この例では,畳み込みニューラルネットワーク(CNN)を変調分類に使用する方法を説明します。チャネルで劣化した合成波形を生成します。生成された波形を学習データとして使用して,変調分類用のCNNを学習させます。その後,ソフトウェア無線(SDR)ハードウェアと無線信号を使用してCNNをテストします。

この例では,シミュレーションデータを使用して無線周波数(RF)指紋の畳み込みニューラルネットワーク(CNN)を設計する方法を示します。シミュレートした既知および未知のルーターからの無線ローカルエリアネットワーク(WLAN)ビーコンフレームを使用して,CNNに射频指紋を学習させます。その後,受信信号のメディアアクセス制御(MAC)アドレスをCNNで検出された射频指紋と比較することでWLANルーター偽装者を検出します。

この例では,取得データを使用して無線周波数(RF)指紋の畳み込みニューラルネットワーク(CNN)の学習を行う方法を示します。ソフトウェア無線(SDR)を使用して,実際のルーターから無線ローカルエリアネットワーク(WLAN)ビーコンフレームを取得します。特别提款权をもう1つプログラムして未知のビーコンフレームを送信し,それらを取得します。それらの取得した信号でCNNの学習を行います。その後,ルーター偽装者として既知のいずれかのルーターのメディアアクセス制御(MAC)アドレスでビーコン信号を送信するソフトウェア無線(SDR)をプログラムし,それをCNNを使用して偽装者として識別します。

この例では,厳密な対数尤度比(LLR)の推定用に信号とチャネル障害を生成してLLRNetというニューラルネットワークの学習を行う方法を示します。

使用5G工具箱™生成用于信道估计的深度学习训练数据。