| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 生成对抗网络的研究现状 | 第17-20页 |
| 1.3 论文的创新点及内容组织 | 第20-22页 |
| 第二章 相关理论基础和工作准备 | 第22-30页 |
| 2.1 信号重构理论 | 第22-23页 |
| 2.1.1 通信信道模型 | 第22页 |
| 2.1.2 现有信号重构方法 | 第22-23页 |
| 2.2 神经网络理论 | 第23-26页 |
| 2.2.1 人工神经网络 | 第23-24页 |
| 2.2.2 卷积神经网络 | 第24-26页 |
| 2.2.3 反卷积神经网络 | 第26页 |
| 2.3 生成对抗网络理论 | 第26-29页 |
| 2.3.1 生成对抗网络 | 第26-28页 |
| 2.3.2 条件生成对抗网络 | 第28-29页 |
| 2.4 数据集及生成数据质量指标 | 第29页 |
| 2.4.1 数据集准备 | 第29页 |
| 2.4.2 生成数据的准确性度量指标 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 生成对抗网络损失函数的改进 | 第30-46页 |
| 3.1 基于交叉熵的生成对抗网络 | 第30-35页 |
| 3.1.1 交叉熵损失函数 | 第30-31页 |
| 3.1.2 交叉熵损失函数的缺陷 | 第31-33页 |
| 3.1.3 基于交叉熵损失生成对抗网络的信号重构 | 第33-35页 |
| 3.2 基于EM距离的生成对抗网络 | 第35-41页 |
| 3.2.1 EM距离 | 第35-37页 |
| 3.2.2 EM距离的近似 | 第37-41页 |
| 3.3 生成对抗网络中损失函数的改进 | 第41-44页 |
| 3.3.1 最小均方误差损失函数 | 第41-42页 |
| 3.3.2 改进后的损失函数 | 第42-43页 |
| 3.3.3 改进损失函数的算法效果 | 第43-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 生成对抗网络框架的改进 | 第46-58页 |
| 4.1 基于DCGAN的信号生成 | 第46-50页 |
| 4.1.1 DCGAN的网络架构 | 第46-48页 |
| 4.1.2 基于DCGAN网络架构的信号生成 | 第48-50页 |
| 4.2 预训练和噪声增强在生成对抗网络中的应用 | 第50-52页 |
| 4.2.1 生成对抗网络的预训练 | 第50-51页 |
| 4.2.2 生成对抗网络的噪声加强 | 第51-52页 |
| 4.3 改进的生成对抗网络架构设计 | 第52-57页 |
| 4.3.1 批量数据多样性特征 | 第52-53页 |
| 4.3.2 生成器网络架构的改进 | 第53-54页 |
| 4.3.3 判别器网络架构的改进 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于条件生成对抗网络的信号重构 | 第58-70页 |
| 5.1 基于数据标签的条件生成对抗网络 | 第58-63页 |
| 5.1.1 基于数据标签的条件生成对抗网络框架 | 第58-59页 |
| 5.1.2 不同损失函数下的条件生成对抗网络 | 第59-61页 |
| 5.1.3 基于数据标签的条件生成对抗网络在信号重构中的应用 | 第61-63页 |
| 5.2 改进后的条件生成对抗网络 | 第63-67页 |
| 5.2.1 条件信息与隐藏层的结合 | 第63-64页 |
| 5.2.2 基于判别器特征的条件生成对抗网络框架 | 第64-65页 |
| 5.2.3 基于改进条件生成对抗网络的信号重构 | 第65-67页 |
| 5.3 基于条件生成对抗网络的信号重构流程 | 第67-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 论文工作总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |