多用户MIMO预编码技术：块对角化BD，分别采用SVD技术，最大似然检测，最小均方误差检测的误码率性能仿真代码。里面有代码，仿真图等。

针对 Hybrid Precoding in Millimeter Wave Systems 的 matlab 仿真代码，内附 paper 和 代码

基于深度学习的毫米波系统的信道估计和混合预编码 将“ matlab”和“ python”文件夹放在根目录中 “ matlab”文件夹包含传统的HBF算法，信道估计算法和数据生成代码。 “ python”文件包含已定义的神经网络模型和经过训练的模型。 如果要直接测试HBF-Net和CE-HBF-Net，则可以 运行“ matlab / channel_gen.m”以生成测试通道。 运行“ matlab / gen_testdata.m”以生成测试数据集 您也可以单击（提取代码：om9r）下载数据集，而无需生成新的测试数据集。 训练后的模型保存在“ python / model”中。 在测试模式（train_flag = 0）下运行“ python / main.py”，可以测试HBF-Net和CE-HBF-Net的性能。 如果您想对HBF-Net和CE-HBF-Net进行再培训，则可以

Matlab code for Massive MIMO precoding.

误码率的matlab代码大规模MIMO预编码 该存储库包含用于仿真Massive MIMO系统的下行链路预编码的MATLAB代码。 我针对使用1位DAC和不完善的CSI的下行链路预编码提出了两种优化方法。 注意：更改参数以使系统符合您的需求。 我一直在玩这些参数。 因此，当前参数设置与样本输出不一致。 需要更多注意的几个参数： Num_BS_Antennas ：基站天线的数量。 Num_UE ：UE的数量，假设每个UE仅有一个天线。 SNR ：我们模拟的SNR范围。 符号：指定到所选调制方案的星座点。 f_dop ：通道的多普勒扩展。 f_symb ：信道矩阵的采样率。 多：附加估计误差对信道估计的权重。 系统型号 图取自Jacobsson S，Durisi G，Coldrey M等。 关键词：大规模MU-MIMO，量化预编码2016年 档案文件 main.m ：健壮的ZF预编码器的入口函数。 main_linear.m ：用于比较三种传统预编码器的入口函数。 Transmit.m ：完整的源数据生成，调制，预编码，传输和检测。 Transmit_linear.m ：与transiti

这里边是一些用Matlab写的可以运行的MIMO预编码程序，有关多用户的，是从网上搜集整理的一些内容，对于想找该方面资料的人应该是有帮助的。

MIMO系统,研究MIMO系统下基于码本的有限反馈发射预编码技术 代码

LTE 预编码，对数据进行编码，减小传输的差错率

本书详细介绍了线性预编码和非线性预编码，并给了大量的仿真实例。适合初学通信的研究生学习

本文着重于针对多用户多输入多输出（MU-MIMO）下行链路传输的最大比率传输（MRT）预编码的设计。 由于通过奇异值分解（SVD）构造的发射机预编码矩阵被连续计算两次，因此在MUMIMO系统上进行退出块对角化（BD）预编码研究具有很高的复杂度。 MRT方案构造分别针对每个接收天线的预编码矢量，因此每个天线的信号都是独立的。 与MRT预编码和最大比合并相比，与BD预编码相比，可以获得更多的空间分集增益。仿真表明，在各种MU-MIMO系统中，与传统的BD预编码相比，该算法具有更大的增益。