Исследование методов машинного обучения для классификации сигналов радиоэфира
Аннотация
В данной работе представлено исследование методов машинного обучения для классификации сигналов радиоэфира. В первой главе представлен краткий обзор предметной области, а также анализ актуальных решений на данную тематику в области машинного обучения, в ходе которого были рассмотрены такие модели как LResNet и CCNN-Atten. Во второй главе был подробно описан выбранный датасет RadioML и разработана структура проводимых экспериментов с моделями TimeSeriesForestClassifier, TimeForestClassifier, SVC, KNN с учетом различных подходов к обработке исходных данных. В третьей главе настоящей работы представлены результаты проводимых экспериментов: анализ подходов к обработке данных, где наилучшим решением оказалось вычисление амплитудного спектра сигнала; результаты подбора гиперпараметров и тестирования моделей на расширенной обучающей выборке. Наилучшей выявленной моделью является TimeSeriesForestClassifier с accuracy 0.91 при SNR не менее 10 dB.