Исследование методов машинного обучения для классификации сигналов радиоэфира : магистерская диссертация

Abstract

This work presents a study of machine learning methods for classification of radio broadcast signals. The first chapter provides a brief overview of the subject area, as well as an analysis of current solutions on this topic in the field of machine learning, during which such models as LResNet and CCNN-Atten were considered. The second chapter described in detail the selected RadioML dataset and developed a structure of the experiments with the TimeSeriesForestClassifier, TimeForestClassifier, SVC, KNN models, taking into account various approaches to processing the original data. The third chapter of this work presents the results of the experiments: analysis of approaches to data processing, where the best solution was the calculation of the amplitude spectrum of the signal; results of selecting hyperparameters and testing models on an extended training set. The best identified model is TimeSeriesForestClassifier with an accuracy of 0.91 at an SNR of at least 10 dB.

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.