你可以给个ｍａｔｌａｂ代码演示吗

当然可以，以下是使用1D-CNN分类离散信号的MATLAB代码示例：

首先，我们需要准备训练数据和测试数据。这里我们使用MATLAB内置的信号生成函数来生成两类不同的离散信号，分别是正弦信号和方波信号。代码如下：

% 生成正弦信号
fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间序列
x1 = sin(2*pi*50*t) + randn(size(t)); % 正弦信号加上噪声

% 生成方波信号
x2 = square(2*pi*50*t);

% 绘制信号波形图
figure;
subplot(2,1,1);
plot(t, x1);
xlabel('Time (s)');
ylabel('Amplitude');
title('Sinusoidal Signal');

subplot(2,1,2);
plot(t, x2);
xlabel('Time (s)');
ylabel('Amplitude');
title('Square Signal');

接下来，我们将生成的信号划分为训练集和测试集，代码如下：

% 将信号划分为训练集和测试集
trainRatio = 0.8; % 训练集比例
idx = randperm(length(t)); % 随机打乱信号序列
trainIdx = idx(1:round(length(t)*trainRatio)); % 训练集索引
testIdx = idx(round(length(t)*trainRatio)+1:end); % 测试集索引

% 构造训练数据和测试数据
XTrain = cat(3, x1(trainIdx)', x2(trainIdx)'); % 训练数据
YTrain = categorical([ones(1,length(trainIdx)), 2*ones(1,length(trainIdx))]); % 训练数据标签
XTest = cat(3, x1(testIdx)', x2(testIdx)'); % 测试数据
YTest = categorical([ones(1,length(testIdx)), 2*ones(1,length(testIdx))]); % 测试数据标签

然后，我们可以定义1D-CNN模型并进行训练，代码如下：

% 定义1D-CNN模型
numClasses = 2; % 类别数
inputSize = [1 length(t)*trainRatio 2]; % 输入大小
filterSize = 50; % 卷积核大小
numFilters = 10; % 卷积核个数
poolSize = 20; % 池化大小
numHiddenUnits = 100; % 隐藏层神经元个数

layers = [
    sequenceInputLayer(inputSize)
    convolution1dLayer(filterSize, numFilters,'Padding','same')
    batchNormalizationLayer
    reluLayer
    maxPooling1dLayer(poolSize,'Stride',poolSize)
    convolution1dLayer(filterSize, numFilters,'Padding','same')
    batchNormalizationLayer
    reluLayer
    maxPooling1dLayer(poolSize,'Stride',poolSize)
    lstmLayer(numHiddenUnits,'OutputMode','last')
    fullyConnectedLayer(numClasses)
    softmaxLayer
    classificationLayer];

% 定义训练选项
options = trainingOptions('adam', ...
    'MaxEpochs',30, ...
    'MiniBatchSize',50, ...
    'InitialLearnRate',1e-3, ...
    'Shuffle','every-epoch', ...
    'Verbose',false, ...
    'Plots','training-progress');

% 训练模型
net = trainNetwork(XTrain,YTrain,layers,options);

最后，我们可以使用训练好的模型对测试数据进行分类，并计算分类准确率，代码如下：

% 对测试数据进行分类
YPred = classify(net,XTest);

% 计算分类准确率
accuracy = sum(YPred == YTest)/numel(YTest);
fprintf('Test Accuracy: %0.2f%%\n',accuracy*100);

运行以上代码，就可以使用1D-CNN对离散信号进行分类了。当然，这只是一个简单的示例，实际应用中需要根据具体情况进行调整和优化。