RML2018分析及精简数据集划分

李敖之

已于 2023-11-12 13:25:22 修改

阅读量1.9k

点赞数 12

文章标签： python 人工智能

于 2023-11-12 13:18:09 首次发布

本文链接：https://blog.csdn.net/qq_53870613/article/details/134359314

版权

链接：https://pan.baidu.com/s/1vQJ0oYds_ZnQZUozI8oFng
提取码：e6op
--来自百度网盘超级会员V3的分享

一、RML2018.01a介绍

共三个数据集，X、Y、Z

X是三维的，第一维有2555904条数据，第二维有1024条数据，第三维有2条数据。总共有2555904个信号，其中，共有24种调制方式，每个调制方式下有-20db至30db、步进2db信噪比范围共26个信噪比，每个信噪比下都有4096条信号样本。

$24\times 26\times 4096=2555904$

其中每个信号样本有1024个数据（采1024个点），每个都由IQ两路数据组成。所以直接读取X数据集的张量形状（数组形状）为（2555904, 1024, 2）

Y是二维的，第一维度同样是2555904条数据，第二维度是24条数据。Y对应了X每个采样点的label，共24种调制方式，故采用24位的独热编码组成。直接读取Y的数据集张量形状为（2555904, 24）

Z也是二维的，第一维度是2555904条数据，第二维度是1。Z对应的是X中每个采样点的信噪比，所以只有一个数据构成。

二、精简数据集

1、精简调制方式

新的调制方式为：

classes = ['OOK','4ASK','8ASK','BPSK', 'QPSK','8PSK','32PSK','16APSK', '32APSK','64APSK','16QAM','AM-SSB-WC','AM-DSB-WC','AM-DSB-SC','FM', 'GMSK','OQPSK']

原本的调制方式为：

classes = [ 'OOK','4ASK','8ASK','BPSK', 'QPSK','8PSK','16PSK','32PSK','16APSK', '32APSK','64APSK','128APSK',
        '16QAM', '32QAM','64QAM','128QAM','256QAM','AM-SSB-WC','AM-SSB-SC','AM-DSB-WC',
        'AM-DSB-SC','FM', 'GMSK','OQPSK']

这里注意，直接去deepsig下载的数据集RF Datasets For Machine Learning | DeepSig

（通过这个链接可以直接去下载初始的RML2018,2016等数据集）

里面classes.txt中的调制方式顺序是存在错误的，详情可见：

[数据集勘误]RadioML2018.01数据集中classes排列问题_rml2018数据集_机智的小木子的博客-CSDN博客

ps：删除的基本都是那几个QAM调制，是调制信号识别时候导致正确率较低的重灾区。

2、精简信噪比

利用RML2018作为数据集进行训练的时候，我们通常采用比较高信噪比的进行训练，我这里把2db到30db的抽取了出来。

3、精简信号样本数

初始是每个信噪比下有4096个样本，这里是随机选取的1600个样本。

最后贴一个Chad Spooner对RML2018的分析

DeepSig’s 2018 Dataset: 2018.01.OSC.0001_1024x2M.h5.tar.gz – Cyclostationary Signal Processing