TorchDSP/torchsig

해결하는 문제

TorchSig는 기계학습을 위한 신호 처리 데이터 준비 과정의 복잡성을 간소화하기 위해 설계되었습니다. 실수 및 복소수 신호의 생성, 증강, 변환을 PyTorch 데이터 파이프라인에 직접 통합함으로써, 특히 무선 주파수(RF) 영역에서 작업하는 사용자들에게 원활한 워크플로우를 제공합니다.

작동 방식

이 툴킷은 신호 분류(단일 신호) 또는 신호 탐지(다중 신호)에 대해 구성할 수 있는 통합된 데이터셋 아키텍처를 제공합니다. 변환과 손상 모델을 사용하여 현실적인 채널 조건(완벽, 케이블 연결, 무선)을 시뮬레이션합니다.

주요 구성 요소:

• TorchSigIterableDataset: 신호를 합성적으로 생성, 증강, 변환하는 클래스.
• DatasetCreator: 생성된 데이터셋을 디스크에 저장하여 효율적인 재사용을 가능하게 하는 도구.
• StaticTorchSigDataset: 이전에 저장된 데이터셋을 메모리로 다시 불러오는 클래스.
• Signal 및 SignalMetadataObject: 신호 데이터와 관련 메타데이터를 처리하기 위한 표준화된 객체.

대상 사용자

신호 처리를 위한 기계학습 모델을 개발하는 연구자 및 개발자, 특히 무선 주파수(RF) 데이터 및 신호 분류 또는 탐지 작업에 집중하는 사람.

주요 특징

• 풍부한 신호 라이브러리: FSK, QAM, PSK, ASK, OFDM, 아날로그 등 주요 변조 유형에 걸쳐 60개 이상의 신호 유형을 지원.
• PyTorch 통합: ML 모델과의 원활한 통합을 위한 PyTorch 데이터 처리 파이프라인 기반 설계.
• 고급 변환 시스템: 다양한 신호 처리 변환과 통합된 손상 모델을 포함하여 현실적인 시뮬레이션 가능.
• 통합 아키텍처: 간단한 구성으로 분류 및 탐지 작업을 하나의 시스템에서 처리.