一种基于生成对抗网络的通信干扰方法技术

本发明专利技术公开了一种基于生成对抗网络的通信干扰方法。该方法步骤如下：构建GAN网络模型；采集目标通信系统的目标信号时域波形，制作训练集；用目标信号的训练集对GAN网络模型进行训练，更改学习率，多次进行训练，观察不同学习率下损失函数变化趋势和生成波形，当网络损失函数在设定训练次数内趋于稳定，并能生成具有与训练集中信号相同的时域、频域特性的生成波形时，固定学习率；在确定的学习率下对网络进行训练，生成具有与训练集中信号相同的时域、频域特性的干扰波形；运用所生成的干扰波形对目标通信系统施加干扰。本发明专利技术能够自主提取目标信号的特征并生成干扰波形实施干扰，在取得较好干扰效果的同时，也具有良好的应用泛化性。

【技术实现步骤摘要】
一种基于生成对抗网络的通信干扰方法
本专利技术涉及通信干扰
，特别是一种基于生成对抗网络的通信干扰方法。
技术介绍
通信干扰是通信对抗领域的一个重要研究方向，在通过通信侦察手段获取目标信号的先验信息的基础上，通信干扰系统通过产生与目标信号相关联的干扰信号，对目标信号的通信过程进行压制和破坏，最终达到削弱甚至阻断对方通信能力的目的。总的来说，现有通信干扰方法对通信侦察手段的依赖较多，需要在通过侦察手段获取目标信号先验信息的基础上，从固定的干扰策略库中选取或者凭借用户经验制定干扰策略，并从平时所积累的波形库中选取干扰波形，对目标通信系统施加有效的干扰。在获取目标信号先验信息的基础上，已有许多方法被用来代替人工寻找最佳干扰策略，如遗传算法、信息论、博弈论等。但上述方法实施的前提是具备关于通信方、环境的部分先验信息，而在实际的干扰过程中，尤其是在面对智能化的通信系统所产生的参数动态变化的未知目标信号时，上述先验信息往往难以获取，这些方法也就难以发挥作用。在无先验信息的前提下，强化学习算法被用来进行干扰策略寻优。其基本思路是，运用干本文档来自技高网...

【技术保护点】
1.一种基于生成对抗网络的通信干扰方法，其特征在于，包括以下步骤：/n步骤1、构建GAN网络模型；/n步骤2、采集目标通信系统的目标信号时域波形，制作训练集；/n步骤3、用目标信号的训练集对GAN网络模型进行训练，更改学习率，多次进行训练，观察不同学习率下损失函数变化趋势和生成波形，当网络损失函数在设定训练次数内趋于稳定，并能生成具有与训练集中信号相同的时域、频域特性的生成波形时，固定学习率；/n步骤4、在步骤3确定的学习率下对网络进行训练，生成具有与训练集中信号相同的时域、频域特性的干扰波形；/n步骤5、运用所生成的干扰波形对目标通信系统施加干扰。/n

【技术特征摘要】
1.一种基于生成对抗网络的通信干扰方法，其特征在于，包括以下步骤：
步骤1、构建GAN网络模型；
步骤2、采集目标通信系统的目标信号时域波形，制作训练集；
步骤3、用目标信号的训练集对GAN网络模型进行训练，更改学习率，多次进行训练，观察不同学习率下损失函数变化趋势和生成波形，当网络损失函数在设定训练次数内趋于稳定，并能生成具有与训练集中信号相同的时域、频域特性的生成波形时，固定学习率；
步骤4、在步骤3确定的学习率下对网络进行训练，生成具有与训练集中信号相同的时域、频域特性的干扰波形；
步骤5、运用所生成的干扰波形对目标通信系统施加干扰。


2.根据权利要求1所述的基于生成对抗网络的通信干扰方法，其特征在于，步骤1所述构建GAN网络模型，具体如下：
采用全连接层加激活函数来搭建GAN网络，生成网络与判别网络都只含有一个隐藏层，并且隐藏层和输出层都用全连接层加激活函数实现。


3.根据权利要求1所述的基于生成对抗网络的通信干扰方法，其特征在于，步骤2所述通信系统的调制方式包括BPSK、QPSK、16QAM、2FSK。


4.根据权利要求1所述的基于生成对抗网络的通信干扰方法，其特征在于，步骤2中所述制作训练集，具体过程如下：以10个码元，1000个采样点为一个样本，每种...

【专利技术属性】
技术研发人员：金虎，赵凡，钱锋，冯辉，蔡晓霞，陈红，徐云，姜丽，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：安徽;34