一种基于改进YOLOv5的信号检测方法

专利申请号：CN202310611620.8

公 开 号：CN116738225A

发 明 人：朱政宇 陈鹏飞 赵航冉 薛帮国 王梓晅 李鑫泽 林宇 梁静 王忠勇 巩克现 

代 理 人：陈怀棠

代理机构：郑州汇科专利代理事务所(特殊普通合伙)

专利类型：发明专利

申 请 日：20230912

公 开 日：20230524

专利主分类号：G06F18/214

关 键 词：网络模型 时频 算法 图数据 改进 检测 短时傅里叶变换 信号检测结果 信号检测性能 待检测信号 低复杂度 构建信号 宽带数据 目标信号 损失函数 特征提取 信号检测 信号目标 训练过程 质量预测 灰度化 优化器 对时 替换 网络 学习 引入 预测 应用 

摘      要：本发明公开了一种基于改进YOLOv5的信号检测方法，所属方法包括：1、对接收到的信号进行短时傅里叶变换得到其时频图，并对时频图进行灰度化，构建信号检测时频图数据集；2、为提高深度学习网络的特征提取能力，将CBAM模块引入到经典YOLOv5；3、为提升算法最终预测框的准确性，将YOLOv5中的NMS算法替换为WBF算法；4、使用改进的Focal‑EIoU损失函数加强高质量预测结果在训练过程中的影响；5、使用Adam优化器和信号时频图数据集对改进的YOLOv5网络模型进行训练；6、将待检测信号的时频图输入训练好的网络模型中，得到信号检测结果。本发明实施例首次提出使用改进的YOLOv5网络模型检测接收宽带数据中存在的目标信号，该方法简单实用，以较低复杂度实现较高的信号检测性能，对深度学习网络在信号目标检测中的应用具有开拓意义。