经典的信号处理方法是rule-based，使用采样定理、信息论和算法收敛分析，噪声以及分布建模。对算法的依赖性较强，鲁棒性差。

需求：从现有的rule-based体系，转移到data-driven体系，增强信号模型的适应能力，建立复杂实际问题和信号的拟合关系。

针对本公司常用的工业传感器，例如磁场传感器，振动传感器，声发射传感器等输出信号自动标记，自动识别。

具体实现的方式为：给定实时采集的数据样本，在人工标记后，可对新样本自动标记，完成训练后的神经网络模型能灵活部署到PC和嵌入式上，并能反向修正数据模型，提高识别精度。