[发明专利]基于改进生成对抗网络的无人作战仿真地图生成方法

权利要求书

1.一种基于改进生成对抗网络的无人作战仿真地图生成方法，其特征在于：该方法步骤如下：

步骤一：建立具有典型特征的地图数据库，包括：生成无特征地形数据、对地形数据插入特征，并对得到的数据进行平滑处理；

步骤二：数据库数据训练预处理

S21、数据归一化处理，以提高神经网络训练效率

S22、构造深度学习训练集

步骤三：构建基础生成对抗网络

S31、搭建生成器、判别器网络

基础生成对抗网络基本结构包含两个神经网络，一个作为生成器负责生成数据；一个作为判别器负责判别输入的数据是否是原始数据；其训练迭代过程可以以下公式说明：

其中，P_data是真实数据分布，P_z是输入噪声分布，G(z)是生成器根据随机噪声z生成的模拟真实数据的假数据，D(x)是判别器判断真实数据为真的概率，D(G(z))是判别器判断模拟的数据为真的概率；生成器与判别器均为一个独立的神经网络；

S32、计算损失函数

生成器与判别器的本质为两个互相对抗的神经网络，其训练依赖于损失函数的计算，由训练迭代的公式分别计算生成器与判别器的损失函数：

其中，loss_G、loss_D分别为生成器与判别器的损失函数；

步骤四：改进生成对抗网络结构设计

所述的改进的生成对抗网络结构，该结构中心思想仍是生成器与判别器的相互对抗训练，但生成器部分由原本的一个神经网络构成改变为由n个神经网络构成，分别记为生成器1到生成器n，各个不同生成器负责生成最终数据的一个特征，为了保证各个生成器所生成的特征是所需要的特征，模拟原始生成对抗网络结构，为每一个生成器配对了一个特征判别器；所有特征的和数据则由一个总判别器进行分辨；

步骤五：生成数据地图化应用。

2.根据权利要求1所述的基于改进生成对抗网络的无人作战仿真地图生成方法，其特征在于：所述步骤一具体包括：

S11、生成无特征地形数据

首先生成随机数据矩阵，得到随机数据矩阵后，对数据进行下限隔断、放缩处理，即对所有数据矩阵中的高度数据进行判断，小于一定高度值的数据重新赋值为数据均值，并使所有高度数据同时倍增或者倍减相同的倍数；

得到一定高度范围的高度数据矩阵，矩阵的横、纵索引值可以对应换算成经纬度，由此得到的数据作为地图生成的原始训练数据；

S12、对地形数据插入特征

对步骤S11中选定范围内的高度数据分别进行放大或缩小一定范围内的随机倍数，进行具有特征的修改，以此实现地形的特征化；

S13、对邻近高度值进行平滑处理

对步骤S12得到的数据进行平滑处理，平滑处理通过选取合适的卷积核对离散数据的矩阵进行卷积运算，得到的矩阵中，相邻的元素变化更为平滑，视作近似连续的数据。

3.根据权利要求2所述的基于改进生成对抗网络的无人作战仿真地图生成方法，其特征在于：所述步骤S12、对地形数据插入特征，具体过程为：在原数据矩阵中随机选取若干行、列，以随机数的形式随机选取一种特征，再通过特征插入公式对所选的范围进行特征插入，特征插入部分公式为：

其中，i、j的取值跨度为期望特征占据的跨度；randm_col、randm_row分别为特征插入的随机范围；(±1)表示在随机产生的插入位的周围两列/行也进行同样的特征插入；feature_input()为特征插入函数，作用为对原始数据进行一定尺度范围内的倍增或倍减；feature为当前数据应插入的特征种类，其值影响特征插入函数返回值，对每一个数据，应插入的特征应是随机确定的。