基于生成对抗网络的三维频谱态势补全方法和装置

技术领域

本发明涉及通信技术技术领域，具体而言涉及一种基于生成对抗网络的三维频谱态势或场强补全方法和装置。

背景技术

近年来，随着我国空天地信息网络一体化的不断发展，卫星网络和地面移动网络已作为常态化基础网络存在，而各类基于无人机或其他空中平台的中继网络则将组成天地之间的机动网络，通信系统正迎来从地面5G到航空6G这一6G形态的重大演进。但随之而来的，空天地信息网络中无线智能终端和业务的数量急剧增长，日益稀缺的频谱资源与已分配频谱资源利用不足之间的尖锐矛盾也愈发突出。因此，急需适用于空天地信息网络的认知无线电技术。以提高三维电磁频谱空间的频谱利用率。

认知无线电技术(Cognitive Radio，CR)旨在改变以往固定分配频谱资源的模式，使通信系统可以动态识别并接入空闲频谱资源，以提高频谱利用率。CR将无线通信网络中的用频设备分为主要用户(Primary Users，PUs)和次级用户(Secondary Users，SUs)。如图2所示，在三维目标区域中，PUs占用频谱资源并进行信号发射，但其位置信息、发射信号功率谱密度(Power Spectrum Density，PSD)等未知；而进行信号接收的SUs所在位置和接收PSD则是已知的。因此，此时通过SUs的实测频谱数据只能得到缺损三维频谱态势或场强。所以，三维频谱态势或场强构建的基本任务和主要难点便在于利用现有实测数据和PSD时空频相关性，对三维频谱态势或场强进行精确补全，以形成可供系统使用的补全三维频谱态势或场强。对于地面通信系统，常用的一种表征当前区域内频谱资源使用情况的CR技术是将SUs所获取的信号功率谱密度等无线电参数的分布情况进行可视化。该可视化方法通常被叫做频谱地图。因此，通信系统可以基于频谱地图“有的放矢”地实现频谱预测/预警、频谱决策、频谱监控以及频谱接入等多种应用，以更有效地提高通信系统频谱资源利用率。

但是传统的方面仍然有许多不足。例如传统方法往往只能通过插值或假设信号传播模型的方法来对缺损栅格处的频谱数据进行补全，进而得到符合目标区域电磁环境特征但存在较大误差的补全三维频谱态势或场强。因此，传统的方法仅仅考虑了PSD在地理位置上的二维分布情况，不能简单地套用于空天地信息网络。

发明内容

本发明针对现有技术中的不足，提供一种基于生成对抗网络的三维频谱态势补全方法、装置和系统，可以以较短的运行时间对缺损频谱态势或场强进行精确补全，并能有效的降低频谱态势或场强补全误差，且其补全效果远好于传统基于插值的方法。

为实现上述目的，本发明采用以下技术方案：

第一方面，本发明实施例提及一种基于生成对抗网络的三维频谱态势补全方法，所述补全方法包括以下步骤：

S101：离线获取存储的历史或经验无线电监测数据，对其进行切片处理和灰度处理，得到一定量的完整三维频谱态势或场强训练数据；每组训练数据为三通道的完整三维频谱态势或场强“灰度图”和对应的三通道的缺损三维频谱态势或场强“彩色图”；；

S102：基于步骤S101中得到的训练数据，对生成对抗网络变种进行迭代且对抗式的离线训练，得到已学得三维频谱态势或场强补全机制的生成对抗网络变种；

S103：通过搭载于无人机上的无线电监测设备，在线采集当前三维目标区域的实际无线电监测数据，对其进行预处理后，得到当前三维目标区域的缺损频谱态势或场强实测数据；实测数据含有三通道的缺损三维频谱态势或场强“灰度图”，对三通道的缺损三维频谱态势或场强“灰度图”的未采样点进行重新着色，得到三通道的缺损三维频谱态势或场强“彩色图”；

