DeepSig DeepSig
OmniSIG Studio 射频信号模型训练平台
网页端标注与训练 · 频谱图上框选类别 · 无代码出模型 · SigMF 数据集
产品简介
OmniSIG Studio 是 OmniSIG 系列的配套工具,负责「喂数据、教模型」这一段:把采集到的射频 IQ 数据加载进来,在集成频谱图上框选并标注信号类别,
用这些标注训练卷积神经网络,训练好的模型再下发到边缘的 OmniSIG 实例做实时检测与分类。
整个过程在浏览器里完成,官方标注为无代码、无需 AI 基础。
OmniSIG 出厂带的是 DeepSig 预训练的通用信号识别能力,遇到客户自己的信号域(特定辐射源、特定干扰样式)就需要重新训练。Studio 把这件事从「写训练脚本」变成「标注 + 点开始」:界面里一套是标注页(加载采集、频谱图上打标签),一套是训练页(启动、监控、快速评估新模型),数据集按 SigMF 规范的 JSON 保存,模型训练到可部署的量级,厂商口径是分钟到小时。
核心参数
• 产品形态:基于浏览器的 Web 应用(标注 + 训练)
• 数据输入:已采集的射频 IQ 数据;可使用 DeepSig 预置波形库
• 标注方式:在集成频谱图上框选并标注信号类别
• 数据集格式:SigMF 规范 JSON
• 模型类型:卷积神经网络,厂商标称数百层、数千参数
• 建模方式:图形界面拖拽标注,无代码、无需 AI 经验
• 训练耗时:分钟至小时级(厂商标称)
• 模型去向:下发到边缘 OmniSIG 实例,实时检测与分类
• 典型用途:自定义信号检测模型,如无人机探测
功能特性
• 频谱图上直接标注:加载采集文件后在集成频谱图里框出信号、打上类别标签,不需要把 IQ 数据导出到别的工具里处理。
• 训练页监控与评估:训练页负责启动、监控并快速评估新的 OmniSIG 神经网络模型,不必等整轮跑完才知道方向对不对。
• 无代码建模:标注即样本、拖拽即训练,官方强调不需要编程,也不需要事先懂深度学习——降低的是「有信号、但没人会训模型」这道门槛。
• 数据集沿用 SigMF:标注结果按 SigMF 规范存成 JSON,与其他 SigMF 工具链互通,数据集可以复用、可以交接。
• 与边缘实例衔接:训练好的模型直接交给边缘侧的 OmniSIG 运行,用于新信号与未知信号的实时识别,形成「采集—标注—训练—上线」的闭环。
应用场景
• 自定义信号检测模型:针对客户关心的辐射源(如无人机图传、特定干扰样式)训练专用模型,替代通用模型的误报。
• 频谱数据集建设:把现场采集的 IQ 数据整理成带标注、可复用的 SigMF 数据集。
• 边缘侧模型迭代:现场发现新信号 → 采集 → 标注训练 → 下发边缘,缩短模型更新周期。
• 无线电监测与安防:为监测系统准备识别模型,用于异常信号与非法发射的自动报警。
• 教学与算法研究:作为射频机器学习的数据标注与训练环境,配合 OmniSIG 做端到端验证。
• 测试验证环境:在实验室内构造受控信号集,验证检测算法的查准率与查全率。
资源下载
• OmniSIG Studio 射频信号模型训练平台 的全部技术指标已单独整理,见本产品详情页「详细指标」标签。
以上内容与指标均取自DeepSig(DeepSig)官网该产品详情页与官方产品资料,未标注口径的为厂家公布值。
DeepSig · onetest 仪器资源库