基于生成對抗網(wǎng)絡(luò)的信號重構(gòu)

《基于生成對抗網(wǎng)絡(luò)的信號重構(gòu)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、＿碩士學位論文Ｉ參畫＾傷基于生成對抗網(wǎng)絡(luò)的信號重構(gòu)邏作者姓名秦魚劍指導教師姓名、職稱楊清海教授１申請學位類別工學碩士西安電子科技大學學位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德，本人聲明所呈交的論文是我個人在導師指導下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標注和致謝，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研宄成果中所羅列的內(nèi)容以外；也不包含為獲得西安電子科技大學或其它教育機構(gòu)的學位或證書而使用過的材料一。與我同工作的同志對本研宄所做的任何貢獻均己在論文中作了明確的說明并

2、表示了謝意。ｉ學位論文若有不實之處一，本人承擔切法律責任。本人簽名丨日期：：表輳西安電子科技大學關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學有關(guān)保留和使用學位論文的規(guī)定，ｇ卩：研宄生在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬于西安電子科技大學。學校有權(quán)保留送交論文的復印件，允許查閱、借閱論文；學校可以公布論文的全部或部分內(nèi)容，允許采用影印、縮印或其它復制手段保存論文。同時本人保證，獲得學位后結(jié)合學位論文研究成果撰寫的文章，署名單位為西安電子科技大學。保密的學位論文在年解密后適用本授權(quán)書。＿本人簽名：導

3、師簽名：日期：日期：／／Ｑ學校代碼10701學號1501120260分類號TN911密級公開西安電子科技大學碩士學位論文基于生成對抗網(wǎng)絡(luò)的信號重構(gòu)作者姓名：秦劍一級學科：信息與通信工程二級學科：通信與信息系統(tǒng)學位類別：工學碩士指導教師姓名、職稱：楊清海教授學院：通信工程學院提交日期：2018年6月SignalreconstructionbasedonGenerativeadversarialnetworksAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirements

4、forthedegreeofMasterinCommunicationsandInformationSystemsByQinJianSupervisor:YangQinghaiProfessorJune2018摘要摘要復雜電磁環(huán)境中的信號重構(gòu)是對電磁環(huán)境的一種近似，通過對電磁信號的準確重構(gòu)，能夠有效還原真實的電磁環(huán)境。重構(gòu)生成的信號除了可以用于獲取電磁環(huán)境中的信息以外，還被廣泛應用于通信對抗領(lǐng)域，信號重構(gòu)技術(shù)是通信信號處理的關(guān)鍵技術(shù)之一。隨著通信技術(shù)的迅猛發(fā)展，傳統(tǒng)的信號重構(gòu)方法在日益復雜的電磁環(huán)境中顯現(xiàn)出疲態(tài)，難以準確重構(gòu)信號。本文結(jié)合當前炙手可熱的生成對

5、抗網(wǎng)絡(luò)，提出了基于生成對抗網(wǎng)絡(luò)的信號重構(gòu)方法。針對信號重構(gòu)的應用場景，改進后的生成對抗網(wǎng)絡(luò)，有效地提升了生成信號的質(zhì)量，使得基于生成對抗網(wǎng)絡(luò)的信號重構(gòu)方法具有很好的魯棒性和泛化性。本文的工作主要包括以下幾點：(1)生成對抗網(wǎng)絡(luò)的訓練包括多個回合的交叉訓練，在每一回合中，生成器和判別器的優(yōu)化更新均通過損失函數(shù)計算得到，因此損失函數(shù)的優(yōu)劣與生成數(shù)據(jù)的質(zhì)量密切相關(guān)。本文結(jié)合信號重構(gòu)的應用場景，重點研究了交叉熵損失函數(shù)和EM（EarthMover）距離損失函數(shù)對于生成對抗網(wǎng)絡(luò)算法效果的影響，并在此基礎(chǔ)上加入了信號波動過大的懲罰項，有效地改善了生成數(shù)據(jù)的質(zhì)量。(2)在

6、深度學習中，神經(jīng)網(wǎng)絡(luò)的架構(gòu)對算法的效果起著至關(guān)重要的作用，不同的應用場景適用不同的神經(jīng)網(wǎng)絡(luò)架構(gòu)。對于本文要處理的信號重構(gòu)問題，神經(jīng)網(wǎng)絡(luò)框架的設(shè)計也決定著生成數(shù)據(jù)的質(zhì)量?；谏疃染矸e生成對抗網(wǎng)絡(luò)（DeepConvoutionalGenerativeAdversarialNetworks，DCGAN）的神經(jīng)網(wǎng)絡(luò)架構(gòu)難以有效學習和模擬通信信號的序列特性，使得生成數(shù)據(jù)質(zhì)量低劣。針對這一問題，本文取消了神經(jīng)網(wǎng)絡(luò)架構(gòu)中卷積層的應用，采用基于全連接層的生成對抗網(wǎng)絡(luò)框架；此外引入了判別器的預訓練過程和生成器中批數(shù)據(jù)多樣性特征，使得生成對抗網(wǎng)絡(luò)能夠更加準確地生成信號，進一步提

7、高了信號重構(gòu)的性能。(3)現(xiàn)有信號重構(gòu)機制在復雜的電磁環(huán)境中難以有效地實現(xiàn)信號的參數(shù)測量和特征提取。針對這一問題，本文結(jié)合條件生成對抗網(wǎng)絡(luò)，將判別器神經(jīng)網(wǎng)絡(luò)的中間層輸出作為信號的特征矢量，通過深度神經(jīng)網(wǎng)絡(luò)的學習，完成信號特征的自動提??；在生成器中，將特征矢量作為條件信息與高斯噪聲結(jié)合后作為輸入數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)的映射生成信號，實現(xiàn)信號的準確重構(gòu)。關(guān)鍵詞：生成對抗網(wǎng)絡(luò)，條件生成對抗網(wǎng)絡(luò)，信號生成，通信對抗IABSTRACTABSTRACTThesignalreconstructioninacomplexelectromagneticenvironmentisa

8、napproximationtotheelectro