这是一个估算平均信道容量的示例，其中无线信道由 5G 工具箱中提供的 Mathworks 5G CDL 模型建模。 假定为单链路 NLOS 信道。 计算信道容量，对于微波频率信号，采用MIMO复用； 对于毫米波频率信号，链路两端采用混合预编码算法。 两幅结果图和一份关于实现代码的 .pdf 说明文件上传到 GitHub，其中展示了有关模拟的详细信息。 唯一的 .m 脚本是启动程序代码。 GitHub 链接： https : //github.com/Naren920421/Capacity-Estimation-on-the-Mathworks-5G-NR-CDL-Model

消除无线定位ＮＬＯＳ误差，相关论文，个人觉得很有用

在蜂窝网无线定位中,到达时间(TOA)或到达时间差(TDOA)中的非视距(NLOS)误差会导致移动台的位置估计出现较大偏差。为了减轻NLOS误差的影响,提出了一种基于扩展卡尔曼滤波(EKF)的非视距误差消除算法。算法通过引入一个NLOS转换因子改进EKF的迭代过程,消除NLOS误差对定位估计的影响。计算机仿真结果表明,在NLOS环境下定位精度的提高是显著的。

NLOS下的TOA定位算法

由于矿井下巷道空间有限且存在弯曲,因此通信传播大多为非视距(NLOS)传播环境。传统的基于距离的无线传感网络定位技术易产生较大误差,从而导致定位精度不高。超宽带(UWB)信号具有穿透能力强、抗多径能力强的特点,能够提供较高的定位精度,因此成为NLOS环境下定位的首选。针对NLOS环境下的定位精度不高的问题,在接收信号强度(RSSI)测距和三边算法联合定位的基础上,提出以联合定位得到的初始坐标做为无迹卡尔曼滤波(UKF)算法的观测值,并对UKF的测量更新方程进行修正,使该算法能适应NLOS环境下的定位跟踪。通过仿真验证并与扩展卡尔曼滤波(EKF)算法进行比较,在NLOS环境下改进的UKF定位算法,能够对目标进行实时跟踪并提高定位的精度。

变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法变电站NLOS环境下的UKF超宽带定位改进算法

在大型建筑灾难发生过程中，由于受到有毒烟雾、噪声、大火、漏电、光线等不利因素影响，加上大型建筑内部结构复杂，很多救援人员难以获得可靠的信息。针对上述情况，无线传感器网络在室内复杂环境定位方面可以发挥其优势作用，但目前面临的挑战就是在LOS环境下其定位精度非常高，然而在NLOS环境下其测量可能会受到非视距传播的污染，从而导致定位精度下降。针对这一现象，提出一种改进的无迹卡尔曼滤波(MKF)定位方法。首先，采用检验统计方法识别移动节点和信标节点之间的传播状态。然后，利用线性卡尔曼滤波器(LKF)平滑测量距离，在此基础上利用MKF削弱NLOS对于测量产生的影响。之后，采用无迹卡尔曼滤波(UKF)方法来确定未知移动节点的位置信息。最后通过数值仿真实验验证了所提算法的有效性。

NLOS蜂窝网络抑制非视距定位算法研究.详细介绍了几种基本的定位方法：圆周定位法（TOA, Time Of Arrival）、双曲线定位法（TDOA, Time Different Of Arrival）、角度测量值定位法（AOA, Angle Of Arrival）和混合定位法，并对这些方法进行了比较。

基于粒子群优化的NLOS环境的节点定位算法，文恬，余小平，无线传感网络的非视距NLOS(Non-line-of-sight)环境是影响测距定位精度的重要因素，提出了基于粒子群优化PSO(Particle Swarm Optimization)的NLOS环境�

内含一个容积卡尔曼的代码，可更改状态方程，观测方程，和算法的环境