基于深度学习的OFDM接收机

首先想指明一下，这是一个通信原理课程的三级项目，并不十分完善，希望对你有指导意义。

仿真环境：Python3.8 + TensorFlow2.4

仿真代码：https://pan.baidu.com/s/1Y3yaccwIFWmXN68gaIaf4Q?pwd=eda6 
提取码：eda6 
 

一、深度学习

        深度学习，这个词大家应该都听说过，一听到还很有高级感。在网上搜素资料，我总结了一下：深度学习是基于人工神经网络的更广泛的机器学习方法族的一部分。第一点，深度学习是机器学习的一部分；第二点，深度学习是以人工神经网络为基础的。何为人工神经网络？可以和人的神经网络做一下对比：

       

        在这次的仿真中使用到的神经网络主要是深度神经网络（DNN）。

        简单的理解就是： 中间的隐藏层越多（也就是算法越复杂），能完成的功能越强大。

二、OFDM接收机

        下面是OFDM的结构框图，真正的接收是在过了信道以后。

        OFDM，正交频分复用：

三、深度学习+OFDM

        根据无线通信与深度学习结合的经典之作《Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems》，以及对应的源码来进行仿真。

---

论文题目： Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems
论文地址： https://ieeexplore.ieee.org/document/8052521/
github源码地址: https://github.com/haoyye/OFDM_DNN

---

        简单介绍一下它的模型：

1. 中心思想：用神经网络来代替传统OFDM通信中的信道估计和信号检测部分。
2. 具体实现： 

   

   1. 输入一个接收机已知的信号x1（记为导频信号）；
   2. 记接收到的信号为y1，那么：y1/x1=h(x)，得出信道传输函数；
   3. 输入接收机未知的数据信号x2，利用已经求出的h(x)，接收机：x2=y2/h(x)；
   4. 具体模型中，数据信号和导频信号同时输入，然后经过神经网络的运算，在接收端还原根据算法原理误差最小的数据信号。

 

四、心得

        做这个仿真时，只是刚学完通信原理这门课，学得也是一知半解，OFDM这部分老师也让自学。而且虽然之前听说过深度学习，但从没接触过。好在在网上找到了对应的代码，但是代码的年龄有点久远，它最初是在Python2.7+ubuntu16.0上运行成功的。现在Windows都下载不到Python2.7了，虽然ubuntu上的Linux操作系统里能下，但如何运行我也是一窍不通，试过了，但被吓退了。然后就在Python3.8上捣鼓，单单是安装那些个依赖库，我都废寝忘食弄了三四天，然后又由于版本的问题，有些函数得改：报一个错，弄一天改过来；再报一个错，又弄一天改过来......

这种不断改错不断报错的“辛酸”历程，只好以“路漫漫其修远兮，吾将上下而求索”聊以自慰。

        另外，由于电脑性能一般，但是得先进行线下训练才能进行仿真，而线下训练需要GPU，所以使用的线下数据是在GitHub上找到的，只是用电脑进行了仿真。我修改的源码和所使用的数据都在我最前面提供的源码地址里。

        做这个项目的时间不长，时间很紧张，每天从早到晚对着电脑改改改，而且成就感很低，要花很长的时间才能解决一个小问题，所以很考验心态。当然了，因为我是小白，所以才一切都不容易，对经验丰富的大佬来说或许能很快解决。这个过程真的很辛苦，但拓宽了自己的知识域，也是一种挑战，反正平庸着也是平庸着，不如试试。