来源：期刊VIP网 时间：
作者：王柳潇;牟伟清;龚安;郭兰图;林云;郭俊玲;
单位：中国石油大学(华东)青岛软件学院,计算机科学与技术学院;山东省智能油气工业软件重点实验室;中国电波传播研究所;哈尔滨工程大学信息与通信工程学院;
摘要：针对复杂电磁环境(大带宽、多目标、多类型、高抖动)下信号检测因固定参数导致适应性差、性能下降的问题，提出了一种动态模型无关元学习的Z分数斜率(Dynamic Model-Agnostic Meta-Learning Z-Score Slope, DMAML-ZS)自适应检测方法。该方法利用Z分数-均值双级过滤构建候选信号集，并结合信号沿斜率特性设计边界缓冲机制进行信号扩展，搭建基础检测模型。核心创新在于引入动态元学习框架，能够根据不同任务场景，自适应优化模型的关键参数(如平滑系数、异常因子),克服固定参数的局限。基于深圳外场相控阵天线采集的3种类型数据构建任务池进行验证。实验结果表明，关键参数能随迭代自适应调整，且更新策略各异。与双阈值滑动窗口、双检测长度算法相比，该方法在检测率、虚警率等关键指标上取得显著优势(检测率显著提升，虚警率大幅降低，F1分数较高),实现了高可信检测与高覆盖率的协同优化。DMAML-ZS突破了传统算法在多目标动态场景下的性能瓶颈，通过元学习驱动的参数自适应机制有效提升了复杂电磁环境下信号检测的鲁棒性，为相关信号处理应用提供了新途径。
关键词：大带宽;;自适应;;信号检测;;元学习;;信号处理
基金资助：中国电波传播研究所稳定支持科研经费资助项目(A132305210)~~
