这个例子使用长期的短期记忆(LSTM)网络的深度学习工具箱实现符号分类在OFDM接收机对信号检测系统。
LSTM-based神经网络训练的一个副载波,在符号错误率(SER)计算并与最小二乘(LS)和最小均方误差(MMSE)估计。
无线信道被认为是固定在离线训练和在线部署在这个初步调查阶段。为了测试神经网络的鲁棒性,应用随机相移为每个OFDM传输数据包。
飞行员的数量影响的符号和循环前缀(CP)的长度。
重新创建仿真结果,请加载相应的垫Testing.m文件并运行脚本。
这段代码的想法的灵感来自于:
h .你们g . y .李和b Juang“深度学习的OFDM系统的信道估计和信号检测,“在IEEE无线通信信件,7卷,没有。1,第117 - 114页,2018年2月。
引用作为
——Narengerile (2023)。基于深度学习在OFDM系统中信号检测(//www.tianjin-qmedu.com/matlabcentral/fileexchange/72321-deep-learning-based-signal-detection-in-ofdm-systems), MATLAB中央文件交换。检索。
SignalDetection_DNN_SU_OFDM
版本 | 发表 | 发布说明 | |
---|---|---|---|
1.0.0 |
|