2022通信本科毕设一条龙之FDD大规模MIMO系统CSI反馈研究
2022-05-31 15:01:01 480.96MB 文档资料 代码规范
大规模MIMO系统等增益合并技术研究,高鑫鑫,金思年,随着移动通信的快速发展,大规模MIMO技术已成为5G无线通信最具潜力也是最具挑战的研究方向之一。然而这项技术在很多方面处于起步阶
2022-05-24 15:58:48 740KB 大规模MIMO
1
QAM Matlab代码一比特大规模MIMO ======================================================================================================================================================================================================================================================================================================== ===接收者。 该系统在瑞利衰落信道上运行,发射机和接收机处没有先验CSI。 因此,需要基于粗量化的数据来估计信道衰落系数。 使用该代码时,请引用以下论文: S. Jacobsson,G。Durisi,M。Coldrey,U。Gustavsson和C. Studer,Proc中的“一比特大规模MIMO:信道估计和高阶调制”。 IEEE国际Conf。 公社(I
2022-05-07 16:02:40 452KB 系统开源
1
一种基于ESPRIT的方法,用于大规模MIMO-sy系统中不连续分布的源的2D定位 这是关于“基于ESPRIT的方法在大规模MIMO系统中非相干分布源的二维定位”的论文和代码。 推荐引文:'A。 Hu,T。Lv,H。Gao等,“基于ESPRIT的方法,用于大规模MIMO系统中非相干分布源的二维定位”,IEEE J. Select。 主题信号处理,第一卷。 8号2014年10月,第5页,第996-1011页。”
2022-03-22 09:23:24 20.94MB 系统开源
1
在大规模 MIMO 系统中,将牛顿迭代法用于传统的 WWSE 预编码算法求逆运算,但是其迭代初始值计算复杂。针对这一问题,提出WWSESOR-NT算法。在SOR算法的基础上提出中间算法,然后与牛顿迭代算法相结合,利用中间算法直接对高阶矩阵的逆进行估算,将得到的结果作为牛顿迭代法的迭代初始值以加快收敛速度。仿真结果显示,与传统牛顿迭代法比较,WWSESOR-NT 算法能够以更少的迭代次数和近似相同的复杂度逼近WWSE算法的性能。
1
针对无线通信网耗能造成二氧化碳排放量和运营成本日益增加的问题,提出了一种下行大规模天线系统能效最优的资源分配算法。算法在基站端采用最大比合并(MRT)预编码的情况下,考虑各用户最小数据速率、最大发射功率和可容忍的干扰水平约束条件下,以最大化系统能效下界为准则建立非凸优化模型。首先采用一种迭代算法确定每个用户的带宽分配;然后根据分数规划的性质,将能效优化问题的分数形式转换为减数形式,进而利用凸优化方法求解基站端最优的发射天线数和发射功率来获得最优能效。仿真结果表明,所提算法能以较小的迭代次数收敛到最大能效值,并且有较好的系统频谱效率性能,同时算法复杂度得到了显著降低。
1
针对信道条件未知的多小区大规模多输入多输出(MIMO)系统,提出一种对导频序列长度、导频符号功率以及数据符号功率进行联合优化的资源分配算法。采用最大比合并(MRC)接收,考虑电功率和导频污染的影响,并对最大传输功率进行约束从而建立起以能效(EE)最大化为目标的非凸函数模型。根据分数规划的性质,首先将分数形式转化成减式形式,进而分解成一系列凸函数之差(DC)的问题,最后采用交替优化算法联合调整 3 个变量从而达到能效最大化的目标。仿真结果表明,随着最大符号传输功率的增加,所提方案仍然能保持良好系统能效性能。
1
大规模MIMO系统中基于并行共轭梯度的低复杂度预编码算法。
2022-01-18 10:28:41 4.46MB 研究论文
1
DL混合预编码器 这是论文的源代码 在本文中,我们提出了一种新颖的神经网络架构,称为自动预编码器,以及一种基于深度学习的方法,该方法可共同感知毫米波(mmWave)通道并仅需几个训练飞行员即可设计出混合预编码矩阵。 更具体地,所提出的模型利用对信道的先前观察来实现两个目标。 首先,它以无监督的方式基于周围环境优化压缩通道感测矢量,以将感测功率集中在最有希望的空间方向上。 这是通过一种新颖的神经网络体系结构实现的,该体系结构考虑了RF链上的约束并将发射机/接收机测量矩阵建模为两个复数值卷积层。 其次,提出的模型学习如何直接从投影的信道向量(接收到的感应向量)构建混合架构的RF波束成形向量。 结合了通道感测和波束预测的自动预编码器神经网络被端到端训练为一个多任务分类问题。 每个任务都是一个多标签分类问题。 下图显示了网络。 要查找有关本文和其他基于深度学习的无线通信工作的更多信息,请访问。
2022-01-12 17:19:52 186.02MB 系统开源
1
大规模MIMO 系统中基于导频分配策略消除导频污染算法研究
2021-12-30 15:20:36 2.31MB 研究论文
1