在本文中，我们研究了利用嵌套阵列的双基地MIMO雷达中多个目标的出发方向（DOD）和到达方向（DOA）的联合估计。 通过在发送和接收阵列中配置2级嵌套阵列，引入了大量虚拟阵列Kong径。 因此，MIMO雷达系统的空间分辨率大大提高。 而且，与传统的均匀线性阵列相比，可识别目标的最大数量被更大程度地扩大。 信号模型是通过利用嵌套数组来制定的。 提出了一种新颖的行提取方法来构造用于联合角度估计的观测数据向量。 仿真结果验证了该理论算法的正确性。

MIMO基于几何的二维SCM，matlab仿真代码，包含说明文档

基于相关的二维Kronecker模型matlab仿真代码，附说明文档

MIMO三维Kronecker模型matlab源码，附说明文档。三维Kronecker模型由于考虑仰角维度，其相关矩阵的计算比二维Kronecker模型的要复杂。

MIMO（Multiple Input Multiple Output）技术采用多个天线，在相同时频资源上传输信号，能在不增加系统带宽的前提下提高信道容量，也能在较低的发射功率情形下得以实现。因此，MIMO技术越来越多地受到无线通信研究者的关注，大规模MIMO（Massive MIMO）技术也被应用于5G系统。而无论是在MIMO技术的理论研究阶段还是在MIMO系统的应用阶段，对MIMO信道模型的研究都是必不可少的。深入学习了基于几何的二维SCM和三维WINNER Ⅱ模型，研究了这两种模型的建模算法。对比于二维SCM模型，三维WINNER Ⅱ模型考虑了仰角维度，大尺度参数之间的相关性更加复杂，但其比二维SCM模型更加符合实际信道。

仅供参考，误差不超过1，可以当作对比仿真图。。。

2x2MIMO雷达天线的CST仿真代码，Matlab与SCT联合设计，在Matlab端运行即可，仿真文件有详细的内容注释

DeepMIMO：适用于毫米波和大规模MIMO应用的通用深度学习数据集 这是使用软件生成的DeepMIMO数据集的MATLAB代码包。 是公开发布的参数化数据是针对mmWave和大规模MIMO系统中的深度学习应用发布的。 该MATLAB代码包与以下文章有关： Ahmed Alkhateeb，Proc中的“ ”。 加利福尼亚州圣地亚哥，信息理论与应用研讨会（ITA），2019年2月。 文章摘要 机器学习工具正在毫米波（mmWave）和大规模MIMO系统中找到有趣的应用。 这主要归功于它们在学习未知模型和解决困难的优化问题方面的强大能力。 但是，为了推进毫米波/大规模MIMO中的机器学习研究，需要通用的数据集。 该数据集可用于评估开发的算法，重现结果，设置基准并比较不同的解决方案。 在这项工作中，我们介绍了DeepMIMO数据集，它是mmWave / mass MIMO信道的通用数据集。

基于时间反转FDA-MIMO雷达的目标测距角估计

matlab最简单的代码MIMO中的AMP 用于大规模MIMO检测的近似消息传递（AMP） 文件描述 AMPG.m：在先验符号上使用高斯分布的AMP算法。 AMPT.m：在先前符号上使用{0,1，-1}的AMP算法。 main_AMPG_LMMSE.m：独立的主文件，用于绘制AMPG和线性MMSE（LMMSE）的符号错误率（SER）性能。 main_massive_detection.m：用于将混合解码与LMMSE和AMPG的SER性能进行比较的主文件，其中可以通过使用LMMSE + AMPG或LMMSE + AMPT来执行混合解码。 版权 如果您在研究中使用我们的代码，请引用以下论文以感谢我们的工作： 吕善刚，丛玲：混合向量扰动预编码：近似消息传递的祝福。 IEEE Trans。 信号处理。 67（1）：178-193（2019）。 维护者 珊香柳 暨南大学副教授，广州 电子邮件： 主页： 历史 这些文件已发布在我的个人网站（版本1）和MATHWORK（版本2）上。 当我在2014年左右开始攻读博士学位时，我的一项研究项目是应用AMP算法解决晶格的最近向量问题（CVP），而流行的MI