[发明专利]一种基于WGAN的小样本地面慢速运动目标分类方法

权利要求书

1.一种基于WGAN的小样本地面慢速运动目标分类方法，其特征在于，包括以下步骤：

步骤1，基于地面慢速运动目标回波数据，利用短时傅里叶变换方法，构建地面慢速运动目标时频谱图样本库；

步骤2，引入WGAN技术对地面慢速目标的时频谱图样本库进行扩充，得到扩充后的样本；

步骤3，将原始样本库分成训练集和测试集，将所述扩充后的样本放入所述训练集中，采用VGGNet进行网络训练至模型收敛，得到分类模型；在所述测试集中利用所述分类模型进行地面慢速运动目标的分类。

2.根据权利要求1所述的基于WGAN的小样本地面慢速运动目标分类方法，其特征在于，步骤1具体为：

短时傅里叶变换通过时间滑窗，计算每个时间窗内信号的傅里叶变换，得到变换后的时频谱信号S(t,f)：

S(t,f)＝∫z(t)ω(t-τ)exp(-j2πfτ)dτ

其中，t为时间，f为频率，ω(t)为窗函数，τ为窗函数的长度，z(t)为所要分析的连续信号，j表示复数的虚部；

在工程应用中，采用变换后的时频谱信号S(t,f)的离散形式S(a,b)为：

其中，k为离散采样点，z(k)为待分析信号的离散形式，T为时间采样间隔，F为频率采样间隔，a为时间采样，b为频率采样，ω(k)为窗函数的离散形式；

信号的时频谱图为S(a,b)模的平方，其表达式为：

Spec(a,b)＝|S(a,b)|²。

3.根据权利要求1所述的基于WGAN的小样本地面慢速运动目标分类方法，其特征在于，步骤2具体包含以下子步骤：

子步骤2.1，构建基于WGAN的地面慢速运动目标样本扩充网络；

子步骤2.2，利用地面慢速运动目标时频谱图样本训练所述基于WGAN的地面慢速运动目标样本扩充网络，并生成扩充后的样本。

4.根据权利要求3所述的基于WGAN的小样本地面慢速运动目标分类方法，其特征在于，子步骤2.1中，所述WGAN的主要结构分为判别器和生成器两部分，生成器用于捕捉真实地面慢速目标时频谱图的分布模型，然后利用捕获的分布模型生成新的数据样本；判别器是一个二值分类器，用于判别输入是真实数据还是生成的数据；所述判别器和所述生成器均由深度卷积网络构成。

5.根据权利要求4所述的基于WGAN的小样本地面慢速运动目标分类方法，其特征在于，子步骤2.2中，所述WGAN在进行网络训练时，引入Wasserstein距离来衡量生成数据分布和真实数据分布之间的差异；其中，Wasserstein距离如下：

其中，P_r表示真实分布，P_g表示生成分布，∏(P_r,P_g)表示分布P_r和P_g组合起来的所有可能的联合分布的集合；对于每一个可能的联合分布η而言，可以从中采样(x,y)～η得到一个真实样本x和一个生成样本y，并计算出该对样本的距离||x-y||；因此，可以计算该联合分布η下样本对距离的期望值E_(x,y)～η[||x-y||]；在所有可能的联合分布中，该期望值的下界为并定义为Wasserstein距离；

由于无法直接求解，可以对其变换形式进行求解，即，

其中，f_w表示判别器，w为判别器的网络参数，||f_w||_L为f_w的Lipschitz常数，和分别表示判别器在真实样本分布和生成样本分布上的期望；

在f_w的Lipschitz常数||f_w||_L不超过K的情况下，对所有满足条件的f_w取上界的1/K；对于连续函数f_w，||f_w||_L的定义为，存在一个常数C使得f_w定义域内的任意两个元素x₁和x₂均满足

|f_w(x₁)-f_w(x₂)|≤C|x₁-x₂|

则f_w对应的||f_w||_L为C；

对于条件||f_w||_LK，只需K不是正无穷即可，并不关心它的具体数值；因此，限制判别器f_w的所有参数w不超过某个范围[-c,c]，此时也不会超过某个范围，则一定存在某个常数K能够满足||f_w||_LK；

因此，设置判别器和生成器的损失函数分别为，

判别器损失函数的反即为P_r与P_g的Wasserstein距离的近似值。