mimo信道的cma算法。。。。。。。。。。。。。。

2010年wiley出版的最新书籍（共274页），作者是Thomas Kaiser and Feng Zheng（Leibniz University of Hannover, Germany）本书的结构如下： 1 Introduction 2 UWB-MIMO Channel Measurement and Models 3 UWB Channel Capacity 4 UWB-MIMO Space–Time Coding 5 UWB Beamforming and Localization 6 Time-Reversal UWB Systems 7 UWB Relay Systems

基于多用户MIMO系统的下行链路的预编码

针对MIMO系统信道的联合稀疏特性，提出一种基于分布式压缩感知(DCS)的MIMO-OFDM系统信道估计方法。分布式压缩感知（DCS）被视为分布式信源编码和压缩感知（CS）的结合，论文详细论证了分布式压缩感知理论在MIMO-OFDM系统中运用的可行性。将该算法与基于压缩感知理论的CoSAMP算法做比较，仿真结果表明，基于DCS算法的信道估计不仅性能更优，而且可以实现更低的时间复杂度。

上行导频污染是大规模MIMO多小区多用户TDD系统的主要性能瓶颈。本文推导了下行链路中MF、ZF单小区预编码、基于MMSE的多小区预编码以及基于最大化SLNR准则的预编码策略在有导频污染的大规模MI-MO下的系统可达和速率渐近性能,发现当基站天线数趋向无穷时,各个策略的等效信干比均收敛到仅与大尺度衰落因子相关的一个比值,由此可以得到一个系统可达和速率的渐近结果。基于此渐近结果,以最大化系统可达和速率为目标,获得了一个导频调度方案,即使得小区间相互干扰较小的用户采用相同的导频而相互干扰较大的用户采用正交的导频,从而在存在导频污染的情况下,可以提升系统的整体性能。理论分析和数值仿真结果都验证了以上结论。

MIMO-OFDM wireless communications with MATLAB英文原版,MIMO-OFDM无线通信技术及MATLAB实现

经典，《MIMO-OFDM Wireless Communications with MATLAB》书中的全部仿真程序

用于大规模MIMO上行系统的PSK调制差分空间调制

报告分析，关于MIMO系统的MMSE编码数据分析实验报告，全英文实验报告，具有MATLAB仿真分析

当线性化状态空间模型（或传递函数）作为函数的输入时，这些脚本设置和模拟通用多输入多输出 (MIMO) 控制系统的模型预测控制。 然而，工厂模型通常可以是非线性的。 二次规划用于使输入和输出变量在所需的时间范围内达到其设定点。 文件描述如下： run_MPC.m：设置和运行模拟的主文件。 MPC_simulation.m：遍历时间并实现在每次迭代中找到的当前时间输入变量。 MPC_calculation：MPC 控制器通过查看基于对象线性化模型的前向时间范围来解决二次问题。 MPC_plant.m：在工厂中实现当前时间输入向量。 通常，对象模型可以是非线性的。 Addnoise.m：基于信号的数量级和噪声百分比（噪声标准）向主信号（工厂的输出）添加噪声的函数 公式和原始代码（用于 SISO 系统）由瑞典 KTH 大学的 Elling W. Jacobsen 编写。 配方包含在文件中。