于，所述深度学习神经网络包括多个级联的复数域全连接层，每个所述复数域全连接层包括若干个并行的复数域神经算子，每个所述复数域全连接层的输出为其内各复数域神经算子的输出组合结果。

4.根据权利要求3所述的一种基于深度学习的信号频谱增强方法，其特征在于，所述复数域神经算子的输入为：

r_in＝x+j*y

所述复数域神经算子的输出为：

r_out＝x′+j*y′

其中，x,x′分别为输入和输出的实部，y,y′分别为输入和输出的虚部，r_in为一个复数向量，r_out为一个复数；

所述复数域神经算子的输出与输入的关系为：

其中，w₁,w₂均为复数域神经算子的参数，b₁,b₂均为复数域神经算子的偏置，Σ表示将向量中所有元素进行求和，σ(·)表示激活函数。

5.根据权利要求2所述的一种基于深度学习的信号频谱增强方法，其特征在于，获取消除泄露的频谱样本数据以及具有泄露的频谱样本数据，构建训练样本数据集，包括：

通过随机数生成器生成理想频谱，得到消除泄露的频谱样本数据；

对所述消除泄露的频谱样本数据进行泄露操作，得到具有泄露的频谱样本数据；

根据所述消除泄露的频谱样本数据与相应的具有泄露的频谱样本数据，构建得到训练样本数据集。

6.根据权利要求5所述的一种基于深度学习的信号频谱增强方法，其特征在于，对所述消除泄露的频谱样本数据进行泄露操作，得到具有泄露的频谱样本数据之后，还包括：

在所述具有泄露的频谱样本数据中添加高斯白噪声，得到观测频谱。

7.一种基于深度学习的信号频谱增强系统，其特征在于，包括：

获取模块，用于获取待处理的信号频谱；

处理模块，用于将所述待处理的信号频谱输入频谱增强模型，得到所述频谱增强模型输出的增强后的信号频谱；

其中，所述频谱增强模型是基于具有泄露的频谱样本数据以及消除泄露的频谱样本数据对深度学习神经网络进行训练得到的。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于深度学习的信号频谱增强方法的步骤。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于深度学习的信号频谱增强方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于深度学习的信号频谱增强方法的步骤。