AMP-SBL Unfolding for Wideband MmWave Massive MIMO Channel Estimation 宽带毫米波大规模MIMO信道估计，用的是AMP-SBL方法，含文献及Python代码

针对MIMO系统，基于训练序列的信道估计方法，详细推导出ML、LS和LMMSE方法的估计值，并进行了性能比较。在一定条件下，信道系数矩阵的ML、LS估计值具有相同的表达形式。计算机仿真表明，LMMSE方法和ML、LS方法的估计效果基本一致。在高信噪比、有限训练符号数、较少发射天线数的条件下，可以精确地估计出信道系数。

MIMO系统中多天线的设计与信道容量的分析，杜清亮，刘建霞，本文研究微带分形阵列天线与MIMO系统的信道容量，设计了Curve型二元与四元微带分形阵列天线。利用电磁仿真软件HFSS10.0进行大量仿真优�

作为第五代无线通信系统最重要的候选技术之一，大规模MIMO技术由于其在频谱效率和功率效率方面的显着改进而最近得到了广泛的研究。 作为无线通信的基础，研究大规模MIMO信道的传播特性至关重要。 本文研究了在6 GHz室内大厅场景中大规模MIMO信道的特性。 在视线（LOS）和非LOS（NLOS）条件下，均以200 MHz的带宽进行信道测量。 提取延迟域中的统计参数以显示沿大型天线阵列的空间变化。 基于测量的数据，首先定义空间变化，然后使用空间功率延迟分布相关系数和空间信道增益相关矩阵共线性来表征空间变化，并估计大规模MIMO阵列的准平稳区域。 此外，通过使用空间交替的广义期望最大化算法，根据传播环境提取和分类多径分量，这为大规模MIMO信道的空间变化提供了更多的见识。 最后，研究了所提取的角度参数的特征并对波动进行了建模，其中在大型天线阵列上清楚地观察到了空间变化现象。 发现变化的准平稳距离范围为2.5至32.5 cm，在6 GHz时，LOS情况与NLOS情况有所不同。 这些结果和讨论对于大规模MIMO信道的分析和未来建模很有用，并且可能有助于信道空间一致性的未来定义。

详细讲解了MIMO信道容量的计算。 3.5.1MIMO系统模型 3.5.2 MIMO无线信道的容量 3.5.3 用SVD方法对MIMO的进一步分析

最早MIMO信道容量分析，基于多天线的高斯信道，对经典的香浓信息论，香浓界-信道容量进行了扩展。文中作出了详细的解释，感兴趣的新手可以阅读一番。

主要是mimo的信道容量仿真代码，信道类型有瑞丽信道和高斯信道两种

for(i = 1 : length(SNR_V)) Pt = N0 * SNR_V(i); for(j = 1 : Iteration) H = random('rayleigh',1,nr,nt); [S V D] = svd(H); landas(:,j) = diag(V); [Capacity(i,j) PowerAllo] = WaterFilling_alg(Pt,landas(:,j),B,N0); end end

mablab实现MIMO,SIMO,MISO,SISO的容量仿真

在此代码中，我们通过瑞利衰落驱动 MIMO 系统的容量具有不同数量的发射和接收天线的信道。 对于每个在计算奇异值后，设置 MIMO 信道信道矩阵，发射功率基于注水分配算法。 得到的容量是 MIMO 系统所能提供的最好的容量因为在 TX 和 RX 侧都使用了完整的信道状态信息。