[发明专利]一种基于GAN网络的海杂波样本库构建方法

权利要求书

1.一种基于GAN网络的海杂波样本库构建方法，其特征在于，

包括如下步骤：

步骤1.采集初始样本数据集，初始样本数据来源于动态海杂波模拟器，利用动态海杂波模拟器生成不同海洋环境参数下的海洋动力过程模拟海杂波数据；

步骤2.从海洋动力过程出发，构建第一层GAN网络，并利用步骤1中动态海杂波模拟器生成的海洋动力过程模拟海杂波数据进行对抗网络生成和鉴别模型训练；

通过第一层GAN网络生成基于海洋-电磁散射特性的海洋动力过程海杂波样本数据；

所述步骤2中，第一层GAN网络的处理过程如下：

生成器G的输入为从概率分布中采集的随机变量z，随机变量z经过生成器G后，得到输出信号G1(z)，将G1(z)称为生成数据；

定义不同海洋环境参数下的海洋动力过程模拟海杂波数据为真实数据x1；

将真实数据x1和生成数据G1(z)同时输入判别器D，通过判别器D判断输入数据是来自生成数据G1(z)还是真实数据x1；

通过迭代优化生成基于海洋-电磁散射特性的海洋动力过程海杂波样本数据x2；

步骤3.从实测海杂波数据出发，构建第二层GAN网络，利用海洋动力过程海杂波样本数据与相同海洋环境条件下的实测海杂波数据，再次进行对抗网络生成和鉴别模型训练；

通过第二层GAN网络生成符合实际海杂波分布的模拟海杂波样本库；

所述步骤3中，第二层GAN网络的处理过程如下：

生成器G的输入为第一层GAN网络生成的基于海洋-电磁散射特性的海洋动力过程海杂波样本数据x2，x2经过生成器G后，得到输出信号G2(z)，将G2(z)称为生成数据；

定义实测海杂波数据为真实数据x3；将真实数据x3和生成数据G2(z)同时输入判别器D，通过判别器D判断输入数据是来自生成数据G2(z)还是真实数据x3；

通过迭代优化生成符合实际海杂波分布的模拟海杂波样本库。

2.根据权利要求1所述的基于GAN网络的海杂波样本库构建方法，其特征在于，

所述步骤1具体为：

动态海杂波模拟器基于电磁波空间传播与海洋关键动力过程的时空频域变化规律与耦合作用机理，综合各海洋环境信息产生的不同形态的海洋运动模型、雷达电磁波传播过程以及后向散射的计算，仿真海杂波后向散射的产生、传播过程；

输入不同海洋环境参数，模拟海浪，完成海洋运动模型和电磁后向散射的动态耦合，从而得到不同海洋环境参数下的海洋动力过程模拟海杂波数据。

3.根据权利要求1所述的基于GAN网络的海杂波样本库构建方法，其特征在于，

所述海洋环境参数包括波高、波向、波周期、风速、风向和擦地角。

4.根据权利要求1所述的基于GAN网络的海杂波样本库构建方法，其特征在于，

所述第一层GAN网络的训练过程如下：

训练过程采用Wasserstein生成性对抗网络，即在GAN损失函数的基础上增加梯度惩罚项思想，设置学习率参数和网络训练中批样本数量，利用Adam优化器进行参数更新；经过交替、迭代训练，判别器D和生成器G的网络参数不断更新，性能不断提高，即达到纳什均衡点时，生成基于海洋-电磁散射特性的海洋动力过程海杂波样本数据；

所述第二层GAN网络的训练过程如下：

训练过程采用Wasserstein生成性对抗网络，即在GAN损失函数的基础上增加梯度惩罚项思想，设置学习率参数和网络训练中批样本数量，利用Adam优化器进行参数更新；经过交替、迭代训练，判别器D和生成器G的网络参数不断更新，性能不断提高，即达到纳什均衡点时，生成符合实际海杂波分布的模拟海杂波样本库。