TorchDSP/torchsig

解決的問題

TorchSig 是為了簡化為機器學習準備信號處理資料的複雜過程而設計。它透過將這些操作直接整合至 PyTorch 資料流程中，簡化了實數與複數信號的建立、增強與轉換，特別適合於無線電頻率（RF）領域工作的使用者。

工作原理

此工具包提供一個統一的資料集架構，可配置為信號分類（單一信號）或信號偵測（多個信號）。它使用變換與損傷模型來模擬真實的通訊環境（理想、有線或無線）。

主要元件包括：

• TorchSigIterableDataset：一個合成生成、增強與轉換信號的類別。
• DatasetCreator：一個將生成的資料集寫入磁碟以實現高效重用的工具。
• StaticTorchSigDataset：一個將先前儲存的資料集載入記憶體的類別。
• Signal 與 SignalMetadataObject：處理信號資料及其相關元資料的標準物件。

適用對象

開發用於信號處理的機器學習模型的研究人員與開發者，特別是專注於無線電頻率（RF）資料以及信號分類或偵測任務的人。

主要特色

• 豐富的信號資料庫：支援超過 60 種信號類型，涵蓋 FSK、QAM、PSK、ASK、OFDM 與類比等主要調變家族。
• PyTorch 整合：基於 PyTorch 資料處理流程，可與機器學習模型無縫整合。
• 進階變換系統：包含多種信號處理變換與統一的損傷模型，實現真實模擬。
• 統一架構：透過簡單設定，單一系統即可處理分類與偵測任務。