AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-21
CorteXforge:在真实测试平台上生成基于场景的射频(RF)数据集
原标题: CorteXforge: Scenario-Based RF Dataset Generation on Real Testbeds
用于射频信号分析的深度学习依赖大型标注数据集，但合成数据集以牺牲物理真实性换取可控性，而不受控的空中实测虽具真实性，可重复性却有限。CorteXforge 是一个基于场景的框架，通过 SLICES-RI/CorteXlab 平台自动将高层射频场景转化为可编程 SDR 测试床上的同步实验，生成完整标注、能捕捉硬件损伤与传播效应的 SIGMF 数据集。使用由该框架生成的 OTA 数据集 ModForge 进行自动调制识别验证，揭示了从合成到真实的性能差距，并表明合成预训练对适应 OTA 数据仍然有益。