一种频谱异常的无监督检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种频谱异常的无监督检测方法，包括：获取待检测的目标信号；根据目标信号的时频图生成对应的原始时频图像；将原始时频图像输入生成对抗网络获得重构时频图像；利用原始时频图像和重构时频图像确定异常值，根据异常值及门限值生成目标信号的异常检测结果。可见，本申请通过将信号转换为对应的时频图像后，可通过生成对抗网络自动对该时频图像进行异常检测；并且，通过生成对抗网络进行异常检测，无需任何信号的先验信息，使其能够对某些突发干扰进行检测，同时因为其具有通用性，使其无需进行大型的改动就可应用于多种场景。本发明专利技术还公开了一种频谱异常的无监督检测装置、设备及存储介质，同样能实现上述技术效果。

【技术实现步骤摘要】
一种频谱异常的无监督检测方法、装置、设备及存储介质
本专利技术涉及信号处理
，更具体地说，涉及一种频谱异常的无监督检测方法、装置、设备及存储介质。
技术介绍
随着电子对抗技术的发展，军用通信系统中干扰和抗干扰技术发挥着越来越重要的作用。干扰检测技术作为抗干扰领域中重要的环节，其目的是检测通信信道中干扰信号是否存在，在某些特殊的场景下，甚至还需要知道干扰信号的能量大小、工作频点/频段、以及干扰类型等信息，为后续的抗干扰提供所必需的先验信息。传统的检测方案包括能量检测、干扰定位、干扰识别以及干扰分类等一系列步骤，这些步骤的完成依赖于大量的专业知识，并且针对不同的通信频带和信号，需要对相应的算法进行调参使其适应特定化的场景，耗费大量的人力、物力和财力。并且，在传统的检测方案中，对于信号往往具备一定量的先验知识，利用其进行建模，可得到最优的检测方案。然而，如今的频谱环境日益复杂，干扰信号复杂多变，难以建模，无法用模型驱动的方法对其进行检测。因此，如何提供一种智能化的频谱检测系统，使其能够通用化地用于不同的频谱环境中，并通过对频谱的监测自动检测出异常情况，是本领域技术人员需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种频谱异常的无监督检测方法、装置、设备及存储介质，以提供一种高性能通用化的频谱异常检测方法，使得无线通信系统能够自动地检测出异常情况的出现，并对异常信号的位置进行定位，为后续的频谱使用和管理提供支撑。为实现上述目的，本专利技术提供一种频谱异常的无监督检测方法，包括：获取待检测的目标信号；根据所述目标信号的时频图生成对应的原始时频图像；将所述原始时频图像输入预先创建的生成对抗网络，获得与所述原始时频图像对应的重构时频图像；利用所述原始时频图像和所述重构时频图像确定异常值，根据所述异常值及门限值生成所述目标信号的异常检测结果。其中，所述生成对抗网络的创建方法包括：创建初始生成对抗网络，所述初始生成对抗网络包括：编码器网络、生成器网络和鉴别器网络；根据对抗损失函数、重构损失函数及对应的对抗损失函数权值、重构损失函数权值构建联合损失函数；通过预先获取的训练数据及所述联合损失函数对所述编码器网络、所述生成器网络和所述鉴别器网络的权值进行更新，获得所述生成对抗网络。其中，所述通过预先获取的训练数据及所述联合损失函数对所述编码器网络、所述生成器网络和所述鉴别器网络的权值进行更新，获得所述生成对抗网络，包括：步骤一：为编码器网络和生成器网络设置固定的默认权值，将第一原始测试时频图像输入编码器网络和生成器网络生成第一重构测试时频图像；将第一原始测试时频图像和第一重构测试时频图像输入鉴别器网络，利用所述联合损失函数梯度下降方法，更新鉴别器网络的权值；步骤二：固定鉴别器网络的权值，将第二原始测试时频图像输入编码器网络和生成器网络生成第二重构测试时频图像，将第二原始测试时频图像和第二重构测试时频图像输入鉴别器网络，利用所述联合损失函数梯度下降方法，更新编码器网络和生成器网络的权值；步骤三：重复执行步骤一和步骤二预定迭代次数，获得训练后的所述生成对抗网络。其中，获得所述生成对抗网络之后，还包括：将训练数据中的每个原始测试时频图像输入所述生成对抗网络，获得与每个原始测试时频图像对应的重构测试时频图像；利用对应的原始测试时频图像和重构测试时频图像确定与每个原始测试时频图像对应的测试异常值；将测试异常值按照降序进行排列，每个测试异常值具有对应的排列序号；利用门限值生成规则：确定门限值；其中，为预设的虚警概率，为原始测试时频图像的数量，代表向下取整，为测试异常值，所述门限值为排列序号的测试异常值。其中，将所述原始时频图像输入预先创建的生成对抗网络，获得与所述原始时频图像对应的重构时频图像，包括：将所述原始时频图像输入所述生成对抗网络中的编码器网络，获得编码数据；将所述编码数据输入所述生成对抗网络中的生成器网络，获得与所述原始时频图像对应的重构时频图像。其中，所述利用所述原始时频图像和所述重构时频图像确定异常值，根据所述异常值及门限值生成所述目标信号的异常检测结果，包括：利用计算所述原始时频图像和所述重构时频图像的异常值，其中，代表L1范数；判断所述异常值是否大于所述门限值；若是，则所述目标信号的异常检测结果为不存在异常；若否，则所述目标信号的异常检测结果为存在异常。其中，若所述异常检测结果为存在异常，则所述无监督检测方法还包括：将所述原始时频图像与所述重构时频图像相减，获得异常信号的异常时频图，以通过所述异常时频图对异常信号的时频域进行定位。为实现上述目的，本专利技术进一步提供一种频谱异常的无监督检测装置，包括：信号获取模块，用于获取待检测的目标信号；原始时频图像生成模块，用于根据所述目标信号的时频图生成对应的原始时频图像；重构时频图像生成模块，用于将所述原始时频图像输入预先创建的生成对抗网络，获得与所述原始时频图像对应的重构时频图像；异常值确定模块，用于利用所述原始时频图像和所述重构时频图像确定异常值；异常检测结果生成模块，用于根据所述异常值及门限值生成所述目标信号的异常检测结果。为实现上述目的，本专利技术进一步提供一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述的频谱异常的无监督检测方法的步骤。为实现上述目的，本专利技术进一步提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的频谱异常的无监督检测方法的步骤。通过以上方案可知，本专利技术实施例提供的一种频谱异常的无监督检测方法，包括：获取待检测的目标信号；根据所述目标信号的时频图生成对应的原始时频图像；将所述原始时频图像输入预先创建的生成对抗网络，获得与所述原始时频图像对应的重构时频图像；利用所述原始时频图像和所述重构时频图像确定异常值，根据所述异常值及门限值生成所述目标信号的异常检测结果。可见，本申请通过将信号转换为对应的时频图像后，可通过生成对抗网络自动对该时频图像进行异常检测；并且，通过生成对抗网络进行异常检测，无需任何信号的先验信息，使其能够对某些突发干扰进行检测，同时因为其具有通用性，使其无需进行大型的改动就可应用于多种场景。并且，本申请还可以将原始时频图像与重构时频图像相减，获得异常信号的异常时频图，以通过异常时频图对异常信号的时频域进行定位。本专利技术还公开了一种频谱异常的无监督检测装置、设备及存储介质，同样能实现上述技术效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。...

