Método de Agrupamento para Sinais no Espectro RF de Banda Larga Usando Aprendizado Profundo Contraste Semi-Supervisionado

Este artigo apresenta a aplicação de aprendizado profundo contraste auto-supervisionado no agrupamento de sinais detectados no espectro RF de banda larga, apresentados na forma de espectrogramas. O agrupamento de rádio é um método de busca por sinais semelhantes dentro da parte analisada do espectro de rádio. Normalmente, é baseado em um ou vários parâmetros específicos processados a partir do sinal em um determinado canal. Os autores propõem uma abordagem um pouco diferente e inovadora; graças ao aprendizado auto-supervisionado de redes neurais, não há necessidade de definir parâmetros específicos, e o vetor de características, que possibilita a comparação das distâncias euclidianas entre sinais, é gerado por uma rede neural profunda treinada utilizando uma função de perda contraste em um conjunto de dados contendo diferentes modulações de rádio. Os autores descrevem soluções auto-supervisionadas baseadas em aprendizado contraste e os métodos de segmentação e aumento de sinais. O processo de treinamento utiliza um banco de dados personalizado e a rede Resnet-50 com uma função de custo contraste. O agrupamento de rádio é utilizado para análise autônoma de espectro em amplas faixas de frequência e possibilita, entre outras coisas, a detecção de estações de rádio táticas operando com saltos de frequência amplamente dispersos ou uma redução significativa na potência computacional necessária para a análise em tempo real de um grande número de sinais de rádio.