大规模多输入多输出（MIMO），也称为超大型MIMO系统，是5G的一种吸引人的技术，可以提供比4G更高的速率和功率效率。 线性预编码方案能够实现接近最佳的性能，因此比非线性预编码方案更具吸引力。 但是，大规模MIMO系统中的常规线性预编码方案（例如正则归零强制（RZF）预编码）具有接近最佳的性能，但由于需要大尺寸的矩阵求逆，因此具有较高的计算复杂度。 为了解决这个问题，我们利用Cholesky分解和Sherman-Morrison引理，通过在大规模MIMO系统中利用渐近正交信道特性，提出了基于CSM（Cholesky和Sherman-Morrison策略）的预编码方案来进行矩阵求逆。 根据误码率（BER）和平均总和率对结果进行数字评估。 与逆矩阵的Neumann级数逼近相比，得出的结论是，在大规模MIMO配置中，通过较少的运算，基于CSM的预编码的性能优于常规方法。

挖掘海量数据集CS246 挖掘海量数据集，斯坦福2019

Matlab code for Massive MIMO precoding.

MASSIVE MIMO TEXT BOOK

5G通信系统中massive-MIMO-FBMC技术的结合概述.pdf

This book evolved from material developed over several years by Anand Rajaraman and Jeff Ullman for a one-quarter course at Stanford. The course CS345A, titled “Web Mining,” was designed as an advanced graduate course, although it has become accessible and interesting to advanced undergraduates. When Jure Leskovec joined the Stanford faculty, we reorganized the material considerably. He introduced a new course CS224W on network analysis and added material to CS345A, which was renumbered CS246. The three authors also introduced a large-scale data-mining project course, CS341. The book now contains material taught in all three courses.

Mining of Massive Dataset.rar

Fundamentals of Massive MIMO

设计你的天空 Massive Clouds Atmos 是一款能够渲染整个天空并具有体积特效的资源。它能让你设计整个天空，并根据不同的天气条件和时区进行实时调整。 它可以同时处理整个天空，包括云、大气散射和雾渲染，让你能够连贯并逼真地用云层和虚弱特效遮蔽光线。 它还可以延伸到由光线步进技术描绘的三维云。 Unity 版本 * 内置 RP - Unity2018.4、Unity2019.3 或更高版本 * 通用 RP - Unity2019.3 或更高版本 * HDRP - Unity2019.3 或更高版本 用于 VR 的 Unity 版本 VR 仅在 Oculus Rift 上经过测试 * 内置 RP(VR) 多通道 - Unity2018.4、Unity2019.3 或更高版本 * 内置 RP(VR) 单通道 - Unity2018.4、Unity2019.3 或更高版本 * 内置 RP(VR) 单通道实例化 - 无法使用 * 通用 RP(VR) 多通道 - 无法使用 * 通用 RP(VR) 单通道 - Unity2019.3 或更高版本 * 通用 RP(VR) 单通道实例化 - 无法使用 * HDRP(VR) - 无法使用 可用的构建目标 * Windows * MacOS * iOS * Android * WebGL2

大规模MIMO的一些代码，包括误比特率随着接、收天线数的变化，信道估计算法如MMSE，预编码算法ZF等