一种基于时频压缩采样深度学习的跳频信号检测方法及系统

本发明涉及一种基于时频压缩采样深度学习的跳频信号检测方法及系统，属信号处理领域，解决了跳频信号在低信噪比下检测概率低和计算复杂度高的问题。包括分别采集跳频信号存在时的跳频信号及跳频信号不存在时的噪声数据，进行时频表征和压缩采样处理，得到跳频时频图和噪声时频图；基于跳频时频图和噪声时频图以及对应的样本标签构建样本数据集；基于轻量级卷积神经网络ShuffleNet和卷积注意力模块CBAM构建跳频信号检测网络，利用样本数据集，得到训练好的跳频信号检测网络；获取待检测信号对应的时频图，输入训练好的跳频信号检测网络，得到待检测信号的置信度；基于待检测信号的置信度进行判决，得到待检测信号的检测结果。提升检测性能及降低推理复杂度。