IA e os Problemas Difíceis do Mundo · Ciência da computação teórica · arXiv · 2026-10-21
CorteXforge: Geração de conjuntos de dados de RF baseada em cenários em bancadas de teste reais
Título original: CorteXforge: Scenario-Based RF Dataset Generation on Real Testbeds
O aprendizado profundo para análise de sinais de RF depende de grandes conjuntos de dados anotados, mas os conjuntos de dados sintéticos trocam realismo físico por controlabilidade, enquanto medições over-the-air não controladas oferecem realismo com reprodutibilidade limitada. O CorteXforge é uma estrutura baseada em cenários que traduz automaticamente cenários de RF de alto nível em experimentos sincronizados em bancadas de teste SDR programáveis por meio da plataforma SLICES-RI/CorteXlab, produzindo conjuntos de dados SIGMF totalmente anotados que capturam imperfeições de hardware e efeitos de propagação. A validação por meio da classificação automática de modulação usando o ModForge, um conjunto de dados OTA gerado com a estrutura, revelou uma lacuna de desempenho do sintético para o real e mostrou que o pré-treinamento sintético continua benéfico para a adaptação a dados OTA.