摘要
本发明提出了一种激光多普勒信号非稀疏压缩感知方法及系统,属于压缩感知技术领域,包括:构建伯努利感知矩阵对所述激光多普勒信号进行数据压缩得到第一压缩信号;采用第一压缩信号输入多分辨率特征融合的信号重建教师模型,得到第一重建信号;所述信号重建教师模型通过时域卷积特征提取机制提取信号的局部时序模式,并结合频域注意力引导机制学习时频特征;基于所述信号重建教师模型的输出构建轻量级信号重建学生模型,将所述第一压缩信号输入所述信号重建学生模型得到最终重建信号。本发明解决了传统压缩感知技术对信号稀疏性要求高、重建实时性差以及深度学习模型参数量大的技术难题。
技术关键词
稀疏压缩感知
多普勒
多分辨率特征
卷积特征提取
教师
输出特征
激光
压缩感知技术
注意力
蒸馏
学生
数据压缩
机制
全局平均池化
信号采集模块
计算机
深度学习模型
处理器
堆叠结构
系统为您推荐了相关专利信息
超分辨检测方法
信号分析
噪声子空间
超外差接收机
信号处理技术
渲染方法
声道
训练深度学习模型
声学传递函数
参数
无人机旋翼
频率估计方法
旋翼叶片
多元线性回归算法
微多普勒特征