基于MDGAN网络的数据集扩增方法

• 作者: 朱卫纲 李昆
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 雷达辐射源识别 多样性最大化生成对抗网络 样本多样性 起始分值 弗雷歇起始距离
• 年，卷（期）: 2020,（2）
• 页码范围: 211-217
• 页数: 7页
• 分类号: TN971
• 字数: 4051字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2020.02.016

摘要

针对雷达辐射源数据集样本数量有限、样本多样性不足的问题,提出了一种无监督的由图像生成图像的网络—多样性最大化生成对抗网络(Maximum Diversity Generative Adversarial Network,MDGAN).该网络在原始生成对抗网络的生成器目标函数基础上加上了一个额外的正则化项,该正则化项表示生成器中特征图之间的距离与生成特征图所用随机向量之间的距离的比值,通过最大化这个比值,可以让生成器尽量生成拥有不同特征的样本,以增加样本的多样性.对6种常见雷达信号进行仿真实验,证明了MDGAN在生成真实且多样的样本方面是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱卫纲		20	23	3.0	4.0
2	李昆		2	0	0.0	0.0