OFDM 系统中基于深度学习的信号检测:长短期记忆 (LSTM) 网络用于创建深度神经网络 (DNN),用于 OFDM 接收器处的符号分类。-matlab开发

上传者: 38605801 | 上传时间: 2021-10-28 15:47:03 | 文件大小: 978KB | 文件类型: -
这是在深度学习工具箱中使用长短期记忆(LSTM)网络在接收器处实现符号分类以在OFDM系统中进行信号检测的示例。 基于 LSTM 的神经网络针对单个子载波进行训练,其中符号错误率 (SER) 被计算并与最小二乘 (LS) 和最小均方误差 (MMSE) 估计进行比较。 在此初步调查中,假设无线信道在离线训练和在线部署阶段是固定的。 为了测试神经网络的鲁棒性,对每个传输的 OFDM 数据包应用随机相移。 考虑了导频符号数量和循环前缀(CP)长度的影响。 要重新创建仿真结果,请加载相应的Mat文件并运行脚本Testing.m。 这段代码的想法受到论文的启发: H. Ye、GY Li 和 B. Juang,“OFDM 系统中信道估计和信号检测深度学习的力量”,IEEE 无线通信快报,第一卷。 7号1,第 114-117 页,2018 年 2 月。

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明