RadYOLOLet：基于 YOLO 与小波的雷达检测与参数估计
信号处理
2023-09-22 v1 网络与互联网体系结构
摘要
在无雷达发射机协助的情况下检测雷达信号，是公民宽带无线服务（CBRS）等新兴及未来共享频谱无线网络的关键需求。本文提出一种基于监督深度学习的频谱感知方法 RadYOLOLet，可在存在干扰时检测低功率雷达信号并估计雷达信号参数。RadYOLOLet 的核心是两个独立训练的不同卷积神经网络（CNN）：RadYOLO 与 Wavelet-CNN。RadYOLO 在谱图上运行，提供 RadYOLOLet 的大部分能力，但在低信噪比（SNR）区间雷达检测精度较差。我们专门开发 Wavelet-CNN 以应对 RadYOLO 的这一局限。Wavelet-CNN 对捕获信号作连续小波变换后运行，且仅在 RadYOLO 未能检测到任何雷达信号时使用。我们通过对应于不同类型干扰信号的多组实验对 RadYOLOLet 进行了充分评估。基于评估，我们发现 RadYOLOLet 对所考虑的雷达类型在高达 16 dB SNR 下可实现 100% 雷达检测精度，这是其他可比方法无法保证的。RadYOLOLet 在高达 16 dB SINR 的干扰下也能准确工作。
引用
@article{arxiv.2309.12094,
title = {RadYOLOLet: Radar Detection and Parameter Estimation Using YOLO and WaveLet},
author = {Shamik Sarkar and Dongning Guo and Danijela Cabric},
journal= {arXiv preprint arXiv:2309.12094},
year = {2023}
}
备注
15 pages