一种基于非负矩阵分解和深度学习的动态频谱制图方法

本发明属于信息与通信技术领域，涉及一种基于非负矩阵分解和深度学习的动态频谱制图方法。本发明提出了适用于动态电磁环境的频谱制图方法，结合非负矩阵分解和深度学习，基于动态辐射源分离与空时数据表征对动态频谱态势建模，将其分解为空‑时‑频相关的低维特征因子并分别估计，进而基于表征模型恢复完整的RM。本发明通过挖掘辐射源时域特性，解决了传统频谱制图方法在动态电磁环境下准确性降低的问题，相较于现有频谱制图方法，本发明在空间稀疏采样、辐射源占用频谱密集的场景下具有明显的估计性能优势。