【技术实现步骤摘要】
本专利技术属于通信，涉及一种多鉴别器生成对抗网络的多终端干扰生成系统及方法。
技术介绍
1、第一代移动通信系统发展到如今5g以及6g，通信系统爆发式增长使得通信终端数剧增。一方面，为了提高同时在线终端数、增大系统总容量，开始出现各种复用技术，如频分复用、时分复用、波分复用及频谱共享等。另一方面，针对行业应用的快速发展，增加新设备和新功能的测试和验证多用户的大话务大连接，测试方案的复杂度和成本增加。由此出现多终端模拟器，其关键是准确建模终端信道相关性和干扰功率分布。传统干扰建模本质上用大量数据拟合分布参数，但由于干扰用户的功放非线性失真、iq不平衡等影响，在原用户频谱基础上引入了干扰频谱泄露及其镜像频谱，造成了干扰分布的复杂性，传统方法显然不能胜任。
2、goodfellow 2014年提出生成对抗网络(简称：gan)网络，根据给定数据集具有相似统计分布特点来合成数据。其采用对抗训练和隐式建模方法，避免对输入数据的高维分布进行解析建模。目前gan网络结构及其主要衍生结构达数10种，其中cgan引入类别指示向量用于多类样本生成，...
【技术保护点】
1.一种多判别器生成对抗网络的多终端干扰生成系统，其特征在于：其包括：至少一个干扰噪声样本数据集模块、至少一个样本数据类型分类器、若干鉴别器、至少生成器和至少一个分类器，其中，
2.根据权利要求1所述的一种多判别器生成对抗网络的多终端干扰生成系统，其特征在于：生成器模块包括输入层in、分类层labels、若干反卷积层以及输出层，其中，反卷积层用于输入数据特征从低维空间映射回高维空间；输入层用于输入随机数矢量；分类层用于输入终端干扰噪声数据的分类码；输出层则由Tanh函数完成，用于输出生成的干扰噪声数据。
3.根据权利要求1所述的一种多判别器生成...
【技术特征摘要】
1.一种多判别器生成对抗网络的多终端干扰生成系统，其特征在于：其包括：至少一个干扰噪声样本数据集模块、至少一个样本数据类型分类器、若干鉴别器、至少生成器和至少一个分类器，其中，
2.根据权利要求1所述的一种多判别器生成对抗网络的多终端干扰生成系统，其特征在于：生成器模块包括输入层in、分类层labels、若干反卷积层以及输出层，其中，反卷积层用于输入数据特征从低维空间映射回高维空间；输入层用于输入随机数矢量；分类层用于输入终端干扰噪声数据的分类码；输出层则由tanh函数完成，用于输出生成的干扰噪声数据。
3.根据权利要求1所述的一种多判别器生成对抗网络的多终端干扰生成系统，其特征在于：鉴别器模块包括输入层imageinput、分类层labels、若干卷积层以及输出层，其中卷积层用于通过卷积运算提取终端干扰噪声数据的特征；输入层用于输入终端干扰噪声数据，分类层用于输入终端干扰噪声分类码；输出层则由softmax函数构成，输出鉴别器判定每种...
【专利技术属性】
技术研发人员：段红光，邓卢军，任晓宁，周云康，黄沥苇，罗一静，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。