S104：将步骤S103中得到的实测数据输入已学得三维频谱态势或场强补全机制的生成对抗网络变种，得到生成对抗网络变种的输出数据，将三通道的缺损三维频谱态势或场强“彩色图”中的采样点数据复制到生成对抗网络变种的输出数据中，得到三维目标区域补全频谱态势或场强，直到三维目标区域的电磁频谱环境变化幅度超出预设幅度阈值。

可选的，步骤S101中，所述对其进行切片处理和灰度处理，得到一定量的完整三维频谱态势或场强训练数据的过程包括以下步骤：

S11，对每组完整三维频谱态势或场强数据沿频率进行切片处理，得到一定量的完整三维频谱态势或场强切片；

S12，对所有完整三维频谱态势或场强切片逐个进行归一化操作，得到一定量的灰度模式下的一通道完整三维频谱态势或场强“灰度图”，逐个扩充后得到若干三通道的完整三维频谱态势或场强“灰度图”，其中每通道的频谱数据仍与原一通道时的数据相同；

S13，对步骤S12得到的所有一通道完整三维频谱态势或场强“灰度图”进行逐个采样，得到若干一通道缺损三维频谱态势或场强“灰度图”，同样逐个扩充后得到若干三通道的缺损三维频谱态势或场强“灰度图”；

S14，对步骤S13得到的所有三通道的缺损三维频谱态势或场强“灰度图”中的未采样点逐个进行重新着色，得到若干三通道的缺损三维频谱态势或场强“彩色图”；

S15，构造面向生成对抗网络变种的训练集，其中每组训练数据为三通道的完整三维频谱态势或场强“灰度图”和对应的三通道的缺损三维频谱态势或场强“彩色图”。

可选的，步骤S102中，所述生成对抗网络变种是指：带有U形结构和梯度惩罚项的、基于Wasserstein距离的条件三维生成对抗网络；

其中：U形结构是指在采用三维卷积层进行下采样和采用三维转置卷积层进行上采样的过程中，将上采样和下采样过程中对应层的输出三维特征图在通道维度进行拼接的一种结构；梯度惩罚项和基于Wasserstein距离指目标函数带有梯度惩罚因子且采用wasserstein距离作为分布距离衡量函数，条件三维生成对抗网络是指生成对抗网络中的生成器网络和鉴别器网络被额外输入了已知的条件信息。

可选的，步骤S103中，所述对其进行预处理后，得到当前三维目标区域的缺损频谱态势或场强实测数据的过程包括以下步骤：

S31，根据以往实测接收功率的最值与此次在线采集时的数据最值比较后的更大/小值，对上述当前缺损三维频谱态势或场强数据进行归一化操作，得到灰度模式下的一通道缺损三维频谱态势或场强“灰度图”，扩充得到三通道的缺损三维频谱态势或场强“灰度图”；

S32，对步骤S31中得到的三通道的缺损三维频谱态势或场强“灰度图”的未采样点进行重新着色，得到三通道的缺损三维频谱态势或场强“彩色图”。

可选的，步骤S104中，所述将三通道的缺损三维频谱态势或场强“彩色图”中的采样点数据复制到生成对抗网络变种的输出数据中，得到三维目标区域补全频谱态势或场强的过程包括以下步骤：

S41，结合采集得到的三通道的缺损三维频谱态势或场强“彩色图”，将其中的采样点数据复制到生成对抗网络变种的输出数据中，得到三通道的输出补全三维频谱态势或场强“灰度图”；

S42，对步骤S41中得到的三通道的输出补全三维频谱态势或场强“灰度图”进行逆归一化操作得到当前三维目标区域补全频谱态势或场强。

第二方面，本发明实施例还提及一种基于生成对抗网络的三维频谱态势补全装置，所述补全装置包括：

离线数据收集模块：用于离线获取存储的历史或经验无线电监测数据，对其进行切片处理和灰度处理，得到一定量的完整三维频谱态势或场强训练数据；每组训练数据为三通道的完整三维频谱态势或场强“灰度图”和对应的三通道的缺损三维频谱态势或场强“彩色图”；；

