[发明专利]数据处理方法及装置

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取N组第一复数数据，所述N组第一复数数据与目标雷达的N个通道一一对应，所述N组第一复数数据中每组第一复数数据包括来自于对应通道的数据；

使用目标神经网络对所述N组第一复数数据进行校正，得到N组第二复数数据，所述N组第二复数数据与所述N组第一复数数据一一对应，所述N组第二复数数据中每组第二复数数据为对应的第一复数数据经过所述目标神经网络校正得到的数据，所述目标神经网络用于对雷达的N个通道对应的N组复数数据进行校正以得到所述N组复数数据校正后的复数数据，N大于等于2。

2.根据权利要求1所述的方法，其特征在于，所述目标神经网络为全连接神经网络，所述全连接神经网络的输入层神经元的个数与输出层神经元的个数均与所述N相等；

所述使用目标神经网络对所述N组第一复数数据进行校正，得到N组第二复数数据，包括：

将所述N组第一复数数据编码为长度为N的向量；

所述目标神经网络基于所述长度为N的向量得到所述N组第二复数数据。

3.根据权利要求1所述的方法，其特征在于，所述目标神经网络为全连接神经网络，所述全连接神经网络的输入层神经元的个数与输出层神经元的个数均等于2N；

所述使用目标神经网络对所述N组第一复数数据进行校正，得到N组第二复数数据，包括：

将所述N组第一复数数据编码为长度为2N的向量，所述长度为2N的向量中的长度为1至N的数据分别指示所述N组第一复数数据中的实部，所述长度为2N的向量中的长度为N+1至2N的数据分别指示所述N组第一复数数据中的虚部；

所述目标神经网络基于所述长度为2N的向量得到所述N组第二复数数据。

4.根据权利要求1所述的方法，其特征在于，所述目标神经网络为卷积神经网络。

5.一种训练神经网络的方法，其特征在于，所述方法包括：

获取M个训练数据，所述M个训练数据中每个训练数据包括N组复数数据和与所述N组复数数据一一对应的N组监督数据，所述N组复数数据中每组复数数据包括来自于对应通道的数据，所述M个训练数据中的第i个训练数据中的N组监督数据用于指示所述第i个训练数据中的N组复数数据分别对应的理想目标值，i从1取至M，N大于等于2；

使用所述M个训练数据训练神经网络，得到目标神经网络。

6.根据权利要求5所述的方法，其特征在于，所述目标神经网络为全连接神经网络，所述全连接神经网络的输入层神经元的个数与输出层神经元的个数均与所述N相等；

所述使用所述M个训练数据训练神经网络，得到目标神经网络，包括：

根据所述M个训练数据中的第i个训练数据中的N组复数数据，确定所述M个训练数据中的第i个训练数据中的N组监督数据；

将所述M个训练数据中的第i个训练数据中的N组复数数据编码为长度为N的向量；

将所述M个训练数据分别对应的M个长度为N的向量作为所述神经网络的输入，所述M个训练数据分别对应的N组监督数据作为所述神经网络的输出，训练所述神经网络。

7.根据权利要求5所述的方法，其特征在于，所述目标神经网络为全连接神经网络，所述全连接神经网络的输入层神经元的个数与输出层神经元的个数均等于2N；

所述使用所述M个训练数据训练神经网络，得到目标神经网络，包括：

将所述M个训练数据中的第i个训练数据中的N组复数数据编码为长度为2N的向量，所述长度为2N的向量中的长度为1至N的数据分别指示所述N组复数数据中的实部，所述长度为2N的向量中的长度为N+1至2N的数据分别指示所述N组复数数据中的虚部；

根据所述M个训练数据中的第i个训练数据中的N组复数数据，确定所述M个训练数据中的第i个训练数据中的N组监督数据；

将所述M个训练数据分别对应的M个长度为2N的向量作为所述神经网络的输入，所述M个训练数据分别对应的N组监督数据作为所述神经网络的输出，训练所述神经网络。