AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-21
CorteXforge: Pembuatan Dataset RF Berbasis Skenario pada Testbed Nyata
Judul asli: CorteXforge: Scenario-Based RF Dataset Generation on Real Testbeds
Deep learning untuk analisis sinyal RF bergantung pada dataset beranotasi berskala besar, namun dataset sintetis mengorbankan realisme fisik demi kemudahan kontrol, sementara pengukuran over-the-air yang tidak terkontrol menawarkan realisme dengan reproduksibilitas terbatas. CorteXforge adalah kerangka kerja berbasis skenario yang secara otomatis menerjemahkan skenario RF tingkat tinggi menjadi eksperimen tersinkronisasi pada testbed SDR yang dapat diprogram melalui platform SLICES-RI/CorteXlab, menghasilkan dataset SIGMF yang teranotasi penuh dan menangkap kerusakan perangkat keras serta efek propagasi. Validasi melalui klasifikasi modulasi otomatis menggunakan ModForge, dataset OTA yang dihasilkan dengan kerangka kerja ini, mengungkap kesenjangan kinerja dari sintetis ke nyata serta menunjukkan bahwa pretraining sintetis tetap bermanfaat untuk adaptasi terhadap data OTA.