使用具有展开式设计的生成对抗网络进行无线电信号生成
信号处理
2023-06-27 v1 人工智能
计算机视觉与模式识别
摘要
作为深度学习的革命性生成范式，生成对抗网络（GANs）已被广泛应用于各个领域以合成逼真的数据。然而，传统GANs难以合成原始信号数据，尤其在复杂情形下。本文中，我们开发了一种用于无线电生成的新型GAN框架，称为“Radio GAN”。相比传统方法，它受益于三项关键改进。其一是基于采样点的学习，旨在对无线电信号的底层采样分布建模。其二是展开式生成器设计，结合作为先验的估计纯信号分布，可大幅降低学习难度并有效提升学习精度。最后，我们提出一种能量约束优化算法以实现更好的训练稳定性与收敛性。大量仿真实验结果表明，我们所提GAN框架能有效学习发射机特性与各种信道效应，从而对底层采样分布准确建模以合成高质量无线电信号。
引用
@article{arxiv.2306.13893,
title = {Radio Generation Using Generative Adversarial Networks with An Unrolled Design},
author = {Weidong Wang and Jiancheng An and Hongshu Liao and Lu Gan and Chau Yuen},
journal= {arXiv preprint arXiv:2306.13893},
year = {2023}
}
备注
Submitted to IEEE Transactions on Cognitive Communications and Networking on 20-Dec-2022