ReFormer：用于数据增强生成无线电伪造数据的生成模型
机器学习
2025-01-03 v1 信号处理
摘要
我们提出了 ReFormer，这是一个能够高效生成合成无线电频率 (RF) 数据（即 RF 伪造数据）的生成式人工智能模型，这些数据与其训练的数据在统计上相似，或具有修改后的统计特性，以用于数据增强。对于此类应用，灵活性和可扩展性是重要问题。因此，ReFormer 利用基于变换器的自回归生成技术，训练于 RF 信号的离散表示上。通过使用提示符，这类生成式 AI 可以被设计成生成满足特定约束或条件的数据，特别适用于信道估计和建模的训练。它还可以利用来自源系统的数据来生成用于目标系统的训练数据。我们展示了不同的变换器架构和其他设计选择如何影响生成 RF 伪造数据的质量，通过如精确率和召回率、分类准确率和信号星座图等指标进行评估。
引用
@article{arxiv.2501.00282,
title = {ReFormer: Generating Radio Fakes for Data Augmentation},
author = {Yagna Kaasaragadda and Silvija Kokalj-Filipovic},
journal= {arXiv preprint arXiv:2501.00282},
year = {2025}
}