离线网络训练模块：利用上述离线数据收集模块输出的训练数据，对生成对抗网络变种进行迭代且对抗式的离线训练，得到已学得三维频谱态势或场强补全机制的生成对抗网络变种；

在线数据收集模块：用于通过搭载于无人机上的无线电监测设备，在线采集当前三维目标区域的实际无线电监测数据，对其进行预处理后，得到当前三维目标区域的缺损频谱态势或场强实测数据；实测数据含有三通道的缺损三维频谱态势或场强“灰度图”，对三通道的缺损三维频谱态势或场强“灰度图”的未采样点进行重新着色，得到三通道的缺损三维频谱态势或场强“彩色图”；

在线态势补全模块：用于将在线数据收集模块得到的实测数据输入已学得三维频谱态势或场强补全机制的生成对抗网络变种，得到生成对抗网络变种的输出数据，将三通道的缺损三维频谱态势或场强“彩色图”中的采样点数据复制到生成对抗网络变种的输出数据中，得到三维目标区域补全频谱态势或场强。

可选的，所述离线数据收集模块还包括：

训练数据收集单元：通过离线检索获取三维目标区域的若干历史完整频谱态势或场强数据或通过仿真获取三维目标区域的若干经验完整频谱态势或场强数据；

切片单元：用于对每组完整三维频谱态势或场强数据沿频率进行切片处理，得到一定量的完整三维频谱态势或场强切片；

第一归一化单元：用于对所有完整三维频谱态势或场强切片逐个进行归一化操作，得到一定量的灰度模式下的一通道完整三维频谱态势或场强“灰度图”，逐个扩充后得到若干三通道的完整三维频谱态势或场强“灰度图”，其中每通道的频谱数据仍与原一通道时的数据相同；

采样单元：用于对第一归一化单元得到的所有一通道完整三维频谱态势或场强“灰度图”进行逐个采样，得到若干一通道缺损三维频谱态势或场强“灰度图”，同样逐个扩充后得到若干三通道的缺损三维频谱态势或场强“灰度图”；

第一着色单元：对采样单元得到的所有三通道的缺损三维频谱态势或场强“灰度图”中的未采样点逐个进行重新着色，得到若干三通道的缺损三维频谱态势或场强“彩色图”。

可选的，所述离线网络训练模块还包括：

生成对抗网络变种单元：包括带有U形结构和梯度惩罚项的、基于Wasserstein距离的条件三维生成对抗网络变种单元；其中：U形结构是指在采用三维卷积层进行下采样和采用三维转置卷积层进行上采样的过程中，将上采样和下采样过程中对应层的输出三维特征图在通道维度进行拼接的一种结构；梯度惩罚项和基于Wasserstein距离指目标函数带有梯度惩罚因子且采用wasserstein距离作为分布距离衡量函数，条件三维生成对抗网络是指生成对抗网络中的生成器网络和鉴别器网络被额外输入了已知的条件信息；

生成对抗网络变种训练单元：用于对生成对抗网络变种单元进行训练。

可选的，所述在线数据收集模块还包括：

在线数据采集单元：用于通过搭载于无人机上的无线电监测设备，在线采集三维目标区域的当前缺损频谱态势或场强数据；

第二归一化单元：用于根据以往实测接收功率的最值与此次在线采集时的数据最值比较后的更大/小值，对上述当前缺损三维频谱态势或场强数据进行归一化操作，得到灰度模式下的一通道缺损三维频谱态势或场强“灰度图”，扩充得到三通道的缺损三维频谱态势或场强“灰度图”；

