这是OFDM系统中利用深度学习工具箱中的长短期记忆(LSTM)网络实现接收端符号分类进行信号检测的一个例子。
基于lstm的神经网络针对单个子载波进行训练，计算符号误码率(SER)，并与最小二乘(LS)和最小均方误差(MMSE)估计进行比较。
在本次初步调查中，假设无线信道在离线培训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包进行随机相移。
考虑了导频符号个数和循环前缀长度的影响。
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。

这个代码的想法是受到论文的启发:
李国银，“基于深度学习的OFDM系统的信道估计和信号检测”，《IEEE无线通信通讯》，第7卷，第2期。1，第114-117页，2018年2月。