文档帮助中心文档
将深度学习应用于无线通信系统仿真,使用深度学习工具箱™与通信工具箱,5 g的工具箱,WLAN的工具箱.有关信号处理应用程序,请参见使用深度学习的信号处理.
用于5G信道估计的深度学习数据合成(5 g工具箱)
使用5G工具箱™生成用于信道估计的深度学习训练数据。
建模一个端到端通信系统与自动编码器,以可靠地传输信息位通过无线信道。
使用卷积神经网络(CNN)进行调制分类。你产生合成的,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。然后用软件定义的无线电(SDR)硬件和无线信号测试CNN。
产生信号和通道损伤训练神经网络,称为LLRNet,以估计准确的对数似然比(LLR)。
利用模拟数据设计射频指纹卷积神经网络(CNN)。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路由器模拟器。
用捕获的数据训练射频指纹卷积神经网络(CNN)。您可以使用软件定义无线电(SDR)从真实路由器中捕获无线局域网(WLAN)信标帧。你编程第二个SDR传输未知信标帧并捕获它们。你用这些捕捉到的信号训练CNN。然后编写一个软件定义的无线电(SDR)作为路由器模拟器,它用其中一个已知路由器的媒体访问控制(MAC)地址发送信标信号,并使用CNN将其识别为一个模拟器。
您点击了一个对应于这个MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站来获得可用的翻译内容,并看到当地的活动和提供。根据您所在的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。
与当地办事处联系