在本文中，我们解决了具有不完善的载波频率同步的频分多输入多输出（FD-MIMO）雷达稀疏成像问题。 从距离角平面上的经典点扩散函数（PSF）的角度来看，我们知道感兴趣的场景中的不同散射体将不再共享相同的PSF。 取而代之的是，位于不同范围容器中的散射体将具有不同的PSF。 此外，对于不同的产生载波频率偏移的信号源，我们发现与那些与接收器相关的信号源会由于范围角度尺寸之间的交叉干扰而对PSF产生更严重的影响。 我们还提出了一个不严格的载波频率偏移阈值，以建议超出的边界，由此导致的PSF将完全失真。 相应地，我们建议在稀疏重建后，当那些频偏可控时，以迭代方式补偿这些频偏的影响。 仿真证明了从解析推导中得出的合理结果，并验证了所提算法的有效性。

在跨发射机和接收机的载波偏移下，多/输入多输出（MIMO）雷达成像会遭受性能下降的困扰。 本文从MIMO点扩展函数（PSF）的角度分析了载波偏移对稀疏目标成像的影响。 建立了使用正交匹配追踪（OMP）成功进行支持恢复的条件，并且根据l（2）距离来表征性能损失。 提出了一种考虑载波偏移引起的扰动的稀疏成像算法，该算法对OMP算法进行了改进。 数值实验证实了这一分析。

空分复用多用户多输入多输出(MIMO)系统具有很高的频谱利用率,由于其系统结构和所处的信道环境的复杂性,使得用户间缺乏协作关系,当用户间干扰消除有残差或信道估计不准确时,传统线性接收机不能获得理想的检测效果.针对这一问题,利用每个用户的自身信道对多用户系统用户端信道进行扩展重构,给出一种高效的基于最小化均方误差(MMSE)准则的检测算法,此算法利用扩展后的信道对用户端接收机进行优化,不仅易于实现,还可以获得较好的误码率性能,有效的减少了多用户干扰消除后的残差和信道估计误差对检测算法的影响.仿真结果表明了所

在[1]中，通过迭代最小化（SLIM）方法进行的稀疏学习已被证明在MIMO雷达模型的高分辨率成像中是有效的。 但是，那里的回声模型是直接根据离散形式导出的。 成像空间的先前网格化以及所有散射体都精确位于网格上的假设。 因此，这里我们将回波模型推广到任意位置散射体的连续形式。 通过比较两个模型，我们首先指出了先前模型中的一个推导错误。 然后，我们分析了先前模型和SLIM方法在何种程度上会受到离网散射体的范围和角度偏差的影响。 根据我们的分析，由于先前模型中的采样间隔和离散距离仓的大小是根据传输的子脉冲的持续时间设计的，因此距离偏差对成像性能没有重大影响。 但是，角度偏差可能导致基矩阵不匹配，从而严重影响SLIM的重建结果。 因此，提出了一种基于自更新的SLIM（SUB-SLIM）方法，通过交替稀疏成像和自适应细化角箱来处理偏角网格散射体。 数值结果说明了我们的方法和相关分析的有效性。

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。

适用于5G移动通信的紧凑型双频MIMO天线

采用L形MIMO雷达对运动目标进行三维成像，首先分析了MIMO雷达发射阵 列的稀疏布阵方式，其次结合压缩感知理论具体阐述了基于稀疏阵列的三维成像方法!该方法在大幅减少L型MIMO雷达发射天线的条件下，实现了对运动目标的单次快拍三维成像

函数 ODE2SS.m 使用符号工具箱（在 Matlab 2015 中测试）将系统线性化为围绕给定工作点的状态空间。 废水系统示例的文件 TestODE2SS.m 中给出了如何使用该函数的示例。 提供了解释 MIMO 系统的 word 文件。 该函数由 Adrian Lutchman 编写，示例系统由 Brian Aufderheide 博士的课程笔记提供。 提供了用于在命令窗口中显示函数结果和创建用于计算矩阵的函数文件以及要生成的矩阵的选项的选项。 对于前两个选项，1 表示是，0 表示否。 使用此功能发表时请注明作者。

基于MATLAB的MIMO通信系统教学平台的设计与实现.rar

基于神经网络MIMO非仿射系统自适应输出反馈控制，赵品，，针对一类多输入多输出（MIMO）非仿射非线性系统，设计了一种基于神经网络的自适应输出反馈控制方案，使得输出信号能够跟踪给定光��