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。

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

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。

火车一个无线电频率(RF)指纹convolutional neural network (CNN) with captured data. You capture wireless local area network (WLAN) beacon frames from real routers using a software defined radio (SDR). You program a second SDR to transmit unknown beacon frames and capture them. You train the CNN using these captured signals. You then program a software-defined radio (SDR) as a router impersonator that transmits beacon signals with the media access control (MAC) address of one of the known routers and use the CNN to identify it as an impersonator.