[发明专利]一种基于信道特征生成对抗网络的信道建模方法

权利要求书

1.一种基于信道特征生成对抗网络的信道建模方法，其特征在于，包括：

S1.构建信道特征生成对抗网络模型，所述信道特征生成对抗网络模型包括生成器、鉴别器和分类器；

S2.从实际环境中采集实测信道数据，根据实测信道数据的维度确定信道特征生成对抗网络模型的输入输出张量维度；

S3.随机生成多组服从正态分布的随机向量和线性编码向量，将随机向量与线性编码向量进行一对一拼接得到多组组合向量；

S4.将组合向量作为生成器的输入，得到生成信道数据；

S5.通过实测信道数据和生成信道数据对信道特征生成对抗网络模型中的生成器、鉴别器和分类器进行交替训练；

S6.直到信道特征生成对抗网络模型收敛，输出可模拟实测信道数据的信道响应的生成器。

2.根据权利要求1所述的一种基于信道特征生成对抗网络的信道建模方法，其特征在于，生成器包括依次连接的第一Reshape层、5个相同的上采样块、Tanh函数层和第二Reshape层；其中，每个上采样块包括1个转置卷积层、1个批归一化层和1个非线性激活层。

3.根据权利要求1所述的一种基于信道特征生成对抗网络的信道建模方法，其特征在于，判别器和分类器共享一个前置下采样网络，所述前置下采样网络包括依次连接的第三Reshape层、5个相同的下采样块和第四Reshape层；其中，每个下采样块包括1个二维卷积层、1个谱归一化层和1个非线性激活层。

4.根据权利要求1所述的一种基于信道特征生成对抗网络的信道建模方法，其特征在于，步骤S5采用实测信道数据和生成信道数据对信道特征生成对抗网络模型中的生成器、鉴别器和分类器进行交替训练，包括：

S51.设置总训练次数epoch＝200；

S52.当epoch/4＝0时，固定生成器和分类器的参数，训练鉴别器，包括：

S521.将实测信道数据和生成信道数据输入鉴别器；

S522.鉴别器对输入数据的来源进行鉴别，并输出鉴别损失；

S523.采用梯度下降和Adam优化器训练鉴别器；

S53.当epoch/4≠0时，固定鉴别器的参数，训练生成器和分类器，包括：

S531.将组合向量输入生成器得到生成信道数据；将生成信道数据通过分类器输出解析线性编码向量；将生成信道数据通过鉴别器输出生成器损失；

S532.根据解析线性编码向量与生成信道数据计算互信息量L₁(G,Q)；

S533.基于生成器损失和互信息量L₁(G,Q)计算生成器和分类器训练产生的共同损失值；

S534.利用梯度下降和Adam优化器训练生成器和分类器；

S54.重复步骤S51和S52交替训练信道特征生成对抗网络模型的生成器、分类器和鉴别器，直到训练次数epoch＝200。

5.根据权利要求4所述的一种基于信道特征生成对抗网络的信道建模方法，其特征在于，步骤S522采用鉴别损失函数计算鉴别损失，所述鉴别损失函数为：

其中，V(D)表示鉴别损失，G表示生成器，D表示鉴别器，表示对概率密度为p_r的实测信道数据H通过鉴别器的映射结果D_w(H)求均值，表示对概率密度为p_g的生成信道数据G(z,c)通过鉴别器的映射结果D_w(G(z,c))求均值，D_w()表示鉴别器网络的映射函数，G()表示生成器网络的映射函数，W表示网络权重参数w所满足的限制条件，H表示实测信道数据，z表示满足高斯分布的随机噪声向量，c表示线性编码向量。