这是在深度学习工具箱中使用长短期内存（LSTM）网络在接收器上实现符号分类的一个示例，以在OFDM系统中进行信号检测。
基于LSTM的神经网络是针对单个子载波进行训练的，其中计算了符号误差率（SER），并将其与最小正方形（LS）和最小均方误差（MMSE）估计进行比较。
假定无线渠道在离线培训期间和在线部署阶段进行了固定。为了测试神经网络的鲁棒性，为DM数据包进行了随机相移。
考虑了试点符号数量和循环前缀（CP）的长度的影响。
要重新创建仿真结果，请加载相应的垫子文件并运行脚本testing.m。

该代码的想法受论文的启发：
H. Ye，G。Y. Li和B. Juang，“在OFDM系统中进行渠道估计和信号检测的深度学习力量”，IEEE无线通信信，第1卷。7，不。1，第114-117页，2018年2月。