Please use this identifier to cite or link to this item:
http://hdl.handle.net/20.500.12386/34493
Title: | Classificazione delle Modulazioni Radio tramite Deep Learning per applicazioni radioastronomiche | Authors: | CABRAS, Alessandro Garau, Salvatore PISANU, Tonino Didaci, Luca GAUDIOMONTE, Francesco |
Issue Date: | 2023 | Series: | INAF Technical Reports - Rapporti Tecnici INAF | Report: | 284 | Abstract: | Nel presente report viene illustrato un progetto di ricerca per il rilevamento e la classificazione delle Radio Frequency Interference (RFI) utilizzando algoritmi di machine learning con l’obiettivo di sviluppare un sistema automatizzato in grado di identificare e analizzare segnali indesiderati in modo rapido ed efficiente. La classificazione accurata delle RFI è fondamentale per mitigare le interferenze durante le osservazioni scientifiche con il Sardinia Radio Telescope (SRT). Nel corso del progetto, sono stati raccolti dati relativi alle interferenze RFI in parte da dataset online e in parte utilizzando strumenti di acquisizione. Sono state esplorate diverse architetture di reti neurali e ne sono state valutate le performance utilizzando misure come l’accuratezza, la perdita (loss) e la matrice di confusione. Sono state utilizzate anche apparecchiature hardware ad alta fedeltà per confrontare e valutare le prestazioni dei modelli di intelligenza artificiale sviluppati. Questo confronto è stato fondamentale per garantire l’accuratezza dei modelli e consentire una valutazione comparativa con gli strumenti hardware considerati come punto di riferimento. | URI: | http://hdl.handle.net/20.500.12386/34493 https://doi.org/10.20371/INAF/TechRep/284 |
Fulltext: | open |
Appears in Collections: | 4.01 Rapporti tecnici INAF |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Classificazione_delle_Modulazioni_Radio_tramite_Deep_Learning_per_applicazioni_radioastronomiche (2).pdf | 2.07 MB | Adobe PDF | View/Open |
Page view(s)
146
checked on Sep 11, 2024
Download(s)
54
checked on Sep 11, 2024
Google ScholarTM
Check
Items in DSpace are published in Open Access, unless otherwise indicated.