基于储备池计算的非线性混合混沌信号分离方法及系统

本申请实施例涉及但不限于信号处理，尤其涉及基于储备池计算的非线性混合混沌信号分离方法及系统。

背景技术：

1、混沌信号被广泛应用于多通道保密通信、复杂系统监测、多目标测距雷达等领域。在实际工程中，信号因信道畸变、器件非线性、串扰等因素，均以非线性混合形式存在，其高精度分离是实现测距精度提升、通信安全保障的核心前提。储备池计算（reservoircomputing，rc）因结构简单、训练成本低、非线性拟合能力强，成为混沌信号处理的主流方案，但当前rc方法存在以下局限：仅适用于线性混合信号，无法处理实际场景中非线性混合信号；采用开环rc架构，模型训练过程稳定性差，对长序列信号拟合效果弱，信号分离精度偏低，同时无法应对混合比例未知的实际工况，难以满足工程对非线性混合混沌信号高精度分离的使用需求。

技术实现思路

1、以下是对本文详细描述的主题的概述。本概述并非为了限制权利要求的保护范围。

2、本申请实施例提供了一种基于储备池计算的非线性混合混沌信号分离方法及系统，能够适配各类非线性混合混沌信号，有效提高混沌源信号的分离精度。

3、第一方面，本申请实施例提供了一种基于储备池计算的非线性混合混沌信号分离方法，包括：获取待处理的非线性混合混沌信号；将所述非线性混合混沌信号输入预训练的目标信号分离模型，所述目标信号分离模型的参数包括输入权重矩阵、储备池权重矩阵、反馈权重矩阵和输出权重矩阵；通过所述输入权重矩阵将所述非线性混合混沌信号映射到储备池的高维空间，得到信号输入映射；根据所述储备池权重矩阵、所述反馈权重矩阵和所述信号输入映射，得到储备池特征表示；根据所述输出权重矩阵和所述储备池特征表示，从所述非线性混合混沌信号中分离得到对应的混沌源信号。

4、结合第一方面，在本申请一实施例中，所述目标信号分离模型的训练步骤包括：获取初始混沌信号样本，根据所述初始混沌信号样本构造非线性叠加混沌信号样本；构建第一闭环储备池计算网络；根据所述非线性叠加混沌信号样本对所述第一闭环储备池计算网络进行预训练，得到目标预训练输出权重和目标增益矩阵；构建第二闭环储备池计算网络，所述第二闭环储备池计算网络与所述第一闭环储备池计算网络的结构相同；将所述目标预训练输出权重作为所述第二闭环储备池计算网络的初始输出权重，将所述目标增益矩阵作为所述第二闭环储备池计算网络的恒定增益矩阵；根据所述初始混沌信号样本对所述第二闭环储备池计算网络进行主训练，在主训练的过程中，根据主训练瞬时误差和所述恒定增益矩阵，迭代更新所述初始输出权重，得到输出权重矩阵；将搭载所述输出权重矩阵的第二闭环储备池计算网络确定为目标信号分离模型。

5、结合第一方面，在本申请一实施例中，所述根据所述非线性叠加混沌信号样本对所述第一闭环储备池计算网络进行预训练，得到目标预训练输出权重和目标增益矩阵，包括：初始化第一闭环储备池计算网络的输入权重矩阵、储备池权重矩阵、反馈权重矩阵，并初始化预训练输出权重与增益矩阵初始值；逐时序输入所述非线性叠加混沌信号样本，生成对应时刻的储备池状态向量；基于更新前的预训练输出权重、所述储备池状态向量和所述非线性叠加混沌信号样本，计算预训练瞬时误差；根据所述预训练瞬时误差、所述储备池状态向量与上一时刻增益矩阵更新预训练输出权重，利用当前储备池状态向量迭代更新增益矩阵；循环遍历所述非线性叠加混沌信号样本，迭代完成后得到目标预训练输出权重和目标增益矩阵。

6、结合第一方面，在本申请一实施例中，所述根据主训练瞬时误差和所述恒定增益矩阵，迭代更新所述初始输出权重，得到输出权重矩阵，包括：基于所述初始混沌信号样本和所述初始输出权重计算主训练瞬时误差；根据所述主训练瞬时误差和所述恒定增益矩阵，迭代更新所述初始输出权重，得到输出权重矩阵。

7、结合第一方面，在本申请一实施例中，所述根据所述初始混沌信号样本构造非线性叠加混沌信号样本，包括：根据预设的混合系数对所述初始混沌信号样本做非线性运算，得到非线性叠加混沌信号样本。

8、结合第一方面，在本申请一实施例中，所述第一闭环储备池计算网络包括第一输入层、第一储备池层、第一输出层和第一反馈回路，所述第一输入层配置有第一输入权重矩阵，所述第一储备池层配置有第一储备池权重矩阵，所述第一输出层配置有可迭代更新的第一输出权重矩阵；所述第一反馈回路设有第一反馈权重矩阵，用于将第一输出层信号反馈至第一储备池层。