第二着色单元：用于对第二归一化单元得到的三通道的缺损三维频谱态势或场强“灰度图”的未采样点进行重新着色，得到三通道的缺损三维频谱态势或场强“彩色图”。

可选的，所述在线态势补全模块，还包括：

生成对抗网络变种补全单元：用于将在线数据收集模块输出的三通道的缺损三维频谱态势或场强“彩色图”输入已学得三维频谱态势或场强补全机制的生成对抗网络变种，得到三通道的生成对抗网络变种补全三维频谱态势或场强“灰度图”；

输出补全单元：用于结合采集得到的三通道的缺损三维频谱态势或场强“彩色图”，将其中的采样点数据复制到生成对抗网络变种补全单元的输出数据中，得到三通道的输出补全三维频谱态势或场强“灰度图”；

逆归一化输出单元：用于对输出补全单元发送的三通道的输出补全三维频谱态势或场强“灰度图”进行逆归一化操作得到当前三维目标区域补全频谱态势或场强。

第三方面，本发明实施例还提及一种基于生成对抗网络的三维频谱态势补全系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序；所述处理器执行所述计算机程序时实现如前所述基于生成对抗网络的三维频谱态势补全方法的步骤。

本发明的有益效果是：

本发明在信号功率谱密度在三维空间上的时空频谱分布情况的表征进行研究，并且以“频谱态势或场强”的说法来代指该分布情况。三维频谱态势或场强根据实时测量来动态建立更新，以使人们可以查看在任何时间和三维位置的准确PSD分布，从而提高频谱资源在时间和空间维度上的利用率。本发明离线获取存储的历史或经验无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到若干完整三维频谱态势或场强训练数据；基于所得训练数据对生成对抗网络变种进行迭代且对抗式的离线训练，若干次迭代后得到已学得三维频谱态势或场强补全机制的生成对抗网络变种；再通过搭载于无人机上的无线电监测设备，在线采集当前三维目标区域的实际无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到三维目标区域缺损频谱态势或场强实测数据；将所得实测数据输入已学得三维频谱态势或场强补全机制的生成对抗网络变种进行，得到生成对抗网络变种的输出数据，最终处理得到当前三维目标区域补全频谱态势或场强，直到三维目标区域的电磁频谱环境发生剧烈变化。本发明利用现有实测数据和PSD时空频相关性，面向空天地信息网络中的三维频谱态势或场强应用，对三维频谱态势或场强进行实时且精确的补全，能够有效降低三维频谱态势或场强的补全误差。因此，本发明可以以较短的运行时间对缺损频谱态势或场强进行精确补全，并能有效的降低频谱态势或场强补全误差，且其补全效果远好于传统基于插值的方法。

附图说明

图1是本发明提供的基于生成对抗网络的三维频谱态势或场强补全方法流程示意图。

图2是本发明提供的基于生成对抗网络的三维频谱态势或场强补全方法、装置和系统的场景示意图；其中，1表示空中次级用户(SUs)，2表示地面次级用户(SUs)，3表示主要用户(Pus)，4表示城市建筑物，5表示空中次级用户飞行轨迹。

图3是具体实施例的步骤S101的流程示意图。

图4是具体实施例的步骤S102的流程示意图。

图5是具体实施例的步骤S103的流程示意图。

图6是具体实施例的步骤S104的流程示意图。

图7是本发明提供的基于生成对抗网络的三维频谱态势或场强补全装置结构示意图。

图8是本发明提供的基于生成对抗网络的三维频谱态势或场强补全系统结构示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。

需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

具体地，本发明将通过以下实施例来进行阐述，实施例背景均如下：现代无线通信三维目标区的频谱态势或场强呈现出信号功率谱密度在不同位置、频率和时间上的不规则变化情况。因此我们将三维频谱态势或场强(记作Ψ(x，f，t))，定义为位置(记作x)、频率(记作f)、时间(记作t)的三元组变量(x，f，t)到信号功率(记作Ψ)的一种映射关系，其中

