[发明专利]用于水声目标识别的U-Net结构生成对抗网络及方法

权利要求书

1.一种用于水声目标识别的U-Net结构生成对抗网络方法，其特征在于步骤如下：

步骤1、设置U-Net网络：由下采样路径与上采样路径组成U-Net模型，将训练集数据首先输入下采样路径，连接两个1×3大小的卷积核，重复卷积操作，然后利用一个激活函数eLU进行校正，然后利用一个1×2卷积核大小、步长为2的最大池化操作用于第一次下采样操作，每次下采用完以后，增加一倍的通道数；将第一次下采样的输出值作为第二次下采样的输入值，再重复两次上述操作；第三次下采样的输出作为第一次上采样的输入，每一次上采样操作包含一个卷积核大小为1×3的反卷积操作，并与下采样路径中同规模卷积输出拼接，对拼接结果重复应用两个1×3大小的卷积核重复两次卷积操作，其中，第一次卷积运算时，通道数量减半，然后利用一个激活函数eLU进行校正；将第一次的上采样输出作为第二次上采样的输入，再重复两次上采样操作；三次上采样操作以后的输出加入稀疏层，并映射到与类别数量相同的一维向量，此一维向量作为网络输出为z′；

步骤2、设置GAN模型：

GAN模型的目标函数定义为：

其中：x～p_d(x)、z～p_z(z)分别代表真实样本和生成样本分布，生成样本为U-Net网络的输出，D、G代表判别模型和生成模型，D(x)表示判别模型的输出，G(z)表示生成模型的输出，表示为z′；

所述判别模型目标函数为：

所述生成模型目标函数为：

步骤4、基于U-Net结构生成对抗网络：

以U-Net网络作为GAN网络的生成模型，将U-Net网络的输出z′与水声样本同时送入生成对抗网络的判别模型，利用输出函数与样本标签的交叉熵优化生成模型与判别模型。

2.一种采用权利要求1所述U-Net结构生成对抗网络对水声目标识别的方法，其特征在于步骤如下：

步骤1：对采样的原始水声信号以每n个采样点分为一帧，对分帧以后的信号加汉明窗，分别对每一帧信号进行短时傅里叶变换；

其中，u为短时傅里叶变换的时间变量，z(u)为原始信号，t为窗函数与原始信号的时间差，g(u-t)为窗函数，f为傅里叶变换复平面上的旋转频率；

步骤2：在步骤1处理的信号中随机选取1/3样本作为训练集，剩余2/3样本作为测试集；

步骤3：训练基于U-Net结构生成对抗网络

将步骤2得到的训练样本z输入U-Net模型，得到与z相同大小的输出z′，然后将真实样本z与生成样本z′同时送入判别模型中，得到输出D(Z)与D(z′)，分别与样本标签求交叉熵然后相加作为损失函数；整个网络的目标函数写为：

其中z～p_z(z)代表z服从训练样本z的分布，D、G代表判别模型和生成模型，D(z)表示判别模型的输出，G(z)表示生成模型的输出，表示为z′；

整个网络的判别模型目标函数为：

整个网络的生成模型目标函数为：

利用损失函数优化网络模型，优化过程选取Adam优化器，优化时的初始学习率为0.001，网络参数的初始化选择随机初始化方法；优化网络过程中首先固定生成器的参数，优化判别器的参数两次，然后固定判别器的参数优化生成器一次，循环500次，得到优化好的生成器与判别器模型；

步骤4、测试基于U-Net结构生成对抗网络：将步骤2得到的测试集输入步骤3训练好的模型中，测试模型的稳健性；

以测试通过的模型对实施对水声信号的识别。