matlab代码里面的字母混合预编码MassiveMIMO 该项目包含以下论文的 MATLAB 代码。 如果您觉得有任何帮助，请考虑引用该论文。 L. Liang、W. Xu 和 X. Dong，“大规模多用户 MIMO 系统中的低复杂度混合预编码”，IEEE 无线通信快报，第一卷。 3，没有。 6，第 653-656 页，2014 年 12 月。 请从两个“主要”文件开始：mainCompareScheme_Rayleigh.m 和 mainCompareScheme_mmWave.m。 其他文件包含在两个“主”文件中调用的函数。 请将所有问题/查询发送至 。

是本人在网上通过整理得到的一份有关于多用户MIMO系统预编码技术的研究的资料文档，希望能对大家提供一定的帮助。

大规模MIMO系统中基于并行共轭梯度的低复杂度预编码算法。

DL混合预编码器 这是论文的源代码 在本文中，我们提出了一种新颖的神经网络架构，称为自动预编码器，以及一种基于深度学习的方法，该方法可共同感知毫米波（mmWave）通道并仅需几个训练飞行员即可设计出混合预编码矩阵。 更具体地，所提出的模型利用对信道的先前观察来实现两个目标。 首先，它以无监督的方式基于周围环境优化压缩通道感测矢量，以将感测功率集中在最有希望的空间方向上。 这是通过一种新颖的神经网络体系结构实现的，该体系结构考虑了RF链上的约束并将发射机/接收机测量矩阵建模为两个复数值卷积层。 其次，提出的模型学习如何直接从投影的信道向量（接收到的感应向量）构建混合架构的RF波束成形向量。 结合了通道感测和波束预测的自动预编码器神经网络被端到端训练为一个多任务分类问题。 每个任务都是一个多标签分类问题。 下图显示了网络。 要查找有关本文和其他基于深度学习的无线通信工作的更多信息，请访问。

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