APP下载

基于深度神经网络的多传感器联合信号检测方法

2022-09-16张凯田瑶董政

信号处理 2022年8期
关键词:融合信号检测

张 凯 田 瑶 董 政

(1.电子信息系统复杂电磁环境效应国家重点实验室,河南洛阳 471003;2.96862部队,河南洛阳 471000)

1 引言

随着技术的不断发展,电子器件的小型化和集成度持续提升,无线传感网(Wireless Sensor Net⁃works,WSNs)因具有造价低廉、易于部署、使用灵活等诸多优点受到广泛关注,并在工业生产、环境检测、医学和军事等众多领域得到广泛应用[1-7],在区域监测、分类识别、目标定位等应用中,需要首先对目标频段内信号存在性进行判断,因此,信号检测往往是上层应用的前提和基础。传统广泛采用的能量检测[8-9]和最大特征值检测[10]方法易受到噪声不确定性的影响,使得该类方法容易遇到信噪比墙的问题[11]。基于深度学习(Deep Learning,DL)的信号检测方法近年来逐渐兴起,并受到广泛关注。Tang[12]和Vyas[13]分别利用信号循环平稳值、能量值和似然比统计量、能量统计量作为网络输入,给出了基于深度神经网络(Deep Neural Network,DNN)的混合频谱检测方案,但二者均依赖信号先验统计信息。Gao等人[14-15]利用深度卷积-循环神经网络进行盲信号检测,直接利用原始信号样本作为网络输入,相比于传统方法,其能够有效抑制噪声不确定性的影响,提升信号检测性能。Liu 等人[16]则证明了利用接收信号协方差矩阵作为网络输入的信号检测方案的有效性。Zha等人[17]则将瀑布图作为网络输入进行信号检测和调制识别。基于深度学习的信号检测方法已经展现出巨大的优势,特别是针对统计特性未知信号的检测中,深度学习方法具有先天优势,然而,现有方案主要针对单天线模型和规则阵列天线模型。……

登录APP查看全文

猜你喜欢

融合信号检测
村企党建联建融合共赢
融合菜
信号
从创新出发,与高考数列相遇、融合
完形填空二则
《融合》
基于FPGA的多功能信号发生器的设计
小波变换在PCB缺陷检测中的应用
基于LabVIEW的力加载信号采集与PID控制