ValueError: The last dimension of the inputs to a Dense layer should be defined. Found None. Full input shape received: (None, None)

这个错误是因为在构建模型时，输出层的神经元个数没有被正确设置。输出层的神经元个数应该与输出信号的维度（长度）相同。为了解决这个问题，我们可以将输出层的神经元个数设置为输出信号的长度。

修改模型构建函数 `build_model` 中的代码，将输出层的神经元个数设置为 `output_shape`：

def build_model(input_shape, output_shape):
    model = tf.keras.Sequential([
        tf.keras.layers.InputLayer(input_shape=input_shape),
        tf.keras.layers.Conv1D(filters=8, kernel_size=3, activation=tf.nn.relu),
        tf.keras.layers.MaxPool1D(pool_size=2),
        tf.keras.layers.Conv1D(filters=16, kernel_size=3, activation=tf.nn.relu),
        tf.keras.layers.MaxPool1D(pool_size=2),
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dense(units=32, activation=tf.nn.relu),
        tf.keras.layers.Dense(units=output_shape, activation=None)
    ])
    return model

然后，在调用 `build_model` 函数时，将输出信号的长度作为 `output_shape` 参数传递进去：

# 生成输入信号
input_signal = generate_input_signal(100)

# 将输入信号转换为形状为 (1, N, 1) 的张量
input_tensor = tf.constant(input_signal.reshape(1, -1, 1), dtype=tf.float32)

# 构建模型
model = build_model(input_shape=(None, 1), output_shape=len(input_signal))

# 在模型上运行输入信号，并获得输出信号
output_tensor = model(input_tensor)

# 将输出信号转换为 NumPy 数组，并绘制图像
output_signal = output_tensor.numpy().reshape(-1)
plt.plot(output_signal)
plt.show()

这样，就可以避免出现上述错误了。