[發明專利]寬帶頻譜信號檢測與分類網絡

在審

• 申請號: 202310036443.5
• 申請日: 2023-01-10
• 公開（公告）號: CN116340807A
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 張峻寧;唐波;蔡群;張順健;黃中瑞;秦立龍;張碩;樊甫華;王貴生;張坤峰
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/213;G06F18/241;G06F18/214
• 代理公司: 河北冀華知識產權代理有限公司 13151
• 代理人: 王占華

本發明公開了一種寬帶頻譜信號檢測與分類網絡，所述分類網絡包括骨干網絡，所述骨干網絡的輸入為寬帶頻譜信號，所述骨干網絡的輸出分別與HeatMap分支以及回歸分支連接，所述HeatMap分支用于估計信號起止點信息，所述回歸分支用于生成2DBox高度；所述分類網絡通過HeatMap分支為每個信號標記一個2D方框來定位和檢測所有感興趣的寬帶信號，所述分類網絡首先利用HeatMap分支估計二維方框上邊緣的起止點，然后，對于二維框變量，通過回歸支路回歸一個變量，實現對寬帶信號的二維Box估計。所述網絡具有檢測速度快，計算量小等優點。

技術領域

本發明涉及頻譜信號檢測技術領域，尤其涉及一種寬帶頻譜信號檢測與分類網絡。

背景技術

信號檢測（SD）和分類（SC）是認知無線電領域中最具挑戰性的任務之一。對于傳統SD技術，利用專家經驗特征，有效的方法主要分為四類:匹配濾波方法、循環平穩方法、特征值檢測方法、能量檢測方法。而現有的研究主要集中在信號存在性的確定上，而沒有對信號參數進行估計。其中，只有少數基于能量檢測的簡單方法可以大致得到信號個數、載波頻率、信號帶寬等簡單參數，這給信號發生時間的估計帶來了困難。因此，一種不需要任何先驗信息的精確的盲譜傳感方法是非常重要的。

作為一種互補技術，基于深度學習（DL）的方法可以克服信號噪聲的干擾，提供準確的信號產生時間、現有頻率范圍等參數，在傳統經驗特征方法難以完成的信號檢測任務中實現高檢測概率和低虛警概率。作為深度學習網絡的輸入，短時傅里葉變換（STFT）公開頻譜的時頻表示，用于信號的聯合檢測和時頻局部化。在信號存在性檢測方面，Ke等首創了卷積長短期深度神經網絡，從輸入信號序列中提取頻域和時域特征，因此DL網絡比傳統的能量檢測方法具有不可比擬的優勢。受圖像語義分割任務的啟發，Huang等設計了一維全卷積網絡（FCN）來檢測寬帶功率譜，并在真實衛星信號數據集上驗證了FCN的有效性。

但考慮到寬帶通信信號接收機的采樣率和實時性要求較高，現有的上述網絡由于結構復雜，屬于次優方案，處理時間過長。此外，寬帶通信信號仍然是一個具有挑戰性的任務，因為具有極端縱橫比的物體的尺度不平衡和任意方向。

為了利用基于DL的快速檢測方法，提出了一種不需要非最大抑制的單級檢測框架CenterNet用于目標檢測。的確，通過優化2DBox的檢測方法，該框架可以更高效地檢測出具有極端長徑比的不連續信號。Li等研究了關鍵點估計來定位信號區域的粗糙中心線，并對三個變量進行回歸得到二維盒屬性，包括局部偏移量和邊界偏移量。但是，由于基于中心點或中心線的CNN接收場限制了其全向接收場，因此該方法回歸困難，檢測精度較差。

發明內容

本發明所要解決的技術問題是提供一種檢測速度快的寬帶頻譜信號檢測與分類網絡。

為解決上述技術問題，本發明所采取的技術方案是：一種寬帶頻譜信號檢測與分類網絡，其特征在于：包括骨干網絡，所述骨干網絡的輸入為寬帶頻譜信號，所述骨干網絡的輸出分別與HeatMap分支以及回歸分支連接，所述HeatMap分支用于估計信號起止點信息，所述回歸分支用于生成2DBox高度；所述分類網絡通過HeatMap分支為每個信號標記一個2D方框來定位和檢測所有感興趣的寬帶信號，所述分類網絡首先利用HeatMap分支估計二維方框上邊緣的起止點，然后，對于二維框變量，通過回歸支路回歸一個變量，實現對寬帶信號的二維Box估計。

進一步的技術方案在于:用3個變量參數化2D包圍盒，其中和分別表示2D盒上邊緣的起點和終點，h表示2D盒的高度；因此，由上述回歸元組可以得到二維邊界框:

（1）

其中為x軸起停點，為y軸中心線，為y軸頻率范圍，基于上述描述，首先利用起止點估計網絡估計二維方框上邊緣的起止點，然后，對于二維框變量，利用變量回歸網絡估計h。

進一步的技術方案在于，使用雙HeatMap來定位二維盒子上邊緣的起停點：