1.算法描述

信道估计器是接收机一个很重要的组成部分。在OFDM系统中，信道估计器的设计上要有两个问题:一是导频信息的选择，由于无线信道的时变特性，需要接收机不断对信道进行跟踪，因此导频信息也必须不断的传送: 二是既有较低的复杂度又有良好的导频跟踪能力的信道估计器的设计，在确定导频发送方式和信道估计准则条件下，寻找最佳的信道估计器结构。 **在实际设计中，导频信息的选择和最佳估计器的设计通常又是相互关联的，因为估计器的性能与导频信息的传输方式有关。
本课题，我们采用GRNN神经网络进行OFDM的信道估计。

GRNN基本原理如下：

GRNN，General Regression Neural Network，即广义回归神经网络，最早是由美国的Donald F.Specht教授于1991年提出的基于非线性的回归理论的人工神经网络模型[47,48]。GRNN广义回归神经网络具有较好的网络适应能力，从而使得神经网络能够更加方便的进行网络训练和学习。因此，GRNN在信号过程、控制决策系统结构分析等各个科学和工程领域得到了广泛的应用。GRNN广义回归神经网络以非参数核回归为基础，以样本数据作为后验概率验证条件并进行非参数估计，最后从训练样本中计算GRNN网络中因变量和自变量之间的关联密度函数，从而计算得到因变量相对自变量的回归值。GRNN广义回归神经网络最大的优势在于其方便的网络参数设置功能，整个神经网络只需要通过设置GRNN核函数中的光滑因子就可以调整GRNN网络的性能。

假设GRNN神经网络中的两个随机变量x和y，其联合概率密度函数为f (x ,y)，且x的观测样本为X，即条件均值为：

对于未知的概率密度函数f (x, y)，则可根据x和y的观测样本通过非参数估计得：

简化后可得：

为人工神经网络的最终输出表达式。通过公式3.15可知，GRNN神经网络的输出数据和训练样本的误差主要有平滑因子决定的，因此，GRNN神经网络具有非常简便的性能控制方式，只需通过调整平滑因子就可获得较好的性能。

2.仿真效果预览

matlab2022a仿真结果如下：

3.MATLAB核心程序

%以单天线方式产生测试信号msg                            = rand(Len*Nc/4,1)>=0.5;%turbo编码seridata1                      = func_turbo_code(msg,N,M);seridata                       = [seridata1,zeros(1,Len*Nc-length(seridata1))]';%QPSK映射[Qpsk0,Dqpsk_pilot,symbol_bit] = func_piQPSK_mod(seridata);%变换为矩阵   Qpsk_matrix                    = reshape(Qpsk0,fftlen,Nc);[Pilot_in,pilot_num,Pilot_seq,pilot_space] = func_insert_pilot(Dqpsk_pilot,Qpsk_matrix,pilot_type,T,TG);Pilot_in                       = fft(Pilot_in);%sub carrier mappingPilot_in                       = func_subcarrierMap(Pilot_in); %IFFT transform，产生OFDM信号ifft_out                       = ifft(Pilot_in);%插入包含间隔     Guard_int                      = ceil(BWs/fftlen);  Guard_int_ofdm                 = func_guard_interval_insert(ifft_out,fftlen,Guard_int);%将矩阵数据转换为串行进行输出Guard_int_ofdm_out             = reshape(Guard_int_ofdm,1,(fftlen+Guard_int)*(Nc+pilot_num));%%[Hm,Hmmatrix]            = func_mychannels(Radius,Scale1,Scale2,Nh,Nv);       %Step2：多径参数[passchan_ofdm_symbol]   = func_conv_channels(Hmmatrix,Guard_int_ofdm_out,Nmultipath,Pow_avg,delay_multi,Fre_offset,timeval,iii);%Step3：噪声信道 %大尺度衰落receivepower             = func_largefade(sendpower,d_,w_,f_);snr                      = 10^(SNR_dB(i)/10);sgma                     = sqrt(receivepower*timeval/(2*snr)/2);Rec_ofdm_symbol          = awgn(passchan_ofdm_symbol,SNR_dB(i),'measured');Rec_ofdm_symbol          = Rec_ofdm_symbol + normrnd(0,sgma,size(Rec_ofdm_symbol));%%%开始接收Guard_int_remove = func_guard_interval_remove(Rec_ofdm_symbol,(fftlen+Guard_int),Guard_int,(Nc+pilot_num));%FFTfft_out          = fft(Guard_int_remove);%sub carrier demappingfft_out          = func_desubcarrierMap(fft_out);fft_out          = ifft(fft_out);%信道估计%MLP                            dins,   posxy,      Dat_pilot,N_pilot,  t1,               t2,          Noise,Cp[Sig_Lrmmse,Hs]  = func_mlp_est(fft_out,pilot_space,Pilot_seq,pilot_num,delay_avg/timeval,4e-6/timeval,10^(SNR_dB(i)/10),Guard_int);%解调Dqpsk            = func_pideMapping(Sig_Lrmmse,fftlen*Nc);%turbo解码Dqpsk_decode     = [func_turbo_decode(2*Dqpsk(1:end-(Len*Nc-length(seridata1)))-1,N,M)]';%计算误码率err_num          = Len*Nc/4-length(find(msg==Dqpsk_decode(1:Len*Nc/4)));err_num2         = mean((msg-Dqpsk_decode(1:Len*Nc/4)).^2);Error            = Error + err_num;Mses             = Mses + err_num2;end
end
01_158m

