系统工程与电子技术

作者：田弘宇(), 葛松虎*, 郭宇, 崔中普, 梁潇

单位：1. 华中科技大学电子信息与通信学院，湖北 武汉 430074；2. 海军工程大学电磁能技术全国重点实验室，湖北 武汉 430033

关键词：干扰识别,多特征融合,深度学习,YOLOv8

基金：国家自然科学基金（62301588， 62241111， 52025072, 52177012）资助课题

针对低干噪比下通信干扰信号特征微弱、单一特征表征能力不足导致识别准确率低的问题，提出一种基于YOLOv8和多特征融合网络的通信干扰信号识别方法。首先，提出一种基于投影变换的特征图像提取方法，根据不同特征对于不同信号的不同敏感度，选取具有强互补特性的双谱变换、希尔伯特黄变换、短时傅里叶变换作为识别特征，并通过投影变换将其统一为适用于二维卷积网络的特征图；其次，利用YOLOv8网络强大的特征学习能力，同时从上述3种异构特征图中并行提取深层判别信息；然后，设计了一种决策级全连接融合网络，对YOLOv8输出的概率向量进行加权整合，实现最终分类决策。实验结果表明，该方法显著提升了低干噪比下的识别性能，尤其在?20 dB的低干噪比恶劣条件下，识别准确率达到48.18%，相较于传统方法以及单一特征方法分别提高了40.60%和31.86%。

来源：2026年第3期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2026年第3期