对于三维目标区域(记作A)，将其进行栅格化，把三维目标区域分为N

假设三维目标区域中均匀分布着N

进一步的，在目标区域的无线电环境下，发射PU将信号发送至任一其他栅格处，且信号传播规律固定，记为

其中

同时，本发明所使用的生成对抗网络主要由生成器网络和鉴别器网络组成，其中生成器网络在参数(即网络中各神经元的权重与偏置)的作用下，将潜变量转换为与真实样本(服从真实数据分布)规格相同的模拟样本(服从生成器网络对真实数据分布隐式建模得到的分布)。而鉴别器网络则在参数作用下，判断输入样本服从于真实数据分布而不是隐式建模得到的分布的可能性。生成对抗网络旨在学习真实数据分布，并采用生成器网络和鉴别器网络相互对抗的训练策略来实现。针对鉴别器网络，该策略最大化其正确鉴别的概率，而针对生成器网络则最大化鉴别器网络鉴别出错的概率。进而在不同鉴别结果的反馈下，不断提升网络鉴别/生成能力。假如具备足够的网络容量，则鉴别器网络和生成器网络可实现动态平衡。此时生成器网络隐性建模得到的分布收敛于真实数据分布，而鉴别器网络不能正确的区分真实样本和模拟样本。

在本发明中，我们将使用所提出生成对抗网络变种对历史频谱态势或场强数据或经验频谱态势或场强数据进行挖掘，从而对式(1)进行隐性建模，以学得更符合三维目标区域电磁频谱环境特征的频谱态势或场强补全机制，从而降低补全误差。

实施例一

结合图1，本发明提及一种基于生成对抗网络的三维频谱态势或场强补全方法，所述方法包括：

S101：离线获取存储的历史或经验无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到若干完整三维频谱态势或场强训练数据。

S102：基于所得训练数据对生成对抗网络变种进行迭代且对抗式的离线训练，若干次迭代后得到已学得三维频谱态势或场强补全机制的生成对抗网络变种。

S103：通过搭载于无人机上的无线电监测设备，在线采集当前三维目标区域的实际无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到三维目标区域缺损频谱态势或场强实测数据。

S104：将所得实测数据输入已学得三维频谱态势或场强补全机制的生成对抗网络变种进行，得到生成对抗网络变种的输出数据，再处理后即可得到当前三维目标区域补全频谱态势或场强，直到三维目标区域的电磁频谱环境发生剧烈变化。

首先，结合图3，本实施例执行S101步骤：

离线获取存储的历史或经验无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到若干完整三维频谱态势或场强训练数据，具体执行流程如下：

步骤1、通过离线检索获取三维目标区域的若干历史完整三维频谱态势或场强数据或通过仿真获取三维目标区域的若干经验完整三维频谱态势或场强数据(记作

步骤2、对上述每组完整三维频谱态势或场强

步骤3、对所有完整三维频谱态势或场强切片逐个进行归一化操作，即得到灰度模式下的一通道完整三维频谱态势或场强“灰度图”(数据维度：1*N

步骤4、对上述所有一通道三维频谱态势或场强“灰度图”进行采样得到若干一通道缺损三维频谱态势或场强“灰度图”，同样逐个扩充后得到若干三通道的缺损三维频谱态势或场强“灰度图”。

步骤5、对上述所有三通道的缺损三维频谱态势或场强“灰度图”中的未采样点逐个以红色进行重新着色，得到若干三通道的缺损三维频谱态势或场强“彩色图”。

步骤6、构造面向生成对抗网络变种的训练集，其中每组训练数据为三通道的完整三维频谱态势或场强“灰度图”和对应的三通道的缺损三维频谱态势或场强“彩色图”。

至此，我们已经完成了离线获取并预处理若干完整三维频谱态势或场强数据操作，结合图4，进而执行S102步骤，对所提出的生成对抗网络变种进行离线训练，对生成对抗网络变种中的生成器网络而言，其输入为缺损三维频谱态势或场强，而输出的为生成对抗网络变种补全三维频谱态势或场强；对于鉴别器网络，其则对输入的生成对抗网络变种补全三维频谱态势或场强或完整三维频谱态势或场强加以区分鉴别。在生成器网络和鉴别器网络经迭代训练达到动态平衡后，我们可得到已训练好的生成器网络，即得到已学得三维频谱态势或场强补全机制的生成对抗网络变种。

