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！

申请/专利权人：上海应用技术大学

摘要：本发明提供了一种基于CGAN数据增强的频谱感知方法及系统，包括：采集信道状态数据，获取训练数据集；通过短时傅里叶变换，将训练数据转化为光谱图，生成训练集；建立基于CGAN的神经网络模型，通过所述训练集对基于CGAN的神经网络模型进行训练；将训练后的基于CGAN的神经网络模型生成的数据样本添加到所述训练集中，生成增强训练数据集；获取预先训练的卷积神经网络，将所述增强训练数据集输入到卷积神经网络中进行分类，得到分类结果，所述分类结果为信道的主用户处于静默状态或主用户处于活跃状态。本发明采用CGAN网络对数据进行增强后，引入AlexNet卷积神经网络进行分类，可以有效实现频谱感知。

主权项：1.一种基于CGAN数据增强的频谱感知方法，其特征在于，包括如下步骤：步骤S1：采集信道状态数据，获取训练数据集；步骤S2：通过短时傅里叶变换，将训练数据转化为光谱图，生成训练集；步骤S3：建立基于CGAN的神经网络模型，通过所述训练集对基于CGAN的神经网络模型进行训练；步骤S4：将训练后的基于CGAN的神经网络模型生成的数据样本添加到所述训练集中，生成增强训练数据集；步骤S5：获取预先训练的卷积神经网络，将所述增强训练数据集输入到卷积神经网络中进行分类，得到分类结果，所述分类结果为信道的主用户处于静默状态或主用户处于活跃状态；所述步骤S2包括如下步骤：步骤S201：对所述信道状态数据进行分帧、加窗的预处理，通过短时傅里叶变换，获取到的训练数据以光谱图的形式可视化，得到光谱图xk： 其中，N为窗长，xn为用户的信道状态数据，wn为汉明窗函数，k为信号频率，i为虚函数单位，n为时序采样点；步骤S202：将光谱图转化为幅值为分贝的形式：Ik,t＝20×log10|xtk|其中，xtk为t时刻的光谱图；步骤S203：将光谱图分贝最小的bin灰度值设置为0，所有分贝bin灰度值进行归一化为： 其中,Ri,j表示原图像的灰度值,Ii,j表示变换后图像的灰度值，Ri,jmax和Ri,jmin分别表示原图像的最小灰度值、最大灰度值；因此训练数据集转化为训练集φ＝{I1,y1,I2,y2...In,yn}，In表示光谱图归一化后的灰度值；在步骤S3中，所述CGAN的神经网络模型的表示为： 其中，D表示判别器，G表示生成器，x表示真实数据，z表示输入生成器的随机噪声，y表示的条件变量，Gz是生成器的输出，Dx为判别器的输出，Dx和Gz在输入层都需要附加条件y；在步骤S3中首先固定CGAN的生成器模型参数，训练判别器参数，包括如下步骤：步骤M1：从训练集中随机选取m个正样本{I1,y1,I2,y2...,Im,ym}；步骤M2：从高斯分布中选取m个噪声数据{z1,z2...,zm}；步骤M3：将条件y和噪声数据z同时输入到生成器，得到生成数据步骤M4：根据判别器目标函数 其中表示生成器生成的图像，表示从真实样本中选取的单一图像，当判别器目标函数取得最大值时，判别器最佳，因此采用梯度上升训练判别器参数： 在步骤S3中固定CGAN的判别器模型参数，训练生成器参数时，包括如下步骤：步骤N1：从训练集中随机选取m个条件标签{y1,y2...,ym}；步骤N2：从高斯分布中选取m个噪声数据{z1,z2...,zm}；步骤N3：根据生成器目标函数 同样采用梯度上升训练生成器参数：

全文数据：

权利要求：

百度查询： 上海应用技术大学 基于CGAN数据增强的频谱感知方法及系统