RF-Analyzer: Can Vision-Language Models Learn RF Understanding from Synthetic Data?

Riepilogo Tecnico: RF-Analyzer: I Modelli Vision-Language possono apprendere la comprensione RF da dati sintetici?

Enunciato del Problema
Comprendere lo spettro wireless è un requisito fondamentale per i sistemi di comunicazione intelligenti. Tuttavia, l'interpretazione degli spettrogrammi richiede l'estrazione di molteplici attributi fisici e il ragionamento sulla struttura del segnale, una capacità che gli approcci tradizionali di machine learning (ML) faticano a raggiungere a causa della loro dipendenza da spazi di etichette discreti e predefiniti e della mancanza di interfacce in linguaggio naturale. Sebbene i Large Language Models (LLM) e i Vision-Language Models (VLM) abbiano mostrato promesse nei compiti di ragionamento, mancano di un ancoraggio diretto negli ambienti fisici. Esiste un divario critico nel determinare se i VLM addestrati esclusivamente su dati Radio Frequency (RF) sintetici possano generalizzare verso ambienti reali over-the-air (OTA). I dati RF reali sono costosi, difficili da etichettare e vincolati da regolamentazioni, rendendo i dati sintetici un'alternativa attraente per l'addestramento. Tuttavia, rimane incerto se i modelli addestrati solo su spettrogrammi sintetici possano interpretare in modo affidabile i segnali in tempo reale, dove le caratteristiche del rumore, le interferenze e gli effetti di propagazione differiscono significativamente dalle simulazioni.

Metodologia
Per colmare questo divario, gli autori introducono RF-Analyzer, una piattaforma di analisi da SDR a AI accelerata da GPU. Il sistema integra un dispositivo di acquisizione spettro in tempo reale (Ettus USRP B210) con diversi backend VLM, tra cui un modello adattato al dominio (RF-GPT, basato su Qwen2.5-VL e addestrato esclusivamente su spettrogrammi sintetici) e baseline a scopo generale (Llama 3.2 Vision e Qwen2.5-VL non ottimizzato).

La piattaforma opera come segue:

1. Acquisizione del Segnale: Campioni IQ di banda base complessa vengono trasmessi dall'USRP B210, elaborati attraverso una pipeline DSP (finestra di Hann, FFT, conversione in dB) e resi come un'immagine a cascata tempo-frequenza di 200 righe.
2. Inferenza: L'immagine a cascata resa e un prompt di testo contenente esclusivamente le impostazioni hardware (frequenza centrale e frequenza di campionamento) vengono inviati ai backend VLM. Crucialmente, i modelli non ricevono dati IQ grezzi, etichette di verità fondamentale o identificatori di scenario.
3. Framework di Valutazione: Gli autori propongono un benchmark composto da tre metriche specifiche per valutare la comprensione del segnale e l'ancoraggio:
   • Punteggio di Estrazione degli Attributi Fisici (PAES): Una scala da 0 a 5 che valuta la capacità del modello di identificare correttamente cinque attributi fisici binari: classe temporale, occupazione spettrale, classe SNR, isolamento del segnale e famiglia tecnologica.
   • Tasso di Perdita del Prompt (PLR): Misura l'estensione in cui le stime della larghezza di banda sono derivate dai metadati del prompt (frequenza di campionamento) piuttosto che inferite dallo spettrogramma visivo.
   • Conteggio delle Allucinazioni: Traccia affermazioni fattuali in contraddizione con le proprietà misurabili del segnale, come falsi negativi (segnali visibili mancanti) o etichette tecnologiche errate.

Gli esperimenti sono stati condotti ad Abu Dhabi in sei scenari: cinque scenari allineati alle categorie (che coprono LTE, FM, ISM, Wi-Fi e GSM) e un "Killer Test" (KT) avversario che coinvolge un mouse Bluetooth in una borsa schermata RF per simulare condizioni a basso SNR e fuori distribuzione.

Risultati Chiave
La valutazione dimostra che i VLM addestrati su dati di spettrogramma sintetici possono generalizzare verso ambienti RF reali, ma con limitazioni distinte:

• Generalizzazione degli Attributi Fisici: RF-GPT ha costantemente superato le baseline a scopo generale nell'estrazione della geometria fisica del segnale. Ha identificato in modo affidabile l'occupazione spettrale, il comportamento temporale e l'isolamento del segnale attraverso scenari in distribuzione, ottenendo punteggi PAES elevati (ad esempio, 5/5 in S2, S3, S4, S5). Ciò indica che i dati sintetici sono sufficienti per apprendere rappresentazioni trasferibili della struttura del segnale RF.
• Ancoraggio vs. Perdita: RF-GPT ha mostrato un basso Tasso di Perdita del Prompt (15%), indicando che le sue stime della larghezza di banda erano ancorate ai dati visivi piuttosto che copiate dai metadati del prompt. Al contrario, i modelli a scopo generale hanno mostrato tassi di perdita elevati (55–70%), affidandosi spesso ai metadati quando gli indizi visivi erano ambigui.
• Modalità di Fallimento:
  • Ancoraggio Semantico: Sebbene RF-GPT potesse percepire le forme del segnale, ha frequentemente classificato erroneamente le etichette tecnologiche (ad esempio, etichettando un segnale LTE come 5G NR) a causa della mancanza di priori di allocazione di frequenza nei dati di addestramento sintetico.
  • Robustezza a Basso SNR: Nel Killer Test avversario (segnale Bluetooth attenuato a basso SNR), le prestazioni di RF-GPT sono degradate significativamente (PAES 2/5), spesso sovrasegmentando la scena o classificando erroneamente il rumore come segnali sovrapposti. Le baseline a scopo generale hanno fallito completamente, riportando l'assenza di segnale.
  • Limitazioni delle Baseline: I VLM non ottimizzati hanno sofferto di allucinazioni di falsi negativi, non riuscendo a rilevare segnali visibili perché il loro pre-addestramento non era allineato con la semantica delle mappe di potenza RF (ad esempio, interpretando le regioni spettrali luminose come texture di sfondo).

Significato e Affermazioni
Il documento afferma che i dati sintetici sono sufficienti per addestrare i VLM ad apprendere rappresentazioni trasferibili della struttura del segnale RF, consentendo l'estrazione di attributi fisici come l'occupazione spettrale e l'SNR da acquisizioni reali senza un affinamento su dati reali. Tuttavia, gli autori concludono modestamente che questa generalizzazione è limitata. I modelli mancano di un ancoraggio semantico affidabile senza priori contestuali (come le regolamentazioni delle bande di frequenza), portando a una classificazione errata dei protocolli. Inoltre, la generalizzazione si rompe in condizioni non coperte dalla distribuzione sintetica, specificamente nei regimi a basso SNR e nei segnali attenuati.

Il significato di questo lavoro risiede nel dimostrare che i modelli linguistici RF possono essere sviluppati e ottimizzati in modo più efficiente utilizzando dati sintetici per compiti di interpretazione fisica, a condizione che il lavoro futuro affronti la necessità di priori espliciti di allocazione di banda e augmentation di dati a basso SNR per migliorare la robustezza e l'accuratezza semantica. Il documento non afferma che l'addestramento sintetico da solo risolva tutte le sfide dell'analisi RF, ma piuttosto stabilisce una baseline per ciò che è raggiungibile e dove risiedono le attuali limitazioni.