基于生成对抗网络的舰船辐射噪声分类方法研究

基于机器学习的舰船目标识别近年来已成为水声信号处理领域的一个重要研究方向,但水声目标信号的获取困难,样本量不足和不均衡的问题很容易导致目标分类模型的识别效果不佳。该文提出一种基于条件卷积生成对抗网络的船舶噪声数据分类方法,该方法利用生成对抗学习理论,生成相比于传统数据增强算法非线性特征更强,特征差异更丰富的伪DEMON调制谱数据来缓解训练样本量不足的问题。之后将传统生成对抗网络中的全连层输出替换成更善于解决小样本问题集成分类器,从而降低分类器对于数据量的依赖程度,进一步提高分类模型性能。最终由基于真实样本的实验结果表明,相比于传统数据增强算法和卷积生成对抗网络,该文方法能够更有效提高在样本不足条件下的模型的分类性能。     

脉冲噪声环境下水声通信信号调制识别方法

为了提高浅海脉冲噪声环境下水声通信信号调制识别的性能和实用性,提出了基于降噪自编码器和卷积神经网络的调制识别方法。首先,利用降噪自编码器对含噪声信号进行降噪处理,然后,利用卷积神经网络对降噪信号的功率谱图进行分类,从而完成调制识别。此外,采用数据迁移思想构造训练数据集对网络进行训练解决了目标水域数据样本不足的问题。仿真实验和实际信号测试结果验证了本文方法的有效性。与现有算法相比,具有较高的识别率,并且提升了目标信道数据不足条件下的识别性能。      

基于条件生成对抗网络的信号生成技术

通信信号生成通常也叫信号重构，信号重构在欺骗干扰、环境构建等方面具有广泛应用，而生成对抗网络的提出为通信领域中的信号重构带来了新思路。文中利用生成对抗网络，在不对通信信号进行参数测量与特征分析的情况下，实现通信模拟调制信号的生成，并加入监督学习，使用有标签的数据集，在WGAN-GP的基础上构建CGAN与ACGAN两种网络模型进行模拟调制信号的生成，并在训练完成的生成器中通过指定标签生成特定调制样式的通信信号，最后经过对比分析，基于ACGAN的模拟调制信号生成的质量更优。     

水声通信系统中信号同步的一种实现方法

水声通信技术是解决水下信息传送和处理的关键技术,它广泛应用于水下自治机器人(AUV)、水下通讯网络、遥控和目标检测等领域.由于水下恶劣传输条件的影响,水声通信系统中同步信号的处理是系统的一个关键问题.本文介绍了一种简单的水声通信方案的设计,重点分析了采用同步脉冲信号通信体制的位同步、帧同步实现方法.     

基于局部瞬时能量密度级的瞬态信号检测方法

为实现低信噪比条件下的水声瞬态信号检测,该文提出子波检测和局部瞬时能量密度级双重降噪方法。该双重降噪方法通过自适应选取含有用信号的某阶固有模态函数(IMF),计算Hilbert能量谱并进行局部积分,滤除子波检测残留下来的带外噪声。此外,结合宽度-包络联合检测机制,构造了水声瞬态信号局部瞬时能量密度检测器。湖试数据处理结果表明,局部瞬时能量密度检测器可有效降噪并在低信噪比条件下提取瞬态信号,较传统能量检测器具有更好的检测性能。     

基于三方生成对抗网络的隐蔽通信方法

针对隐蔽通信中隐蔽信息的传输隐蔽性与解调准确性联合优化问题,设计了一种新型三方生成对抗网络（TripartiteGAN）,提出了基于该神经网络的隐蔽通信方法,并给出理论性能分析。TripartiteGAN隐蔽通信方法从幅度和相位等维度对经传统数字调制后的隐蔽信号进行优化,使最终生成的隐蔽信号与公开的合法信号叠加发送后,其信号分布逼近仅存在合法信号时的分布。该方法可以应对利用神经网络进行信号监测的侦听方,此侦听方不需要发送方功率特征先验信息,不需要人为确定检测阈值。仿真实验结果表明,在加性白高斯噪声信道下,所提TripartiteGAN隐蔽通信方法在保证隐蔽信息接收方解调准确率的同时,可使侦听方判决当前信号是隐蔽信号或合法信号的概率均逼近0.5。该方法的解调准确率和隐蔽性均优于现有基于生成对抗网络的隐蔽通信方法。     

融合残差SENet的毫米波大规模MIMO信道估计

在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network, SENet)的条件生成对抗网络的信道估计方法。该方法采用条件生成对抗网络将低分辨率接收信号重建为高分辨率的原始信号完成信道估计,同时在生成器网络中引入SENet网络模块来抑制户外场景下显著性噪声干扰,提高估计精度;最后将残差网络中的残差块添加到SENet的放缩操作后,提高条件生成对抗网络的收敛速度。仿真结果表明,相较于正交匹配追踪算法、卷积神经网络、去噪卷积神经网络和条件生成对抗网络算法,所提方法在户外噪声环境下估计精度平均提高了约2.2 dB,且在高噪声强度下估计精度的提高更为显著。     

面向智能无人通信系统的因果性对抗攻击生成算法

考虑到基于梯度的对抗攻击生成算法在实际通信系统部署中面临着因果性问题,提出了一种因果性对抗攻击生成算法。利用长短期记忆网络的序列输入输出特征与时序记忆能力,在满足实际应用中存在的因果性约束前提下,有效提取通信信号的时序相关性,增强针对无人通信系统的对抗攻击性能。仿真结果表明,所提算法在同等条件下的攻击性能优于泛用对抗扰动等现有的因果性对抗攻击生成算法。     

通信特定辐射源识别的多特征融合分类方法

针对通信辐射源个体识别问题,提出了一种基于多通道变换投影、集成深度学习和生成对抗网络的融合分类方法.首先,通过对原始信号进行多种变换得到三维特征图像,据此构建信号的时频域投影以构建特征数据集,并使用生成对抗网络对数据集进行扩充.然后,设计了一种基于多特征融合的双阶段识别分类方法,利用神经网络初级分类器分别对3类特征数据...     

基于高斯射线的压电陶瓷水声消声方法

水声消声可用于潜艇降噪、隐身,以及保护海洋通信设备不受外界声场的影响等方面.为了使讨论的压电陶瓷水声消声方法更客观更具实用性,采用主动声纳常用的脉冲调制信号在海洋中传播了一定距离后的声波作为声源,其中声波的计算采用高斯射线模型.此方法既具有射线方法的灵活方便的特点,又保留了波场的动力学特征,具有其他水声传播模型不可替代的优势.仿真模拟了水声信号传播较真实的环境,实用性、可参考性高.仿真结果表明压电陶瓷水声消声方法是有效的.