基于时频特征融合和无锚检测机制的高效话音信号检测框架
李春辉1
向新1
杨思力2
律国仓2
魏景璇2
李桥1
1.空军工程大学航空工程学院,西安,7100382.94188部队,西安,710082
摘要：基于深度学习的宽带信号检测框架将目标检测与时频图结合,能够实现宽带射频系统中多信号的检测、识别和时频定位.然而直接迁移使用原始网络架构难以在实际任务数据集上达到最优信号检测性能.针对这一问题,提出了一种面向话音信号检测任务的网络架构SignalNet.结合话音信号及任务数据集的特点对网络进行了解耦和任务导向的优化,分别精简了用于特征提取的骨干网络、设计了具有多尺度时频特征上下文融合以及门控注意力组件的颈部网络,同时将传统的有锚检测头替换为无锚机制.实验结果表明,所提网络架构在话音信号检测任务上达到最优检测性能,不仅取得了 97.42％的mAP值,同时具有更少的模型参数和更快的推理速度.
关键词：信号检测识别深度学习网络架构设计任务导向特征融合
分类号：TN92(无线通信)
论文发表日期：2025-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 26-34 )
英文信息