利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描述频谱占用情况。本例中的神经网络经过训练，在宽带频谱图中识别5G NR和LTE信号。

对具有自动编码器的端到端通信系统进行建模，以在无线信道上可靠地传输信息位元。

使用卷积神经网络(CNN)进行调制分类。你生成合成的，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。然后用软件定义的无线电(SDR)硬件和无线信号测试CNN。

利用仿真数据设计射频指纹卷积神经网络(CNN)。您可以使用来自已知和未知路由器的模拟无线局域网(WLAN)信标帧来训练CNN进行射频指纹。然后比较接收信号的媒体访问控制(MAC)地址和CNN检测到的射频指纹，以检测WLAN路由器模拟者。

利用捕获的数据训练射频指纹卷积神经网络(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。你编程第二个SDR来传输未知的信标帧并捕获它们。你用这些捕获的信号训练CNN。然后编写一个软件定义的无线电(SDR)作为一个路由器模拟器，它使用一个已知路由器的媒体访问控制(MAC)地址传输信标信号，并使用CNN将其识别为一个模拟器。

产生信号和通道损伤来训练神经网络，称为LLRNet，以估计准确的对数似然比(LLR)。

使用5G工具箱™生成用于信道估计的深度学习训练数据。