龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江理工大学
申请日：2024-01-12
公开（公告）日：2024-05-07
公开（公告）号：CN117992877A
主分类号：G06F18/2431
分类号：G06F18/2431;G06F18/2131;G06V10/764;G06V10/82;G06V20/40;G06N3/0464;G06N3/08;H04K3/00;G06F123/02
优先权：
专利状态码：在审-公开
法律状态：2024.05.07#公开
摘要：本发明公开的是本发明一种基于YOLOv5的复杂信号发现检测与分类方法，包括建立样本集、建立神经网络并训练、信号检测分类，信号检测分类具体包括接收随机信号、时频谱图生成、深度学习、判定信号类型等步骤，本发明具有能够在低信噪比环境下准确检测出信号的频率、带宽、出现时间、截止时间以及对定频信号、跳频信号、猝发信号进行分类等技术特点。
主权项：1.一种基于YOLOv5的复杂信号发现检测与分类方法，其特征在于该方法包括如下步骤：步骤1建立样本集：在跳频信号、定频信号、猝发信号不同信噪比情况下进行宽带采集，得到信号IQ后使用MATLAB将其转化为时频图像保存，计算得到宽带信号时频图；得到宽带信号的时频图后，对时频图中出现的三种信号进行框选标记，不同信噪比情况下，信号色块的清晰度以及与背景的对比度是不同的，需要对每个信号样本准确地标记，便得到了网络训练的样本集；步骤2：建立神经网络并训练：在YOLOv5网络的接口对图片进行预处理归一化，并在YOLOv5网络的训练阶段对图像做三种处理，分别是Mosaic数据增强、自适应锚框计算以及自适应图片缩放；步骤3：信号检测分类：a接收随机信号：通过信号接收机对无线通信信号进行宽带采集，得到信号的IQ数据；信号接收机的接收为图像输入；b时频谱图生成：通过对IQ信号做短时傅里叶变换得到信号的时频谱图；c深度学习：将图像输入训练结果，对信号有无进行检测，若无信号判定为噪声，若信号存在，进行下一步；d判定信号类型，判定的信号类型包括定频信号、猝发信号或跳频信号。
全文数据：
权利要求：
百度查询： 浙江理工大学 一种基于YOLOv5的复杂信号发现检测与分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号