英语原文，MIMO系统 多模型预测控制

MIMO系统在A中的互质分解 传递函数矩阵的右互质 传递函数矩阵的左互质

学习mimo的同学可以看看，挺好的一篇介绍massivemimo的文章

大规模MIMO 系统中基于导频分配策略消除导频污染算法研究

超宽带（UWB）技术与多输入多输出（MIMO）相结合，为在无线通信中实现超过1 Gb / s的高数据传输速率提供了可行的解决方案。 UWB通常应用于短距离室内环境，因此具有密集的多径传播的特点。 在这种类型的环境中，MIMO系统通过利用UWB系统的固有阵列增益和空间复用增益，可以大幅提高频谱效率。 本文研究了UWB-MIMO无线技术的信道容量，并表明UWB和MIMO设计分别以对数和线性方式提高了频谱效率。

介绍现阶段MIMO系统的研究现状，最最基本的MIMO的入门资料

MIMO系统中采用16QAM调制的ZF、MMSE、ZF-SIC、MMSE-SIC检测

最大似然均衡是在使用线性空时编码的 MIMO 系统中估计传输符号的最佳方法（有关理论背景，请参见参考文献 [1]）。 请注意，对于高阶调制，ML 解码的计算成本可能很高。 zip 文件包含三个 m 文件。 - space_time_coding.m（执行时空编码） -coherent_ML_receiver.m（执行ML均衡） - one_shot_ML_equalizer.m（显示示例） 要使用这些文件，请将这三个文件解压缩到同一文件夹中。 然后，在 matlab 命令窗口中调用脚本 one_shot_ML_equalizer。 请参阅文件 space_time_coding.m 以获取支持的 STBC 列表。 参考： [1] EG Larsson，P.Stoica。 《无线通信的空时分组编码》，剑桥出版社，2003

MIMO系统中的线性接收机——ZF 迫零（ZF）接收机 迫零矩阵滤波器可以表示为 迫零接收机的输出为 迫零接收机把矩形信道分解成 个带有附加噪声的平行标量信道，噪声被 增强了，并且噪声在信道中是相关的，导致了显著的性能降低。 迫零接收机以噪声增强为代价消除了多流干扰，最小均方误差折衷了多流干扰消除和噪声增强，使总错误最小化。 *

提出在LTE上行采用2×2模式的虚拟MIMO（Virtual MIMO，V-MIMo）系统，即一个两天线的基站同时支持两个单天线的用户，并在此基础上，提出一种基于传输延时的干扰对准算法。这种算法将基站的双天线的接收信号按照奇、偶时隙分离，从而将期望信号与干扰信号分离。应用本文算法一个两天线的基站可以支持3个甚至4个用户同时接入LTE网络的上行链路。