本发明属于雷达电子侦察技术，具体涉及一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法。
背景技术：
1、在雷达领域，缺失观测脉冲序列恢复方法主要是基于模型的方法。例如在基于隐马尔可夫模型(hiddenmarkovmodel,hmm)的模板匹配方法上使用随机无关文法解决缺失脉冲的问题。或者是基于奥卡姆剃刀理论对非理想条件下脉冲组的提取，然后借此来恢复缺失脉冲。基于机器学习的方法也被用于缺失脉冲的插值工作中，例如使用k最近邻方法对雷达数据集进行插值。然而，作为侦察方接收到的脉冲发生缺失的原因非常复杂，例如接收机恢复时间导致的缺失亦或是同时到达引起的脉冲丢失。不同的缺失机制会导致脉冲缺失的分布不同，而错误的使用插值方法会导致序列数据分布的偏置严重。
2、在上述方法中，缺失值和观测数据的条件依赖关系不能表示接收脉冲序列中未知的复杂依赖关系，导致在较差的非理想条件下，插值的效果下降。所以亟需提出一种新的雷达缺失脉冲插值方法，以获得更好的插值性能和对更坏的非理想条件的鲁棒性。
技术实现思路
1、有鉴于此，本发明的目的在于提供一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，以满足提高插值性能和对非理想条件的鲁棒性需求。
2、为达到上述目的，本发明提供如下技术方案：
3、根据第一方面，本发明实施例提供一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，包括：获取缺失雷达信号；将缺失雷达信号输入至预先训练好的条件时序扩散模型，条件时序扩散模型中包括多个不同大小卷积核的卷积层以及自注意力模型，卷积层提取雷达信号序列的局部时序依赖性，自注意力模型提取雷达信号序列的全局时序依赖性；条件时序扩散模型的前向过程对缺失雷达信号进行高斯加噪；条件时序扩散模型的后向过程对加噪的缺失雷达信号进行去噪，得到缺失雷达信号的缺失位预测值。
4、可选地，预先训练好的条件时序扩散模型，包括：
5、采用稀疏概率的自注意力算法，根据自注意力的点积结果服从长尾分布的特点，随机选取目标数量的向量进行计算。
6、可选地，条件时序扩散模型的后向过程对加噪的缺失雷达信号进行去噪，去噪过程的优化目标为：
7、
8、其中，∈为真实噪声，∈θ为预测噪声，xob为观测矩阵，m缺失指示矩阵，上标0表示扩散加噪步数为0；αt＝1-βt，βt为控制加入高斯噪声方差的超参数，e表示方差。
9、可选地，条件时序扩散模型的后向过程对加噪的缺失雷达信号进行去噪，得到缺失雷达信号的缺失位预测值包括：根据采样公式，确定预测噪声；根据预测噪声，得到缺失雷达信号的缺失位预测值。
10、可选地，对采样公式采取re-spacing加速采样的算法，采样公式为：
11、
12、其中，表示经过re-spacing加速采样后加噪步数为τ-1时的缺失雷达信号，表示经过re-spacing加速采样后加噪步数为τ时的缺失雷达信号，αt＝1-βt，βt为控制加入高斯噪声方差的超参数，∈θ为预测噪声，σt表示控制逆向过程的超参数。
13、可选地，预先训练好的条件时序扩散模型的训练过程包括：获取缺失雷达信号训练样本；对缺失雷达信号训练样本进行转换，得到缺失指示矩阵；将缺失指示矩阵输入至条件时序扩散模型；条件时序扩散模型的前向过程拟合加入的噪声，进行多次噪声添加，条件时序扩散模型的后向过程反向去噪，得到恢复的雷达信号；利用目标算法最小化损失函数，直至收敛，得到训练好的条件时序扩散模型。
14、根据第二方面，本发明实施例提供一种基于扩散模型的雷达缺失观测脉冲序列概率性插值装置，包括：缺失信号获取模块，用于获取缺失雷达信号；信息输入模块，用于将缺失雷达信号输入至预先训练好的条件时序扩散模型，条件时序扩散模型中包括多个不同大小卷积核的卷积层以及自注意力模型，卷积层提取雷达信号序列的局部时序依赖性，自注意力模型提取雷达信号序列的全局时序依赖性；加噪过程模块，用于条件时序扩散模型的前向过程对缺失雷达信号进行高斯加噪；去噪模块，用于条件时序扩散模型的后向过程对加噪的缺失雷达信号进行去噪，得到缺失雷达信号的缺失位预测值。
15、根据第三方面，本发明实施例提供一种电子设备，所述设备包括：存储器、处理器及存储在存储其上并可在处理器上运行的计算机程序，所述处理器执行上述第一方面或第一方面任一实施方式或第二方面所述基于扩散模型的雷达缺失观测脉冲序列概率性插值方法的步骤。
16、根据第四方面，本发明实施例提供一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面或第一方面任一实施方式或第二方面所述的基于扩散模型的雷达缺失观测脉冲序列概率性插值的步骤。
17、本发明提供一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，基于扩散模型和transformer结构设计了一种条件时序扩散模型来对缺失观测的pri序列进行插值处理。扩散模型可以从几乎任何初始数据中生成新样本，其灵活的特点恰好适用于处理具有复杂脉间调制类型和自适应调制参数的雷达脉冲序列。同时本发明针对雷达脉冲调制类型复杂且多变的问题，设计了一维卷积层搭配自注意力机制的模块，考虑了雷达信号的局部时序和全局时序，使得模型的设计更适应雷达脉冲复杂多变的特点，提高了雷达缺失值预测的准确性。
18、本发明实施例提供一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，在反向过程中的采样过程进行了加速处理，提高了实时性，方便后续部署。
19、本发明的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
1.一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，其特征在于，包括：
2.根据权利要求1所述的一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，其特征在于，预先训练好的条件时序扩散模型，包括：
3.根据权利要求1所述的一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，其特征在于，条件时序扩散模型的后向过程对加噪的缺失雷达信号进行去噪，去噪过程的优化目标为：
4.根据权利要求1所述的一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，其特征在于，条件时序扩散模型的后向过程对加噪的缺失雷达信号进行去噪，得到缺失雷达信号的缺失位预测值包括：
5.根据权利要求4所述的一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，其特征在于，对采样公式采取re-spacing加速采样的算法，采样公式为：
6.根据权利要求1所述的一种基于扩散模型的雷达缺失观测脉冲序列概率性插值方法，其特征在于，预先训练好的条件时序扩散模型的训练过程包括：
7.一种基于扩散模型的雷达缺失观测脉冲序列概率性插值装置，其特征在于，包括：
8.一种电子设备，所述设备包括：存储器、处理器及存储在存储其上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行上述权利要求1-6任一所述基于扩散模型的雷达缺失观测脉冲序列概率性插值方法的步骤。
9.一种计算机存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-6任一所述的基于扩散模型的雷达缺失观测脉冲序列概率性插值方法的步骤。
