基于循环平稳特征的分阶段直扩超宽带信号检测

超宽带(Ultra Wideband,UWB)信号检测对实现超宽带定位具有重要意义。针对低信噪比下直扩超宽带信号(Direct Sequence Spread Spectrum UWB,DS-UWB)功率谱密度极低,难以通过传统手段检测的问题,提出了一种基于循环平稳特征的分阶段直扩超宽带信号检测算法。在介绍直扩超宽带的信号模型的基础上,提出了改进循环平稳特征检测方法,分析了二元假设两种情形下灰度图的差异,利用这种差异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,进而利用训练好的网络进行检测。为更高效检测出信号,采用分阶段检测,即第一阶段先进行能量检测,若未检测到,则进入第二阶段改进循环平稳特征检测。仿真结果表明,在信噪比小于-8 dB时,所提方法的检测性能明显优于传统的循环平稳特征检测。