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。
引用为
-Narengerile(2021年)。OFDM系统中基于深度学习的信号检测(//www.tianjin-qmedu.com/matlabcentral/fileexchange/72321-deep-learning-based-signal-detection-in-ofdm-systems),MATLAB中央文件交换。恢复.
MATLAB版本兼容性
使用R2019a创建
与任何版本兼容