CNN模型为AlexNet，由于实验室数据不可外泄，在此用ABC代替
识别原理是对ABC信号进行时频分析，生成时频图像，作为CNN的输入样本
由于信号A较长，将其分为3段，用其中一段（称为A1）和信号B、C组合成一个3个种类的样本集来进行训练测试，识别率良好在97%左右，当保存上述训练好的CNN网络，对信号A2和A3信号进行测试时识别正确率为0，说明A1A2A3为三个种类，CNN无法将其识别成一类，这个可以理解，可能有3段信号的特征不同，但是奇怪的来了！！！！！！！，当把A1A2A3组合成一个3个种类的样本集进行网络训练的时候，识别率只达到35%，那么对于3个种类的样本来讲，这就表示cnn不能把A1A2A3分开，说明他们是一个种类，这样的话前后矛盾了，
本人研二学生马上毕业，导师临时要我加内容，出现问题现在焦头烂额，可能本人才疏学浅，确实束手无策，请大神帮忙，能解决的也可以私聊。
首先怀疑你的数据的输入不正确，包括归一化不一致，输入数据的格式不对，数据预处理的方式不同等等。