【技術實現步驟摘要】
本專利技術屬于無線通信，特別涉及一種面向雷達圖像的通感融合系統的編碼方法及裝置。
技術介紹
1、合成孔徑雷達（sar）具有獨特的成像能力：它可以提供高分辨率的二維圖像，而不受日光、云層覆蓋范圍和天氣條件的影響。近年來，sar在海洋環境監測、資源勘探和災害應急響應等多個領域有著重要的研究意義，其sar圖像中的物體檢測就有了廣闊的應用場景。sar圖像目標識別與通信系統的結合能夠實現高效可靠的檢測預警，實現信息通感一體化。當前的sar圖像識別系統與通信系統的研究是分離，兩者的結合還不夠有效。語義通信技術的出現為sar系統和通信系統的融合提供了一種有效設計思路。
2、目前基于目標檢測的雷達圖像通信與感知技術其設計都是分開設計的，他們將通感分為兩部分，要么先進行檢測再進行傳輸，要么先進行傳輸再進行檢測。沒有考慮到設計成為一體化網絡架構。
3、現有技術中，一篇公開號為cn117036975a的專利技術專利公開了一種sar圖像的目標識別方法及裝置，其方法包括：獲取待識別sar圖像；提取所述待識別sar圖像的定量語義特征和圖像特征；基于預先構建的定量語義特征與定性語義特征的語義映射關聯，將所述待識別sar圖像的定量語義特征映射為所述待識別sar圖像的定性語義特征；對所述待識別sar圖像的圖像特征、定量語義特征和定性語義特征分別進行編碼，并對分別編碼后的特征進行特征融合，以根據特征融合結果輸出對所述待識別sar圖像的目標識別結果。
4、另一篇公開號為cn118587439a的專利技術專利公開一種基于降噪擴散概率
5、另一篇公開號為cn118540024a的專利技術專利公開一種語義通信編碼解碼方法、裝置、設備以及存儲介質，所述方法包括：根據語義編碼器提取目標數據的語義特征；根據信道編碼器將所述語義特征轉換為預設的數據傳輸格式；根據信道傳輸模塊將語義特征傳輸至接收端；根據信道解碼器對語義特征進行解碼得到所述目標數據；根據語義解碼器將所述目標數據轉換回原始數據格式；其中，所述語義編碼器和所述語義解碼器根據深度學習模型進行訓練得到，并將所述語義編碼器、信道編碼器、信道傳輸模塊、信道解碼器以及語義編碼器作為一個整體，根據所述整體以及端對端的訓練方式對一預設的卷積神經網絡深度學習模型進行訓練。
技術實現思路
1、在下文中給出了關于本專利技術實施例的簡要概述，以便提供關于本專利技術的某些方面的基本理解。應當理解，以下概述并不是關于本專利技術的窮舉性概述。它并不是意圖確定本專利技術的關鍵或重要部分，也不是意圖限定本專利技術的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為稍后論述的更詳細描述的前序。
2、為解決上述問題，本申請提供一種面向雷達圖像的通感融合系統的編碼方法及裝置，可以形成傳輸與檢測的一體化結構。
3、根據本申請的一方面，提供一種面向雷達圖像的通感融合系統的編碼方法，包括以下步驟：
4、步驟s1：獲取數據集，該數據集包括合成孔徑雷達圖像數據集、測試環境參數以及信噪比參數；
5、步驟s2：建立語義編碼器模型，該語義編碼器模型包括主干網絡（backbone）模塊和頸部網絡（neck）模塊，用于提取合成孔徑雷達圖像數據集的多層深度特征信息；
6、步驟s3：建立神經網絡信道編碼器模型，該神經網絡信道編碼器模型包括多尺度融合模塊和冗余增加模塊，用于對語義編碼器模型輸出的多層深度特征信息進行處理，并輸出特征信息；
7、步驟s4：將神經網絡信道編碼器模型輸出的特征信息加載到物理信道上并發送。
8、作為一種具體的方案，所述步驟s1中，所述合成孔徑雷達圖像數據集包括尺寸大小和輸入批次等基本參數。另外，所述信噪比參數可根據實際場景來選擇設計過程的目標信噪比。
9、作為一種具體的方案，所述步驟s2中，語義編碼器模型基于單目標檢測框架的主干網絡（backbone）模塊和頸部網絡（neck）模塊建立；
