基于时频图切割的宽带信号智能检测与识别

作者：韩刚涛; 马瑞鹏; 吴迪

来源：郑州大学学报(工学版), 2023, 44(03): 42-49.

DOI：10.13705/j.issn.1671-6833.2023.03.008

• 信号检测
• 深度学习
• 大带宽
• 轻量型
• Focal-EIOU

针对大带宽场景中非合作通信信号的高效检测问题，结合机器学习技术提出一种基于时频图切割的宽带信号智能检测与识别方法。该方法采用Mobilenet网络替代YOLOv4当中的CSPdarknet53网络进行特征提取，构建了一种轻量型的YOLOv4模型。同时，模型引入Focal-EIOU代价函数和一种改进的加权盒融合算法(WBF),有效提高了训练效率以及检测与识别精度。实验结果表明：本文方法可以快速地检测出大带宽下通信采集数据中的连续信号和突发信号，以及信号的出现时刻、频率范围、调制方式等相关参数，其性能优于传统的能量检测方法。与其他同类方法相比，本文方法的平均检测精度(mAP)均大于81%,其中，采用YOLOv4-MobilenetV1模型的检测速度达到77.60帧/s,较好地兼顾了检测精度与实时性要求，更利于工程部署。

• 单位
  中国人民解放军战略支援部队信息工程大学; 郑州大学