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。

毫米波大规模MIMO系统中NOMA的容量分析_matlab源码.zip

毫米波大规模MIMO系统中NOMA的容量分析_matlab源码.zip

随着物联网的兴起和移动互联网业务种类的日渐丰富，人们对蜂窝移动通信数据传输速率以及服务质量提出了更高的要求。由于能够充分挖掘空间维的自由度，在提高频谱效率的同时获得较好的功率利用率，大规模MIMO系统引起了国内外的广泛关注。大规模MIMO系统配置的大规模天线阵列在带来性能增益的同时也带来了前所未有的挑战，如大规模天线阵列系统下传输方案的设计、急剧增加的系统硬件复杂度和计算复杂度等。首先对大规模MIMO系统下的几种传输方案，如联合空分复用（JSDM）传输方案和大规模多波束空分多址（MB-SDMA）传输方案进行了概述，简略描述了不同传输方案的原理和传输过程，进一步简要介绍了目前正在构建的大规模MIMO原型验证系统Argos和LuMaMi，并展示了不同原型验证系统的整体架构与组件。

针对分布式MIMO系统中断概率和信道容量这2大性能指标，在复合衰落信道模型下，当上行链路采用最大比发送—选择合并，下行链路采用选择发送—最大比合并时，利用Lognormal分布对复杂Gamma-Lognormal分布的近似，推导得到当移动台位置给定时，系统中断概率和信道容量的闭合表达式，证明了系统性能指标与移动台分布之间存在密切的联系；随后依照实际通信环境，提出一种考虑存在小区热点的移动台非均匀分布模型，然后推导得到考虑该分布模型后的系统平均中断概率和平均信道容量闭合表达式；最后通过计算机仿真，证明了所提近似处理的精确性以及各项理论分析的合理性。

这是用于毫米波单用户 MIMO 系统的窄带混合预编码算法的实现。 参考文献是OE Ayach、S. Rajagopal、S. Abu-Surra、Z. Pi 和 RW Heath，“毫米波 MIMO 系统中的空间稀疏预编码”，IEEE Trans。 无线通讯，第1卷。 13，第 1499-1513 页，2013 年 3 月。 该代码被上传用于验证目的，如本文所示，绘制了图3和图4所示的单个数据流情况。

基于多用户MIMO系统的下行链路的预编码