欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024101438178
申请人: 成都理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于神经网络自编码器的核脉冲信号处理架构,其特征在于,包括:依次连接的核脉冲信号预处理模块、SoC处理器和ZYNQ可编程片上系统;

所述ZYNQ可编程片上系统与信号采集终端连接;

所述核脉冲信号预处理模块用于对原始信号依次进行滤波处理、放大处理和电压偏置处理,在放大处理后的原始信号中存在核脉冲信号时,对电压偏置处理后的原始信号进行模数转换处理,得到待降噪核脉冲数字信号;所述原始信号为随机叠加有核脉冲信号的基线信号;

所述SoC处理器集成有训练后的神经网络自编码器模型;所述SoC处理器用于将所述待降噪核脉冲数字信号加载到输入结构体变量中,将所述输入结构体变量输入到所述训练后的神经网络自编码器模型中得到滤波降噪处理后的核脉冲信号,将滤波降噪处理后的核脉冲信号缓存在输出结构体变量中,将输出结构体变量中滤波降噪处理后的核脉冲信号传输至所述ZYNQ可编程片上系统;所述训练后的神经网络自编码器模型是利用含噪核脉冲数字信号和无噪核脉冲数字信号对神经网络自编码器模型进行自监督训练后得到的;

所述SoC处理器包括:第一CPU处理单元和NPU处理单元;所述第一CPU处理单元分别与所述核脉冲信号预处理模块、所述NPU处理单元和所述ZYNQ可编程片上系统连接;所述第一CPU处理单元用于将所述待降噪核脉冲数字信号加载到输入结构体变量;所述NPU处理单元集成有训练后的神经网络自编码器模型;所述NPU处理单元用于将所述输入结构体变量输入到所述训练后的神经网络自编码器模型中得到滤波降噪处理后的核脉冲信号,将滤波降噪处理后的核脉冲信号缓存在输出结构体变量中;所述第一CPU处理单元还用于将输出结构体变量中滤波降噪处理后的核脉冲信号传输至所述ZYNQ可编程片上系统;

所述ZYNQ可编程片上系统集成有多种数字化算法;所述ZYNQ可编程片上系统用于利用多种所述数字化算法,提取滤波降噪处理后的核脉冲信号的参数信息,存储所述参数信息并将所述参数信息传输至所述信号采集终端。

2.根据权利要求1所述的一种基于神经网络自编码器的核脉冲信号处理架构,其特征在于,所述数字化算法包括成形算法、幅度提取算法、恒比定时数字化算法和时间提取算法。

3.根据权利要求1所述的一种基于神经网络自编码器的核脉冲信号处理架构,其特征在于,所述核脉冲信号预处理模块包括:增益调节电路、直流偏移调节电路、阈值触发电路和高速ADC电路;

所述增益调节电路分别与所述直流偏移调节电路和所述阈值触发电路连接;所述直流偏移调节电路和所述阈值触发电路均与所述高速ADC电路连接;所述高速ADC电路与所述SoC处理器连接;

所述增益调节电路用于对原始信号依次进行滤波处理和放大处理,得到放大处理后的原始信号;

所述直流偏移调节电路用于对放大处理后的原始信号进行电压偏置处理,得到电压偏置处理后的原始信号;

所述阈值触发电路用于根据放大处理后的原始信号生成触发信号;所述阈值触发电路用于在放大处理后的原始信号的信号幅值达到幅值阈值时输出高电平为触发信号,在放大处理后的原始信号的信号幅值小于幅值阈值时输出低电平为触发信号;

所述高速ADC电路用于在触发信号为高电平时,对电压偏置处理后的原始信号进行模数转换处理,得到待降噪核脉冲数字信号。

4.根据权利要求3所述的一种基于神经网络自编码器的核脉冲信号处理架构,其特征在于,所述核脉冲信号预处理模块还包括:辐射探测器;

所述辐射探测器与所述增益调节电路连接;所述辐射探测器用于获取原始信号。

5.根据权利要求2所述的一种基于神经网络自编码器的核脉冲信号处理架构,其特征在于,所述ZYNQ可编程片上系统包括:可编程逻辑单元和第二CPU处理单元;

所述可编程逻辑单元分别与所述SoC处理器和所述第二CPU处理单元连接;所述第二CPU处理单元还与信号采集终端连接;

所述可编程逻辑单元集成有多种数字化算法;所述可编程逻辑单元用于利用多种所述数字化算法,提取滤波降噪处理后的核脉冲信号的参数信息;

所述第二CPU处理单元用于存储所述参数信息并将所述参数信息传输至所述信号采集终端。

6.根据权利要求2所述的一种基于神经网络自编码器的核脉冲信号处理架构,其特征在于,所述神经网络自编码器模型为全连接神经网络或卷积神经网络。

7.一种基于神经网络自编码器的核脉冲信号处理方法,其特征在于,所述基于神经网络自编码器的核脉冲信号处理方法应用于如权利要求1-6任一项所述的基于神经网络自编码器的核脉冲信号处理架构,所述基于神经网络自编码器的核脉冲信号处理方法包括:获取原始信号;所述原始信号为随机叠加有核脉冲信号的基线信号;

对原始信号依次进行滤波处理、放大处理和电压偏置处理;

在放大处理后的原始信号中存在核脉冲信号时,对电压偏置处理后的原始信号进行模数转换处理,得到待降噪核脉冲数字信号;

将所述待降噪核脉冲数字信号加载到输入结构体变量中;

将所述输入结构体变量输入到训练后的神经网络自编码器模型中,得到输出结构体变量;所述输出结构体变量包括滤波降噪处理后的核脉冲信号;所述训练后的神经网络自编码器模型是利用含噪核脉冲数字信号和无噪核脉冲数字信号对神经网络自编码器模型进行自监督训练后得到的;

利用多种数字化算法,提取滤波降噪处理后的核脉冲信号的参数信息;

存储并传输所述参数信息。

8.根据权利要求7所述的一种基于神经网络自编码器的核脉冲信号处理方法,其特征在于,在所述获取原始信号之前,还包括:构建神经网络自编码器模型;所述神经网络自编码器模型为全连接神经网络或卷积神经网络;

将含噪核脉冲数字信号输入到神经网络自编码器模型中,得到去噪核脉冲数字信号;

根据去噪核脉冲数字信号和无噪核脉冲数字信号确定损失函数值;

根据所述损失函数值,调整神经网络自编码器模型的参数并返回步骤“将含噪核脉冲数字信号输入到神经网络自编码器模型中,得到去噪核脉冲数字信号”直至连续预设次数次迭代的损失函数值均小于损失函数值阈值,得到训练后的神经网络自编码器模型。

9.根据权利要求8所述的一种基于神经网络自编码器的核脉冲信号处理方法,其特征在于,所述神经网络自编码器模型包括依次连接的输入层、多编码层、多解码层和输出层;

所述多编码层包括依次连接的多个编码层;

所述多解码层包括依次连接的多个解码层;

所述编码层的数量等于所述解码层的数量。