GAN在雷达信号处理中的使用

序言

最近发现GAN在雷达信号处理，尤其是基于微多普勒的识别方面，有多篇论文的研究。在研读论文的过程中，记录下自己的想法。

正文

GENERATIVE ADVERSARIAL NETWORKS TO AUGMENT MICRO-DOPPLER SIGNATURES FOR THE CLASSIFICATION OF HUMAN ACTIVITY

本文主要思想是利用GAN来扩展数据，提高基于微多普勒人体动作检测的精度。对于小数据集识别问题，目前论文中看到的方法大致有三类：
（1）计算机数据仿真，扩展数据集大小。主要存在问题就是，需要对该领域知识很丰富，另外仿建模的精度，也决定了识别的精度。
（2）迁移学习，利用已有的网络提取特征。主要难点就是寻找一个方便迁移的、已有的网络（个人感觉）。
（3）利用GAN扩展数据集。不需要对该领域有丰富的先验知识，让网络自己学习其中的模式，代替人工学习。

这篇论文写得比较粗糙，详细内容是：对七种人体动作进行识别，每个动作对应一个GAN；对于每一个动作，使用不同数目的样本训练GAN。得出的结论就是：使用训练样本数目越多，扩展出来的数据越真实，识别精度越高。（这是必然的吧）。
我觉得缺少工作内容：
（1）直接用原始数据训练CNN或者其他分类网络，得出一个识别精度$Ac{c}^{}$