用matlab来学习LTE的非常好的参考书，附带源代码；

对于多输入多输出（MIMO）系统，我们可以将其看成是SIMO情况与MISO情况的结合：信号发射与接收时在每个天线上都进行相位调整从而使得通过无线信道后总的信号功率最大。假设发射端有nT个发射天线，接收端有nR，个接收天线，且nT、nR均大于1，在发射端未知信道状态信息的条件下，最好的功率分配策略是在所有发射天线上进行等功率分配，此时 　　可得到非相关平坦衰落条件下MIMO系统的信道容量为 　　式中，γ＝P／σ2为发送端的总功率P与每个接收天线的噪声方差的比值，也就是每根接收天线端的平均信噪比。对于nR×nT矩阵H，秩的最大值为m＝min（nR，nT），也就是说，至多有叨个非零特征值

针对多用户MIMO下行链路，提出一种传输方式自适应调度算法。方法：该算法由各移动用户根据信道状态选择与基站的通信方式，包括波束形成和空分复用，并向基站自适应反馈信道信息；基站根据各移动用户的反馈信息选择用户子集。结果：该算法实现了基站和移动用户联合用户调度，系统反馈开销由各用户的信道状态共同决定。结论：与已有方法相比，该算法能够同时获得高的系统容量和更好的BER性能。

26.3文件输出

无线信道中由于存在多径衰落，通信系统的可靠性会因此大大降低。增加收发两端的射频链路能够有效地解决这个问题，但射频链增加的同时又会提高成本。为此，提出一种基于发送端的递增改进算法，在不增加射频链路的前提下，完成对天线性能的鉴别,选择出对系统性能贡献最大的天线。仿真结果表明，该算法可有效地提高系统性能，减少系统检测时延。

在大规模 MIMO 系统中，将牛顿迭代法用于传统的 WWSE 预编码算法求逆运算，但是其迭代初始值计算复杂。针对这一问题，提出WWSESOR-NT算法。在SOR算法的基础上提出中间算法，然后与牛顿迭代算法相结合，利用中间算法直接对高阶矩阵的逆进行估算，将得到的结果作为牛顿迭代法的迭代初始值以加快收敛速度。仿真结果显示，与传统牛顿迭代法比较，WWSESOR-NT 算法能够以更少的迭代次数和近似相同的复杂度逼近WWSE算法的性能。

MIMO Radar：Theory and Application，J. Bergin, J.R. Guerci，2018.(231s).pdf

word文档，论文初稿形式。文中还通过计算机仿真验证了所提算法的有效性和先进性，并对MMSE-PIC,迫零(ZF)和MMSE MUD这三种系统结构的误码率性能进行了比较，并根据仿真结果对所提算法的性能进行了分析。 PS1：只有仿真结果，没代码。 PS2：从csdn他人那里下得。这里跟大家分享了。只是对不住那位楼主了，就在这里道歉了。

为更好地解决室外三维（3D）空间域的移动通信问题，提出了一种新型室外3D空间域散射信道统计模型，主要研究MIMO多天线系统的接收性能。在宏蜂窝小区移动通信环境中，模型能够估计多径衰落信道的重要空间信道参数，首先推导了多径衰落信道的到达角（Angle of Arrival，AOA）概率密度分布。此外模型在设置多输入多输出（Multiple Input Multiple Output，MIMO）多天线的均匀线性阵列（Uniform Linear Array，ULA）和圆形阵列（Uniform Circular Array，UCA）的基础上，分析了波达信号不同方位角分布对散射信道中MIMO性能的影响因素，包括MIMO空间相关性、信道容量以及天线阵列配置。数值仿真结果与3D多径衰落信道模型对比，表明本模型的信道参数估计符合理论和实际的通信环境，为评估MIMO天线接收系统与仿真无线通信系统提供了创新性的研究。

该函数求解 MIMO-丢番图方程。 这个方程应该是这种形式I = E（j）* A_tild + z ^（-j）* F（j） 该方程基于 Model Predictive Control Book 的第 6 章EF Comacho 和 C. Bordons。 [G,Gp,F,E] = mimodioph(A,B,N) 其中 A 和 B 是多项式，根据系统传递函数计算，如下例所示。 如有任何问题或建议，请与我联系。