深度学习应用于OFDM系统

本资源是文献Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems的代码部分

from __future__ import division
import numpy as np
import scipy.interpolate 
import tensorflow as tf
import math
import os
K = 64
CP = K//4
P = 64 # number of pilot carriers per OFDM block
#pilotValue = 1+1j
allCarriers = np.arange（K）  # indices of all subcarriers （[0 1 ... K-1]）
pilotCarriers = allCarriers[::K//P] # Pilots is every （K/P）th carrier.
#pilotCarriers = np.hstack（[pilotCarriers np.array（[allCarriers[-1]]）]）
#P = P+1
dataCarriers = np.delete（allCarriers pilotCarriers）
mu = 2
payloadBits_per_OFDM = len（dataCarriers）*mu  # number of payload bits per OFDM symbol

payloadBits_per_OFDM = K*mu

SNRdb = 20  # signal to noise-ratio in dB at the receiver 

mapping_table = {
    （00） : -1-1j
    （01） : -1+1j
    （10） : 1-1j
    （11） : 1+1j
}

demapping_table = {v : k for k v in mapping_table.items（）}

def Modulation（bits）:                                        
    bit_r = bits.reshape（（int（len（bits）/mu） mu））                  
    return （2*bit_r[:0]-1）+1j*（2*bit_r[:1]-1）                                    # This is just for QAM modulation

def OFDM_symbol（Data pilot_flag）:
    symbol = np.zeros（K dtype=complex） # the overall K subcarriers
    #symbol = np.zeros（K） 
    symbol[pilotCarriers] = pilotValue  # allocate the pilot subcarriers 
    symbol[dataCarriers] = Data  # allocate the pilot subcarriers
    return symbol

def IDFT（OFDM_data）:
    return np.fft.ifft（OFDM_data）

def addCP（OFDM_time）:
    cp = OFDM_time[-CP:]               # take the last CP samples ...
    return np.hstack（[cp OFDM_time]）  # ... and add them to the beginning

def channel（signalchannelResponseSNRdb）:
    convolved = np.convolve（signal channelResponse）
    signal_power = np.mean（abs（convolved**2））
    sigma2 = signal_power * 10**（-SNRdb/10）  
    noise = np.sqrt（sigma2/2） * （np.random.randn（*convolved.shape）+1j*np.random.randn（*convolved.shape））
    return convolved + noise

def removeCP（signal）:
    return signal[CP:（CP+K）]

def DFT（OFDM_RX）:
    return np.fft.fft（OFDM_RX）


def equalize（OFDM_demod Hest）:
    return OFDM_demod / Hest

def get_payload（equalized）:
    return equalized[dataCarriers]


def PS（bits）:
    return bits.reshape（（-1））




def ofdm_simulate（codeword channelResponseSNRdb）:       
    OFDM_data = np.zeros（K dtype=complex）
    OFDM_data[allCarriers] = pilotValue
    OFDM_time = IDFT（OFDM_data）
    OFDM_withCP = addCP（OFDM_time）
    OFDM_TX = OFDM_withCP
    OFDM_RX = channel（OFDM_TX channelResponseSNRdb）
    OFDM_RX_noCP = removeCP（OFDM_RX）

    # ----- target inputs ---
    symbol = np.zeros（K dtype=complex）
    codeword_qam = Modulation（codeword）
    symbol[np.arange（K）] = codeword_qam
    OFDM_data_codeword = symbol
    OFDM_time_codeword = np.fft.ifft（OFDM_data_codeword）
    OFDM_withCP_cordword = addCP（OFDM_time_codeword）
    OFDM_RX_codeword = channel（OFDM_withCP_cordword channelResponseSNRdb）
    OFDM_RX_noCP_codeword = removeCP（OFDM_RX_codeword）
    return np.concatenate（（np.concatenate（（np.real（OFDM_RX_

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

    .......     11738  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\Example.py

     文件      14320  2018-11-16 14:27  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\Example_read.py

     文件        590  2018-11-16 09:32  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\Main.py

     文件      13436  2018-11-21 14:11  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\OFDM_ChannelEstimation_DeepLearning_QAM_random_pilot.py

    .......     15348  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\OFDM_ChannelEstimation_DeepLearning_QAM_random_pilot_withoutCP.py

    .......     14999  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\OFDM_ChannelEstimation_DeepLearning_QAM_random_pilot_with_different_pilots.py

     文件        881  2018-11-16 10:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\partial test.py

    .......       800  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\Pilot_16

    .......      3200  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\Pilot_64

    .......       400  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\Pilot_8

     文件        232  2018-11-15 18:41  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\ReadMe.txt

    .......      6374  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\Test.py

     文件       9998  2018-11-16 12:28  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\Train.py

    .......      6582  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\Train.pyc

    .......      7486  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\utils.py

    .......      5220  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection\utils.pyc

    .......       285  2017-12-22 04:06  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\ReadMe.rst

     文件        287  2018-11-15 13:47  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\网上说明.txt

     目录          0  2019-01-01 15:47  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems\DNN_Detection

     目录          0  2018-11-21 14:03  Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems

----------- ---------  ---------- -----  ----

               112176                    20