[论文解读] Wideband Signal Localization with Spectral Segmentation

Nathan West, Tamoghna Roy+1 more|arXiv (Cornell University)|Oct 1, 2021

Speech and Audio Processing参考文献 16被引用 6

一句话总结

该论文提出了一种基于神经网络的宽带信号定位方法，通过谱分割联合检测信号并估计其中心频率、带宽和时频边界。该方法在信噪比中等时，尽管存在虚假的小检测区域，仍通过连通组件后处理提升了精度，相比传统频带化辐射计能量检测，召回率提高了8 dB。

ABSTRACT

Signal localization is a spectrum sensing problem that jointly detects the presence of a signal and estimates a center frequency and bandwidth. This is a step beyond most spectrum sensing work which estimates "present" or "not present" detections for either a single channel or fixed sized channels. We define the signal localization task, present the metrics of precision and recall, and establish baselines for traditional energy detection on this task. We introduce a new dataset that is useful for training neural networks to perform this task and show a training framework to train signal detectors to achieve the task and present precision and recall curves over SNR. This neural network based approach shows an 8 dB improvement in recall over the traditional energy detection approach with minor improvements in precision.

研究动机与目标

• 为解决在宽带频谱感知中联合检测信号并估计参数（中心频率、带宽、时间边界）的空白。
• 将信号定位定义为与二值频谱感知不同的任务，并使用IoU阈值评估精确率与召回率。
• 提出一个新的数据集和基于神经网络的训练框架用于信号定位。
• 通过精确率与召回率指标，在不同信噪比下对比神经网络分割与传统频带化辐射计方法的性能。
• 识别并缓解由孤立的小检测区域引起的虚假检测伪影，以提升精确率。

提出的方法

• 该方法使用类似U-Net的神经网络预测时频格子中的信号存在性，将信号定位视为语义分割任务。
• 对网络输出进行阈值化处理，并通过连通组件分析将空间上连续的检测结果聚合成连贯的信号区域。
• 对频带化辐射计输出应用基于密度的聚类算法，以分组检测结果并提高定位精度。
• 系统使用IoU阈值（例如0.5）来定义精确率与召回率评估中的真正例。
• 训练框架采用自定义的宽带信号数据集，包含不同信噪比、中心频率和带宽的信号，以模拟真实的频谱占用情况。
• 后处理包括过滤异常小的检测（例如1格子区域），以及合并完全包含在较大检测区域内的区域，以提升精确率。

实验结果

研究问题

• RQ1 基于深度学习的分割模型是否能在不同信噪比下优于传统能量检测方法进行宽带信号定位？
• RQ2 在不同信噪比下，神经网络与基于辐射计的方法的精确率与召回率表现如何？
• RQ3 在中等信噪比下观察到的精确率下降是由何原因引起？是否可通过后处理缓解？
• RQ4 虚假的孤立检测在多大程度上降低了精确率？能否在不丢失真实信号的前提下进行过滤？
• RQ5 所提出方法的性能与现有无监督信号定位技术（如LAD-2D）相比如何？

主要发现

• 在相同信噪比下，基于神经网络的方法相比频带化辐射计，召回率提高了8 dB，表明对弱信号的检测能力显著增强。
• 两种方法在中等信噪比下均出现精确率下降，原因在于与主信号区域分离的孤立小检测区域。
• 在-14 dB信噪比下，神经网络检测到主信号区域，但产生5个不相连的检测，导致一个示例中的精确率为1/6。
• 频带化辐射计在中等信噪比下也表现出类似的虚假检测模式，一个示例中检测到4个小型、不相连的区域。
• 通过过滤1格子检测或合并被包含的区域等后处理技术，可在所有信噪比水平下显著提升精确率。
• 频带化辐射计的性能与先前研究一致，在-7 dB时正确检测率达90%，在-6 dB时达100%，与预期的召回率曲线相符。