一种自适应波束形成方法、装置、设备及可读存储介质与流程

技术特征：
1.一种自适应波束形成方法，其特征在于，包括：获取第一数据和第二数据，所述第一数据包括第一时域目标信号和第一时域干扰信号；所述第二数据包括实时产生的混合时域信号；基于所述第一数据计算得到每个时频单元所对应的神经网络掩码值，基于每个时频单元所对应的所述神经网络掩码值对神经网络模型进行训练，得到训练好的模型；对所述第二数据进行处理，得到至少一个混合频域信号，将所述混合频域信号输入所述训练好的模型中，得到第一输出结果；基于所述第一输出结果计算得到协方差矩阵，基于所述协方差矩阵，利用mvdr准则求出权矢量，基于所述权矢量，形成自适应波束。2.根据权利要求1所述的自适应波束形成方法，其特征在于，所述基于所述第一数据计算得到每个时频单元所对应的神经网络掩码值，包括：对所述第一时域目标信号和所述第一时域干扰信号进行进行短时傅里叶变换处理，形成第一频域目标信号和第一频域干扰信号；基于所述第一频域目标信号和所述第一频域干扰信号形成第一结果，所述第一结果包括每个时频单元所对应的神经网络掩码值。3.根据权利要求1所述的自适应波束形成方法，其特征在于，所述基于每个时频单元所对应的所述神经网络掩码值对神经网络模型进行训练，得到训练好的模型，包括：将所述第一时域目标信号和第一时域干扰信号进行混合，得到第一混合时域信号，将所述第一混合时域信号进行短时傅里叶变换处理，得到第一混合频域信号；将所述每个时频单元所对应的所述神经网络掩码值和所述第一混合频域信号输入神经网络模型，对所述神经网络模型进行训练，得到训练好的模型。4.根据权利要求1所述的自适应波束形成方法，其特征在于，所述对所述第二数据进行处理，得到至少一个混合频域信号，将所述混合频域信号输入所述训练好的模型中，得到第一输出结果，包括：利用具有n个单元的均匀线性阵列对所述实时产生的混合时域信号进行接收，形成n个第二混合时域信号，其中，n为正整数；对每个所述第二混合时域信号进行短时傅里叶变换处理得到n个第二混合频域信号，基于训练好的模型和n个所述第二混合频域信号，得到每个所述第二混合频域信号所对应的掩码值。5.一种自适应波束形成装置，其特征在于，包括：获取模块，用于获取第一数据和第二数据，所述第一数据包括第一时域目标信号和第一时域干扰信号；所述第二数据包括实时产生的混合时域信号；训练模块，用于基于所述第一数据计算得到每个时频单元所对应的神经网络掩码值，基于每个时频单元所对应的所述神经网络掩码值对神经网络模型进行训练，得到训练好的模型；处理模块，用于对所述第二数据进行处理，得到至少一个混合频域信号，将所述混合频域信号输入所述训练好的模型中，得到第一输出结果；形成模块，用于基于所述第一输出结果计算得到协方差矩阵，基于所述协方差矩阵，利用mvdr准则求出权矢量，基于所述权矢量，形成自适应波束。
6.根据权利要求5所述的自适应波束形成装置，其特征在于，所述训练模块，包括：第一变换单元，用于对所述第一时域目标信号和所述第一时域干扰信号进行进行短时傅里叶变换处理，形成第一频域目标信号和第一频域干扰信号；第一计算单元，用于基于所述第一频域目标信号和所述第一频域干扰信号形成第一结果，所述第一结果包括每个时频单元所对应的神经网络掩码值。7.根据权利要求5所述的自适应波束形成装置，其特征在于，所述训练模块，包括：第二变换单元，用于将所述第一时域目标信号和第一时域干扰信号进行混合，得到第一混合时域信号，将所述第一混合时域信号进行短时傅里叶变换处理，得到第一混合频域信号；训练单元，用于将所述每个时频单元所对应的所述神经网络掩码值和所述第一混合频域信号输入神经网络模型，对所述神经网络模型进行训练，得到训练好的模型。8.根据权利要求5所述的自适应波束形成装置，其特征在于，所述处理模块，包括：第二计算单元，利用具有n个单元的均匀线性阵列对所述实时产生的混合时域信号进行接收，形成n个第二混合时域信号，其中，n为正整数；第三计算单元，用于对每个所述第二混合时域信号进行短时傅里叶变换处理得到n个第二混合频域信号，基于训练好的模型和n个所述第二混合频域信号，得到每个所述第二混合频域信号所对应的掩码值。9.一种自适应波束形成设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述自适应波束形成方法的步骤。10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述自适应波束形成方法的步骤。

技术总结
本发明提供了一种自适应波束形成方法、装置、设备及可读存储介质，所述方法包括：获取第一数据和第二数据，所述第一数据包括第一时域目标信号和第一时域干扰信号；所述第二数据包括实时产生的混合时域信号；基于所述第一数据计算得到每个时频单元所对应的神经网络掩码值，基于每个时频单元所对应的所述神经网络掩码值对神经网络模型进行训练，得到训练好的模型；对所述第二数据进行处理，得到至少一个混合频域信号，将所述混合频域信号输入所述训练好的模型中，得到第一输出结果；基于所述第一输出结果计算得到协方差矩阵，基于所述协方差矩阵，利用MVDR准则求出权矢量，基于所述权矢量，形成自适应波束。形成自适应波束。形成自适应波束。


技术研发人员：马征 蒙仕进 吴彦良 张雯睿 旷森芸
受保护的技术使用者：西南交通大学
技术研发日：2021.10.14
技术公布日：2021/11/14