至此，我们得到已学得三维频谱态势或场强补全机制的生成对抗网络变种。结合图5，执行S103步骤：

在线采集当前三维目标区域的实际无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到三维目标区域缺损频谱态势或场强实测数据，具体执行流程如下：

步骤1、在线采集三维目标区域的当前缺损频谱态势或场强数。

步骤2、根据以往实测接收功率的最值与此次在线采集时的数据最值比较后的更大/小值，对上述当前缺损三维频谱态势或场强数据进行归一化操作，得到灰度模式下的一通道缺损三维频谱态势或场强“灰度图”，扩充得到三通道的缺损三维频谱态势或场强“灰度图”。

步骤3、对上述三通道的缺损三维频谱态势或场强“灰度图”的未采样点以红色进行重新着色，得到三通道的缺损三维频谱态势或场强“彩色图”。

至此，我们完成了在线采集并预处理当前缺损三维频谱态势或场强数据操作，结合图6，随后执行S104步骤，将所得实测数据输入已学得三维频谱态势或场强补全机制的生成对抗网络变种进行，得到生成对抗网络变种的输出数据，再处理后即可得到当前三维目标区域补全频谱态势或场强，具体执行流程如下：

步骤1、将上述三通道的缺损三维频谱态势或场强“彩色图”输入已学得三维频谱态势或场强补全机制的生成对抗网络变种，具体而言是已训练好的生成器网络，即已学得三维频谱态势或场强补全机制的生成器网络，得到三通道的生成对抗网络变种补全三维频谱态势或场强“灰度图”。

步骤2、结合采集得到的三通道的缺损三维频谱态势或场强“彩色图”，将其中的采样点数据复制到生成对抗网络变种的输出数据中，得到三通道的输出补全三维频谱态势或场强“灰度图”。

步骤3、将上述三通道的输出补全三维频谱态势或场强“灰度图”进行逆归一化操作得到当前三维目标区域补全频谱态势或场强。

本实施例中，离线获取并预处理若干完整三维频谱态势或场强数据，基于所得数据对生成对抗网络变种进行离线训练，得到已学得三维频谱态势或场强补全机制的生成对抗网络变种；在线采集并预处理当前三维目标区域缺损频谱态势或场强数据，根据已学得三维频谱态势或场强补全机制的生成对抗网络变种，得到生成对抗网络变种的输出数据，再处理得到当前三维目标区域补全频谱态势或场强，直到三维目标区域的电磁频谱环境发生剧烈变化。可以以较短的运行时间对缺损频谱态势或场强进行精确补全，有效的降低频谱态势或场强补全误差。

实施例二

结合图7，本发明提及一种基于生成对抗网络的频谱态势补全装置，该装置包括：离线数据收集模块701、离线网络训练模块702、在线数据收集模块703和在线态势补全模块704，其中：

离线数据收集模块701：离线获取存储的历史或经验无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到若干完整三维频谱态势或场强训练数据。

离线网络训练模块702：基于所得训练数据对生成对抗网络变种进行迭代且对抗式的离线训练，若干次迭代后得到已学得三维频谱态势或场强补全机制的生成对抗网络变种。

在线数据收集模块703：通过搭载于无人机上的无线电监测设备，在线采集当前三维目标区域的实际无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到三维目标区域缺损频谱态势或场强实测数据。

在线态势补全模块704：将所得实测数据输入已学得三维频谱态势或场强补全机制的生成对抗网络变种进行，得到生成对抗网络变种的输出数据，再处理后即可得到当前三维目标区域补全频谱态势或场强，直到三维目标区域的电磁频谱环境发生剧烈变化。

