复杂电磁环境下卫星信号往往淹没在背景和噪声中,传统的信号检测算法在没有准确先验知识的情况下性能急剧降低,目前基于深度学习的信号检测算法往往需要依赖专家经验的数据后处理步骤,无法对信号进行端到端检测.针对上述缺陷,提出一种基...复杂电磁环境下卫星信号往往淹没在背景和噪声中,传统的信号检测算法在没有准确先验知识的情况下性能急剧降低,目前基于深度学习的信号检测算法往往需要依赖专家经验的数据后处理步骤,无法对信号进行端到端检测.针对上述缺陷,提出一种基于DETR_S(DEtection with TRansformer on Signal)的卫星信号智能检测方法.DETR_S以编码器-解码器架构为基础,利用Transformer网络全局建模能力捕获频谱信息,采用多头自注意力机制有效改善频谱信息长距离依赖的问题.基于匈牙利算法的预测框匹配模块摒弃了非极大值抑制的数据后处理步骤,将信号检测问题转变为集合预测问题,使模型并行输出检测结果.引入信号重构模块,将频谱重构损失函数加入损失函数中,辅助模型挖掘频谱深层表征,提升信号检测性能.实验结果表明,在仅使用信号频谱幅度信息条件下,DETR_S能够在信噪比等于0dB及以上对卫星信号进行精确检测(>95%),优于典型的目标检测方法.展开更多
文摘复杂电磁环境下卫星信号往往淹没在背景和噪声中,传统的信号检测算法在没有准确先验知识的情况下性能急剧降低,目前基于深度学习的信号检测算法往往需要依赖专家经验的数据后处理步骤,无法对信号进行端到端检测.针对上述缺陷,提出一种基于DETR_S(DEtection with TRansformer on Signal)的卫星信号智能检测方法.DETR_S以编码器-解码器架构为基础,利用Transformer网络全局建模能力捕获频谱信息,采用多头自注意力机制有效改善频谱信息长距离依赖的问题.基于匈牙利算法的预测框匹配模块摒弃了非极大值抑制的数据后处理步骤,将信号检测问题转变为集合预测问题,使模型并行输出检测结果.引入信号重构模块,将频谱重构损失函数加入损失函数中,辅助模型挖掘频谱深层表征,提升信号检测性能.实验结果表明,在仅使用信号频谱幅度信息条件下,DETR_S能够在信噪比等于0dB及以上对卫星信号进行精确检测(>95%),优于典型的目标检测方法.
