La IA y los problemas difíciles del mundo · Informática teórica · arXiv · 2026-10-21
CorteXforge: generación de conjuntos de datos de RF basada en escenarios en bancos de prueba reales
Título original: CorteXforge: Scenario-Based RF Dataset Generation on Real Testbeds
El aprendizaje profundo para el análisis de señales de RF depende de grandes conjuntos de datos anotados, pero los conjuntos de datos sintéticos sacrifican el realismo físico a cambio de controlabilidad, mientras que las mediciones over-the-air sin control ofrecen realismo con una reproducibilidad limitada. CorteXforge es un marco basado en escenarios que traduce automáticamente escenarios de RF de alto nivel en experimentos sincronizados sobre bancos de prueba SDR programables a través de la plataforma SLICES-RI/CorteXlab, produciendo conjuntos de datos SIGMF totalmente anotados que capturan las imperfecciones del hardware y los efectos de propagación. La validación mediante clasificación automática de modulación usando ModForge, un conjunto de datos OTA generado con el marco, reveló una brecha de rendimiento entre lo sintético y lo real, y mostró que el preentrenamiento sintético sigue siendo beneficioso para adaptarse a los datos OTA.