9、结合第一方面，在本申请一实施例中，所述第二闭环储备池计算网络包括第二输入层、第二储备池层、第二输出层和第二反馈回路，所述第二输入层配置有第二输入权重矩阵，所述第二储备池层配置有第二储备池权重矩阵，所述第二输出层配置有可迭代更新的第二输出权重矩阵；所述第二反馈回路设有第二反馈权重矩阵，用于将第二输出层信号反馈至第二储备池层。

10、结合第一方面，在本申请一实施例中，在将所述非线性混合混沌信号输入目标信号分离模型之前，所述方法还包括：对所述非线性混合混沌信号进行去噪处理和归一化处理，得到优化后的非线性混合混沌信号。

11、第二方面，本申请实施例提供了一种基于储备池计算的非线性混合混沌信号分离系统，应用于如前面所述的基于储备池计算的非线性混合混沌信号分离方法，所述系统包括：信号输入模块，用于获取待处理的非线性混合混沌信号；控制模块，用于将所述非线性混合混沌信号输入目标信号分离模型，所述目标信号分离模型的参数包括输入权重矩阵、储备池权重矩阵、反馈权重矩阵和输出权重矩阵；第一逻辑执行模块，用于通过所述输入权重矩阵将所述非线性混合混沌信号映射到储备池的高维空间，得到信号输入映射；第二逻辑执行模块，用于根据所述储备池权重矩阵、所述反馈权重矩阵和所述信号输入映射，得到储备池特征表示；第三逻辑执行模块，用于根据所述输出权重矩阵和所述储备池特征表示，从所述非线性混合混沌信号中分离得到对应的混沌源信号。

12、结合第二方面，在本申请一实施例中，所述系统还包括模型训练模块，用于根据混沌信号样本训练得到目标信号分离模型。

13、本申请实施例提供了一种基于储备池计算的非线性混合混沌信号分离方法、非线性混合混沌信号分离系统。该方法先获取待处理的非线性混合混沌信号，然后将该非线性混合混沌信号输入预训练的目标信号分离模型。目标信号分离模型的参数包括输入权重矩阵、储备池权重矩阵、反馈权重矩阵和输出权重矩阵。模型在处理非线性混合混沌信号的过程中，可以先通过输入权重矩阵将非线性混合混沌信号映射到储备池的高维空间，得到信号输入映射；然后根据储备池权重矩阵、反馈权重矩阵和信号输入映射，得到储备池特征表示；再根据输出权重矩阵和储备池特征表示，从非线性混合混沌信号中分离得到对应的混沌源信号。本申请实施例一方面能够适配各类非线性混合混沌信号，兼容混合比例未知的工程场景，另一方面可通过反馈权重矩阵形成闭环约束，提升模型训练稳定性与长序列拟合能力，有效提高混沌源信号的分离精度，能够满足测距雷达、保密通信系统对信号分离的高精度使用要求。

1.一种基于储备池计算的非线性混合混沌信号分离方法，其特征在于，包括：

2.根据权利要求1所述的非线性混合混沌信号分离方法，其特征在于，所述目标信号分离模型的训练步骤包括：

3.根据权利要求2所述的非线性混合混沌信号分离方法，其特征在于，所述根据所述非线性叠加混沌信号样本对所述第一闭环储备池计算网络进行预训练，得到目标预训练输出权重和目标增益矩阵，包括：

4.根据权利要求2所述的非线性混合混沌信号分离方法，其特征在于，所述根据主训练瞬时误差和所述恒定增益矩阵，迭代更新所述初始输出权重，得到输出权重矩阵，包括：

5.根据权利要求2所述的非线性混合混沌信号分离方法，其特征在于，所述根据所述初始混沌信号样本构造非线性叠加混沌信号样本，包括：

6.根据权利要求2所述的非线性混合混沌信号分离方法，其特征在于，所述第一闭环储备池计算网络包括第一输入层、第一储备池层、第一输出层和第一反馈回路，所述第一输入层配置有第一输入权重矩阵，所述第一储备池层配置有第一储备池权重矩阵，所述第一输出层配置有可迭代更新的第一输出权重矩阵；所述第一反馈回路设有第一反馈权重矩阵，用于将第一输出层信号反馈至第一储备池层。

7.根据权利要求2所述的非线性混合混沌信号分离方法，其特征在于，所述第二闭环储备池计算网络包括第二输入层、第二储备池层、第二输出层和第二反馈回路，所述第二输入层配置有第二输入权重矩阵，所述第二储备池层配置有第二储备池权重矩阵，所述第二输出层配置有可迭代更新的第二输出权重矩阵；所述第二反馈回路设有第二反馈权重矩阵，用于将第二输出层信号反馈至第二储备池层。

8.根据权利要求1所述的非线性混合混沌信号分离方法，其特征在于，在将所述非线性混合混沌信号输入目标信号分离模型之前，所述方法还包括：

9.一种基于储备池计算的非线性混合混沌信号分离系统，其特征在于，应用于如权利要求1-8任一项所述的非线性混合混沌信号分离方法，所述系统包括：

10.根据权利要求9所述的非线性混合混沌信号分离系统，其特征在于，所述系统还包括模型训练模块，用于根据混沌信号样本训练得到目标信号分离模型。