莱斯信道下的OFDM仿真，进行发送数据帧的存储，存储为深度学习中训练模型的训练集、测试集、验证集.zip

# 莱斯信道下的OFDM仿真，进行发送数据帧的存储，存储为深度学习中训练模型的训练集、测试集、验证集 ## 1 OFDM参数 该目录下有两种调制方式的发送机QPSK和BPSK -- BPSK_OFDM_rician_OneDimension.m 是BPSK的调制方式 -- OFDM_rician_OneDimension.m 是QPSK的调制方式 根据需求，运行程序即可 子载波数量256 一个OFDM有2个符号 循环前缀子载波的1/4，为64 ## 2 数据集参数 发送端产生的一帧数据是2×225 = 450 ，作为数据集的标签 接受端一帧数据就是2×（256+64）=2*320 = 640，2表示IQ两个信号，640长度的帧数据作为数据集的每帧训练数据 ## 3 莱斯信道的参数 ``` RicianChannel = comm.RicianChannel( ... 'SampleRate', Rs, ...%采样率 'PathDelays', PathDelays, ...%路径延迟 'AveragePathGains', PathAvGains, ...%路径增益 'NormalizePathGains', true, ... 'KFactor', K, ...%K因子 'MaximumDopplerShift', fD, ...%最大多普勒频移 'DirectPathDopplerShift', zeros(size(K)), ... 'DirectPathInitialPhase', zeros(size(K)), ... 'DopplerSpectrum', doppler('Jakes') ...%采用的Jakes信道模型 ); ``` ## 4 数据存储的思路 首先初始化一个存储所有帧数据的容器 ``` % 144行 frameStore = helperModClassFrameStoreTest(... Nframes,perFrameLength,initialLabel); ``` 再把每一帧数据，放入到该容器当中 ``` % 193行 add(frameStore, frame, perFrameLabel);%modulationTypes(modType)); ``` 最后划分容器里所有数据分为训练集、验证集、测试集 ``` % 223行 [mcfsTraining,mcfsValidation,mcfsTest] = splitData(frameStore,... [percentTrainingSamples,percentValidationSamples,percentTestSamples]); % 从训练集中返回存储的帧和相应的标签。 [rxTraining,rxTrainingLabel] = get(mcfsTraining); % 从验证集中返回存储的帧和相应的标签。 [rxValidation,rxValidationLabel] = get(mcfsValidation); % 从测试集中返回存储的帧和相应的标签。 [rxTest,rxTestLabel] = get(mcfsTest); ``` ## 5 运行 实验环境：MATLAB 自定义发送帧的数量：修改第五行第二个参数 自定义信噪比：修改第五行，第一个参数 ## ## 6 源码下载 https://github.com/823316627bandeng/OFDM_Rician_simulation_for_DeepLearning