AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-21
CorteXforge：在實際測試平台上進行情境式射頻資料集生成
原標題: CorteXforge: Scenario-Based RF Dataset Generation on Real Testbeds
用於射頻訊號分析的深度學習依賴大型標註資料集，但合成資料集以物理真實性換取可控性，而未受控制的空中量測雖具真實性，再現性卻有限。CorteXforge 是一個情境式框架，可透過 SLICES-RI/CorteXlab 平台自動將高階射頻情境轉換為可程式化 SDR 測試平台上的同步實驗，產出完整標註、能捕捉硬體瑕疵與傳播效應的 SIGMF 資料集。以該框架產生的 OTA 資料集 ModForge 進行自動調變分類驗證，結果顯示存在合成到真實的效能落差，且合成預訓練對適應 OTA 資料仍有助益。