基于深度学习的噪声背景通信信号端点检测

摘要：

在复杂的电磁和地理自然环境中,通信链路常常受到噪声的干扰.基于此,文章提出了一种基于深度学习的方法来解决噪声背景下的通信信号端点检测问题,该方法使用深层卷积神经网络(Deep Convolutional Neural Networks,DCNN)提取样本特征,用于描述信号活跃区域和背景噪声之间的差异,并获得样本特征图.同时,通过多尺度区域检测方法确定特征图中的通信信号的起止端点,并使用线性回归方法精修区域参数,使端点检测结果更接近真值.在实验验证方面,文章利用构建的仿真通信信号数据集进行训练和测试,实验结果表明,该方法能够在毫秒级延迟下准确地检测出淹没在噪声中的通信信号,且检测精度优于现有方法.

关键词：端点检测、深度学习、卷积神经网络(CNN)、边框回归

所属期刊栏目：20

分类号：V221+.3;TB553(飞机构造与设计)

在线出版日期：2023-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：13-19