基于生成对抗网络的WVD时频分析交叉项抑制方法及系统、存储介质与流程

技术特征：
1.基于生成对抗网络的wvd时频分析交叉项抑制方法，其特征在于：包括以下步骤：构建生成式对抗gan网络，所述gan网络包括生成器g和判别器d：所述生成器g用于获取样本数据；所述判别器d用于判断输入数据是否为真实数据；获取含有交叉项的图像和消除交叉项的图像；以相互博弈的方式对生成器与判别器进行训练，直到消除含有交叉项的图像中的交叉项。2.如权利要求1所述的基于生成对抗网络的wvd时频分析交叉项抑制方法，其特征在于：所述以相互博弈的方式对生成器与判别器进行训练，具体步骤如下：判别器d参数的训练：将含有交叉项的图像输入生成器g生成样本g(z)；将样本g(z)与消除交叉项的图像输入到判别器d中进行训练得到判别器d的参数；输出判别器d的判别结果；生成器的参数训练：根据判断器d输出的判断结果调整生成器的参数直到生成器g输出结果为真实状态；保留生成器g的参数。3.如权利要求1所述的基于生成对抗网络的wvd时频分析交叉项抑制方法，其特征在于：所述生成式对抗gan网络采用pix2pix网络。4.如权利要求1所述的基于生成对抗网络的wvd时频分析交叉项抑制方法，其特征在于：所述生成器g(x)采用u
‑
net网络，包括降采样编码单元、升采样编码单元、连接单元；所述u
‑
net网络按照以下步骤进行：通过采样编码单元将输入图像降采样到低维度图像，再通过升采样编码单元将低维度图像升采样到原始分辨率；通过连接单元将降采样和升采样按对应的通道拼接。5.如权利要求1所述的基于生成对抗网络的wvd时频分析交叉项抑制方法，其特征在于：所述判别器采用马尔可夫判别器patchgan。6.如权利要求5所述的基于生成对抗网络的wvd时频分析交叉项抑制方法，其特征在于：所述马尔可夫判别器patchgan中全卷积采用全卷积小网络，最后一层每个像素过sigmoid输出为真的概率，用bceloss计算得到最终loss。7.如权利要求1所述的基于生成对抗网络的wvd时频分析交叉项抑制方法，其特征在于：所述含有交叉项图像按照以下步骤制作：将线性调频信号s1(t)与s2(t)相加后得到s(t)，再对s(t)进行wvd变换，得到含有交叉项的数据w
s
(t,w)。8.如权利要求1所述的基于生成对抗网络的wvd时频分析交叉项抑制方法，其特征在于：所述消除交叉项图像按照以下步骤制作：分别将线性调频信号s1(t)与s2(t)进行wvd变换得到w
s1
(t,w)与w
s2
(t,w)，再将其相加得到不含有交叉项的数据w
s
′
(t,w)；其中，w
s1
(t,w)表示线性调频信号s1(t)变换后信号；w
s2
(t,w)表示线性调频信号s2(t)变换后信号。9.基于生成对抗网络的wvd时频分析交叉项抑制系统，包括存储器、处理器及存储在存
储器上并可在处理器上运行的计算机程序，其特征在于：程序被处理器执行时实现权利要求1
‑
8中任一项所述方法的步骤。10.存储介质，其上存储有计算机程序，其特征在于：程序被处理器执行时实现权利要求1
‑
8中任一项所述方法的步骤。

技术总结
本发明公开一种基于生成对抗网络的WVD时频分析交叉项抑制方法及系统、存储介质，首先构建生成式对抗GAN网络，所述GAN网络包括生成器G和判别器D：所述生成器G用于获取样本数据；所述判别器D用于判断输入数据是否为真实数据；获取含有交叉项的图像和消除交叉项的图像；以相互博弈的方式对生成器与判别器进行训练，直到消除含有交叉项的图像中的交叉项。本发明提供的方法，结合深度学习网络，利用网络端到端的特性与制备交叉项数据的便利性、多样性；实现消除多分量调频信号在WVD变换中产生的交叉项。相比传统方法是更为迅速的。在高信噪比情况下只需改变训练集便可继续发挥，比传统方法所使用的消除交叉项更加的准确。统方法所使用的消除交叉项更加的准确。统方法所使用的消除交叉项更加的准确。


技术研发人员：谭龙飞 崔梦玲 叶鑫 钱江
受保护的技术使用者：电子科技大学长三角研究院（湖州）
技术研发日：2021.07.21
技术公布日：2021/10/28