多输入多输出不连续正交频分复用（MIMO NC-OFDM）系统是认知无线电（CR）系统的常用体制，由于授权用户占用而导致的载波不连续情况下的信道估计是影响该系统性能的关键技术问题。提出一种基于压缩感知（CS）的MIMO NC-OFDM 系统的信道估计方法——稀疏自适应匹配追踪（SAMP）算法。SAMP 算法在重构过程中先对信号稀疏度进行初始估计，然后自适应调整步长逐步逼近信号，相较于其他贪婪算法，能够在稀疏度未知的情况下准确重建稀疏信号。仿真结果表明，SAMP算法提高了重构精度，在实际应用中易于实现。

5G空口关键技术 Massive MIMO Massive MIMO MIMO：在收发两端均配置多个天线单元，通过增加天线数量，获得更大的信道自由度(除时域和频域外，增加大量空域自由度)。 MIMO技术是上世纪90年代末的研究成果，2006年率先用于WiFi，随后也用于3G系统(WiMAX)。 如果阵元间距满足要求，通过交叉极化和角度配置，能保证信道矩阵统计独立，利用空间维度能实现复用和分集，支持高速数据传输。 MIMO系统能有效改善传输可靠性、频谱效率和能量效率。 Massive MIMO 在IEEE802.11n中，天线配置最多为4发4收。 IEEE 802.11ac和LTE-A中，天线配置最多为8发8收。 在实际应用中，由于移动终端体积、重量、功耗等限制，一般配置1-2根天线。 在单用户MIMO(SU-MIMO)系统中，天线数受限于终端，而在多用户MIMO (MU-MIMO) 系统中，可将多个用户终端天线组合，克服天线数受限的瓶颈；在协作多点 (CoMP)系统中，也可通过多个基站协作构建MIMO系统。 Massive MIMO Massive MIMO 技术原理 当基站侧天线数远

大规模 MIMO 系统的上行数据检测问题中的格基（信道矩阵）自然是短的和正交的，因此建议我们可以应用不使用格约简的混合方案。 仿真结果证实了这种扩展的有效性。

目录 1MIMO基本模型 2 1.1V-BLAST模型 2 1.2STBC模型 3 1.3SM模型 3 1.4QSM模型 4 1.5GSM模型 4 1.6SSK模型 5 1.7GSSK模型 5 1.8SM-VBLAST模型 5 2MIMO基本信号检测方法 6 2.1匹配滤波（MF）检测： 6 2.2迫零（ZF）检测 6 2.3最小均方误差（MMSE）检测 7 2.4最大似然（ML）检测 7 3MIMO基本模型仿真方法 7 以V-BLAST为例具体信号流向： 7 3.1信号生成：（数据全为假设数据） 7 3.2信号发送： 8 3.3信号过信道： 9 3.4接收端： 9 3.5信号检测： 9 4模型仿真代码 10 4.1主函数 10 4.2调制函数 14 4.3检测函数 15

第五代移动通信网络（5G）目前已经得到了全球企业、研究院所和高校的广泛关注和大量研究，大规模MIMO技术被认为是未来5G中的一项重要技术，主要用于提高通信系统的频谱利用率和信道容量，详细分析了MIMO技术的标准化进程以及大规模MIMO的技术优势，主要应用场景，然后从信道测量和信道建模的角度进行了介绍，分析了大规模MIMO系统下的信道估计技术，预编码技术以及信号检测技术，最后进行了总结。

MIMO TECHNIQOUE FOR 6G WIRELESS NETWORKS

仿真了MIMO通信系统的两种经典检测算法，迫零和最小均方误差，计算了误码率并绘制了误码率曲线

%STBC_MIMO_OFDM.m %这是一个基于空时分组编码的MIMO_OFDM通信系统的仿真设计。 %此系统包括QPSK调制解调，IFFT调制，空时编解码，基于训练符号的信道估计等通信模块

gps基本原理及其matlab仿真。。。。。。

大规模MIMO技术 MIMO：在收发两端均配置多个天线单元，通过增加天线数量，获得更大的信道自由度(除时域和频域外，增加大量空域自由度)。 MIMO技术是上世纪90年代末的研究成果，2006年率先用于WiFi，随后也用于3G系统(WiMAX) 如果阵元间距满足要求，通过交叉极化和角度配置，能保证信道矩阵统计独立，利用空间维度能实现复用和分集，支持高速数据传输 MIMO系统能有效改善传输可靠性、频谱效率和能量效率