下行MU-MIMO系统能效与频谱效率折中效用分析，贾美平，张超，针对下行多用户多输入多输出(Multi-User Multiple-Input Multiple-Output，MU-MIMO)系统，建立了能够表达能量效率(Energy-Efficient, EE)与频谱效率(Spectrum

基于BD算法的多用户MIMO下行功率自适应，杨文谦，王亚峰，在多天线系统的研究中，目前的方向多数集中在通过预编码或者其他干扰消除技术来提升系统性能，而对于功率控制和干扰消除技术相结

基于干扰协调(IA)方法,通过级联小区间干扰抑制预编码矩阵P与小区内用户间干扰抑制预编码矩阵,能显著提高小区边缘用户的速率。然而,此方法只能针对固定位置用户设计,而实际系统用户在小区中是随机分布的。针对此问题,提出了一种动态模式切换(DMS)方式。小区中的所有用户根据各自受到干扰的情况,计算一阈值并自行选择工作模式(IA-MMSE或MF模式),基站分别对2组不同模式的用户进行机会调度。仿真结果表明,此方式既能提升小区边缘用户的速率,又保证了小区中心用户的速率不受影响。并通过优化矩阵P,进一步提高了小区边缘

LTE-A(Long Term Evolution-Advanced)系统有高速率、低时延的需求。但是，系统中的干扰严重影响了终端接收信号质量，限制了系统性能的提升。对于小区间的同频干扰，重点研究了干扰消除性能较优的IRC(Interference Rejection Combining)算法。针对目前IRC算法的两种经典的协方差矩阵估计方案—基于数据信号和基于DM-RS参考信号的协方差矩阵估计方案的优点与不足，给出了一种基于样本点选取的协方差矩阵估计的改进方案。仿真结果表明，改进后的IRC算法较基于DM-RS参考信号的协方差矩阵估计的IRC算法有1 dB～2 dB的性能增益，因此更适用于受同频干扰比较严重的LTE-A系统中。

测试通过，LTE-A系统级仿真平台，值得学习LTE-A的同学研究下，能够快速理解LTE-A物理层协议。

基于张量分解的大规模MU-MIMO系统中CSI反馈算法，曾媛，谢东亮，近年来，大规模多用户多输入多输出(Multi Users Multiple Input Multiple Output,MU-MIMO)通过在基站端配置大规模天线阵列，在不增加带宽及功率的��

matlab代码csma MU-MIMO-WLAN 我们提供Matlab代码，用于对在多用户MIMO（MU-MIMO）无线LAN（WLAN）中运行的基于CSMA / CA的MAC协议进行建模和分析。 它们是以下论文的补充材料：。 MAC协议仿真在*_main.m函数中提供，而分析模型在*_model_main.m函数中给出。

MIMO Communication for Cellular Networks，2012年的一本新书，对SU-MIMO和MU-MIMO等做了详细的讲解，是一本难得的好书

详细介绍了多用户MIMO的信道容量的计算过程。

MU-MIMO 系统中，基站在相同的时间与频率资源上与多个用户进行通信，导致不同用户之间存在同信道干扰。SLNR 预编码方法将联合优化的问题转化成若干个独立优化问题，在系统性能与复杂度之间取到很好的折中。提出了一种改进的 SLNR 预编码方法，该方法在泄漏信号的基础上，考虑干扰信号的影响，对预编码向量进行迭代优化。仿真结果表明，与 SLNR 方法相比，该方法在理想CSI 和非理想CSI 情况下都可以进一步提高系统的吞吐量。