数据集概述
本数据集为支持论文“Mitigating RF Jamming Attacks at the Physical Layer with Machine Learning”而构建，包含SDR实现代码、分类器训练文件、实验日志及后处理脚本，覆盖RF干扰攻击（恒定、周期、反应式）及正常通信场景的训练与测试数据，用于研究物理层机器学习干扰缓解技术的性能。
文件详解
- 核心代码文件（dragonradio/scripts）
ModeSelect.py：定义天线状态选择算法的类文件standalone-radio.py：带可重构天线的正常无线电操作SDR实现文件standalone-radio-tuning.py：SDR超参数调优实现文件standalone-radio-onmi.py：仅支持全向模式的SDR实现文件- classifier_training目录
logs-8-18：包含OTA SDR采集的各干扰类型（恒定、周期、反应式）及正常操作（拥堵、弱链路）的日志文件classTrain.py：分类器训练的主解析器trainedClassifiers：存储classTrain.py生成的训练后分类器- post_processing_classifier目录
class：包含各RTE/OTA实验在不同干扰与操作场景下的.csv分类器输出日志classProcess.py：解析日志文件，生成多分类/二分类器的分类报告与混淆矩阵（结果存于results->classifier_performance）- post_processing_mgen目录
configs：实验解析用JSON配置文件mgenLogs：MGEN接收器日志，按mit（有缓解）、nj（无干扰）、noMit（无缓解）分类，文件名含_cj_（恒定干扰）、pj（周期干扰）、rj（反应式干扰）、nj（无干扰）标识- ray_tracing_emulation目录：含Drexel区域、艺术博物馆、无人机验证RTE研究相关文件及readme.txt
- results目录
classifier_performance：存储在线SDR系统分类器性能的.txt总结文件mitigation_performance：存储post_processing_mgen生成的性能图表validation：存储RTE与OTA性能对比结果- tuning_parameter_study目录
dataCollect：含各干扰类型的CSV配置文件，记录可重构天线学习参数的不同配置data_summary.txt：所有CSV文件的汇总文件
数据来源
论文“Mitigating RF Jamming Attacks at the Physical Layer with Machine Learning”（提交至IET Communications期刊）
适用场景
- 无线通信干扰攻击缓解研究：分析机器学习技术在物理层对抗RF干扰（恒定、周期、反应式）的效果
- SDR系统干扰分类器性能评估：利用分类报告与混淆矩阵验证分类器对不同干扰场景的识别精度
- 可重构天线参数优化：通过超参数调优数据研究天线状态选择对干扰缓解的影响
- 干扰场景通信性能分析：基于MGEN日志数据评估有无缓解措施下的通信性能差异
- 射线追踪仿真验证：结合RTE与OTA实验数据对比仿真与实际环境的干扰缓解效果
