Massive Clouds - Screen Space Volumetric Clouds 4.0.2.unitypackage
2021-04-02 16:14:26 99.71MB unity
1
summer2winter_yosemite.rar
2021-03-10 09:04:22 124.78MB mining massive datasets
1
Direction of Arrival Estimation for Coherently Distributed Sources in 2D Massive MIMO Systems
2021-02-22 09:08:08 838KB 研究论文
1
Robust downlink beamforming for BDMA massive MIMO system
2021-02-08 19:06:57 1.55MB 研究论文
1
抽象信道估计对于具有混合预编码的毫米波(mmWave)大规模MIMO是具有挑战性的,因为射频(RF)链的数量远小于天线的数量。传统的基于压缩感测的信道估计方案由于信道角度量化而遭受严重的分辨率损失。为了提高信道估计精度,本文提出了一种基于迭代重测(IR)的超分辨率信道估计方案。通过梯度下降法优化目标函数,所提出的方案可以迭代地将估计的到达/离开角度(AoAs / AoD)移向最优解,并最终实现超分辨率信道估计。在优化中,权重参数用于控制稀疏度和数据拟合误差之间的权衡。另外,开发基于奇异值分解(SVD)的预处理以降低所提出的方案的计算复杂度。仿真结果验证了该方案比传统解决方案更好的性能。
2019-12-30 03:31:17 108KB 信道估计 massive mimo
1
在无限个天线的极限情况下, 特别是不相关噪声和快衰落影响的消失,吞吐量和终端个数独立于小区的大小,频谱效率独立于带宽,每比特所需的传输的能量消失。唯一剩下的损害就是由在别的小区重复使用的导频序列而产生的小区间干扰,并不会随着天线数目的无限多而消失。
2019-12-21 22:21:34 194KB 维纳滤波器
1
本书介绍了MIMO系统相关知识,资源内容清晰,适合学习
2019-12-21 21:53:44 8.17MB MIMO 通信
1
Mining of Massive Dataset的中文版
2019-12-21 21:11:56 33.64MB 《Minin
1
软件程序按照发射端所掌握的各用户信道状态信息的程度共分为两部分:即完整信道状态信息(CSIT)和部分信道状态信息(CSIP)。其中,每一部分都包括预编码(precoding)和用户调度(scheduling)。 在CSIT中,precoding又按照各用户的数据流数分为单数据流和多数据流两种情况。在每种情况下,首先考察了不同预编码算法的性能表现,包括两种ZF、MMSE、SINR、SLNR。之后又考察了功率分配算法的性能表现(文件名中含有PD表明其含有功率分配的过程)。按照不同指标进行功率分配的,在文件名中进行了区分,如PD_CN代表以信道范数为参考指标进行功率分配。Scheduling部分首先观察了RoundRobin、MaxH和MMSLNR三种算法的性能对比。之后在Kc和Round部分分别观察了不同预选用户数和不同最大替换轮数下MMSLNR算法的表现。 在CSIP中,只对各用户单数据流的情况进行了仿真。采用的预编码算法主要有DSLNR(即直接运用CSIT下的预编码算法)、ESLNR(即对SLNR进行均值计算的,在CSIP中,引入均值计算的与SLNR有关的算法,其文件名中都有modified以示区别)、EMMSE(即陈明老师那边的那篇文章中的预编码算法)。Scheduling中也只是简单的观察了RoundRobin、MaxH、DMMSLNR和EMMSLNR(前者没有均值计算,后者有)的性能对比。 在各部分程序中,main以及mainX(X代表某一数字)是最终的主程序,且各种参数均在主程序的开头部分进行了说明。主程序中,都是按照信号生成,信道生成,调度与预编码,信号接收这样的过程进行的。
2019-12-21 21:04:10 351KB 大规模MIMO Massive MIMO
1
Written by pioneers of the concept, this is the first complete guide to the physical and engineering principles of Massive MIMO. Assuming only a basic background in communications and statistical signal processing, it will guide readers through key topics such as propagation models, channel modeling, and multi-cell performance analyses. The authors’ unique capacity-bound approach will enable readers to carry out more effective system performance analysis and develop advanced Massive MIMO techniques and algorithms. Numerous case studies, as well as problem sets and solutions accompanying the book online, will help readers put knowledge into practice and acquire the skillset needed to design and analyze complex wireless communication systems. Whether you are a graduate student, researcher, or industry professional working in the field of wireless communications, this will be an indispensable guide for years to come.
2019-12-21 20:23:05 4.69MB Massive MIMO
1