资料下载
×
基于GAN的无线通信与网络应用设计之通信信号的特征提取
消耗积分:0 |
格式:pdf |
大小:0.45 MB |
2023-05-30
陈艳
分享资料个
对于网络传输，最常用的报文有TCP和UDP两种形式，JeffreyErman[1]等人在2007年发表的一篇名为基于半监督学习的实时/离 线流量区分的文章，已经详述通过聚类等算法实现了流量的区分，而且实验结果特别理想，这就为我的本篇文章的数据来源提 供了理论的可行性，由于机器的训练过程是需要大量可靠的数据为前提的，但是JeffreyErman等人有专门的通信信号记录设 备，可以轻松搜集某些时间段内，各种通信信号的流量以及持续时长，包括HTTP协议，P2P协议以及FTP等多种通信信号，而 这点对于我来说确实是很难实现的，因为我就目前的动手实践水平，在缺少相应设备的前提下，很难准确的对这类数据进行提 取，同时由于个人能力的有限，对这些大数据的清洗也是不容易做到的，所以本次设计使用到的训练数据是我人为“臆造”的。
在数学上描述函数的自变量与因变量是一种映射关系，及自变量X→f（X），这就为我提供了一种思想，我个人可以将真实的 信号数据与我“臆造”的数据构建成一一映射的关系，也就是说，我将“臆造”的通信信号数据送入生成对抗网络（GAN）模型中 进行学习，如果生成对抗网络（GAN）模型可以对这些“臆造”的数据进行学习，并得到相应的成果，那么我们就可以通过反映 射的思想（从“臆造”回到真实数据），说明生成对抗网络（GAN）技术是可以应用在通信网络中，映射思想类似于两块陆地的 桥梁，起到连接作用，所以合理适当的数据映射会方便我们的实验进行，不合理或者复杂的映射关系，在目前来看，对我们的 程序设计是起阻碍作用的，这样会提高程序的复杂度，同时需要大量的时间去运行我们的程序。
在数学上描述函数的自变量与因变量是一种映射关系，及自变量X→f（X），这就为我提供了一种思想，我个人可以将真实的 信号数据与我“臆造”的数据构建成一一映射的关系，也就是说，我将“臆造”的通信信号数据送入生成对抗网络（GAN）模型中 进行学习，如果生成对抗网络（GAN）模型可以对这些“臆造”的数据进行学习，并得到相应的成果，那么我们就可以通过反映 射的思想（从“臆造”回到真实数据），说明生成对抗网络（GAN）技术是可以应用在通信网络中，映射思想类似于两块陆地的 桥梁，起到连接作用，所以合理适当的数据映射会方便我们的实验进行，不合理或者复杂的映射关系，在目前来看，对我们的 程序设计是起阻碍作用的，这样会提高程序的复杂度，同时需要大量的时间去运行我们的程序。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
