Use a neural network (NN), that is trained offline, to apply digital predistortion (DPD) to offset the effects of nonlinearities in a power amplifier (PA).

使用神经网络通过使用接收器的位置而不是通信渠道的知识来减少光束选择任务中的开销。

使用深度学习进行频谱监视训练语义分割网络。频谱监测的用途之一是表征频谱占用率。此示例中的神经网络经过训练，可以在宽带频谱图中识别5G NR和LTE信号。

使用自动编码器建模端到端通信系统，以可靠地通过无线通道传输信息位。

使用卷积神经网络（CNN）进行调制分类。您会生成合成的，通道破裂的波形。使用生成的波形作为训练数据，您可以训练CNN进行调制分类。然后，您可以使用软件定义的无线电（SDR）硬件和直播信号测试CNN。

Train a convolutional neural network for IEEE^®802.11AZ™本地化和定位。

设计带有模拟数据的射频（RF）指纹卷积神经网络（CNN）。您可以使用来自已知和未知路由器的RF指纹构图的模拟无线局域网（WLAN）标准框架训练CNN。然后，您比较接收信号的媒体访问控制（MAC）和CNN检测到的RF指纹，以检测WLAN路由器模仿者。

使用捕获的数据训练射频（RF）指纹卷积神经网络（CNN）。您可以使用软件定义的无线电（SDR）从真实路由器中捕获无线局域网（WLAN）标准框架。您为第二个SDR编程以传输未知的信标框架并捕获它们。您使用这些捕获的信号训练CNN。然后，您将软件定义的无线电（SDR）编程为路由器的模仿者，该路由器模仿者使用媒体访问控制（MAC）的一个已知路由器的地址传输信号信号，并使用CNN将其识别为模仿者。

Generate signals and channel impairments to train a neural network, called LLRNet, to estimate exact log likelihood ratios (LLR).

使用5G Toolbox™生成深度学习培训数据，以进行渠道估计。