中心d 'aide中心d 'aide
您可以使用深度学习工具箱™特性在无线通信系统中帮助训练接收算法。
开发宣传
ofdmmod
ofdmdemod
signalDatastore
模型一个端到端的正交分频调制(OFDM)通信系统与一个autoencoder可靠地传输信息通过无线信道。
压缩下行信道状态信息(CSI) 5 g系统通过使用autoencoder神经网络。
火车深Q-network (DQN)强化学习代理梁选择5 g新的无线电通信系统。
使用神经网络来减少开销梁选择任务通过使用接收器的位置,而不是知识的沟通渠道。
使用神经网络,训练网络,应用数字预失真补偿功率放大器的非线性的影响。
使用神经网络,离线训练,应用数字预失真补偿功率放大器的非线性的影响。
火车语义分割使用深度学习频谱监测网络。
模型与一个autoencoder端到端通信系统可靠地传输信息通过无线信道。
使用一个卷积神经网络(CNN)的调制分类。你生成合成,channel-impaired波形。使用生成的波形作为训练数据,你训练的CNN调制分类。然后用软件定义无线电(SDR)硬件测试CNN和无线信号。
部署一个pretrained卷积神经网络(CNN) Xilinx调制分类®Zynq®UltraScale +™MPSoC ZCU102评估工具。
火车IEEE的卷积神经网络®802.11 az™本地化和定位。
设计一个无线电频率(RF)指纹卷积神经网络(CNN)和模拟数据。你训练的CNN模拟无线局域网(WLAN)信标帧从已知和未知路由器射频指纹识别。然后比较收到的媒体访问控制(MAC)地址信号和射频指纹CNN检测WLAN路由器检测到的模仿者。
火车一个无线电频率(RF)指纹卷积神经网络(CNN)获取的数据。你捕捉的无线局域网(WLAN)信标帧的路由器使用软件定义无线电(SDR)。你计划第二个特别提款权传送未知信标帧和捕获它们。你训练CNN使用这些捕获信号。然后程序软件定义无线电(SDR)作为一个路由器冒名顶替者发送信标信号与媒体访问控制(MAC)地址的一个路由器和使用CNN确定它被称为一个冒名顶替者。
产生信号通道障碍来训练神经网络,称为LLRNet,估计精确对数似然率(LLR)。
生成深度学习训练数据信道估计使用5 g的工具箱™。
你们有派对在联合国留置权,对应这个对MATLAB:
倒实行la对saisissez-la在fenetre德对MATLAB。Les navigateurs web不sup金宝appportent Les MATLAB命令。
选择一个网站
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室