使用卷积神经网络（CNN）进行调制分类。您生成合成，通道障碍波形。使用生成的波形作为培训数据，您可以培训CNN以进行调制分类。然后，使用软件定义的无线电（SDR）硬件和超空气信号测试CNN。

设计具有模拟数据的射频（RF）指纹卷积卷积神经网络（CNN）。您将使用已知和未知路由器的模拟无线局域网（WLAN）标信标帧培训CNN，用于RF指纹识别。然后，您可以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路由器模拟器。

用捕获的数据列车射频（RF）指纹卷积神经网络（CNN）。您使用软件定义的无线电（SDR）捕获从真实路由器的无线局域网（WLAN）信标帧。您将第二个SDR编程以传输未知信标帧并捕获它们。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）编程为路由器模拟器，其将信标信号发送与已知路由器之一的媒体访问控制（MAC）地址，并使用CNN将其识别为模拟器。

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 Toolbox™生成用于信道估计的深度学习培训数据。