基于辅助分类器和变分自编码生成对抗网络的干扰识别

作者：唐言; 赵知劲; 岳克强; 郑仕链; 王李军

来源：计算机应用与软件, 2023, 40(12): 141-146.

• 干扰识别
• AC-VAEGAN
• 生成对抗网络
• 变分自编码器
• 时频图
• 小样本数据集

针对基于深度学习干扰识别方法在小样本集情况下性能恶化问题，提出一种基于辅助分类器和变分自编码生成对抗网络(AC-VAEGAN)的干扰识别方法。利用生成对抗网络和变分自编码器的核心思想设计识别模型，得到连续有意义的干扰样本集潜在空间；确定编码器、生成器和鉴别器的损失函数，且鉴别器采用动态学习率的优化算法，使得模型训练过程更加有效且稳定。仿真结果表明，在干扰时频图小样本数据集情况下，当干噪比为-10 dB～10 dB时，该方法对宽带噪声干扰、部分频带噪声干扰、单音干扰、多音干扰、脉冲干扰、跳频干扰、线性扫频干扰和二次扫频干扰这八种干扰的正确识别率均高于ACGAN和CNN。

• 单位
  杭州电子科技大学; 中国电子科技集团公司第三十六研究所