CN119395661A 一种轻量脉冲神经网络单光子雷达后端信号处理方法 （中国人民解放军火箭军工程大学）

号一种轻量脉冲神经网络单光子雷达后端信本发明提供了一种轻量脉冲神经网络单光训练构建好的脉冲神经网络得到训练好的脉冲发明通过量化脉冲神经网络的网络参数能够最2S200，利用所述光子触发概率以及预先获取的灰度S400，对所述训练好的脉冲神经网络的网S500，将所述轻量化的脉冲神经网络部署在单光子雷2.根据权利要求1所述的轻量脉冲神经网络单光子雷达后端信号处理方法，其特征在S110，模拟激光信号从发射到SPAD传感器接收的过程S120，利用所述能量密度以及SPAD传感器捕获光子转3.根据权利要求2所述的轻量脉冲神经网络单光子雷达后端信号处理方法，其特征在S111，采用基于主动成像的匀光照明方式，计算S114，利用所述视场平面的能量密度以及所述反射率4.根据权利要求3所述的轻量脉冲神经网络单光子雷达后端信号处理方法，其特征在S111中的发射激光通过矩形匀光产生的视场平;S111中的发射激光通过圆形匀光产生的视场平;S114中的目标反射光照射到SPAD传感3;5.根据权利要求4所述的轻量脉冲神经网络单光子雷达后端信号处理方法，其特征在S121，模拟SPAD传感器的接收过程，确定SPAS122，利用所述回波的光子数以及背景光的光子数6.根据权利要求5所述的轻量脉冲神经网络单光子雷达后端信号处理方法，其特征在;Nm表示像素个数；;S122中的基于主动成像的单位时间步长平均;4S122中的基于被动成像的单位时间步长平均;式中，pacni是基于主动成像的光子触发概率，ppassi是基于被动成像的光子触发概7.根据权利要求1所述的轻量脉冲神经网络单光子雷达后端信号处理方法，其特征在8.根据权利要求1所述的轻量脉冲神经网络单光子雷达后端信号处理方法，其特征在9.根据权利要求8所述的轻量脉冲神经网络单光子雷达后端信号处理方法，其特征在S410，在训练数据集中选择部分训练样本作为输S460，利用所述网络参数的量化规模和量化零点S480，将量化后的网络参数整合，并将整合后5S430中的量化区间表示为[QmimQmax]，其中式中，是量;;6[0002]单光子雷达采用工作在盖革模式下的雪崩二极管（SinglePhotonAvalanche动驾驶等领域广泛使用。单光子雷达对光子的灵敏响应使其在弱光条件下具有出色的表人工智能和神经科学领域取得了广泛关注。与传统的人工神经网络（ArtificialNeural上处理时间序列数据有着比其他ANN更出色的7传感器采集得到的脉冲数据做预测得到分类或模拟SPAD传感器采集图像的光学和电学过程，计算SPAD传感器的光子触发概率；利用所述光子触发概率以及预先获取的灰度图数据集生成服从泊松分布的脉冲序列数据，[0008]图1是本发明提供的一种轻量脉冲神经网络单光子雷达后端信号处理方法的流程图2是本发明提供的轻量脉冲神经网络单光子雷达后端信号处理方法的过程示意[0010]如图1所示，本发明提供了一种轻量脉冲神经网络单光子雷达后端信号处理方法8S110，模拟激光信号从发射到SPAD传感器接收的过程，计算目标反射光照射到脉冲的包络符合高斯分布；是匀光片到视场平S114，利用所述视场平面的能量密度以及所述反射率，计算目标反射光照射到9是接收透镜的直径，phou是发射激光通过圆形或矩形匀光产生的视场平面的能量密度，和均是积分变量。[0014]S120，利用所述能量密度以及SPAD传感器捕获光子转换成电信号的过程，计算Nmswi=Nackg·PDE+Rark（7泊松编码器生成0_1之间的随机数，并根据所述随机数是否小于该像素点对应的光子触发va是设置的重置电压。数据以及池化层的输入和输出数据是32位的浮点数，高的位宽不仅会占用大量的存储资o;轻量化的脉冲神经网络的卷积层或全连接层的输出数据[0034]整合后的网络参数包括整合后的权重、整合后偏置，其中整合后的权重表示为传感器采集得到的脉冲数据做预测得到分类或