人工智能（AI）是世界上最先进的技术之一，近年来得到了迅速发展，在许多领域都得到了广泛应用。“终端无线化、无线网络化”使得复杂电磁环境中海量的通信和传感器设备面临频谱资源的短缺和严重的相互干扰，也导致对复杂多样、瞬息万变的电磁信号进行有效感知变得越来越困难，处理日益稀缺的频谱资源和日益复杂的电磁环境已成为一项重大挑战。

人工智能技术，特别是深度学习（DL），已被证明可以解决电磁信号感知问题，智能频谱感知、通信雷达集成和电磁信号智能感知等各种概念都已成为解决频谱资源紧张问题的潜在方案。这些概念和方法转化为实际应用，与人工智能技术的发展密不可分，不仅代表着传统技术的突破，也代表着人工智能技术发展和应用扩展。

为了帮助广大技术人员了解电磁信号感知的行业发展趋势，掌握最新技术，拓宽研究视野，促进学术进步，并推动技术成果的有效应用，《电讯技术》编辑部出版了“电磁信号智能感知”专题，由国防科技大学王红军教授担任专题主编，东南大学王霄峻教授担任专题副主编。

王红军教授                                          王霄峻教授

王红军教授和王霄俊教授长期从事智能信号处理、高精度无线定位技术和通信感知一体化技术等领域的研究工作，感谢他们在本专题策划、组织、出版等方面提供的大力支持。

经严格审核，本专题最终收录7篇论文，作者来自国防科技大学、东南大学、陆军工程大学、火箭军工程大学、南京信息工程大学等。

7篇论文从多个方面对本专题涉及的专业问题进行了深入研究：

《基于协同学习的频谱智能感知方法》一文提出了一种基于协同学习的频谱智能感知算法，在信噪比为-20 dB以及5个用户协同感知的情况下，能在虚警概率为1.91%时达到18.3%的检测概率，且不需要对原始数据额外预处理，降低了算法的复杂度。

《一种基于电磁态势数据聚类的辐射源定位算法》一文基于分布式电磁态势感知网络，提出了一种智能优化感知节点位置的辐射源定位方法，能够在初始部署不理想的条件下调整感知位置，实现无先验信息的目标辐射定位。在感知区域为4 km×4 km，节点总数为40 000个，且感知节点占比1%的条件下平均定位误差为47.28 m。

《基于强化学习的无人机电磁干扰感知与抗干扰传输方法》一文利用强化学习算法对无人机通信系统的抗干扰方法进行智能优化，提出了基于赢或快学习策略爬山算法的抗干扰算法，能够将用户干信比降低至0.1以下，将用户可达速率在初始值基础上提升14%，与Q学习算法和PHC算法相比具有更好的抗干扰传输性能。

《一种基于改进残差神经网络的直扩信号感知方法》一文提出了一种基于改进残差神经网络的直扩信号感知方法，能够在信噪比为-16 dB的情形下有效地感知直扩信号。

《通道门控Res2Net卷积神经网络的自动调制识别》一文提出了通道门控Res2net卷积神经网络自动调制识别模型，在信噪比为12 dB时识别精度为92.68%，在信噪比2 dB以上时平均识别精度大于在91%。

《一种基于大规模MIMO系统的三维空间指纹定位方法》一文提出了一种5G大规模MIMO背景下三维室内空间移动终端指纹定位方案，旨在解决现有指纹定位技术存在的指纹数据量过大、三维空间定位适应性不足等问题，对指纹定位关键技术进行改进，实现了定位性能的较大提升。

《基于聚类与霍夫变换的同型雷达多目标定位算法》一文提出了一种基于密度聚类与霍夫变换的同型雷达多目标定位及航迹筛选算法，在面对多达10个轨迹交错的非直线运动目标时，仍能有效完成定位计算并筛选出各目标轨迹，保证定位误差和错选率不恶化。

        了解更多内容，敬请关注《电讯技术》2023年12月第12期“电磁信号智能感知”专题。访问本刊网站www.teleonline.cn可免费下载所有论文。