通信信号智能分析仪研究与实现
摘要
随着信息技术的发展，电磁频谱逐渐发展为现代化信息战争的新型作战领域，电磁
频谱装备扮演着越来越重要的角色。当前作战技术越发先进，电磁环境日益复杂，现代
化电磁战场对电磁频谱装备的智能化要求越来越高。智能化作战装备不仅要具备传统装
备的监测和干扰能力，还要能够根据实际电磁环境智能监测、自主决策和智能干扰。因
此，本文基于人工智能技术开发一款通信信号智能分析仪，并研究其中关键的通信信号
检测算法与算法的嵌入式轻量级部署技术。本文主要研究内容如下：
针对电磁作战装备智能化的需求，进行通信信号智能分析仪设计开发与平台搭建。
首先，分析系统需求，明确系统设计要点。其次，采用基于“AD9361+ZYNQ+GPU”
异构架构方案设计并搭建了硬件平台。然后，基于“感知-决策-行动”环路设计了软件
算法流程，分析关键性算法。最后，根据系统功能，设计了一套简洁的软件系统。
针对非合作场景下传统检测算法难以有效检测和估计时频域重叠多信号的问题，提
出了一种基于时频图和目标检测网络的智能检测算法。首先，构建仿真信号时频图数据
集，推导信号检测流程。在此基础上研究基于YOLOv5的目标检测网络，根据时频图信
号特点对其进行注意力融合与锚框聚类优化的改进。仿真结果表明，在0~20dB的信噪
比范围内，信号的检测概率为94.74%，虚警概率为2.86%，信号参数估计平均误差为
2.15%。
针对嵌入式设备功耗存储空间、算力有限，深度学习模型难以在其上难以部署和高
效运行的问题，研究了一套完整的模型轻量化与部署推理加速方案。首先研究通道剪枝
技术以压缩模型体积，然后研究TensorRT加速算法将剪枝后的Slim-YOLOv5s模型通
过不同方案部署到嵌入式板卡JetsonAGXXavier。测试结果表明，Slim-YOLOv5s相比
基准模型参数减少了55.7%，体积减少了59.6%，推理速度提高了38.8%，平均精度均
值仅降低0.4%；在此基础上TensorRT-FP16部署方案较原始Pytorch框架推理速度提高
了140.7%，平均精度均值仅下降0.7%。
最后，本文搭建了实测环境，完成系统技术指标测试。测试结果表明，系统实测指
标与理论相符，满足设计需求。
关键词：信号分析；目标检测；深度学习；轻量级部署
哈尔滨工程大学硕士学位论文
ABSTRACT
Withthedevelopmentofinformationtechnology,theelectromagneticspectrumhas
graduallydevelopedintoanewoperationalfieldofmoderninformationwarfare,and
electromagneticspectrumequipmentisplayinganincreasinglyimportantrole.Thecurrent
combattechnologyisbecomingmoreandmoreadvanced,theelectromagneticenvironmentis
becomingmoreandmorecomplex,andthemodernelectromagneticbattlefieldhashigherand
higherrequirementsfortheintelligenceofelectromagneticspectrumequipment.Intelligent
combatequipmentmustnotonlyhavethemonitoringandinterferencecapabilitiesof
traditionalequipment,but