真实SDR测试床生成可复现RF数据集，CorteXforge打通合成到真实的性能鸿沟！
CorteXforge: Scenario-Based RF Dataset Generation on Real Testbeds
📖 AI 总结
该论文提出CorteXforge，一个基于场景的射频数据集生成框架，旨在解决射频信号深度学习中的数据困境：合成数据可控但缺乏物理真实性，空口测量真实但难以复现。CorteXforge将高层射频场景自动转换为在SLICES-RI/CorteXlab可编程软件无线电测试平台上执行的同步实验，生成完全标注的SIGMF数据集，并保留硬件损伤与传播效应。作者通过自动调制分类任务验证该框架，构建了空口数据集ModForge。跨域实验揭示了合成数据到真实数据的性能差距，同时表明合成预训练对适配空口数据仍有增益。该工作为可复现射频数据集生成及域泛化研究提供了实用基础。
🔑 关键词速览
| CorteXforge | 一个基于场景的框架，用于在可编程软件定义无线电测试床上生成真实且可重复的射频数据集。 |
| SDR | 软件定义无线电，一种通过软件实现无线电信号处理的无线电通信系统。 |
| SIGMF | 信号元数据格式，一种用于存储和交换信号元数据的标准格式。 |
| ModForge | 使用CorteXforge框架生成的空中（OTA）数据集，用于自动调制分类任务。 |
| OTA | 空中（over-the-air），指通过无线信道传输信号的测量方式。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