Rifiuto dell'Interferenza RF Potenziato dall'IA Utilizzando Modelli Transformer

Un nuovo studio su arXiv (2604.22816) esplora il rifiuto dell'interferenza potenziato dall'IA nelle trasmissioni in radiofrequenza. I modelli di deep learning addestrati sia sul segnale di interesse che sulla miscela di segnali superano gli approcci tradizionali che considerano solo il segnale di interesse. L'obiettivo è rilevare, demodulare e decodificare segnali a vari livelli di rapporto segnale-interferenza-più-rumore senza una conoscenza dettagliata del segnale interferente o delle condizioni di propagazione. I ricercatori hanno utilizzato modelli Autoregressive Transformer Decoder, ottenendo una velocità di inferenza di ordini di grandezza superiore rispetto ai precedenti modelli WaveNet. Come esempio specifico, hanno studiato un segnale analogico FM 'Walkie Talkie' in presenza di un interferente Orthogonal Frequency-Division Multiplexing.