基于MATLAB的一维CNN信号分类：.mat数据集构建及trainNetwork报错问题

我之前在做一维信号分类的CNN时踩过完全一样的坑——imageDatastore是专门为2D/3D图像设计的工具，强行用它加载一维n×1的.mat信号，会因为维度不匹配在trainNetwork阶段报错。下面是几种经过验证的解决方案：

方法1：使用arrayDatastore（推荐，MATLAB R2020b+） #

arrayDatastore是MATLAB专门为数组型数据设计的数据存储类，完美适配一维信号场景，不需要强行模拟图像维度：

% 1. 获取所有.mat信号文件的路径
signalFolder = 'your_signal_directory'; % 替换为你的信号文件夹路径
fileList = dir(fullfile(signalFolder, '*.mat'));
filePaths = fullfile(signalFolder, {fileList.name});

% 2. 创建arrayDatastore，指定读取函数（假设每个.mat里存了名为signal的n×1数组）
ads = arrayDatastore(filePaths, 'ReadFcn', @(filePath) load(filePath).signal);

% 3. 绑定标签（如果需要）
% 假设标签存在一个和文件顺序对应的labels数组里（比如categorical类型）
labels = your_label_array; % 替换为你的标签数据
ds = combine(ads, arrayDatastore(labels));

% 4. 定义一维CNN的输入层（关键：输入维度设为[信号长度 1 1]）
inputLayer = imageInputLayer([n 1 1], 'Name', 'input');
% 后续构建网络、调用trainNetwork即可直接使用ds

方法2：手动整理为标准CNN输入格式 #

如果你的MATLAB版本较低，不支持arrayDatastore，可以手动把所有信号整理成CNN能识别的维度格式（将一维信号转为[信号长度 1 1]的单通道"伪图像"）：

signalFolder = 'your_signal_directory';
fileList = dir(fullfile(signalFolder, '*.mat'));
filePaths = fullfile(signalFolder, {fileList.name});

% 初始化存储变量
allSignals = [];
labels = [];
signalLength = n; % 替换为你的信号固定长度

for i = 1:length(filePaths)
    % 加载单个信号
    data = load(filePaths{i});
    singleSignal = data.signal;
    
    % 调整维度为[信号长度 1 1]，匹配CNN输入要求
    formattedSignal = reshape(singleSignal, [signalLength 1 1]);
    allSignals = cat(4, allSignals, formattedSignal);
    
    % 提取标签（示例：从文件名提取，比如"classA_001.mat"）
    [~, fileName, ~] = fileparts(filePaths{i});
    className = split(fileName, '_');
    labels = [labels, categorical(className{1})];
end

% 构建可用于trainNetwork的数据集
augDs = augmentedArrayDatastore([signalLength 1 1], allSignals, labels);

为什么imageDatastore会报错？ #

imageDatastore默认会将加载的内容解析为图像的H×W×C维度，你的n×1数组会被误判为1×n的单通道图像，而你的一维CNN输入层大概率设置的是[n 1 1]，维度完全不匹配，最终导致trainNetwork无法处理输入数据。

内容的提问来源于stack exchange，提问作者Kaushik D