I/Q不平衡OFDM系统基于噪声方差门限的信道估计

多用户MIMO-CDMA系统下行链路设计及MATLAB仿真

OFDM 技术因能大幅提升通信系统的信道容量和传输速率、有效抑制多径衰落和抵抗码间 干扰，成为无线通信的核心技术。基于 LTE 系统物理层所使用的 OFDM 技术，分析子载波正交性 原理和调制过程，基于 MATLAB 构建了一个 OFDM 系统用于仿真。在搭建好系统后通过改变信道 编码模块来模拟不同信道编码方式，通过对误码率的观察得到结论:众多信道编码方式中能使系统 误码率最低的是 LDPC 编码，将其广泛应用于 OFDM 通信系统后可使系统性能更优异。

非常好的讲解OFDM调制技术原理的大学讲义，非常适合想学习OFDM技术的学生和从业人员。

这是一个使用深度学习工具箱中的长短期存储器（LSTM）网络在OFDM系统信号检测接收器上实现符号分类的例子。 is is an example of using the long short-term memory (LSTM) network in the Deep Learning Toolbox to achieve symbol classification at the receiver for signal detection in OFDM systems. 基于LSTM的神经网络是针对单个子载波进行训练的，该神经网络计算符号误码率（SER），并与最小二乘（LS）和最小均方误差（MMSE）估计进行了比较。

一个使用matlab实现的降低OFDM系统峰均比的方法，绝对可靠。

提出了频率选择性衰落信道条件下区分GLSFBC 结构的多载波信号（OFDM）和单载波信号（MFSK、MPSK、MQAM）的调制识别算法。该算法基于接收信号的高阶累积量，只需直接对接收的中频信号进行识别处理，不需要发射信号和信道的先验知识。仿真结果表明，在SNR高于7 dB时识别率可以达到90%。

mimo-ofdm无线通信技术及matlab实现。 “MIMO OFDM Wireless Communication with MATLAB” which has been authored by Yong S. Cho, Jae K. Kim, Won Y. Yang, and Chung G. Kang and published by Wiley in 2010.

基于深度学习的OFDM系统信号检测仿真.rar

内容包含MMSE均衡算法实现，迫零算法实现