基于GMM的概率神经网络PNN具有良好的泛化能力，快速的学习能力，易于在线更新,并具有统计学的贝叶斯估计理论基础，已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点，还具有许多GMM没有的优点，如强鲁棒性，需要更少的训练语料，可以和其他网络其他理论无缝整合等。-GMM based probabilistic neural network PNN good generalization ability, the

对于多输入多输出系统, 传统的基于训练序列的信道辨识方法为跟踪信道的变化, 必须 发送大量冗余信息, 传输效率较低 而基于子空间的纯盲方法又带有不可避免的模糊性, 辨识结果 精度不够。在子空间法的基础上, 利用少量训练符号估计出模糊矩阵, 以此矫正子空间法得到的结 果。仿真结果显示: 在保证辨识精度的前提下, 该方法减少了训练符号等冗余, 提高了传输效率。-In o rder to t rack the channel variat ion of MIMO􀀁 OFDM