[发明专利]一种基于生成对抗网络的无线电信号生成方法

说明书

本发明涉及一种基于生成对抗网络的无线电信号生成方法。本发明通过使用生成对抗网络，构造一个完整的生成器和鉴别器系统，并将原始信号按一定比例分割作为网络结构的训练样本，利用训练数据进行网络结构参数的调整，根据原始信号数据的真实性，设计了一种新的损失度量函数，进一步度量真实的信号数据与合成信号数据的相似性损失，并利用该损失函数对生成器进行训练。最后完成对调制后原始无线电信号的学习，通过加入随机噪声生成新的合成信号数据。本发明生成的合成信号和原始信号高度相似，在信号接收机中有较高的识别率。

技术领域

本发明涉及深度学习和无线电领域，特别是一种基于生成对抗网络的无线电信号生成方法。

背景技术

OFDM(Orthogonal Frequency Division Multiplexing)是一种用于数字通信的调制技术，它将一个高速数据流分成多个子载波进行传输，每个子载波的调制方式可以是QPSK、16QAM、64QAM等，通过将多个低速信号合并成一个高速信号的方式形成高速数据流，这个高速数据流被发送到接收器，接收器通过反向过程解调和还原原始数字数据，实现了高效的频谱利用。OFDM技术广泛应用于数字电视、无线局域网(WLAN)、移动通信等领域。

生成对抗网络(GAN)是一种深度学习模型，由Ian Goodfellow等人在2014年提出，它能够生成高度逼真的新数据，包括图像、音频、视频等。GAN的核心思想是通过对抗的方式，让生成器逐渐学习到真实数据的特征分布，从而生成与真实数据相似的新数据。GAN模型的训练过程中，生成器和判别器互相竞争。生成器的目标是生成足够逼真的数据，以欺骗判别器，使其无法区分真实数据和生成的数据。而判别器的目标是区分真实数据和生成的数据，尽可能准确地判断数据的来源。通过这种竞争关系，生成器不断地优化自己的生成能力，直到生成的数据无法被判别器区分出来为止。目前生成对抗网络主要用于图像、视频、音频等领域，而现有技术生成的伪造信号与真实信号具有较大差异，易被识别，因此使用生成对抗网络生成信号是可行的方法。

发明内容

本发明的目的在于解决人工智能与信号生成领域，合成信号接收率低的技术问题，提供一种基于生成对抗网络的无线电信号生成方法，该方法不需要对原始信号进行复杂的处理，可以自适应地提取不同信号的特征，并生成相同类型的信号；经过测试，生成的信号能达到与原始信号近似的接收率。

为实现上述目的，本发明的技术方案是：一种基于生成对抗网络的无线电信号生成方法，信号发射机生成原始信号，并将干扰信号加入原始信号中，然后放入生成对抗网络模型中学习，通过生成对抗网络模型训练，生成与原始信号相似的合成数据信号；所述方法具体包括：生成OFDM信号；构建生成对抗网络模型；训练生成对抗网络模型。

本发明的内容主要为建立一个生成对抗神经网络，网络主要由生成器网络和鉴别器网络组成，如图1所示，生成器输入真实的信号数据，根据其分布和特征，并加入随机噪声合成信号数据，鉴别器区分信号样本是否来自训练集或者信号生成器训练信号生成器，其生成新的信号能够替换原始信号，具体包括有以下步骤：

1、生成OFDM信号：通过OFDM信号发射机生成OFDM信号，其中比特信噪比EbNoVec＝-10，调制阶数M＝4，每个符号传递的比特数k＝log2(M)，子载波总数numSC＝2048，符号信噪比snrVec＝EbNoVec+10*log10(k)+10*log10(numDC/numSC)，numDC为OFDM中数据的子载波数。OFDM信号表示为x＝[x₁，...x_i，...x_n]，x_i＝(a_i，b_i)是x的第i个数据，a_i和b_i分别为x_i的实部和虚部。

2、构建生成对抗网络模型