Решение задачи классификации радиосигналов по типу модуляции с использованием методов машинного обучения
Аннотация
Работа посвящена решению актуальной практической задачи классификации радиосигналов по типу модуляции с использованием методов машинного обучения. С развитием систем связи и увеличением количества базовых станций операторов связи возрастает количество работающих приемо-передающих устройств, занимающих радиочастотный спектр. Существующие подходы распознавания модуляций радиосигналов на базе методов машинного обучения позволяют улучшить качество распознавания модуляций и помогают решать ряд задач, в том числе и выявлять несанкционированные передатчики, предотвращать помехи и оптимизировать распределение частот.
В данной работе подробно изучены методы классификации радиосигналов с применением набора инструментов по генерации и обработке синтетических сигналов TorchSig, выбран ряд моделей машинного обучения, проведены эксперименты и сделан анализ результатов. Использование инструмента TorchSig с привязкой к работе стандартов связи является относительно новым подходом, применимым в системах классификации радиосигналов.
В данной работе подробно изучены методы классификации радиосигналов с применением набора инструментов по генерации и обработке синтетических сигналов TorchSig, выбран ряд моделей машинного обучения, проведены эксперименты и сделан анализ результатов. Использование инструмента TorchSig с привязкой к работе стандартов связи является относительно новым подходом, применимым в системах классификации радиосигналов.