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。

2.如权利要求1所述的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，S1中，所述最大熵二值化处理包括：利用最大熵阈值分割对时频图进行二值化处理；所述最大熵阈值分割是指求取最佳阈值使背景和对象两个部分的熵之和最大。

3.如权利要求2所述的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，S1中，所述跳频信号的数学模型为：其中，T表示跳频周期，rectT表示宽度为T的矩形窗，τ表示起跳时间，fk表示跳变频率，M表示观测时间内跳变频率总数，j为虚数单位，v(t)表示高斯白噪声；

所述对跳频信号进行短时傅里叶变换得到时频图，包括以下步骤：

按以下公式得到STFT频谱图：

其中，h(n)表示窗函数，k＝1,2,3,…,K表示离散频率点，n＝1,2,3,…,N表示离散时间点，s为跳频信号；

按以下公式通过STFT频谱图得到时频图：

2

SPCEs(k,n)＝|STFTs(k,n)|。

4.如权利要求3所述的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，S1中，所述最大熵阈值的计算包括以下步骤：数字图像中熵的定义为：

其中，I表示含有N个像素的图像；u表示在阈值t以下的像素灰度值的平均值，对应于背景区域的灰度值；v表示在阈值t以上的像素灰度值的平均值，对应于对象区域的灰度值；p表示概率；g＝I(u,v)；logb(x)表示以b为底的对数，假设阈值为t，A为{0,1,2，...,t}的灰度分布，B为{t+1,t+2,...,L‑1}的灰度分布，则A和B的熵分别为H(A)和H(B)，计算方式如下；

其中，pn和1‑pn分别表示t阈值分割的背景和对象像素的累积概率；

定义目标函数 为H(A)和H(B)的和：

则最大熵阈值的计算方式为：

5.如权利要求1所述的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，S2中，所述ASPP模块用于提取得到最大熵二值化时频图的全局特征和局部特征；所述全局特征包括最大熵二值化时频图的形状轮廓特征；所述局部特征包括最大熵二值化时频图的角点及边缘特征。

6.如权利要求1所述的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，S2中，所述BOT3模块用于通过多头自注意力机制，使ABF‑Yolov5s模型聚焦在最大熵二值化时频图中跳频信号所在的区域。

7.如权利要求1所述的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，S2中，所述BiFPN模块，用于将ABF‑Backbone中c3模块输出的多尺度的浅层图形特征和BOT3模块输出的用于分辨跳频信号和背景的深层语义特征，进行融合，得到特征图。

8.如权利要求1所述的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，所述S3具体包括以下步骤：所述跳频信号位置信息具体为跳频信号在最大熵二值化时频图中的归一化坐标(x1,y1)(x2,y2)；

其中，x1是跳频信号的起始位置，x2是跳频信号的结束位置；y1是跳频信号频率的上边界，y2是跳频信号频率的下边界；按下式进行计算得到跳频信号的周期估计T和频率估计值F:T＝(x3‑x1)×t_size

F＝(y1+y2)/2×f_size

其中，x3是指下一跳信号的起点位置，t_size是指时频图中时间轴的最值，f_size是指时频图中频率的最值；

再将每张时频图中计算得到的结果求切尾均值，最后将同一信噪比下的时频图的结果再求一次均值，得到利用ABF‑Yolov5s网络估计的跳频信号周期和频率。

9.如权利要求8所述的基于最大熵二值化时频图和ABF‑YOLOv5s的跳频信号参数估计5

方法，其特征在于，所述t_size的取值为0.02s，f_size的取值为2.5×10Hz。

10.如权利要求4所述的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，b的取值为2。