OFDM的自相关循环函数，信道模型为6径的瑞丽衰减信道，时延等都包括，循环自相关相关图，切面图等（其中蒙特卡洛仿真次可以任意修改，一般为200次）

无线网络规划与优化

前已提出的频谱感知方法主要包括匹配滤波器检测、 能量检测、 循环平稳特征检测以及多分辨率频谱感知. 这些方法均为单节点感知方法.然而，在阴影和深度衰落情况下， 单个节点的感知结果并不可靠， 因此， 需要对多个节点的感知结果进行融合，以提高检测可靠性， 即协作感知技术. 文献采用“或” 准则对各个 CR 感知结果进行融合. 文献则提出了基于 D-S 证据理论的协作频谱感知算法，虽然该算法的性能比“或” 准则或“与”准则要好， 但需要存储大量历史信息， 算法的计算复杂度也很高. 文献中分析了采用似然比检测(likelihood ratio test， LRT) 的软判决与采用“与” 准则的硬判决的性能， 结果表明采用软判决的协作感知性能更优

ofdm系统在已知瑞利多径信道下的系统仿真

MIMO-OFDM系统的接收信号是多个发射天线发送信号的衰落与加性噪声的线性叠加，若采用通常SISO-OFDM系统或MIMO系统的估计算法估计信道，将会带来很大的估计误差。出于设计实现的考虑，本文主要研究理论相对比较成熟的慢变环境下基于训练序列的MIMO-OFDM系统的信道估计算法。本章将主要讨论MIMO-OFDM系统特殊训练序列的设计和信道估计算法的选择。多天线系统的信道估计算法同单天线系统的相比具有更大的复杂性，因为接收信号是多个发射信号的叠加信号，这些发射信号同时从多个发射天线上发射出来，几乎同步到达任一接收天线。因此要从一个叠加信号中正确的识别出多个发射信号，需要信道估计算法能估计出各发射天线到同一接收天线之间多个并行信道的信道特性。而任一发射天线到任一接收天线之间的信道估计可参考单天线系统的算法。

采用QAM调制的方式，实现OFDM信号的PAPR的降低，并且提供了由optisystem转换到MATLAB接口的代码

MIMO-OFDM通信系统,对比4QAM,16QAM以及64QAM对应的误码率+代码操作视频 运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

OFDM信号时移函数，能够实现“无误差”的非整数点时移，MATLAB代码。

william shieh写的光通信OFDM经典教材，非常好的书籍

OFDM同步仿真算法，能够正常运行，具有简单的界面。