Este artículo enfatiza la importancia de la estimación de canal en radio cognitiva y señala el Limitations de los métodos existentes de estimación de canal basados en redes neuronales. Dado que los métodos existentes se entrenan y prueban solo en canales específicos o similares, tienen el problema de un bajo rendimiento de generalización a nuevos canales. En este artículo, proponemos un diseño de red neuronal basado en aprendizaje fuera de línea que muestra un rendimiento robusto incluso en entornos donde el aprendizaje en tiempo real es difícil. Presenta criterios de diseño para generar conjuntos de datos sintéticos que garantizan un cierto error cuadrático medio (MSE) sin información previa del canal, y con base en esto, proponemos un diseño de referencia que garantiza un funcionamiento inteligente bajo varios perfiles de canal. A través de simulaciones utilizando redes neuronales de diversas complejidades, mostramos que el rendimiento de generalización del método propuesto es independiente de la arquitectura de la red neuronal.
