一种基于条件生成对抗网络的时变水声信道模拟方法与流程

技术特征：
1.一种基于条件生成对抗网络的时变水声信道模拟方法，其特征在于：包括如下步骤：步骤1：根据渤海实测水声信道响应建立足量通信数据集，进行数据预处理并随机划分训练集和测试集；步骤2：搭建条件生成对抗网络cgan模型，包含一个生成模型g、一个判别模型d和附加条件信息；步骤3：设置网络参数并导入训练集数据同时训练生成模型g和判别模型d；步骤4：将测试集数据输入生成器网络，对比生成器输出和测试集星座图，检验cgan模拟水声信道的效果。2.根据权利要求1所述的一种基于条件生成对抗网络的时变水声信道模拟方法，其特征在于：所述步骤1中数据集的制备为，在fbmc系统发送端采用4qam调制，发送信号叠加噪声经由渤海实测水声信道，在接收端采用zf均衡恢复出接收信号星座图，记录为一组数据，重复上述过程以生成足量的通信数据集。3.根据权利要求1所述的一种基于条件生成对抗网络的时变水声信道模拟方法，其特征在于：所述步骤1中数据预处理为，将数据中的实部和虚部分别提取，根据cgan生成器的输出层张量重新排列。4.根据权利要求1所述的一种基于条件生成对抗网络的时变水声信道模拟方法，其特征在于：所述步骤2中，生成模型g通过迭代学习产生越来越接近真实分布的虚假样本，所产生的虚假样本会和真实样本一起送入判别模型d进行辨别，判别模型d区分出真实样本和虚假样本。5.根据权利要求4所述的一种基于条件生成对抗网络的时变水声信道模拟方法，其特征在于：cgan模型中，在生成模型g和判别模型d中均增加原始发送信号和接收导频信号作为条件，作为输入层的一部分。6.根据权利要求1所述的一种基于条件生成对抗网络的时变水声信道模拟方法，其特征在于：所述步骤3中生成模型g和判别模型d同时训练的方式为，固定判别模型d，训练生成模型g使得最小；固定生成模型g，训练判别模型d使得最大；上述优化过程视作极大极小博弈问题，表示为：cgan的优化函数类似地表示为带条件概率y的博弈：7.根据权利要求1所述的一种基于条件生成对抗网络的时变水声信道模拟方法，其特征在于：所述步骤3中训练生成模型g时的输入为一随机噪声向量，输出为4qam接收星座图经预处理后重新排列的数据；训练判别模型d时，生成模型g的输出被保存为虚假样本与真实的训练样本一起输入到判别模型d中进行识别；所生成的虚假样本标记为0，真实样本标记为1，判别模型d的输出层采用sigmoid激活函数，输出值越高则表示此样本更有可能属于真实样本集合，反之亦然。
8.根据权利要求1所述的一种基于条件生成对抗网络的时变水声信道模拟方法，其特征在于：所述步骤3中训练过程用kl散度来衡量生成样本和真实样本间概率分布的相似性：式中p(x
i
)为真实样本的概率分布，q(x
i
)为生成样本的概率分布。9.根据权利要求1所述的一种基于条件生成对抗网络的时变水声信道模拟方法，其特征在于：所述步骤4中测试cgan模型为，将一等长度噪声向量和作为附加条件的原始发送信号以及接收导频信号输入生成模型g，所输出结果经过数据重组即为生成的星座图，此时训练完成的生成模型g即具备了模拟时变水声信道的能力；将生成星座图与接收信号真实星座图进行比对来衡量当前模型模拟真实水声环境的效果。

技术总结
一种基于条件生成对抗网络的水声信道模拟方法，属于水声通信技术领域。利用半监督学习模型实现小样本数据增广，自适应地学习时变水声信道状态信息，达到模拟时变水声信道的效果。通过固定判别模型，训练生成模型使得所生成的样本接近真实分布；固定生成模型，训练判别模型来尽可能区分出生成样本和真实样本，形成一个动态的博弈过程。判别模型采用KL散度来衡量生成样本分布与真实样本分布的误差，训练完成的生成模型就具备了模拟时变水声信道的能力。采用本方法可以根据实测样本更真实还原水声信道，同时生成更多的试验数据，极大的降低了试验成本，有效提高了信道模拟准确度。有效提高了信道模拟准确度。有效提高了信道模拟准确度。


技术研发人员：王彪 朱雨男 解方彤 吴承希 李涵琼
受保护的技术使用者：江苏科技大学
技术研发日：2021.06.17
技术公布日：2021/10/23