基于TransUnet的侵彻多层过载信号生成

摘要：

随着现代电子技术的蓬勃发展,人工智能在军事领域呈现快速上升的鳌头趋势,同时也面临着数据量严重不足的困境,针对目前侵彻多层过载信号数量少、 类别不平衡等问题,结合深度学习的InfoGAN模型,提出一种基于TransUnet的侵彻多层过载信号生成方法.首先,以靶场实测过载信号作为训练模型的数据集,根据侵彻层数建立标签信息;其次,构建生成器与判别器,生成器借鉴TransUnet的思想,由Transformer Encoder和U-Net组成,用于学习过载数据集的特征映射,判别器则使用较为简单的注意力模型,以降低整体模型的复杂度;最后,利用生成对抗网络对生成器与判别器进行训练与优化,实现侵彻多层过载数据生成.实验结果表明,该方法能够根据不同层数信息生成不同速度的有效过载数据,可在一定程度上解决侵彻多层过载信号缺乏的问题.

关键词：信号生成、Transformer模型、U-Net、InfoGAN、生成对抗式网络

所属期刊栏目：37

分类号：TJ43(弹药、引信、火工品)

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：43-53