一种基于改进YOLOv5的信号检测方法（高校公示15天）（不包年费滞纳金）（需要二变）

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。

《一种基于改进YOLOv5的信号检测方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2023106116208，当前法律状态为已下证，由郑州大学提出申请，发明人为朱政宇;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，申请日期为2023-05-24，公开（公告）日期为2025-11-11，国际专利分类号（IPC）为 G06F 18/214 (2023.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：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。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！