基于YOLOv5架构改进的电磁信号目标识别方法

来源：计算机测量与控制杂志2024年第11期北京时间：

作者：卢河旭,陈丹伟,罗圣美

摘要：针对从在时间及频段上重叠的多种电磁信号中识别出目标信号的问题，提出了一种基于YOLOv5架构改进的电磁信号目标识别方法。通过改进 YOLOv5算法以提高对电磁信号时频图像上目标信号的检测精度。采用MobileNetV3作为主干网络，以实现骨干网络轻量化的同时平衡精度和速度；通过在特征金字塔网络模块中引入自适应空间特征融合(ASFF)模块来将不同尺度的特征进行融合，调整损失函数，从而增强网络对不同尺度目标的感知能力。将改进YOLOv5算法在自制电磁信号时频图像数据集上与原始YOLOv5算法和SSD算法进行对照试验。实验表明，改进后的方法对时频图像上目标信号的检测能力有明显增强，具有一定的实用价值。

关键词：深度学习;目标检测;电磁信号识别;自适应空间特征融合;MobileNet

基金资助：江苏省重点研发项目(BE2022065-5)