一种基于深度学习的Starlink卫星下行信号定时同步方法

本发明公开了一种基于深度学习的Starlink卫星下行信号定时同步方法，该方法首先对接收信号进行分段互相关预处理，生成具有显著谱线特征的二维实数特征图；随后构建并训练改进的SS‑YOLOv9网络模型，该模型在YOLOv9基础架构中，于骨干网络嵌入轻量级SimAM显著性注意力模块以增强特征可分性，在颈部网络的路径聚合结构中引入FAF自适应特征融合模块以优化多尺度特征融合，并采用解耦检测头与坐标注意力机制实现精确定位；最终将网络输出的边界框坐标解码为原始信号中的定时同步点。本发明有效克服了传统方法在恶劣信道环境下性能急剧恶化的问题，兼具高精度、强鲁棒性与优良的环境适应性。