这是使用深度学习工具箱中的长短时记忆（LSTM）网络在OFDM系统中的信号检测接收机处实现符号分类的示例。
基于LSTM的神经网络针对单个子载波进行训练，其中计算符号错误率（SER）并与最小二乘（LS）和最小均方误差（MMSE）估计进行比较。
在本初步调查中，假设在离线培训和在线部署阶段，无线信道是固定的。为了测试神经网络的鲁棒性，对每个发送的OFDM分组应用随机相移。
考虑了导频符号数和循环前缀（CP）长度的影响。
要重新创建模拟结果，请加载相应的mat文件并运行脚本Testing.m。

该代码的思想受到以下文件的启发：
H.Ye，G.Y.Li和B.Juang，“OFDM系统中信道估计和信号检测的深度学习的力量”，《IEEE无线通信通讯》，第7卷，第1期，第114-117页，2018年2月。