4.完整MATLAB

m基于机器学习MLP的OFDM信道估计误码率matlab仿真,对比LS和MMSE两种信道估计算法相关推荐

m基于深度学习的OFDM信道估计和均衡算法误码率matlab仿真,对比了LS,MMSE以及LMMSE等传统的信道估计算法
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述随着无线通信的快速发展,5G正逐渐成长为支撑全社会各行业运作的大型基础性互联网络,其服务范围的大幅扩 ...
m基于RBF神经网络和BP神经网络的信道估计误码率matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述在无线通信系统中,从发射端发射的信号,经过直射.反射.散射等路径到达接收端.在ofdm系统中,为了获 ...
m基于matlab的光通信的信道估计，均衡，抑制papr误码率仿真,对比ZF,RLS,MMSE三种算法
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述可见光通信的信道估计,均衡,抑制papr. 不考虑光信道,用传统的无线通信的OFDM的信道估计,均衡 ...
基于LS最小二乘法的OFDM信道估计误码率matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 ofdm基本结构如下所示: 信道估计是使用接收信号表现出来的各种状态来对信道的特性进行估计的过程.信 ...
m基于Berlekamp-Massey钱搜索算法的BCH译码误码率matlab仿真
目录 1.算法仿真效果 2.算法涉及理论知识概要 3.MATLAB核心程序 4.完整算法代码文件 1.算法仿真效果 matlab2022a仿真结果如下: 2.算法涉及理论知识概要 BCH编译码是一种纠 ...
【ISAR成像定标方法（3）—基于SGP4模型的空间目标定标方法MATLAB仿真】
目录前提介绍基于SGP4模型的转速估计基于SGP4模型的空间目标定标仿真实验结语前提介绍本章内容简介:本文研究了使用双行轨道报和SGP4模型估计空间LEO目标位置信息,并根据几何关系推测目 ...
▶链路层第三弹◀ 两种信道下的数据链路层【下】广播通信CSMA/CD
两种信道情况下的数据链路层之广播信道的数据链路层---CSMA/CD(载波监听多路访问/冲突检测) l 局域网概念在局域网中用到的就是广播通信,所以以局域网的通信来讲解广播信道的数据链 ...
ML之RF：基于葡萄牙银行机构营销活动数据集(年龄/职业/婚姻/违约等)利用Pipeline框架(两种类型特征并行处理)+RF模型预测(调参+交叉验证评估+模型推理)客户是否购买该银行的产品二分类案例
ML之RF:基于葡萄牙银行机构营销活动数据集(年龄/职业/婚姻/违约等)利用Pipeline框架(两种类型特征并行处理)+RF模型预测(调参+交叉验证评估+模型推理)客户是否购买该银行的产品二分类案例 ...
码元速率 matlab,[转载]基于小波变换的移相键控信号符号速率估计（matlab仿真）...
西安电子科技大学西电大宝在电子技术迅猛发展的当代社会,空间中充满了各种各样不同频率.不同调制类型的通信信号.正常通信条件下,发送方和接受方进行的是合作通信,即接受方预先知道发送信号的频率.调制类 ...

m基于机器学习MLP的OFDM信道估计误码率matlab仿真,对比LS和MMSE两种信道估计算法

1.算法描述

2.仿真效果预览

3.MATLAB核心程序

4.完整MATLAB

m基于机器学习MLP的OFDM信道估计误码率matlab仿真,对比LS和MMSE两种信道估计算法相关推荐

最新文章

热门文章