基于 AC-VAEGAN 的天波超视距雷达海陆杂波数据增强与分类
系统与控制
2023-07-19 v1 系统与控制
摘要
在天波超视距雷达（OTHR）的海陆杂波分类中，数据不平衡与稀缺导致基于深度学习的分类模型性能较差。为解决该问题，本文提出一种改进的辅助分类器生成对抗网络（AC-GAN）架构，即辅助分类器变分自编码器生成对抗网络（AC-VAEGAN）。AC-VAEGAN 能够比 AC-GAN 合成更高质量的海陆杂波样本，并可作为数据增强的有效工具。具体而言，设计了一维卷积 AC-VAEGAN 架构来合成海陆杂波样本。此外，提出了一种结合 GAN 领域传统评估与信号领域统计评估的评价方法，以评估合成样本的质量。利用 OTHR 海陆杂波数据集，验证了 AC-VAEGAN 合成样本的质量及其数据增强性能。进一步，验证了 AC-VAEGAN 作为数据增强方法对不平衡且稀缺的海陆杂波样本分类性能的影响。实验结果表明，AC-VAEGAN 合成的样本质量优于 AC-GAN，且采用 AC-VAEGAN 的数据增强方法能够在海陆杂波样本不平衡且稀缺的情况下提升分类性能。
引用
@article{arxiv.2301.00947,
title = {Data Augmentation and Classification of Sea-Land Clutter for Over-the-Horizon Radar Using AC-VAEGAN},
author = {Xiaoxuan Zhang and Zengfu Wang and Kun Lu and Quan Pan},
journal= {arXiv preprint arXiv:2301.00947},
year = {2023}
}
备注
13 pages, 16 figures