SpectrumAI：一种用于构建大规模基于图像的射频频谱数据集以支持人工智能应用的方法论

《IEEE Open Journal of the Communications Society》：SpectrumAI: A Methodology for Large-Scale Image-Based RF Spectrum Datasets for AI Applications

　　

摘要：

人工智能正在成为自动无线电频谱监测的重要技术支撑，但目前仍受限于缺乏来自真实射频测量的大规模标准化数据集。本文介绍了SpectrumAI，这是一个大规模的基于图像的射频数据集，同时还提供了一种可重复的方法，可将宽带同相和正交信号转换为可用于机器学习的带注释的频谱图表示形式。该方案结合了可扩展的信号处理技术、一致的时间-频率参数化方法以及结构化的标注方式，从而为不同类型信号的可靠训练和公平性能评估提供支持。该数据集包含了从实际测量中提取的16万多张频谱图，涵盖了多种蜂窝通信、雷达及通信系统的信号。本文的实验评估则使用了经过精心挑选且经过全面验证的5,300张图像子集。为验证该数据集的实际应用价值，我们在多种数据集配置下对YOLO11模型进行了训练和测试，其中包括一些旨在检验模型泛化能力的复杂测试条件。实验结果表明，SpectrumAI能够实现基于频谱图的射频信号检测与定位，同时也凸显了数据多样性以及标准化生成流程在确保性能可重复性方面的关键作用。总体而言，SpectrumAI为推进人工智能驱动的频谱智能研究奠定了坚实基础。