技术特征：
1.一种基于深度学习的信号在线检测识别与分离方法，其特征在于，包括以下步骤：获取实时信号，并对所述实时信号进行预处理，得到实时信号的时域图、频域图和时频图；将所述实时信号的时域图、频域图和时频图输入至基于深度神经网络的在线检测模型中，当所述实时信号存在目标信号时输出目标信号的类型；根据所述目标信号的类型利用所述基于深度神经网络的在线检测模型进行信号分离。2.根据权利要求1所述的基于深度学习的信号在线检测识别与分离方法，其特征在于，所述基于深度神经网络的在线检测模型通过以下方式获得：通过建立数学模型和添加噪声杂波的方式产生各种干扰场景下的信号数据；对所述信号数据进行预处理，得到时域图、频域图和时频图，并对所述时域图、频域图和时频图中感兴趣的信号进行数据标注形成标注数据集和标签数据集，将所述标注数据集分别为训练数据集、测试数据集和验证数据集；构建深度神经网络模型；通过所述训练数据集对所述深度神经网络模型进行离线学习和在线检测识别与分离，使得所述深度神经网络模型能够对目标信号的类型进行检测、分离和识别；采用所述验证数据集对训练好的所述深度神经网络模型进行验证和评估，并在通过验证和评估后将所述深度神经网络模型作为基于深度神经网络的在线检测模型。3.根据权利要求2所述的基于深度学习的信号在线检测识别与分离方法，其特征在于，所述构建深度神经网络模型时，采用的是卷积神经网络，输入为信号数据在时域、频域和时频域变换后的时域图、频域图和时频图。4.根据权利要求2所述的基于深度学习的信号在线检测识别与分离方法，其特征在于，所述基于深度神经网络的在线检测模型的损失函数l包括目标位置信息偏移量误差l
loc
，目标置信度损失l
conf
和目标分类误差l
cla
，计算公式为：l＝λ1l
conf
+λ2l
cla
+λ3l
loc
，其中，λ1、λ2和λ3为平衡系数；所述目标置信度损失l
conf
采用二值交叉熵损失，表达式为：表示预测的目标边界框i中是否真实存在目标，0表示不存在，1表示存在；表示预测的目标边界框i内是否存在目标的概率，预测值c
i
通过sigmoid函数得到；所述目标分类误差l
cla
采用的是二值交叉熵损失，表达式为：表示预测的目标边界框i中是否真实存在第j类目标，0表示不存在，1表示存在；表示预测的目标边界框i内存在第j类目标的概率，预测值c
ij
通过sigmoid函数得到；所述目标位置信息偏移量误差l
loc
采用的是真实偏差值与预测偏差值差的平方和，表
达式为：达式为：表示预测的目标边界框i的坐标偏移量，表示与预测的目标边界框i匹配的真实框与默认框之间的坐标偏移量，为预测的目标边界框i参数，为默认框的参数，为与预测的目标边界框i匹配的真实框的参数。5.根据权利要求2所述的基于深度学习的信号在线检测识别与分离方法，其特征在于，所述采用所述验证数据集对训练好的所述深度神经网络模型进行验证和评估时，采用平均精度作为评估检测的模型精度，计算公式为：其中，map表示平均精度，n(classes)表示目标信号的类型总数，ap
jam
属于验证数据集中类别jam的目标平均精度，precision
jam
表示模型对类别jam的检测精度，n(truepositives)
jam
是正确检测到目标数量，n(totallobjects)
jam
是实际的目标数量，n(totallmages)
jam
表示类别jam的数量。6.根据权利要求1所述的基于深度学习的信号在线检测识别与分离方法，其特征在于，所述当所述实时信号存在目标信号时输出目标信号的类型时，还包括：将目标最终准确度jam
pre
小于阈值的样本划分为未知信号类型，并通过聚类算法计算求解每个类的样本离类中心的距离之和最小化值，再按照聚类结果进行标记，并送入信号类型库存储。7.根据权利要求1所述的基于深度学习的信号在线检测识别与分离方法，其特征在于，所述根据所述目标信号的类型利用所述基于深度神经网络的在线检测模型进行信号分离具体为：利用分数阶fourier变换算法进行参数估计，得到初步的估计参数；根据检测到的目标信号的类型，结合所述初步的估计参数重建信号；将源信号与重建信号变换到频域对干扰类型进行去除，并将结果再次送入基于深度神经网络的在线检测模型进行检测；当再次检测的最终准确度jam
pre
超出设置的范围值时，再进行一次参数估计并再次重建信号，返回上一步，直至最终准确度jam
pre
在设置的范围值内。
技术总结
本发明涉及一种基于深度学习的信号在线检测识别与分离方法，包括以下步骤：获取实时信号，并对所述实时信号进行预处理，得到实时信号的时域图、频域图和时频图；将所述实时信号的时域图、频域图和时频图输入至基于深度神经网络的在线检测模型中，当所述实时信号存在目标信号时输出目标信号的类型；根据所述目标信号的类型利用所述基于深度神经网络的在线检测模型进行信号分离。本发明能够实现对信号的在线检测识别与分离。的在线检测识别与分离。的在线检测识别与分离。
技术研发人员：解建 赵宇 孙培林 汤小为
受保护的技术使用者：中国科学院上海微系统与信息技术研究所
技术研发日：2022.08.29
技术公布日：2022/12/1