摘要
本发明属于SAR干扰分离技术领域,具体公开了一种时频混叠干扰信号分离方法,通过全连接神经网络结构,自动学习信号的时频特征,实现了对目标信号与干扰信号的高效分离;本发明公开的方法能够自动从时频域信号中提取复杂特征,无需依赖传统方法中对信号周期性或先验模型的假设,无需依赖大量的人工干预,大大降低了数据获取的成本与工作量,提高了工作效率,能够在较低的计算资源消耗下完成高效的时频混叠信号分离;具备较好的实时信号处理能力,适用于复杂和动态的信号环境。
技术关键词
线性调频信号
频域干扰信号
短时傅里叶变换
实时信号处理
神经网络结构
数据
标签
周期性
定义
工作量
因子
动态
系统为您推荐了相关专利信息
力估计方法
轮胎
车辆状态数据
循环神经网络算法
数据标签
状态检测装置
振动特征
变压器在线监测
短时傅里叶变换
远程诊断系统
图像处理模型
时域特征提取
频域特征提取
训练集
卷积模块
流量预测方法
医院
流量预测模型
指标
数据分布特征