【技术保护点】
1.一种频谱异常的无监督检测方法，其特征在于，包括：/n获取待检测的目标信号；/n根据所述目标信号的时频图生成对应的原始时频图像；/n将所述原始时频图像输入预先创建的生成对抗网络，获得与所述原始时频图像对应的重构时频图像；/n利用所述原始时频图像和所述重构时频图像确定异常值，根据所述异常值及门限值生成所述目标信号的异常检测结果。/n

【技术特征摘要】
1.一种频谱异常的无监督检测方法，其特征在于，包括：
获取待检测的目标信号；
根据所述目标信号的时频图生成对应的原始时频图像；
将所述原始时频图像输入预先创建的生成对抗网络，获得与所述原始时频图像对应的重构时频图像；
利用所述原始时频图像和所述重构时频图像确定异常值，根据所述异常值及门限值生成所述目标信号的异常检测结果。


2.根据权利要求1所述的无监督检测方法，其特征在于，所述生成对抗网络的创建方法包括：
创建初始生成对抗网络，所述初始生成对抗网络包括：编码器网络、生成器网络和鉴别器网络；
根据对抗损失函数、重构损失函数及对应的对抗损失函数权值、重构损失函数权值构建联合损失函数；
通过预先获取的训练数据及所述联合损失函数对所述编码器网络、所述生成器网络和所述鉴别器网络的权值进行更新，获得所述生成对抗网络。


3.根据权利要求2所述的无监督检测方法，其特征在于，所述通过预先获取的训练数据及所述联合损失函数对所述编码器网络、所述生成器网络和所述鉴别器网络的权值进行更新，获得所述生成对抗网络，包括：
步骤一：为编码器网络和生成器网络设置固定的默认权值，将第一原始测试时频图像输入编码器网络和生成器网络生成第一重构测试时频图像；将第一原始测试时频图像和第一重构测试时频图像输入鉴别器网络，利用所述联合损失函数梯度下降方法，更新鉴别器网络的权值；
步骤二：固定鉴别器网络的权值，将第二原始测试时频图像输入编码器网络和生成器网络生成第二重构测试时频图像，将第二原始测试时频图像和第二重构测试时频图像输入鉴别器网络，利用所述联合损失函数梯度下降方法，更新编码器网络和生成器网络的权值；
步骤三：重复执行步骤一和步骤二预定迭代次数，获得训练后的所述生成对抗网络。


4.根据权利要求2所述的无监督检测方法，其特征在于，获得所述生成对抗网络之后，还包括：
将训练数据中的每个原始测试时频图像输入所述生成对抗网络，获得与每个原始测试时频图像对应的重构测试时频图像；
利用对应的原始测试时频图像和重构测试时频图像确定与每个原始测试时频图像对应的测试异常值；
将测试异常值按照降序进行排列，每个测试异常值具有对应的排列序号；
利用门限值生成规则：确定门限值；其中，为预设的虚警概率...

【专利技术属性】
技术研发人员：熊俊，魏急波，周宣含，赵海涛，赵肖迪，李芳，周力，张晓瀛，辜方林，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43