基于循环生成对抗网络的增强罗兰信号生成

来源：电子测量技术杂志2024年第6期北京时间：

作者：李辉，胡登峰，张恺，邹波蓉，刘薇

单位：河南理工大学物理与电子信息学院 焦作 454000

摘要：在信号生成算法中，需要大量标记信号样本用于网络训练，但通常携带电文信息标记的信号难以批量获取。针对此问题本文提出一种基于循环生成对抗网络和迁移学习的方法，实现了无需大量信号及对应电文作为标记的增强罗兰信号生成，并使用迁移学习在少量实测信号情况下快速生成。循环生成对抗网络的结构包括两个生成器和两个判别器，利用无需一一对应的增强罗兰信号和电文数据集，使生成器学习到两个数据集之间的相互转换关系，实现输入电文数据可以生成与之相对应的增强罗兰信号，并且针对增强罗兰信号的特性，使用一维卷积、残差网络、自注意力机制对网络模型进行改进。实验证实，生成信号与实测数据的均方误差为0.015 3，平均皮尔逊相关系数为0.984 3，且所含电文信息准确率为99.02%。本文在PSK、ASK、FSK数据集上验证了算法，实验结果表明生成的信号满足预期，为未知参数的信号调制和解调提供一种新的思路。

关键词：信号生成;循环生成对抗网络;迁移学习;增强罗兰信号

基金资助：河南省科技攻关计划（232102211005）、河南理工大学博士基金（B2022-4）项目资助