买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明属于跳频信号参数估计领域，提供基于最大熵二值化时频图和ABF‑YOLOv5s的跳频信号参数估计方法，包括以下步骤：先获取跳频信号，分别进行短时傅里叶变换和最大熵二值化处理，得到最大熵二值化时频图；再将最大熵二值化时频图输入到ABF‑Yolov5s模型中，得到跳频信号位置信息：最后根据跳频信号位置信息和时频参数的对照关系，进行跳频信号的周期估计和频率估计。本发明在ABF‑Backbone部分引入ASPP模块和BOT3模块，在ABF‑Neck部分引入BiFPN模块，能在低信噪比下提高跳频信号周期估计和频率估计的精度，具有较好的鲁棒性。

主权项：1.基于最大熵二值化时频图和ABF-YOLOv5s的跳频信号参数估计方法，其特征在于，包括以下步骤：S1、获取跳频信号，并对跳频信号进行短时傅里叶变换得到时频图；再对时频图进行最大熵二值化处理；再利用多尺度形态学滤波进行处理，以弥合最大熵二值化处理后跳频信号内部的空洞，去除噪声信号对应的点或线，得到清晰的最大熵二值化时频图；S2、将最大熵二值化时频图输入到ABF-Yolov5s模型中，得到跳频信号位置信息：所述ABF-Yolov5s模型包括输入部分、ABF-Backbone部分、ABF-Neck部分、Detection部分；所述ABF-Backbone部分、ABF-Neck部分分别对应Yolov5s模型的Backbone部分、Neck部分；所述ABF-Yolov5s模型的Detection部分与Yolov5s模型的Detection部分结构相同；所述ABF-Yolov5s模型的输入部分与Yolov5s模型的输入部分结构相同；将Yolov5s模型的Backbone部分的SPP模块替换为一个ASPP模块；再将Yolov5s模型的Backbone部分的最后一个C3模块替换为一个BOT3模块，得到所述ABF-Backbone部分；在所述ASPP模块之后设置所述BOT3模块；将Yolov5s模型的Neck部分的4个PANET模块分别替换为BiFPN模块，得到所述ABF-Neck部分；所述Detection部分，通过3个1×1卷积得到跳频信号位置信息；S3根据跳频信号位置信息和时频参数的对照关系，进行跳频信号的周期估计和频率估计，所述时频参数由步骤S1得到的时频图提取得到。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于最大熵二值化时频图和ABF-YOLOv5s的跳频信号参数估计方法