-
题名基于循环生成对抗网络的增强罗兰信号生成
- 1
-
-
作者
李辉
胡登峰
张恺
邹波蓉
刘薇
-
机构
河南理工大学物理与电子信息学院
-
出处
《电子测量技术》
北大核心
2024年第6期164-172,共9页
-
基金
河南省科技攻关计划(232102211005)
河南理工大学博士基金(B2022-4)项目资助。
-
文摘
在信号生成算法中,需要大量标记信号样本用于网络训练,但通常携带电文信息标记的信号难以批量获取。针对此问题本文提出一种基于循环生成对抗网络和迁移学习的方法,实现了无需大量信号及对应电文作为标记的增强罗兰信号生成,并使用迁移学习在少量实测信号情况下快速生成。循环生成对抗网络的结构包括两个生成器和两个判别器,利用无需一一对应的增强罗兰信号和电文数据集,使生成器学习到两个数据集之间的相互转换关系,实现输入电文数据可以生成与之相对应的增强罗兰信号,并且针对增强罗兰信号的特性,使用一维卷积、残差网络、自注意力机制对网络模型进行改进。实验证实,生成信号与实测数据的均方误差为0.0153,平均皮尔逊相关系数为0.9843,且所含电文信息准确率为99.02%。本文在PSK、ASK、FSK数据集上验证了算法,实验结果表明生成的信号满足预期,为未知参数的信号调制和解调提供一种新的思路。
-
关键词
信号生成
循环生成对抗网络
迁移学习
增强罗兰信号
-
Keywords
signal generation
CycleGAN
transfer learning
enhanced LORAN signal
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
