Este artículo enfatiza la importancia de la estimación de canal en las comunicaciones inalámbricas y señala el problema de que los métodos existentes de estimación de canal basados en redes neuronales se entrenan y prueban solo para canales específicos o similares, lo que resulta en un bajo rendimiento de generalización en diversos entornos de canales reales. Considerando la dificultad del aprendizaje en línea debido a la baja latencia y los recursos computacionales limitados, proponemos un criterio de diseño para una red neuronal que muestra un rendimiento robusto en varios canales inalámbricos con solo aprendizaje fuera de línea sin información previa del canal. Con base en el criterio propuesto, proponemos un método de generación de conjuntos de datos sintéticos y un diseño de referencia que garantiza alcanzar un cierto error cuadrático medio (MSE) en un nuevo canal desconocido, y demostramos que el rendimiento de generalización del método propuesto es independiente de la estructura de la red neuronal a través de redes neuronales de diversas complejidades. Los resultados experimentales confirman que el método propuesto logra un rendimiento de generalización robusto en canales inalámbricos con perfiles de canal fijos y dispersiones de retardo variables.
