[发明专利]基于生成对抗网络的无线信道建模实现方法

权利要求书

1.一种基于生成对抗网络的信道模型实现方法，其特征在于，通过使用真实信道数据和生成器生成的信道数据对对抗网络的鉴别器和生成器交替训练，直至鉴别器无法分辨真实信道数据和生成数据，达到生成器对信道数据的学习，从而用于产生具有相同的统计特性的信道数据，实现对信道的建立平稳信道及广义非平稳信道模型的目标；

所述的生成器生成的信道数据是指：使用批次的随机噪声作为生成器的输入，得到其生成的信道数据样本。

2.根据权利要求1所述的方法，其特征是，所述的生成器使用均匀分布的随机噪声作为输入。

3.根据权利要求1所述的方法，其特征是，所述的对抗网络，包括均采用全连接神经网络的生成器和鉴别器，其中：鉴别器包括两个隐藏层，每个隐藏层为10个神经元，激活函数为sigmod，鉴别器的输入为真实信道数据和生成器生成的信道数据的均值、方差、峰度和偏度；生成器包括两个隐藏层，每个隐藏层为5个神经元，激活函数为tanh，生成器的输入为随机噪声。

4.根据权利要求1所述的方法，其特征是，所述的交替训练是指：固定生成器的参数的同时训练鉴别器或固定鉴别器的参数的同时训练生成器，两者交替迭代训练直至鉴别器无法鉴别虚假样本和真实样本。

5.根据权利要求1或4所述的方法，其特征是，所述的交替训练包括以下步骤：

1)计算所有样本的均值、方差、峰度和偏度；

2)分别对鉴别器和生成器进行与样本个数相同次数的训练并在训练结束后保留生成器的网络模型参数，其中每一回合包括：

a)使用真实信道数据作为鉴别器输入，计算损失：将真实样本的均值、方差、峰度和偏度输入到鉴别器中，将真实信道数据的输出标签设为真，通过交叉熵损失函数计算损失loss_real；

b)使用生成的信道数据作为鉴别器输入，计算损失：对生成器参数进行随机初始化；使用噪声作为生成器的输入，得到生成的信道数据样本；对于生成器采用批次的输入得到生成样本；将生成样本输入到鉴别器中训练，标签设为假，通过交叉熵损失函数计算损失loss_fake；

c)将步骤a和步骤b中的损失相加得到鉴别器的损失，即loss_adv＝loss_real+loss_real；固定生成器网络模型的参数，通过对鉴别器损失函数进行反向传播，仅对鉴别器进行训练并重复该训练步骤20次，具体为：

i)使用批次的随机噪声作为生成器的输入，得到生成的信道数据样本，将批次的生成信道数据样本进行数据处理后，输入到鉴别器中，将生成信道数据的输出结果标签设为真；

ii)根据交叉熵损失函数计算生成器的损失loss_gen，固定鉴别器网络模型的参数，通过对鉴别器损失函数进行反向传播，仅对生成器进行训练并重复该训练步骤20次。