编辑推荐：
为解决低信噪比（SNR）环境下 ADS - B 信号前导码检测准确率低、处理速度慢的问题，研究人员开展基于深度学习框架的相关研究。结果显示，新算法在模拟数据集和真实测量环境下均表现出色，提升了检测准确率，对 ADS - B 信号解码意义重大。
一、研究背景
在当今繁忙的天空中，飞机的安全有序飞行离不开精准的空中交通管制。自动相关监视广播（ADS - B）系统就像是空中交通的 “智慧大脑”，它能让飞机之间、飞机与地面控制站之间相互共享位置等关键信息，构建起一个全面的空中交通网络，保障飞行安全。然而，这个系统在信号传输过程中却面临着重重挑战。
随着电磁环境日益复杂，ADS - B 信号在传输时容易受到各种干扰。要想准确解读 ADS - B 信号，精准检测信号前导码是关键的第一步。传统的 ADS - B 信号前导码检测方法主要分为基于信号能量和基于信号特征的检测。基于信号能量的方法，比如通过设定固定阈值来检测接收信号基带波形的方式，很容易因为脉冲能量波动而产生较高的误检率；而基于信号特征的检测方法，虽然在检测微弱信号方面有一定优势，但算法复杂，实际应用效果不佳。这些传统方法在低信噪比（SNR）环境下，检测准确率低、抗干扰能力差，难以满足实际需求。
为了解决这些问题，海南科技职业大学的研究人员开展了一项关于 ADS - B 信号前导码检测的研究，其成果发表在《Digital Signal Processing》上。
二、研究方法
研究人员主要运用了以下关键技术方法：
- 改进的 YOLOv8 模型：对 YOLOv8 模型进行改进和轻量化处理，使其在提取 ADS - B 信号频谱图特征时，能够更好地捕捉浅层特征，减少低信噪比和复杂背景噪声环境下的漏检和误检情况。
- 坐标变换：在获取 ADS - B 信号频域位置后，利用坐标变换方法将信号位置从频域映射到时域，从而确定脉冲在时域的位置。
- 无阈值互相关前导码检测算法：在得到 ADS - B 信号前导码脉冲的时域位置后，运用该算法实现对 ADS - B 信号前导码的精确检测。
三、研究结果
- 模拟信号构建：研究人员使用 MATLAB 模拟 ADS - B 基带信号，通过模拟噪声信道生成不同信噪比的 ADS - B 信号数据，再利用短时傅里叶变换（STFT）生成时频域图像数据集，为后续实验提供数据支持。
- 实验验证：在模拟数据集和真实测量环境下，该算法有效缓解了低信噪比条件下阈值波动导致的前导码检测准确率下降问题。在信噪比为 - 3 dB 时，检测准确率达到 58.7%；在信噪比为 15 dB 时，检测准确率高达 99.8%，超越了传统检测算法。
四、研究结论与讨论
本研究提出的智能检测算法，成功解决了低信噪比环境下 ADS - B 信号前导码检测的难题。研究人员通过改进 YOLOv8 模型（LNB - YOLOv8），替换其中的模块、集成新的注意力机制并采用新的损失函数，再结合轻量化优化、剪枝和知识蒸馏等技术，大幅提升了算法效率。该算法能够在复杂的电磁环境中准确检测 ADS - B 信号前导码，为 ADS - B 信号的成功解调和解码提供了有力保障，对提升空中交通管制的安全性和效率具有重要意义。这一研究成果为相关领域的进一步发展提供了新的思路和方法，也为后续研究奠定了坚实基础。未来，研究人员可以在此基础上，继续探索更高效、更精准的信号检测算法，以应对不断变化的电磁环境和日益增长的空中交通需求。
