少量样本条件下微弱信号检测算法研究.pdf

少量样本条件下微弱信号检测算法研究

摘要

随着科技的高速发展，无线通信被应用于各个领域，人们对于通信的需求越来越多，

对信号的要求也越来越高。随着通信领域的发展，一些由于之前技术的限制而无法研究

的信号进入了人们的视野，比如被淹没在背景噪声中的微弱信号，对微弱信号的研究拓

宽了人们对信号的应用范围。随着神经网络的兴起，研究者们也开始将其应用于微弱信

号检测领域，并且已经在领域内取得了显著的进展和成效。虽然神经网络在微弱信号检

测领域有着鲁棒性强、自适应能力强等优势，但其受限于训练集样本的数量，当能够提

供给神经网络学习的样本数量不足时，因为神经网络而具有很好性能的微弱信号检测方

法便会失效，因此需要研究少量样本条件下的微弱信号检测方法。

针对上述问题，本文首先研究了基于小波去噪数据增强的微弱信号检测方法，利用

小波变换进行样本信号中噪声成分的去除，可以得到保留了原信号特征的新信号，再通

过选择不同的小波基函数、不同的小波分解层数以及不同的小波阈值函数实现对训练样

本数据集的扩充，并利用基于小波-长短时记忆网络的微弱信号检测模型进行数据集扩

充效果的仿真验证。仿真结果表明，基于小波去噪数据增强的微弱信号检测方法，在数

据集扩充方面具有较好的效果，在微弱信号检测方面也具有较好的检测准确率。

其次，研究了基于AlexNet网络迁移学习的微弱信号检测方法，利用时频变换将微

弱信号转换为二维图像，再利用ImageNet数据预训练AlexNet网络得到可迁移网络参

数，实现少量图像样本情况下微弱信号检测模型参数的训练和调整；再结合小波去噪的

思想，提出了改进的基于双小波-AlexNet网络的微弱信号检测方法，并对其检测性能进

行了仿真验证。仿真结果表明，改进的基于双小波-AlexNet网络的微弱信号检测方法，

在少量样本条件下也具有较好的检测准确率，在信噪比为-20dB时可保持80%以上的检

测准确率。

关键词：少量样本学习；微弱信号检测；小波去噪；神经网络

少量样本条件下微弱信号检测算法研究

Abstract

Withtherapiddevelopmentofscienceandtechnology,wirelesscommunicationhasbeen

appliedinvariousfields.Peoplehavemoreandmoreneedsforcommunicationandhigher

requirementsforsignals.Withthedevelopmentofcommunicationfield,somesignalswhich

couldnotbestudiedduetothelimitationofprevioustechnologycomeintopeoplesfieldof

vision,suchasweaksignalssubmergedinbackgroundnoise.Thestudyofweaksignalshas

broadenedpeoplesapplicationrangeofsignals.Withtheriseofneuralnetwork,researchers

alsobegintoapplyitinthefieldofweaksignaldetection,andhasmaderemarkableprogress

andeffectinthefield.Althoughneuralnetworkhasstrongrobustnessandadaptiveabilityin

thefieldofweaksignaldetection,itislimitedbythenumberoftrainingsetsamples.When

thenumberofsamplesthatcanbeprovidedforneuralnetworklearningisinsufficient,the

weaksignal