使用离线训练的神经网络(NN)应用数字预失真(DPD)来抵消功率放大器(PA)中非线性的影响。

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

利用深度学习训练语义分割网络进行频谱监测。频谱监测的用途之一是描述频谱占用情况。本例中的神经网络经过训练，可在宽带频谱图中识别5G NR和LTE信号。

建模一个带有自动编码器的端到端通信系统，通过无线信道可靠地传输信息位。

利用卷积神经网络(CNN)进行调制分类。你产生合成的，信道受损的波形。使用生成的波形作为训练数据，训练CNN进行调制分类。然后使用软件定义无线电(SDR)硬件和无线信号测试CNN。

生成信号和通道损伤来训练一个称为LLRNet的神经网络，以估计确切的对数似然比(LLR)。

利用模拟数据设计一种射频指纹卷积神经网络。您使用来自已知和未知路由器的模拟无线局域网(WLAN)信标帧训练CNN，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路由器模仿者。

用捕获的数据训练射频指纹卷积神经网络。您使用软件定义无线电(SDR)从实际路由器捕获无线局域网(WLAN)信标帧。你编写第二个SDR来传输未知信标帧并捕获它们。你用这些捕获的信号训练CNN。然后，您将软件定义无线电(SDR)编程为路由器模拟程序，它使用已知路由器之一的媒体访问控制(MAC)地址传输信标信号，并使用CNN将其识别为模拟程序。