当线性化状态空间模型(或传递函数)作为函数的输入时,这些脚本设置和模拟通用多输入多输出 (MIMO) 控制系统的模型预测控制。 然而,工厂模型通常可以是非线性的。 二次规划用于使输入和输出变量在所需的时间范围内达到其设定点。 文件描述如下: run_MPC.m:设置和运行模拟的主文件。 MPC_simulation.m:遍历时间并实现在每次迭代中找到的当前时间输入变量。 MPC_calculation:MPC 控制器通过查看基于对象线性化模型的前向时间范围来解决二次问题。 MPC_plant.m:在工厂中实现当前时间输入向量。 通常,对象模型可以是非线性的。 Addnoise.m:基于信号的数量级和噪声百分比(噪声标准)向主信号(工厂的输出)添加噪声的函数 公式和原始代码(用于 SISO 系统)由瑞典 KTH 大学的 Elling W. Jacobsen 编写。 配方包含在文件中。
2021-11-13 05:09:02 1017KB matlab
1
信道估计算法基于子空间方法。 该方法仅适用于可识别的 STBC(不包括 >=1-rate STBC)。 有关算法和可识别条件的更多详细信息,请参见出版物 [1]。 zip 文件包含三个 m 文件。 - space_time_coding.m(执行时空编码) - subspace_channel_estimation_STBC.m(信道估计) - one_shot.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。 参考: [1] 阿马尔,N.; Ding, Z. “通用线性空时分组码的盲信道可识别性” IEEE Transactions on Signal Processing Volume 55,第 1 期,2007 年 1 月 页码:202 - 217
2021-11-08 11:24:00 7KB matlab
1
通过相邻天线之间的相互耦合进行大规模MIMO系统的互易性校准
2021-10-28 22:11:51 211KB 研究论文
1
MIMO系统中检测算法研究原创-MIMO_detection.rar 内含ZF、MMSE、QR分解、ZF_IC、MLD及两种MLD改进算法。
2021-10-20 12:37:27 238KB matlab
1
大规模MIMO系统中基于压缩感知的稀疏信道估计
2021-10-19 23:52:03 273KB 研究论文
1
多媒体应用的快速增长的需求已经破坏了视频传输的改进。 随着多媒体传输的增加,体验质量(QoE)已成为无线网络研究的热点。 提出了一种MIMO-OFDM网络中一种QoE感知资源分配算法。 通过在最小功率的约束下考虑视频传输速率和子载波方案,将功率分配估计公式化为根据QoE最大化。 在本文中,我们将分析从应用层的传输速率到物理层的功率分配的视频传输性能。 从仿真结果可以看出,所提出的子载波分配算法通过最小化具有功率约束的MIMO网络中多用户的总和失真来最大化视频QoE。
1
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。
1
针对信道路径数未知的大规模多输入多输出(MIMO,multi-input multi-output)系统,提出一种稀疏度自适应的压缩感知信道估计方法——块稀疏自适应匹配追踪(BSAMP,block sparsity adaptive matching pursuit)算法。利用大规模MIMO系统子信道的联合稀疏性,通过设置阈值及寻找最大后向差分位置对支撑集原子进行快速初步选择,同时考虑了观测矩阵非正交性造成的能量弥散,提高算法的估计性能;通过正则化对原子进行二次筛选,以提高算法的稳定性。仿真表明,该算法能快速、准确地恢复稀疏度未知的大规模MIMO信道信息。
1
此代码演示了如何将动态多输入多输出 (MIMO) 系统从状态空间形式转换为传递函数形式。 在这里,您可以提供描述系统动态的 A、B、C、D 矩阵(或使用函数 rss() 生成随机系统)。 然后你可以得到 MIMO 系统的传递函数矩阵。 相同的概念可以很容易地应用于 SISO 系统。 请注意,您几乎可以在 matlab 帮助文件中找到大部分信息,但是 ss2tf 函数的描述不是很详细(尤其是 'iu' 的重要性),因此这个例子
2021-09-22 17:10:09 2KB matlab
1
大规模mimo系统的干扰抑制合并技术研究.pdf
2021-09-03 13:02:41 5.47MB IRC
1