申请/专利权人：哈尔滨工程大学

申请日：2023-07-17

公开（公告）日：2024-06-04

公开（公告）号：CN116996148B

主分类号：H04B17/391

分类号：H04B17/391;H04B13/02;H04B11/00;G06F30/27;G06F30/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2023.11.21#实质审查的生效;2023.11.03#公开

摘要：本发明属于水下声通信领域，具体涉及一种基于生成对抗网络的极地环境水下声信道建模方法及装置。传统的极地信道模型在极地环境参数获取不完全的情况下无法准确刻画极地信道中的非线性和随机性，模型预测精度较低。本发明利用生成对抗网络捕捉真实信号概率分布的能力，结合传统的极地信道模型输出结果，在输入参数不足的情况下，通过生成器和判别器对抗学习，可以更好地捕捉极地环境信道的特性，进而提高建模的准确性。与传统的极地信道模型相比，有效的提高了预测精度。

主权项：1.一种基于生成对抗网络的极地环境水下声信道建模方法，其特征在于，该方法包括以下步骤：S1、构建真实接收信号集yr＝[yr1,yr2,...,yrn]；S2、构建仿真接收信号集yb＝[yb1,yb2,...,ybn]，并按比例划分为训练集和测试集；S3、根据接收信号集的维度，构建生成对抗网络，包括生成器G和判别器D；S4、训练生成对抗网络并获得水下声信道模型步骤A：训练判别器D冻结生成器G的可训练参数θg，计算判别器D的损失函数LD＝HbDyri；θd,yrlabel+HbDGybi,θg；θd,yblabel，其中Hb为交叉熵，Hbp,q＝-q·logp-1-p·log1-q，p，q分别代表概率和标签，应用标签平滑技术对yrlabel和yblabel进行平滑，使用Adam优化器更新判别器D的可训练参数θd，训练时：在真实接收信号集yr中随机采样一个真实样本yri并归一化到-1,1，输入到判别器D中并输出判别概率pri＝Dyri；θd，从均匀分布U0.7,1.2中采样yrlabel，计算HbDyri；θd,yrlabel；在仿真接收信号集yb中随机采样1个样本ybi并归一化到-1,1，输入生成器G中，得到生成样本ygi＝Gybi；θg，然后将生成样本ygi输入判别器D中并输出判别概率pgi＝DGybi,θg；θd，从均匀分布U0,0.3中采样yblabel，计算HbDGybi,θg；θd,yblabel，使用Adam优化器更新判别器D的可训练参数θd；步骤B：训练生成器G固定判别器D的可训练参数θd，计算生成器G的损失函数为：LG＝μHbDGybi,θg；θd,yblabel+λL2yri,ygi，其中L2yr,yg＝E[||yr-Gyb,θg||2]是对生成器损失添加的L2正则化项，用于对生成器生成信号幅值施加限制，μ和λ是两项自适应权重，应用标签平滑技术对yblabel进行平滑，使用Adam优化器更新生成器G的可训练参数θg，在训练前期μ起主导作用，主要目的是先将数据分布拉近；然后在训练后期λ起主导作用，主要目的是减小生成样本和真实样本的幅值差异；训练时：在仿真接收信号集yb的训练集中随机采样1个样本ybi输入生成器G中，得到生成样本ygi，然后将ygi输入判别器D中并输出判别概率pgi＝DGybi,θg；θd，从均匀分布U0,0.3中采样yblabel，计算HbDGybi,θg；θd,yblabel；在真实接收信号集yr中随机采样一个真实样本yri输入到判别器D中并输出判别概率pri＝Dyri；θd，计算L2yri,ygi，使用Adam优化器更新生成器G的可训练参数θg；步骤C：重复步骤A和B，直至判别器D损失收敛至目标状态，得到的生成器G作为目标极地水声信道模型Gtrained；S5、在线测试，确定模型可靠性。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 基于生成对抗网络的极地环境水下声信道建模方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD