64电子技术第52卷第2期（总第555期）2023年2月ComputerEngineering计算机工程0引言AI技术快速发展背景下，深度学习技术覆盖范围逐步扩大，其在图像分析、自然语言识别等方面发挥着巨大作用。借助深度学习技术，工作人员可以在海量数据中快速检索出特定数据的共性特征并对该特征进行深度学习，大幅度提升目标检测算法精度与效率。而无线电信号检测与识别作为一种典型的模式识别工作，与深度学习技术有着很强的相关性。因此，研究人员积极尝试利用基于伪标签、自训练以及协同训练等技术，为无线电信号检测与识别技术开辟出一条全新的发展路径。1基于卷积神经网络技术无线电信号检测与识别研究人员基于深度学习理论以及卷积神经网络技术，尝试构建一种全新的无线电信号检测与识别技术框架，基于该框架布置目标检测网络，通过这种方式提高信号识别精度。1.1搭建技术框架无线电信号检测识别技术分为两部分，（1）即时频图生成，（2）目标检测（如图1所示）。第二个模块接收到的数据以无线电信号时频图为主，此类数据能够同时体现信号频域以及时域特点，能够在复杂且数量庞大的无线电信号中，快速区分不同波形的无线电信号。在此基础上确定无线电信号频率范围以及时长，达到精准检测无线电信号的效果。实际开始检测工作时，无线电信号接收装置将采集到的I/O信号转变为时频图，并将该数据传送至目标检测单元，通过内置的卷积神经网络对无线电信号的时频以及频域进行特征提取，利用这种方式完成对于无线电时频数据的分类，并将分类好的数据传输至信号输出层，以直观的方式展示无线电信号的时频坐标[1]。1.2目标检测网络基于Anchor算法，能够对无线电信号进行高精度检测，但是该算法存在一些局限性：（1）Anchor技术检测的信号尺寸超参数，尽管该问题能够通过人工调整的方式解决，但是需要投入大量成本，经过反复实验才能得到最优参数。（2）该算法要利用网络输出数据生成Anchor的终值并对该数据进行解码，如果预设参数过多或者数据流过大，会作者简介：王瀚霆，上海卫星工程研究所；研究方向：智能检测技术。收稿日期：2022-10-25；修回日期：2023-02-12。摘要：阐述对未知信号进行精准检测与识别，采用半监督学习以及卷积神经网络技术，搭建全新的无线电信号检测与识别框架，并对现有的网络结构进行优化设计。关键词：卷积神经网络，半监督学习，无线电信号，检测与识别。中图分类号：TP18，TN925文章编号：1000-0755(2023)02-0064-03文献引用格式：王瀚霆...
