论文部分内容阅读
近年来,很多高质量的数据集支撑了深度学习在计算机视觉、语音和自然语言处理领域的快速发展.但在电磁信号识别领域仍缺乏高质量的数据集,为促进深度学习在电磁信号识别中的应用,本文基于广播式自动相关监视(ADS-B)建立了一个大规模的真实电磁信号数据集.首先设计了一个自动数据收集和标注系统,在开放和真实的场景中自动捕获ADS-B电磁信号.通过对ADS-B信号进行数据清理和排序,建立高质量的ADS-B信号数据集;其次,对使用数据集的深度学习模型的性能进行深入研究,在不同信噪比、采样率、样本数目下对模型进行综合评估.该数据集给相关研究者提供了有价值的研究基准.