[发明专利]基于生成式对抗网络的半监督式特定辐射源个体识别方法

权利要求书

1.一种基于生成式对抗网络的半监督式特定辐射源个体识别方法，其特征在于，包括：

获取真实样本和生成样本；所述真实样本包括有标签真实样本和无标签真实样本；所述生成样本是对隐含编码和隐含向量进行编码得到；所述隐含编码是对包含辐射源个体类别信息的均匀分布进行采样得到，所述隐含向量是对包含无线信道先验信息的多重模态Nakagami-m分布进行采样得到；

获取辅助分类网络；

对所述生成样本和有标签真实样本进行判别；

通过判别得到的有标签真实样本和生成样本对辅助分类网络进行训练；

对所述生成样本和无标签真实样本进行判别；

通过判别得到的生成样本对训练后的辅助分类网络再次进行训练；

通过再次训练后的辅助分类网络对特定辐射源个体进行识别；

所述真实样本和生成样本的获取过程包括：

获取表征向量；所述表征向量是对样本数据进行编码得到；所述样本数据包括有标签样本数据和无标签样本数据；

对包含辐射源个体类别信息的均匀分布进行采样得到隐含编码；

对包含无线信道先验信息的多重模态Nakagami-m分布进行采样得到隐含向量；

获取生成网络；

通过所述表征向量、所述隐含编码和所述隐含向量对所述生成网络进行训练，所述生成网络输出为生成样本和真实样本；

所述表征向量的获取过程具体包括：获取样本数据；所述样本数据包括有标签样本数据和无标签样本数据；获取编码网络；通过所述样本数据对所述编码网络进行训练；编码网络输出为表征向量；

样本数据(x,y)首先送入编码网络，编码网络对样本数据进行维度压缩处理得到均值向量μ与标准差向量σ，构造样本向量空间Z＝μ+ε⊙σ，其中ε～N(0,I)，定义一个服从正态分布的随机向量ε，将样本数据的随机性转移至ε，需要被训练的μ和σ在训练的具体时刻是固定的，编码网络正常训练；通过对样本向量空间Z采样得到低维的表征向量z′，表征向量z′包含有样本数据的概率分布特性，进行解码得到真实样本；实际过程中由生成网络对z′进行解码得到真实样本r′；另外，生成网络还对隐含向量z和隐含编码c进行解码得到生成样本r＝G(z,c)；在编码与解码的过程中，编码网络与生成网络组合成为变分自编码器；根据均值向量μ与标准差向量σ，编码网络的损失函数L_E表示为：

2.根据权利要求1所述的基于生成式对抗网络的半监督式特定辐射源个体识别方法，其特征在于，所述对所述生成样本和有标签真实样本进行判别，具体包括：

获取判别网络；

通过生成样本和有标签真实样本对所述判别网络进行训练；

通过训练后的判别网络对生成样本和有标签真实样本进行判别。