TorchDSP/torchsig

解决的问题

TorchSig 旨在简化为机器学习准备信号处理数据的复杂过程。它通过将这些操作直接集成到 PyTorch 数据管道中，简化了实数和复数信号的创建、增强和转换，特别适用于在射频（RF）领域工作的用户。

工作原理

该工具包提供了一个统一的数据集架构，可配置为信号分类（单个信号）或信号检测（多个信号）。它使用变换和损伤模型来模拟现实的信道条件（理想、有线或无线）。

主要组件包括：

• TorchSigIterableDataset：一个合成生成、增强和转换信号的类。
• DatasetCreator：一个将生成的数据集写入磁盘以实现高效重用的工具。
• StaticTorchSigDataset：一个将先前保存的数据集加载回内存的类。
• Signal 和 SignalMetadataObject：用于处理信号数据及其相关元数据的标准对象。

适用人群

构建用于信号处理的机器学习模型的研究人员和开发者，特别是专注于射频（RF）数据以及信号分类或检测任务的人。

主要亮点

• 丰富的信号库：支持超过 60 种信号类型，涵盖 FSK、QAM、PSK、ASK、OFDM 和模拟等主要调制族。
• PyTorch 集成：基于 PyTorch 数据处理管道，可与机器学习模型无缝集成。
• 高级变换系统：包含多种信号处理变换和统一的损伤模型，实现真实模拟。
• 统一架构：通过简单配置，一个系统即可处理分类和检测任务。