[发明专利]一种基于生成式对抗网络的无线信号降噪方法

权利要求书

1.一种基于生成式对抗网络的无线信号降噪方法，包括以下步骤：

构建无线信号降噪网络和无线信号降噪判别网络，其中，无线信号降噪网络包括长短时记忆神经网络、卷积层以及时间注意力模块，其输入为添加噪声的低信噪比无线信号，输出为降噪后的无线信号；

无线信号降噪判别网络包括长短时记忆神经网络和全连接层，其输入与无线信号降噪网络的输出连接，输入数据为未添加噪声的原始无线信号和降噪后的无线信号，输出是对降噪后的无线信号和未添加噪声的原始无线信号的判断结果；

采用对抗训练策略对无线信号降噪网络和无线信号降噪判别网络进行训练，获得无线信号降噪模型和无线信号降噪判别模型；

提取无线信号降噪模型对待降噪无线信号进行处理，获得降噪后的无线信号；

(a)预训练无线信号降噪网络和无线信号降噪判别网络；

(b)对抗训练预训练后的无线信号降噪网络GAN-G和无线信号降噪判别网络GAN-D，具体过程为：

固定GAN-G的参数，将降噪后的无线信号输入到GAN-D中，训练GAN-D的参数；固定GAN-D的参数，将低信噪比无线信号输入到GAN-G中，训练GAN-G的参数；

(c)重复步骤(a)和步骤(b)，交替训练GAN-G和GAN-D的参数，直到两者实现G-D纳什均衡或达到最大的训练次数T2；

(d)加入由长短时记忆网络构成的时间注意力模块，再训练GAN-G，即重复步骤(a)～(c)，使GAN-G更高效地提取无线信号的时序特征，产生降噪后的无线信号。

2.如权利要求1所述的基于生成式对抗网络的无线信号降噪方法，其特征在于，无线信号降噪网络包括：

依次连接的LSTM1、LSTM2、卷积层、LSTM3、LSTM4；

时间注意力模块α₁：LSTM1输出尺寸大小为time*32的特征图层，通过LSTM_A1得到尺寸为time*2的特征层，该特征层的转置与输入的低信噪比无线信号进行矩阵乘法的运算，得到尺寸为time*time的特征层，将该特征层输入到LSTM_B1中，得到尺寸为time*32的时间注意力权重W₁，将该时间注意力权重反馈到LSTM1中改变计算输出时的权重；

时间注意力模块α₂：LSTM2输出尺寸大小为time*64的特征层，通过LSTM_A2得到尺寸为time*2的特征层，该特征层的转置与输入的低信噪比无线信号进行矩阵乘法的运算，得到尺寸为time*time的特征层，将该特征层输入到LSTM_B2中，得到尺寸为time*64的时间注意力权重W₂，将该时间注意力权重反馈到LSTM2中改变计算输出的权重；

时间注意力模块α₃：LSTM3输出尺寸大小为time*32的特征层，通过LSTM_A3得到尺寸为time*2的特征层，该特征层的转置与输入的低信噪比无线信号进行矩阵乘法的运算，得到尺寸为time*time的特征层，将该特征层输入到LSTM_B3中，得到尺寸为time*32的时间注意力权重W₃，将该时间注意力权重反馈到LSTM3中改变其权重。

3.如权利要求1所述的基于生成式对抗网络的无线信号降噪方法，其特征在于，无线信号降噪判别网络包括：

LSTM，用于提取输入的无线信号的时序特征；

第一全连接层，用于综合LSTM输出的时序特征；

第二全连接层，作为输出层，用于综合第一全连接层输出的特征，输出分类结果。