一种基于图像处理的电磁信号端到端智能检测识别方法技术

本发明专利技术提供一种基于图像处理的电磁信号端到端智能检测识别方法，涉及信号检测识别领域，解决了现有电磁信号检测方法在复杂电磁环境或低信噪比情况下检测准确率低、虚警率过高的问题；方法包括：获取拟用于电磁信号智能检测识别的基础模型并进行结构改进；采集训练用射频信号，构建用于模型训练的射频信号数据集；使用射频信号数据集对结构改进后的基础模型进行离线训练，离线训练完成后得到电磁信号智能检测识别模型；获取待识别射频信号，输入至电磁信号智能检测识别模型，进行目标信号检测识别与参数测量分析，输出目标识别结果；本发明专利技术可在满足实时处理的性能需求下提高复杂电磁环境的电磁信号检测识别准确率。

【技术实现步骤摘要】

本专利技术涉及信号检测识别领域，具体涉及一种基于图像处理的电磁信号端到端智能检测识别方法。

技术介绍

1、传统的电磁信号检测与识别技术遵循串行流程，即首先进行信号检测，随后实施目标识别。在信号检测阶段，常用的方法包括频域分析、时频谱分析以及小波变换分析。这些技术通过分析不同变换域上的谱数据，运用谱峰搜索、信号参数测量等手段，依据预设的门限准则来识别目标信号的存在。这类算法因其相对较低的复杂度和易于工程化的特点，在多种场景中得到广泛应用。

2、然而，传统检测方法的性能高度依赖于噪声统计和门限设置的准确性，特别是在复杂电磁环境与低信噪比条件下，信号检测的准确率显著下降，虚警率升高。这不仅限制了后续目标识别的性能，也使得整体系统难以应对日益复杂的电磁环境挑战。

3、为了克服上述局限性，近年来，人工智能技术，特别是机器学习与深度学习，被引入到电磁信号检测与识别领域，展现出巨大的潜力。机器学习方法通过提取信号的频域、时域或复频域特征，利用诸如随机森林、梯度提升树等算法，增强信号与噪声的区分能力。而深度学习策略，则直接使用标记后的射频或频谱数据本文档来自技高网...

【技术保护点】

1.一种基于图像处理的电磁信号端到端智能检测识别方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的基于图像处理的电磁信号端到端智能检测识别方法，其特征在于：步骤S1中，依据多种网络模型特征与检测识别性能的对比结果，选择YOLOX模型作为拟用于电磁信号智能检测识别的基础模型。

3.根据权利要求2所述的基于图像处理的电磁信号端到端智能检测识别方法，其特征在于：将YOLOX模型对低于预设阈值的像素信号的检测能力作为结构改进的约束条件，来对YOLOX模型进行结构改进，得到YOLOX-4F模型，用于后续的离线训练过程。

4.根据权利要求3所述的基...

【技术特征摘要】

1.一种基于图像处理的电磁信号端到端智能检测识别方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的基于图像处理的电磁信号端到端智能检测识别方法，其特征在于：步骤s1中，依据多种网络模型特征与检测识别性能的对比结果，选择yolox模型作为拟用于电磁信号智能检测识别的基础模型。

3.根据权利要求2所述的基于图像处理的电磁信号端到端智能检测识别方法，其特征在于：将yolox模型对低于预设阈值的像素信号的检测能力作为结构改进的约束条件，来对yolox模型进行结构改进，得到yolox-4f模型，用于后续的离线训练过程。

4.根据权利要求3所述的基于图像处理的电磁信号端到端智能检测识别方法，其特征在于：yolox模型原有的head结构中具有三个检测头，在进行结构改进时，在head结构中再添加一个相同的检测头，使得结构改进后的head结构中具有四个检测头，从而得到yolox-4f模型；新添加的检测头的输入层次更浅，即低于原有的三个检测头的输入层次；

5.根据权利要求1所述的基于图像处理的电磁信号端到端智能检测识别方法，其特征在于：步骤s2中，采用射频采集接收机采集训练用射频信号，对训练用射频信号进行时频转换，构建射频信号数据集。

6.根据权利要求5所述的基于图像处理的电磁信号端到端智能检测识别方法，其特征在于，采集训练用射频信号并进行预处理操作，具体为：采集完整时域射频iq信号，按照固定时间节拍t分成若干...

【专利技术属性】
技术研发人员：郭明伟，吕乐群，黄书伟，谭世川，卓沛，袁双，张续莹，缪赟晨，白佳佳，
申请(专利权)人：中国电子科技集团公司第二十九研究所，
类型：发明
国别省市：