ITALYSIG: Open and High Fidelity I/Q Signal Database With Tutorial and Applications for Wireless Research
Notice bibliographique
Résumé
High-fidelity in-phase and quadrature (I/Q) signal traces are critical for a variety of wireless network applications, including spectrum monitoring, interference detection and mitigation, radio-frequency (RF) fingerprinting (RFFP), smart jamming detection, anomaly identification, and modulation classification. However, the number and scope of publicly available I/Q datasets are currently limited, as most datasets are either restricted to a single frequency or wireless technology, or collected in controlled laboratory environments. This paper introduces ITALYSIG, a comprehensive, high-definition, open-source I/Q database of diverse real-world radio signals, including cellular, radar, and other wireless technologies. ITALYSIG provides I/Q captures with up to 100 MHz bandwidth, collected across diverse urban and rural environments in Italy. The I/Q signals are stored in multiple formats, including raw binary files, standardized VITA Radio Transport (VRT, VITA-49), and visual formats such as Portable Network Graphics (PNG) and JavaScript Object Notation (JSON) for broader applicability. The data-acquisition setup is based on a CRFS RFeye SenS Portable recorder at the front end, which enables automatic long-term I/Q recordings on the order of hours, multi-terabyte storage, and real-time signal processing. In addition to releasing the dataset, this article provides a comprehensive overview and qualitative comparison of state-of-the-art datasets in terms of measurement setup, data format, wireless technology, frequencies, and time duration. Furthermore, this article provides a tutorial on the end-to-end measurement setup for automatic I/Q acquisition, multi-format export, and back-end storage, as well as real-time analysis via the DeepView software. Finally, we provide guidelines for integrating I/Q traces into deep learning pipelines and highlight specific use cases of the dataset.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,019 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».