基于深度学习的无线信号目标检测方法综述

史 智博
西京学院

摘要


随着5G/6G及物联网技术的快速演进，电磁频谱环境日益复杂拥挤，对非平稳无线信号的智能感知、精准
检测与调制识别需求日益迫切。将一维时序信号转换为二维时频图，并借助计算机视觉领域的目标检测算法进行信
号提取，已成为当前的主流范式。本文综述了基于深度学习的无线信号目标检测方法，系统梳理了从传统频谱感知
到深度学习特征提取的发展脉络。文章重点剖析了卷积神经网络（YOLOv8/v10/v11系列）和视觉Transformer（如
RT-DETR架构）在宽带信号检测、参数提取及调制识别任务中的应用机制。此外，深入探讨了在15dB等不同信噪
比条件下的置信度阈值优化、消融实验设计以及模型性能评估指标（如Recall、NRMSE）。最后总结了该领域在复杂
干扰下的主要挑战，并对轻量化部署与多尺度特征融合等未来发展方向进行了展望，以期为相关领域的研究人员提
供系统的理论参考与工程实践指导。

关键词


无线信号；目标检测；深度学习；频谱感知；卷积神经网络

全文:

PDF


参考


[1]陈卫东.数字通信信号调制识别算法研究[D].西

安电子科技大学，2001.

[2]林冲，闫文君，张立民，等.通信信号调制识

别综述[J].中国电子科学研究院学报，2021，16（11）：

1074-1085.

[3]郭颖娜.一种FSK信号调制解调电路的设计[J].现

代电子技术，2006，（01）：138-139+144.

[4]吕铁军.通信信号调制识别研究[D].电子科技大

学，2000.

[5]贺涛.数字通信信号调制识别若干新问题研究[D].

电子科技大学，2008.

[6]尚丽.2FSK信号调制与非相干解调的仿真设计与

分析[J].苏州市职业大学学报，2022，33（01）：5-11.

DOI：10.16219/j.cnki.szxbzk.2022.01.002.

[7]周江.基于神经网络的通信信号调制识别研究及

实现[D].电子科技大学，2018.


Refbacks

  • 当前没有refback。