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: 2025112698934
申请人: 南京邮电大学
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:

1.一种多重碰撞ADS-B信号的智能分离方法,其特征在于:所述分离方法通过SplitNet-3模型实现,所述智能分离方法具体包括以下步骤:步骤1、归一化:对卫星接收的ADS-B多重碰撞数据进行归一化处理,将ADS-B多重碰撞数据中的每个信号归一化到[0, 1]范围内,将所有信号的幅度归一化至[0, 1]范围内得到归一化后的数据;

步骤2、波形特征映射:将步骤1得到的归一化后的数据通过编码器的一维卷积层,完成归一化后的数据向多通道特征空间的转换,输出多通道特征空间的特征向量;

步骤3、残差下采样块处理:将步骤2得到的特征向量输入到编码器的残差下采样处理模块,经过多次残差下采样得到具有全局感知能力的深层特征;

步骤4、初始化上采样:将具有全局感知能力的深层特征作为解码器的初始输入特征,从解码器的瓶颈层开始进行上采样操作,得到上采样特征;

步骤5、跳跃特征融合:将步骤4得到的上采样特征与编码器中保存的对应层跳跃特征在通道维度融合,得到融合后的特征;

步骤6、残差卷积细化:对步骤5融合后得到的特征采用与编码器相同的残差块结构进行卷积处理,输出新的细化特征向量;

步骤7、解码特征向量:对步骤6输出的新的细化特征向量进行列优先向量化并转换为一维向量;

步骤8、多层感知机全局映射:对步骤7得到的一维向量依次施加两层带有PReLU激活函数的线性变换,再接一层线性映射得到输出向量;

步骤9、信号分离:将步骤8得到的输出向量变换为张量,对张量中逐元素施加sigmoid函数,得到三路分离信号在各采样点的存在概率,对三路分离信号在各采样点的存在概率的序列进行解码,恢复为最终的数值信号即ADS-B数字信号序列。

2.根据权利要求1所述的一种多重碰撞ADS-B信号的智能分离方法,其特征在于:在所述步骤2中,编码器通过逐层卷积操作提取归一化后的数据的深层特征,同时逐步降低时间分辨率,设归一化后的数据的采样长度为,记为:初始输入为单通道,即,归一化后的数据首先经过一个一维卷积层,将通道数从1提升至实现从归一化后的数据到多通道特征空间的映射,输出多通道特征空间的特征向量表示为:,

其中,为卷积核大小,为步幅大小,为输出通道数,为输入通道数,表示激活函数,如果输入是正数,是输入本身,如果输入是负数,为0。

3.根据权利要求1所述的一种多重碰撞ADS-B信号的智能分离方法,其特征在于:在所述步骤3中具体包含以下步骤:步骤3.1、残差块卷积:首先对编码器的残差下采样处理模块依次执行两次一维卷积,得到主分支输出:,

其中,为当前阶段特征,为信号采样点数;

步骤3.2、批归一化:对主分支输出进行批归一化,公式如下:,

其中,为归一化后的主分支输出;

步骤3.3、变换求和:当输入通道数不等于输出通道时,使用一个1×1的卷积对当前阶段特征进行投影,为投影特征,当输入通道数等于输出通道时,,将归一化后的主分支输出与变换后的逐元素相加,并通过激活得到残差下采样处理模块的输出即具有全局感知能力的深层特征。

4.根据权利要求1所述的一种多重碰撞ADS-B信号的智能分离方法,其特征在于:在所述步骤4中,解码器共包含个上采样步骤,每个上采样步骤记为第层,从瓶颈层向解码器的输出层依次进行,表示为:,

其中,为上采样特征,,为第层的当前阶段特征。

5.根据权利要求4所述的一种多重碰撞ADS-B信号的智能分离方法,其特征在于:在所述步骤5中,将上采样特征与编码器中保存的对应层跳跃特征在通道维度融合,得到融合后的特征:,

其中,为融合后的特征,为上采样特征。

6.根据权利要求1所述的一种多重碰撞ADS-B信号的智能分离方法,其特征在于:在所述步骤6中,步骤5得到的融合后的特征通过两层卷积,采用与编码器ResidualBlock1d结构进行卷积处理,得到新的细化特征向量。

7.根据权利要求6所述的一种多重碰撞ADS-B信号的智能分离方法,其特征在于:在所述步骤7中,设解码器末端输出为,其中表示通道数,为采样长度,对新的细化特征向量列优先向量化,公式如下:,

其中,为列优先向量化的结果。

8.根据权利要求1所述的一种多重碰撞ADS-B信号的智能分离方法,其特征在于:在所述步骤8中,对步骤7得到的一维向量依次施加两层带有PReLU激活函数的线性变换,再接一层线性映射得到输出向量,公式如下:,,

,,

,,

其中,表示带有PReLU激活函数的线性变换,、和分别对应第一层、第二层和输出层的权重,、和分别对应于第一层、第二层和输出层的偏置,、分别表示经过激活函数变换后的中间层输出。

9.根据权利要求8所述的一种多重碰撞ADS-B信号的智能分离方法,其特征在于:在所述步骤9中具体包含以下步骤:步骤9.1、将步骤8输出向量变换为张量:

,

其中,为采样长度;

步骤9.2、对张量中逐元素施加sigmoid函数,得到三路分离信号在各采样点的存在概率:,

其中,为三路分离信号在各采样点的张量;为分离信号的路数,,为采样长度;

步骤9.3、根据经验阈值、硬判决将存在概率转换为0/1电平序列,基于SplitNet-3模型推测还原出三路独立的ADS-B数字信号序列。

10.根据权利要求1或8所述的一种多重碰撞ADS-B信号的智能分离方法,其特征在于:所述SplitNet-3模型包括:编码器:实现序列压缩与特征提取,所述编码器通过多层卷积逐步提取信号的时间特征,时间特征包括卷积层、池化层、残差块,每个残差块后接最大池化操作以实现下采样;

解码器:实现特征还原和信号重建,包括上采样和残差块;

编码器与解码器之间设置了跨层跳跃连接,将解码器上采样结果与编码器对应层的特征在通道维度上拼接融合;

输出为一组由三层全连接组成的多层感知机输出头。