室内定位是基于位置服务研究的关键问题，WIFI 作为一种廉价易得的信号源被广泛应用在室内定位系统中。但是室内复杂环境造成同一点处的WIFI 接收信号强度随时间变化范围较大，影响了基于WIFI 接收信号强度的室内定位系统的性能。为了克服这个问题，提出了基于信道状态信息的室内定位方法。利用信道状态信息有效值非线性回归得出测量点与信号接入点之间的距离。利用测量点与多个不同信号接入点之间的距离回归出最后的定位结果。实验结果表明，相比典型的基于WIFI 信号接收强度对数衰减模型的定位方法，方法有效提高了定位结果的准确度。

为了满足新的通信需求，实现移动设备之间低时延、高速率和高可靠性连接，第五代（Fifth-Generation，5G）移动通信系统在数据信道和控制信道引入了新的纠错编码技术。低密度奇偶校验（Low-Density Parity-Check，LDPC）码由于其优异的性能，已被确定为5G 标准中的数据信道编码方案。本文详细介绍了5G 标准中的LDPC 码构造方法，并对其译码性能进行了仿真研究。

5G NR PRACH信道和随机接入流程简析V2.0 春天工作室的PPT

ChannelNet 论文“基于深度学习的信道估计”的实施 抽象的 在本文中，我们提出了一种用于通信系统中信道估计的深度学习（DL）算法。 我们将快速衰落的通信信道的时频响应视为二维图像。 目的是在导频位置使用一些已知值找到信道响应的未知值。 为此，提出了一种使用深度图像处理技术，图像超分辨率（SR）和图像恢复（IR）的通用管道。 该方案总共将导频值视为低分辨率图像，并使用与降噪IR网络级联的SR网络来估计信道。 此外，提出了所建议的管道的实现。 估计误差表明，在充分了解信道统计信息的情况下，所提出的算法可与最小均方误差（MMSE）相提并论，并且优于ALMMSE（近似于线性MMSE）。 结果证实该管线可以有效地用于信道估计中。 数据集 链接：完美的渠道-VehA模型（无噪音）： ://drive.google.com/file/d/1H5GiEWITfM00R4BS2uC3SiBLR0

Channel Coding Techniques for Wireless Communications（无线通信的信道编码技术）

结合Sahu-Shanmugam和Fournier-Forand体积散射函数,使用蒙特卡罗方法建立水下激光传输信道模型,利用该模型分析了接收端的光束扩展特性。研究了三种典型水域下,接收视场角和接收面直径对光束功率密度的影响,以及不同接收距离下光束功率密度的分布特性。结果表明:随着水域散射系数的增大和传输距离的增加,会加剧光束分布扩展;随着接收面直径的增大,光束功率密度的变化趋势逐渐减小,光束功率密度幅值随着接收视场角的增大而增加;随着传输距离的增加,光束功率密度分布逐渐离散。这些结果为水下定位或水下接收机等设计提供参考。

LDPC编译码的经典C语言版程序代码

对时隙及信道配置的讲解通俗易懂，很容易理解，对于初涉通信行业的朋友来说，本书是不可或缺的。

信道编码matlab代码使用条件GAN的一比特多用户大规模MIMO的信道估计 1.说明 该存储库是本文的实现：董玉迪，王华霞和姚玉东，“使用条件GAN进行一比特多用户大规模MIMO的信道估计”。 ArXiv：2006.11435 [Eess]，2020年6月。 该论文被IEEE通信信函（DOI：10.1109 / LCOMM.2020.3035326）接受 2.运行cGAN以执行通道估计（TensorFlow版本为2.0） 数据集已经生成了“ Data_Generation_matlab / Gan_Data / Gan_0_dBIndoor2p4_64ant_32users_8pilot.mat” ，其中包含通道数据和量化的信号数据。 运行主要功能“ cGAN_python / main_cGAN.py” 。 对于每个时期，结果将保存在文件夹“ cGAN_python / Results”中，并显示如下可视结果。 3.如何生成数据 从此链接下载“ I1_2p4.zip” ：。 然后，应该提取“ I1_2P4”文件夹，并将其放在“ Data_Generation_matlab / Ra

复合衰落信道下分布式MIMO系统中断概率及信道容量分析_彭文杰