1.算法运行效果图预览
2.算法运行软件版本
matlab2022a
3.算法理论概述
正交频分复用（OFDM）是一种多载波调制技术，已经广泛应用于数字通信领域。OFDM信号检测是接收端的关键问题之一，目的是将接收到的OFDM信号恢复为原始数据。由于OFDM信号具有高带宽效率、抗多径衰落等特点，可以在高速移动环境下实现高速数据传输。但是，OFDM信号的检测存在一些困难，例如频率偏移、信道估计误差、多路径干扰等。为了解决这些问题，近年来，深度学习技术被广泛应用于OFDM信号检测中。
3.基于DNN的OFDM信号检测模型
基于DNN的OFDM信号检测模型可以表示为：
$$\hat{s}{n,k}=\arg\max{s_{n,k}}P(s_{n,k}|r_{n,k},\theta)$$
其中，$\hat{s}{n,k}$是预测的数据符号，$r{n,k}$是接收到的OFDM信号，$\theta$是模型参数。该模型可以通过DNN深度学习网络来学习OFDM信号的映射关系，从而实现OFDM信号的检测。
在实际应用中，需要实现实时OFDM信号检测。这可以通过将训练好的模型部署到实际系统中来实现。在实时检测过程中，需要对接收到的OFDM信号进行预处理，并将其输入到训练好的模型中进行检测。实时检测的实现需要考虑到时间延迟、资源限制等因素。
基于DNN深度学习网络的OFDM信号检测已广泛应用于数字通信领域。它可以用于解决OFDM信号检测中的一些难题，例如频率偏移、信道估计误差、多路径干扰等。此外，它还可以用于无线电频谱感知、无线电干扰检测等领域。
4.部分核心程序
Transmitted_signal =OFDM_Transmitter(data_in_IFFT, NFFT, NCP);
%信道
Ray_h_ofdm = (1 /sqrt(2)) * randn(len_symbol, 1) + (1 / sqrt(2)) * 1j * randn(len_symbol, 1); %Rayleigh channel coff
Rayleigh_h_channel =repmat(Ray_h_ofdm, Frame_size, 1);
Rayleigh_Fading_Signal = awgn(Rayleigh_h_channel .*Transmitted_signal,SNR,'measured');
signal_ideal =Rayleigh_Fading_Signal ./ Rayleigh_h_channel;
Multitap_h = [(randn + 1j * randn);...
(randn + 1j * randn) /24] ;
%卷积通过信道
Multipath_Signal =conv(Transmitted_signal, Multitap_h);
Multipath_Signal =awgn(Multipath_Signal(1 : length(Transmitted_signal)),SNR,'measured');
% OFDM接收
[Rsignals0, Rsignalsh0] = OFDM_Receiver(Multipath_Signal, NFFT, NCP,len_symbol, signal_ideal);
%进行深度学习部分，使用已训练好的神经网络进行解调
[DNN_feature_signal, ~, ~] = Extract_Feature_OFDM(Rsignals0,dataSym(1:2), M, QPSK_signal(1:8));
Received_data_DNN =predict(DNN_Trained, DNN_feature_signal);
Received_data_DNN =transpose(Received_data_DNN);
DNN_Received_data =Received_data_DNN(1:2:end, :) + 1j * Received_data_DNN(2:2:end, :);
DNN_dataSym_Rx =QPSK_Demodulator(DNN_Received_data);
DNN_dataSym_Received =de2bi(DNN_dataSym_Rx, 2);
DNN_Data_Received =reshape(DNN_dataSym_Received, [], 1);
DNN_sym_err(ij, 1) =sum(sum(round(dataSym(1:8)) ~= round(DNN_dataSym_Rx)));
DNN_bit_err(ij, 1) =sum(sum(round(reshape(de2bi(dataSym(1:8), 2),[],1)) ~=round(DNN_Data_Received)));
end
Bers(idx, 1) = sum(DNN_bit_err, 1) / N_bits_DNN; %计算平均比特误码率
Sers(idx, 1) = sum(DNN_sym_err, 1) / N_QPSK_DNN; %计算平均符号误码率
