[发明专利]一种基于双谱特征表示的半监督博弈模型分类方法和装置

权利要求书

1.一种基于双谱特征表示的半监督博弈模型分类方法，其特征在于，包括以下步骤：

获取发射级的原始接收信号和原始接收信号样本；

将所述原始接收信号输入训练好的半监督博弈模型进行数据信号处理；其中，所述训练好的半监督模型是基于高阶谱特征表示为所述原始接收信号样本的频率阶训练得到；

基于所述数据信号处理，利用分类器分类所述原始接收信号得到分类结果。

2.根据权利要求1所述的方法，其特征在于，所述原始接收信号表示为：

R⁽ⁱ⁾(nT)＝T⁽ⁱ⁾(s(nT))*h(nT)+w(nT),n＝1,2,...,N

其中，R⁽ⁱ⁾(nT)为原始接收信号，s(nT)为已调制的基带信号，T⁽ⁱ⁾(·)为第i个辐射源叠加的射频指纹非线性失真，s(nT)经过非线性放大后被发送至信道h(nT)，w(nT)为传输过程中引入的加性噪声。

3.根据权利要2所述的方法，其特征在于，在所述半监督博弈模型中，将判别器划分为监督部分和无监督部分，所述判别器接收所述原始接收信号样本中的无标记样本，生成器利用输出层的Sigmoid函数完成真假二分类，输出表示为：

4.根据权利要求3所述的方法，其特征在于，对所述原始接收信号样本中的标记样本使用输出层的Softmax函数完成监督分类，交叉熵函数被部署为损失函数表示为：

其中，p_i表示第i个标签的预测值，T_i表示原始接收信号样本的真实标记。

5.根据权利要求4所述的方法，其特征在于，将所述高阶谱特征定义为三阶累积量的2阶Fouier变换：

其中，cum₃(τ₁,τ₂)＝Ε(x^H(nT)x(nT+τ₁)x(nT+τ₂))，Ε(·)代表期望算子。

6.根据权利要求5所述的方法，其特征在于，将所述生成器的输入为1*100的高斯白噪声，经过多层卷积输出1*1500的信号向量，在所述判别器中将多个残差块串联；其中，所述多个残差块的每个残差块由不同尺度的扩张卷积构成。

7.根据权利要求6所述的方法，其特征在于，在所述判别器中引入多个残差单元并将所述多个残差串联；其中，所述多个残差单元由不同尺度的卷积层组成。

8.根据权利要求7所述的方法，其特征在于，所述判别器的损失函数包括监督部分和非监督部分，表达式为：

9.根据权利要求8所述的方法，其特征在于，定义所述生成器的损失函数为所述生成器匹配所述判别器的中间层特征的期望值，表示为：

其中，F(·)表示判别网络中间层的特征输出，表示2-范数。

10.一种基于双谱特征表示的半监督博弈模型分类装置，其特征在于，包括：

获取模块，用于获取发射级的原始接收信号和原始接收信号样本；

处理模块，用于将所述原始接收信号输入训练好的半监督博弈模型进行数据信号处理；其中，所述训练好的半监督模型是基于高阶谱特征表示为所述原始接收信号样本的频率阶训练得到；

分类模块，用于基于所述数据信号处理，利用分类器分类所述原始接收信号得到分类结果。