【信号分选】深度学习颠覆射频信号分离：UNet/WaveNet 性能碾压传统方法【附python代码】RF 挑战：数据驱动的射频信号分离挑战 原文链接本文采用数据驱动方法，利用深度学习技术解决射频（RF）信号中的干扰抑制这一关键问题。核心贡献之一是推出了 RF 挑战数据集，这是一个公开可用、多样化的射频信号数据集，适用于射频信号问题的数据分析。我们采用简化的信号模型来开发和分析干扰抑制算法，并引入了一组精心设计的深度学习架构，结合关键的领域相关修改和传统基准解决方案，为这一复杂且普遍存在的问题建立了基准性能指标。通过对八种不同信号混合类型的广泛仿真，我们证明了 UNet 和 WaveNet 等架构相较于匹