面向无人机信号检测与识别的自动标注方法

来源：计算机测量与控制杂志2026年第1期北京时间：

作者：王燕楚,张君毅

单位：中国电子科技集团公司 第五十四研究所

摘要：深度学习的性能高度依赖海量、高质量标注数据，但传统标注方式依赖人工面临效率低下、易出错等挑战，难以满足快速构建大规模精准数据集的需求；针对无人机射频信号检测与识别问题，为提高数据标注的效率，提出了一种基于轮廓检测的自动标注方法，该方法利用时频图中信号与背景的像素值差异，通过轮廓检测技术自动分离并定位信号区域坐标，并借助K-Means聚类算法精准区分不同目标信号并分配类别标签；实验表明，该自动标注方法在不同信噪比条件下均能取得优异的检测性能，信噪比达8dB时检测率稳定接近100%；将标注数据输入YOLOv11网络进行训练，最终由训练好的网络实现对无人机信号存在性及所属机型的高精度识别，结果显示对不同无人机信号分类准确率高；基于轮廓检测的自动标注方法的提出，有效提高了数据标注效率和准确性，对提升深度学习模型性能、解决实际工程问题具有重要意义

关键词：无人机信号检测与识别;时频图;自动标注;轮廓检测;YOLOv11;