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！

摘要：本发明涉及了一种基于星型生成对抗网络的信道特性迁移方法，属于无线通信信号仿真生成领域。该方法首先构建具有不同信道特性域的多数据集、分别标注各域信道特性参数；设计单个生成器结合多个鉴别器的星型生成对抗网络的迁移学习架构，并对生成器和鉴别器分别设计适合无线传输信道迁移的优化目标函数；通过生成器与多个鉴别器间的博弈训练使生成器模型具备学习多域信道特征的能力，从而实现信号间无线信道传输特性的多领域转换。本发明可解决复杂无线信道多域特征迁移时传统的一对一模型训练低效且模型不易收敛的问题，其使用单一的一对多模型即可实现多域特征转换，模型灵活易训练，具有较高的实用价值。

主权项：1.一种基于星型生成对抗网络的信道特性迁移方法，其特征在于，包括以下步骤：1对实际采集的无线通信信号进行标注，分别构建频偏训练数据集、信噪比训练数据集、衰落训练数据集；训练数据集的构建方法为：101将无线通信信号信道传输特性分为频偏特性域、信噪比特性域、衰落特性域；102设置Mask_Vector变量，采用one-hot编码，用于表征频偏特性域、信噪比特性域和衰落特性域；103按照频偏特性对所有实际采集的BPSK信号进行分类标注，频偏分为0、0～2.5％Rs、2.5～5％Rs，5～10％Rs、10％Rs以上共五类；104按照信噪比特性对所有实际采集的BPSK信号进行分类标注，信噪比特性分为10dB及以下、10～20dB、20～30dB，30dB以上共四类；105按照衰落特性对所有实际采集的BPSK信号进行分类标注，幅度分为-90dB及以下、-90dB～-80dB、-80dB～-70dB，-70dB～-60dB、-60dB以上共五类；2基于一对多的星型生成对抗网络构建面向一维信号的多维信道特性迁移网络，所述星型生成对抗网络包括生成器、重建器与多个鉴别器；所述星型生成对抗网络包括一组生成器和三组鉴别器，三组鉴别器分别对应频偏特性域、信噪比特性域、衰落特性域的博弈训练；所述生成器组由一个生成器和一个重建器构成，生成器与重建器具有相同的网络构成，包含2层卷积网络、6层残差网络、2个反卷积网络；生成器和重建器的输入包括待处理信号数据、MaskVector，以及按照步骤103、104、105所标注的信道特征标签；生成器和重建器的输出为生成的信号样本；每组鉴别器均由一个鉴别器网络构成，所述鉴别器网络采用PatchGAN结构；鉴别器的输入为真实数据样本和生成的数据样本，输出为鉴别概率和所在信道特征域的信道特征标签；3分别设计生成器、重建器与多个鉴别器中的优化目标函数；优化目标函数的设计方法为：301生成器与重建器的优化目标函数由GAN通用目标函数Ladv、类别损失函数Lcls，以及重建损失函数Lrec、频偏损失函数Ldev、信噪比损失函数LSNR、衰落损失函数LAmp构成；优化目标函数表征为LG＝Ladv+λclsLcls+λrecLrec++λdevLdev+λSNRLSNR+λAmpLAmp，其中，λcls、λrec、λdev、λSNR、λAmp为各项系数；302频偏特征域对应鉴别器的优化目标函数由GAN通用目标函数Ladv、频偏类别损失函数Lcls_dev构成，优化目标函数表征为LD＝-Ladv+λcls_devLcls_dev，其中，λcls_dev为系数；303信噪比特征域对应鉴别器的优化目标函数由GAN通用目标函数Ladv、信噪比类别损失函数Lcls_SNR构成，优化目标函数表征为LD＝-Ladv+λcls_SNRLcls_SNR，其中，λcls_SNR为系数；304衰落特征域对应鉴别器的优化目标函数由GAN通用目标函数Ladv、衰落类别损失函数Lcls_Amp构成，优化目标函数表征为LD＝-Ladv+λcls_AmpLcls_Amp，其中，λcls_Amp为系数；4使用步骤1中的训练数据集，基于训练优化策略对星型生成对抗网络进行训练，得到训练好的生成器；具体方式为：401训练初始的前n个周期内，只更新生成器与重建器的参数，4≤n≤10；402生成器每更新k次，对频偏特性域对应鉴别器进行一次更新，2≤k≤4；403生成器每更新k次，对信噪比特性域对应鉴别器进行一次更新；404生成器每更新k次，对衰落特性域对应鉴别器进行一次更新；405重复步骤402、403、404，直至训练结果收敛；5将待迁移样本输入生成器，生成得到迁移后的信号样本数据。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第五十四研究所 一种基于星型生成对抗网络的信道特性迁移方法