m基于OFDM+QPSK和DNN深度学习信道估计的无线图像传输matlab仿真,输出误码率曲线,并用实际图片进行测试

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

       基于OFDM+QPSK和DNN深度学习信道估计的无线图像传输"是一种无线通信系统，它利用正交频分复用（OFDM）和四相位偏移键控（QPSK）技术来传输图像数据，并借助深度神经网络（DNN）来进行信道估计，从而提高信号传输的可靠性和效率。

       OFDM是一种常用的多载波调制技术，它将高速数据流分为多个低速子载波，并使每个子载波之间正交，从而提高频谱利用率和抗干扰能力。QPSK是一种常见的调制方式，它将每两个比特映射为一个复数信号点，每个信号点对应四个相位（0°、90°、180°、270°）。无线图像传输系统由发送端和接收端组成。发送端将图像数据转换为比特流，然后采用QPSK调制和OFDM技术将比特流映射到不同的子载波上，生成OFDM符号序列。接收端接收OFDM符号序列，并利用DNN进行信道估计，根据估计得到的信道状态信息对接收信号进行解调和解调制，最终恢复出原始图像数据。

       DNN是一种深度学习模型，用于从接收信号中学习信道特征。DNN的输入是接收信号的采样值，输出是对应的信道状态信息。训练DNN需要使用已知信道状态信息的样本，通过梯度下降等优化算法来调整DNN的参数，使其能够准确地估计信道状态信息。

实现过程

图像编码：将图像数据转换为比特流。

QPSK调制：将比特流映射为QPSK符号。

OFDM调制：将QPSK符号映射到不同的OFDM子载波上，生成OFDM符号序列。

信道传输：通过无线信道传输OFDM符号序列，引入噪声和衰落。

接收和采样：接收端对信号进行采样，得到接收信号的采样值。

DNN信道估计：使用已知信道状态信息的样本训练DNN模型，得到信道估计模型。

信道估计：利用DNN模型对接收信号进行信道估计，得到信道状态信息。

解调和解码：根据信道状态信息对接收信号进行解调和解码，恢复出原始图像数据。

3.MATLAB核心程序

clc;
clear;
close all;
warning off;
addpath 'func\'
Ttrain  = load('T_train.mat'); 
 
Ptrain2 = [];
Ttrain2 = [];
 
for i = 1
    for j = 1:1
        Ptrain = load(['P_train',num2str(i),'_',num2str(j),'.mat']);   
        Ptrain2 = [Ptrain2;Ptrain.Ch_feature  ];
        Ttrain2 = [Ttrain2;Ttrain.Ch_feature  ];
    end
end
     
%输入层权值和偏移值
WI     = rand(size(Ttrain2))/1000;
BI     = rand(size(Ttrain2))/1000;
%定义4个隐含层
W1     = rand(size(Ttrain2));
BI1    = rand(size(Ttrain2));
W2     = rand(size(Ttrain2)/2);
BI2    = rand(size(Ttrain2)/2);
%输出层
WO     = rand(size(Ttrain2)/2);
BO     = rand(size(Ttrain2)/2);
%学习率
Lr     = 0.0005;
%迭代次数
Iter   = 2000;
 
for  it = 1:Iter
     it
     %训练
     tmps1  = Ptrain2.*WI+BI;
     tmps2  = tmps1.*W1+BI1;  
     %激活的
     tmps2_ = [];
     tmps2_ = func_ReLu(tmps2);
     
     tmps3  = tmps2_(1:2:end,1:2:end).*W2+BI2; 
     tmps4  = tmps3.*WO+BO;             
     error  = (Ttrain2(1:2:end,1:2:end)-tmps4);
 
     %更新权值
     W1     = W1 + Lr*repmat(error,2,2);
     BI1    = BI1+ Lr*repmat(error,2,2);
     W2     = W2 + Lr*error;
     BI2    = BI2+ Lr*error;
     %输出层
     WO     = WO + Lr*error;
     BO     = BO + Lr*error;
     errors(it) = mean2(abs(error));
end
 
figure;
plot(errors,'b','linewidth',2);
grid on
xlabel('训练次数');
ylabel('训练误差');
 
save dl0.mat errors WI BI W1 BI1 W2 BI2 WO BO