进一步的，所述离线数据收集模块701还包括：

训练数据收集单元7011：通过离线检索获取三维目标区域的若干历史完整频谱态势或场强数据或通过仿真获取三维目标区域的若干经验完整频谱态势或场强数据。

切片单元7012：对上述每组完整三维频谱态势或场强数据沿频率进行切片，得到若干完整三维频谱态势或场强切片。

归一化单元7013：对所有完整三维频谱态势或场强切片逐个进行归一化操作，得到若干灰度模式下的一通道完整三维频谱态势或场强“灰度图”，逐个扩充后得到若干三通道的完整三维频谱态势或场强“灰度图”。

采样单元7014：对上述所有一通道完整三维频谱态势或场强“灰度图”进行逐个采样，得到若干一通道缺损三维频谱态势或场强“灰度图”，同样逐个扩充后得到若干三通道的缺损三维频谱态势或场强“灰度图”；

着色单元7015：对上述所有三通道的缺损三维频谱态势或场强“灰度图”中的未采样点逐个以红色进行重新着色，得到若干三通道的缺损三维频谱态势或场强“彩色图”。

进一步的，所述离线网络训练模块702还包括：

生成对抗网络变种单元7021：带有U形结构和梯度惩罚项的、基于Wasserstein距离的条件三维生成对抗网络变种单元。

生成对抗网络变种控制单元7022：对生成对抗网络变种单元进行训练。

进一步的实施例中，所述在线数据收集模块703还包括：

在线数据采集单元7031：在线采集三维目标区域的当前缺损频谱态势或场强数据。

归一化单元7032：根据以往实测接收功率的最值与此次在线采集时的数据最值比较后的更大/小值，对上述当前缺损三维频谱态势或场强数据进行归一化操作，得到灰度模式下的一通道缺损三维频谱态势或场强“灰度图”，扩充得到三通道的缺损三维频谱态势或场强“灰度图”。

着色单元7033：对上述三通道的缺损三维频谱态势或场强“灰度图”的未采样点以红色进行重新着色，得到三通道的缺损三维频谱态势或场强“彩色图”。

进一步的实施例中，所述在线态势补全模块704还包括：

生成对抗网络变种补全单元7041：将上述三通道的缺损三维频谱态势或场强“彩色图”输入已学得三维频谱态势或场强补全机制的生成对抗网络变种，得到三通道的生成对抗网络补全三维频谱态势或场强“灰度图”。

输出补全单元7042：结合采集得到的三通道的缺损三维频谱态势或场强“彩色图”，将其中的采样点数据复制到生成对抗网络变种补全单元7024的输出数据中，得到三通道的输出补全三维频谱态势或场强“灰度图”。

逆归一化输出单元7043：对上述三通道的输出补全三维频谱态势或场强“灰度图”进行逆归一化操作得到当前三维目标区域补全频谱态势或场强。

本实施例的基于生成对抗网络的频谱态势或场强补全装置可以执行图1所示方法的实施例的技术方案，其实现原理类似，在此不再赘述。

本实施例中，通过所提出频谱态势或场强补全装置说明，对具有实施例背景和特点的三维频谱态势或场强补全问题进行解决，可以以较短的运行时间对缺损频谱态势或场强进行精确补全，有效降低频谱态势或场强补全误差。

实施例三

结合图8，本发明提及一种基于生成对抗网络的频谱态势补全系统，该系统包括：储存器801和处理器802，其中：

存储器801，用于存储指令和数据。

处理器802，与所述存储器801耦合，所述处理器802被配置为调用并执行存储在存储器801中的指令与数据，具体为：

处理器802，离线获取存储的历史或经验无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到若干完整三维频谱态势或场强训练数据。

处理器802，基于所得训练数据对生成对抗网络变种进行迭代且对抗式的离线训练，若干次迭代后得到已学得三维频谱态势或场强补全机制的生成对抗网络变种。

处理器802，通过搭载于无人机上的无线电监测设备，在线采集当前三维目标区域的实际无线电监测数据，进而通过适用于该步骤的切片处理和灰度处理等预处理方法得到三维目标区域缺损频谱态势或场强实测数据。

