如何使用CNN提取一百个信号波形的特征，其中每个信号有两万个以a+bi的复数形式存储的采样点存储在.mat文件中，请用python实现并给出示例代码

可以回答这个问题。以下是示例代码：

import numpy as np
import scipy.io as sio
from keras.models import Sequential
from keras.layers import Conv1D, MaxPooling1D, Flatten

# 加载.mat文件
data = sio.loadmat('data.mat')
signals = data['signals']  # 100个信号，每个信号有20000个采样点

# 将每个信号的实部和虚部分别作为输入
X = np.zeros((100, 2, 20000))
for i in range(100):
    X[i, 0, :] = signals[i, :].real
    X[i, 1, :] = signals[i, :].imag

# 构建CNN模型
model = Sequential()
model.add(Conv1D(filters=32, kernel_size=3, activation='relu', input_shape=(2, 20000)))
model.add(MaxPooling1D(pool_size=2))
model.add(Conv1D(filters=64, kernel_size=3, activation='relu'))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())

# 提取特征
features = model.predict(X)

# 输出特征的形状
print(features.shape)

这个示例代码使用了Keras库构建了一个简单的CNN模型，用于提取每个信号的特征。具体来说，每个信号的实部和虚部分别作为输入，经过两个卷积层和池化层后，最终输出一个长度为64的特征向量。最后，将这100个特征向量组成一个100x64的矩阵输出。