ZoomSpec：面向宽带谱感知的物理引导细粒度框架
计算机视觉与模式识别
2026-04-16 v1
摘要
低空监测的宽带谱感知至为关键又充满挑战，因其面临协议异构、大带宽以及信噪比非平稳等问题。现有数据驱动方法将谱图视为自然图像，却因忽略时频分辨率约束和谱漏泄问题而产生领域不匹配，导致窄带可见性差。本文提出ZoomSpec，一种将信号处理先验与深度学习集成的物理引导细粒度框架。我们引入对数空间短时傅里叶变换（Log-Space STFT, LS-STFT），以克服线性谱图的几何瓶颈，既锐化窄带结构又保持恒定相对分辨率。随后设计轻量级粗筛网络（Coarse Proposal Net, CPN）快速扫描整个频段。为桥接粗检测与细识别，我们构思自适应全波低通（Adaptive Heterodyne Low-Pass, AHLP）模块，实现中心频率对齐、带宽匹配滤波及安全抽样，净化超出频段的干扰信号。细识别网络（Fine Recognition Net, FRN）通过双域注意力融合净化后的时域I/Q信号与谱幅，联合细化时序边界与调制分类。基于SpaceNet真实数据集的评估表明，ZoomSpec实现了78.1的[email protected]:0.95，超越现有榜单系统，在多样调制带宽下展现出卓越的稳定性。
引用
@article{arxiv.2604.13568,
title = {ZoomSpec: A Physics-Guided Coarse-to-Fine Framework for Wideband Spectrum Sensing},
author = {Zhentao Yang and Yixiang Luomei and Zhuoyang Liu and Zhenyu Liu and Feng Xu},
journal= {arXiv preprint arXiv:2604.13568},
year = {2026}
}
备注
14 pages, 8 figures, 5 tables