处理器802，将所得实测数据输入已学得三维频谱态势或场强补全机制的生成对抗网络变种进行，得到生成对抗网络变种的输出数据，再处理后即可得到当前三维目标区域补全频谱态势或场强，直到三维目标区域的电磁频谱环境发生剧烈变化。

更进一步，所述处理器802通过离线检索获取三维目标区域的若干历史完整频谱态势或场强数据或通过仿真获取三维目标区域的若干经验完整频谱态势或场强数据，并将其储存于存储器801。

更进一步，所述处理器802对上述每组完整三维频谱态势或场强数据沿频率进行切片，得到若干完整三维频谱态势或场强切片，并将其储存于存储器801。

更进一步，所述处理器802对所有完整三维频谱态势或场强切片逐个进行归一化操作，得到若干灰度模式下的一通道完整三维频谱态势或场强“灰度图”，逐个扩充后得到若干三通道的完整三维频谱态势或场强“灰度图”，并将其储存于存储器801。

更进一步，所述处理器802对上述所有一通道完整三维频谱态势或场强“灰度图”进行逐个采样，得到若干一通道缺损三维频谱态势或场强“灰度图”，同样逐个扩充后得到若干三通道的缺损三维频谱态势或场强“灰度图”，并将其储存于存储器801；

更进一步，所述处理器802对上述所有三通道的缺损三维频谱态势或场强“灰度图”中的未采样点逐个以红色进行重新着色，得到若干三通道的缺损三维频谱态势或场强“彩色图”，并将其储存于存储器801。

更进一步，所述处理器802构造面向生成对抗网络变种的训练集，其中每组训练数据为三通道的完整三维频谱态势或场强“灰度图”和对应的三通道的缺损三维频谱态势或场强“彩色图”，并将其储存于存储器801。

更进一步，所述处理器802基于上述训练集对所提出的生成对抗网络变种进行离线训练，得到已学得三维频谱态势或场强补全机制的生成对抗网络变种，并将其储存于存储器801。

更进一步，所述处理器802在线采集三维目标区域的当前缺损频谱态势或场强数据，并将其储存于存储器801。

更进一步，所述处理器802根据以往实测接收功率的最值与此次在线采集时的数据最值比较后的更大/小值，对上述当前缺损三维频谱态势或场强数据进行归一化操作，得到灰度模式下的一通道缺损三维频谱态势或场强“灰度图”，扩充得到三通道的缺损三维频谱态势或场强“灰度图”，并将其储存于存储器801。

更进一步，所述处理器802对上述三通道的缺损三维频谱态势或场强“灰度图”的未采样点以红色进行重新着色，得到三通道的缺损三维频谱态势或场强“彩色图”，并将其储存于存储器801。

更进一步，所述处理器802将上述三通道的缺损三维频谱态势或场强“彩色图”输入已学得三维频谱态势或场强补全机制的生成对抗网络变种，得到三通道的生成对抗网络变种补全三维频谱态势或场强“灰度图”，并将其储存于存储器801。

更进一步，所述处理器802结合采集得到的三通道的缺损三维频谱态势或场强“彩色图”，将其中的采样点数据复制到生成对抗网络变种补全的输出数据中，得到三通道的输出补全三维频谱态势或场强“灰度图”，并将其储存于存储器801。

更进一步，所述处理器802对上述三通道的输出补全三维频谱态势或场强“灰度图”进行逆归一化操作得到当前三维目标区域补全频谱态势或场强，并将其储存于存储器801。

本实施例中，通过所提出的面向频谱态势或场强补全的生成对抗网络变种离线训练和在线部署，对具有实施例背景和特点的三维频谱态势或场强补全问题进行解决，可以以较短的运行时间对缺损频谱态势或场强进行精确补全，有效降低频谱态势或场强补全误差。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。