使用深度学习训练用于频谱监测的语义分割网络。频谱监测的用途之一是表征频谱占用情况。本例中的神经网络经过训练以识别宽带频谱图中的5G NR和LTE信号。

为端到端通信系统建模，该系统带有自动编码器，可通过无线信道可靠地传输信息位。

使用卷积神经网络（CNN）进行调制分类。你可以生成合成的、通道受损的波形。使用生成的波形作为训练数据，训练CNN进行调制分类。然后用软件无线电（SDR）硬件和无线信号测试CNN。

利用仿真数据设计了一种射频（RF）指纹卷积神经网络（CNN）。您使用来自已知和未知路由器的模拟无线局域网（WLAN）信标帧对CNN进行训练，以进行射频指纹识别。然后比较接收信号的媒体访问控制（MAC）地址和CNN检测到的RF指纹，以检测WLAN路由器仿真器。

使用捕获的数据训练射频（RF）指纹卷积神经网络（CNN）。使用软件定义的无线电（SDR）从真实路由器捕获无线局域网（WLAN）信标帧。您可以编程第二个SDR来传输未知的信标帧并捕获它们。您可以使用这些捕获的信号训练CNN。然后，您可以编程一个软件定义无线电（SDR）作为路由器模拟器，通过媒体访问控制（MAC）传输信标信号一个已知路由器的地址，并使用CNN将其识别为冒充者。

生成信号和渠道障碍，以培训一个名为LLRNET的神经网络，以估计精确的对数似然比（LLR）。

使用5G工具箱生成用于信道估计的深度学习训练数据™.