基于深度学习的宽带信号检测技术

提出一种将深度学习领域的目标检测模型应用于宽带密集信号检测问题的解决思路。将原始宽带采样数据流转化为时频图,将时频图作为目标检测网络的输入,通过目标检测网络的推断预测实现信号在时频图上的定位和识别,从而得到信号的起止时间、起止频率和类别信息。基于仿真生成的密集信号数据集,对MaskR-CNN模型进行训练和测试。实验结果表明,信噪比为0dB~14dB条件下,检测准确率为98%,召回率为93%,验证了基于深度学习的宽带信号检测算法的可行性。

基于时间尺度域二维相关的宽带信号检测

按相关检测的思想,提出了基于小波变换(CWT)时间尺度域二维相关的宽带水声信号检测方法,并对其检测性能进行了仿真与实验分析,结果表明:基于CWT的检测器检测性能优于能量检测器,与匹配滤波器相比差别不是很大,而且基于CWT的检测器有很好的鲁棒性,特别是在低信噪比下的检测性能尤其突出。该方法不仅仅适合于宽带水声处理,也适合于处理波形和达到时间未知的暂态声呐、雷达及鱼雷自导等信号。

基于声压振速时反卷积联合处理的宽带信号检测

为了提高声呐系统在低信噪比条件下对水下目标检测性能,提出了一种基于矢量传感器声压振速时反卷积联合处理输出的被动宽带信号检测方法.理论研究表明的声压振速联合处理的输出包括宽带信号的自相关函数和交叉项噪声,输出信号位于中心点的脉冲能够用来判别宽带信号的存在.通过中心点固定时延加窗能够进一步滤除与信号无关的其他干扰,提高低信噪比条件下信号的检测能力.通过数值仿真验证了所提方法的理论基础的正确性,并进行了全面的性能对比与分析.湖上试验数据处理验证了所提方法在工程应用中的有效性.研究结果表明:所提方法能够有效地提高低信噪比环境中被动宽带信号的检测能力.

一种基于FPGA平台的宽带信号检测算法的实现

现代通信系统采用的宽带传输体制已成为无线电监测的重要目标。如何在满足数字化处理单元硬件开销的前提下,实现对宽带信号的载频、带宽、调制样式以及符号速率的准确检测,对宽带信号监测的工程实现有着重要意义。通过分析宽带信号检测的算法原理,设计了一种基于现场可编程逻辑器件(Field-Programmable Gate Array,FPGA)的宽带信号检测实现方案和流程。该方案充分考虑了典型宽带信号的带宽和调制特点,在满足调制样式识别和符号速率识别准确率的基础上节省了硬件资源。

基于谱图分解的宽带通信信号智能检测算法

对于宽带通信信号检测问题,针对目前基于深度学习的信号检测算法不适应于处理大带宽和大时宽的宽带信号以及对信号时频参数估计存在的固有偏差问题,提出基于谱图分解的宽带通信信号智能检测算法,完成对大带宽接收信号中窄带信号的高效准确检测。首先将由宽带信号转化而来的灰度时频谱图通过谱图分解得到适合于目标检测网络输入大小的子谱图,然后使用改进的无锚框YOLOx目标检测算法对子谱图中的窄带信号进行检测,最后将子谱图的信号检测结果融合得到窄带信号的时频参数等检测结果。经过实验测试得出,该算法能够适应复杂的噪声环境,与其他深度学习算法和传统算法相比,具有较高的信号检测概率,较低的虚警概率,较小的信号参数估计平均误差,其检测精度更高,鲁棒性、实用性、通用性更强。

基于WVD-HT的宽带调频信号检测技术研究

本文研究高斯白噪声背景下和混响背景下基于Wigner VilleDistribution HoughTransform (WVD HT)时频分析方法的主动声呐宽带LFM脉冲信号的检测问题 .给出了理论实现方法和相应的仿真结果 .分析结果表明 :WVD HT方法在信噪比为 - 2 0dB左右仍可很好的抵消干扰背景 ,取得了比较理想的LFM检测效果 .

一种利用宽带信号辨识目标分离的新方法

对弹道导弹防御系统真、假弹头识别来说,目标分离的监视十分重要。文中主要研究利用宽带信号进行目标分离监视判别的方法,论述了检测门限的选取、位置关联矩阵的定义及根据宽带回波信号形成位置关联矩阵的方法,提出了基于位置关联矩阵目标分离检测方法并利用试验数据进行了验证。验证结果表明该方法具有简单、易行、准确的特点。

基于小波多尺度分解与GLR的UWB信号检测技术

由于常规窄带信号检测方法不能适用于超宽带信号,为了对超宽带信号进行有效检测,提出了一种基于小波多尺度分解与广义似然比(GLR)相结合的新颖目标检测方法;首先利用小波进行多尺度分解,获得目标所在的位置,通过计算小波域能量,来截取目标信号,由此计算散射中心的分布密度,然后结合利用广义似然比,来实现超宽带信号检测;仿真试验结果表明,该方法与常规的双门限方法相比,在信噪比相同情况下,能获得更好的检测概率,从而体现其优越性。

基于累积和的改进超宽带循环平稳检测算法

针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题,提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图,与噪声对应的灰度图比较差异,再将两类图像放入卷积神经网络(Convolutional Neural Network,CNN)自行训练提取特征,解决门限难以确定的问题。若分析三维循环谱的时间块长过短,将导致信号灰度图特征在有无噪声情况下区别不大;若块长过长会导致检测延迟较大。为此,采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量,自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比,仿真表明所提算法在低信噪比下性能最优。

深度学习技术在宽带通信信号检测中的应用

本文探讨了深度学习技术在宽带通信信号检测中的应用。通过对宽带通信信号检测的定义、发展及其检测过程的介绍,引出深度学习对宽带通信信号检测的意义,并重点研究了深度学习技术在频谱感知、水声通信与雷达信号中的应用,展示了宽带通信信号结合深度学习技术提升信号检测的准确性和鲁棒性。

基于频域互相关的窄带干扰抑制方法

在时域互相关弱信号检测方法中,针对窄带干扰会被误认为是目标信号而导致该方法失效的问题,提出一种基于频域互相关的窄带干扰抑制方法.该方法通过把整个频带划分成多个子频带并获得相应的统计特性,然后在每个子频带上完成基于单边判决理论的单比特判决,最后运用"n-out-of-m"的融合规则来综合所有子频带的判决结果完成最后判决.仿真结果表明,频域互相关法能有效地抑制窄带干扰,相比于时域互相关法具有明显的优势.

Photonic envelope detection and fiber transmission of 24 GHz IR-UWB signal based on phase modulation

A novel scheme for photonic envelope detection and fiber transmission of 24 GHz impulse radio ultra-wideband(IRUWB) signal is proposed based on phase modulator(PM). In the system, an optics assisted envelope detection unit(OAEDU) is used for filtering one of the first sidebands at the output of PM, then this narrow band optical signal transfers over single-mode fiber(SMF), and the envelope of 24 GHz IR-UWB signal is obtained after photodetection(PD) and low pass filter(LPF). The numerical simulation results show that the combination of PM and OAEDU can alleviate the fiber chromatic dispersion(CD) effectively. The proposed system may provide a simple and cost-effective solution for IR-UWB receiver.