随着通信技术的不断发展,通信信号检测问题是许多信号处理相关问题的基础,准确快速的信号检测技术被广泛应用于军事领域、航天领域以及日常生活中。在通信领域中,通信信号的频谱图反映了信号在频域上的能量特性,本文中通过将信号转换为频谱瀑布图的形式,对信号同时在频域和时域两个层面上进行表述,利用图像的方式来直观的显示各种不同频率段信号的分布情况。尽管目前对图像学中目标检测方法的研究取得了一定的成果,但由于特征提取及现有检测算法的局限性,使得瀑布图的信号检测问题面临较大的困难和挑战。针对上述问题,本文提出了一种面向频谱瀑布图的电磁信号人工智能检测算法,利用该算法可以快速准确的锁定信号出现的起始和终止频率以及起始、终止时间,为后续信号处理的研究做好铺垫。主要做了以下几个方面的研究:(1)本文首先对各种不同信号分布的频谱数据进行典型性采集,继而利用MATLAB软件对实测数据进行瀑布图的制作。然后对数据进行数据量增强处理,给实测数据主动添加宽带噪声,调整所添加宽带噪声的强度来控制信噪比关系,并且利用图像学相关技术如裁剪、加噪,将大的瀑布图切成小的瀑布图,以此来成倍的增加可利用数据量,构建瀑布图原始样本集。最后利用数据集制作软件对目标信号进行人为框选,生成频谱瀑布图的数据集,并在github上开源。(2)本文达到的要求是快速准确检测出瀑布图中的信号,通过对图像识别领域的目标检测算法进行相关研究,发现SSD算法可以满足信号检测的实时性,使用Faster R-CNN的核心网络RPN可以满足信号检测效果的准确性,并且在实际的瀑布图中,很多信号都是一些短时突发信号,如跳频信号,需要使用特征金字塔网络来提高小目标的检测效果。因此本文综合这三个算法的思想,选取RefineDet算法作为最终的信号检测算法。(3)在选取好检测算法之后,通过修改神经网络中的相关参数,训练制作完成的数据集并且生成相对应的LMDB数据库。然后将实际的瀑布图作为检测算法的输入,最终可以直观的显示信号位置,得到信号的实际信息。本文在自己制作的频谱瀑布图的数据集上测试,检测算法对输入的瀑布图能够快速检测出目标信号,平均检测概率为96.67%,能够达到74.88%的准确率,虚警概率能稳定保持在1%以下。输入图像尺寸为320*320时可以达到40.2FPS(每秒40张图片)的检测速度。