来源：期刊VIP网 时间：
作者：郑皓羽;王文彬;贾哲;王天乐;杨峰;
单位：上海交通大学;杭州航海仪器有限公司;中国人民解放军93129部队;中国电子科技集团公司第十研究所;
摘要：为了提高军事侦察、信号情报收集等非合作场景下对通信信号时频参数估计的准确性和鲁棒性，文中提出一种基于深度学习的时频参数估计架构。首先，选取MF-TDMA信号为研究对象，该信号模型允许多个用户共享同一频带，通过动态分配时频资源使频谱利用率达到最大化；接着，利用MF-TDMA信号的特点，生成大量的仿真样本，并使用STFT时频谱及其增强谱制作数据集；最后，构建一个以目标检测网络中的YOLOv8网络为基础的深度学习架构对自定义数据集进行训练，从而得到图像中每个突发的位置。实验结果表明，增强谱作为输入显著提升了检测精度，降低了估计偏移量，而且提出的深度学习系统架构在不同信噪比条件下均能保持较高的检测精度，与其他典型网络相比，YOLOv8网络在多种条件下均显示出更为优越的性能。
关键词：非合作通信信号;;时频参数估计;;深度学习;;YOLOv8网络;;MF-TDMA;;增强谱图;;目标检测
