Кафедра «Автоматизированные системы управления» МАДИ представила метод XAMC — объяснимый автоматический классификатор модуляции радиосигналов. Разработка предназначена для систем радиомониторинга, когнитивного радио и адаптивной связи.
В современных системах управления транспортной инфраструктурой, где цена ошибки традиционно высока, особую роль играет доверие оператора к автоматике. Глубокие нейронные сети показывают высокую точность распознавания сигналов, однако работают по принципу «черного ящика», не предоставляя информации о логике принятия решений. Новый метод решает эту задачу, делая работу искусственного интеллекта прозрачной, понятной и верифицируемой для инженеров.
Метод XAMC использует комбинированный подход к анализу данных. Из исходного радиосигнала извлекаются классические физические параметры цифровой обработки, среди которых фазовые состояния, структура созвездия, вариация огибающей, спектральная энтропия и статистические моменты высших порядков. Эти числовые характеристики преобразуются в инженерно-интерпретируемые «концепт-токены» и подаются на вход NLP-подобному классификатору. В результате система выдает не только метку класса модуляции, но и текстовое описание физических признаков, послуживших основанием для вывода. Например, для сигнала QPSK модель укажет на наличие четырех стабильных фазовых областей и одного амплитудного кольца; для 16QAM отметит несколько уровней амплитуды и непостоянную огибающую. Если в эфире появляется нестандартный сигнал…
Эффективн…