10、其中，所述主干網絡（backbone）模塊包括依次連接的第一卷積層cbs、第二卷積層cbs、第一跨階段部分瓶頸卷積c2f、第三卷積層cbs、第二跨階段部分瓶頸卷積c2f、第四卷積層cbs、第三跨階段部分瓶頸卷積c2f、第五卷積層cbs、第四跨階段部分瓶頸卷積c2f和空間金字塔快速池化sppf；
11、所述頸部網絡（neck）模塊包括依次連接的第一上采樣操作upsample、第一尺度拼接操作concat、第五跨階段部分瓶頸卷積c2f、第二上采樣操作upsample、第二尺度拼接操作concat、第六跨階段部分瓶頸卷積c2f、第六卷積層cbs、第三尺度拼接操作concat、第七跨階段部分瓶頸卷積c2f、第七卷積層cbs、第四concat和第八跨階段部分瓶頸卷積c2f。
12、上述方案中，所述主干網絡（backbone）模塊采用了一系列卷積和反卷積層(cbs)，同時使用了殘差連接和瓶頸結構來減小網絡的大小并提高性能。主干網絡（backbone）模塊采用了基于跨階段局部網絡思想的跨階段部分瓶頸卷積（c2f）模塊，使得單目標檢測框架更加輕量化的同時，還能獲取更豐富的梯度流信息。在主干網絡（backbone）模塊的末端采用了空間金字塔快速池化模塊。空間金字塔快速池化(sppf)模塊將3個大小為5×5的maxpools串行通過，然后每層進行拼接，進行多尺度特征融合，使得模型能夠同時利用全局和局部信息，從而提高對目標的定位和識別能力的同時有大大減小了網絡的計算開銷。
13、本申請針對雷達圖像的應用場景，引入了空間金字塔快速池化sppf、跨階段部分瓶頸卷積c2f，使得backbone模塊更加的輕量化以及獲取更加豐富的特征信息。與現有的spp比較，sppf在更加輕量化的同時還提高了模型獲取局部和全局的特征信息，使得對目標的定位和識別能力大大改善。
14、所述頸部網絡（neck）模塊使用了路徑聚合網絡特征金字塔網絡（pan-fpn）結構。pan-fpn則構建了一個自上而下和自下而上的網絡結構，通過特征融合實現了淺位置信息和深度語義信息的互補，而從實現了特征信息的多樣性和完整性，進一步增強特征的表示能力。針對目前的應用場景neck模塊采用了路徑聚合網絡特征金字塔結構（pan-fpn），pan-fpn是一種自上而下和自下而上相結合的網絡結構，相比于現有的自下而上（pan）和自上而下（fpn），pan-fpn能夠實現前位置本文檔來自技高網...
【技術保護點】
1.一種面向雷達圖像的通感融合系統的編碼方法，其特征在于：包括：
2.根據權利要求1所述的通感融合系統的編碼方法，其特征在于：所述步驟S1中，所述合成孔徑雷達圖像數據集包括尺寸大小和輸入批次。
3.根據權利要求1所述的通感融合系統的編碼方法，其特征在于：所述步驟S2中，語義編碼器模型基于單目標檢測框架的主干網絡模塊和頸部網絡模塊建立；
4.根據權利要求3所述的通感融合系統的編碼方法，其特征在于：所述步驟S2中，通過語義編碼器模型提取合成孔徑雷達圖像數據集的多層深度特征信息用公式表述如下：
5.根據權利要求4所述的通感融合系統的編碼方法，其特征在于：步驟S3具體包括：
6.根據權利要求1所述的通感融合系統的編碼方法，其特征在于：所述步驟S4具體包括：
7.一種面向雷達圖像的通感融合系統的編碼裝置，其特征在于：該裝置執行如權利要求1-6任一項所述的通感融合系統的編碼方法的步驟。
【技術特征摘要】
1.一種面向雷達圖像的通感融合系統的編碼方法，其特征在于：包括：
2.根據權利要求1所述的通感融合系統的編碼方法，其特征在于：所述步驟s1中，所述合成孔徑雷達圖像數據集包括尺寸大小和輸入批次。
3.根據權利要求1所述的通感融合系統的編碼方法，其特征在于：所述步驟s2中，語義編碼器模型基于單目標檢測框架的主干網絡模塊和頸部網絡模塊建立；
4.根據權利要求3所述的通感融合系統的編碼方法，其特征...
【專利技術屬性】
技術研發人員：許志平，許德銀，林立雄，宋丹，孫養龍，鄭佳春，
申請(專利權)人：集美大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。