[发明专利]基于对抗生成网络的家用设备电器指纹数据生成方法

权利要求书

1.一种基于对抗生成网络的家用设备电器指纹数据生成方法，其特征在于，具体步骤为：

步骤1：新增PowerTransGan的生成器(G)和判别器(D)模块；

步骤2：现有模块与新增模块的融合，即将已有模块与新增模块的输出按照一定比重计算进行联合输出；具体根据训练迭代次数是否小于N_f来判断是否需要进行模块融合步骤，N_f为根据实际情况设定的常数；

步骤3：训练生成器，根据噪声代码合成生成的信号数据，并与训练样本的信号数据一同输入判别器中，对判别器进行训练；

步骤4：交替进行生成器和判别器的损失计算，以及对应的优化；

步骤5：阶段性学习，即采用阶段性学习的方法；每一阶段，即新的模块的加入时会经历N_e轮次的训练，所使用的对抗生成网络共有N_m组生成器和判别器模块；因此，每一阶段训练迭代次数未达N_e次时，返回步骤2；若生成器和判别器模块数未达N_m组时，返回步骤1；N_e以及N_m根据实际情况确定；

步骤6：经过上述步骤1到步骤5的网络训练，得到PowerTransGan，用于合成相似于样本数据分布的家用设备电器指纹数据；

步骤1中，采用的PowerTransGan网络需设定多组生成器和判别器模块，总模块数未达设定组数时需要新增生成器和判别器的模块，PowerTransGan总共包含7组生成器和判别器模块；其中：

(1)所述生成器，由多层感知机、堆叠的多个Transformer编码器以及上采样模块构成，整体结构为三层结构，每一层分别堆叠了若干个Transformer编码器模块，自输入端到输出端的结构描述，依次为：多层感知机，5层堆叠的Transformer编码器，2x的上采样模块，2层堆叠的Transformer编码器，2x的上采样模块，2层堆叠的Transformer编码器以及线性逆扁平层；

输入的随机噪声经过一个多层感知机转换成向量形式的信号数据N_z xC，N_z为噪声代码的维度，C为样本数据集中不同数据类别的数量，在经过多次Transformer编码器以及上采样模块之后，输入的数据逐步成为同样本信号数据N_s x1相同维度的信号数据，N_s为样本数据的维度；

(2)所述判别器，由三部分组成，自输入端到输出端的结构依次为：一个线性扁平层，7层堆叠的Transformer编码器模块，进行分类预测的模块；

首先，输入数据N_s x(C+1)被分割成8x8个信号数据块，通过线性扁平层转换成一维序列，并在其中添加可学习的位置编码以及在头部添加[cls]标记，用于下游的分类任务，通过堆叠的Transformer编码器之后，分类预测的模块仅利用[cls]标记进行分类输出真/假的判别结果；

(3)采用“To Time-Series”和“From Time-Series”进行连接；即在生成器部分，输出先经过一个“To Time-Series”模块，随后再经过一个“FromTime-Series”模块，最后输入到判别器中；所述“To Time-Series”和“From Time-Series”模块通过一维卷积实现；

其中，所述Transformer编码器，由一个多头自注意力模块以及一个具有非线性GELU的前馈多层感知机(MLP)构成，输入经过层归一化到达这两个部分，所有的模块部分都具有残差连接；自输入端到输出端的结构依次为：层归一化，多头自注意力模块，残差链接，层归一化，多层感知机，残差链接。