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

matlab代码里面的字母混合预编码MassiveMIMO 该项目包含以下论文的 MATLAB 代码。 如果您觉得有任何帮助，请考虑引用该论文。 L. Liang、W. Xu 和 X. Dong，“大规模多用户 MIMO 系统中的低复杂度混合预编码”，IEEE 无线通信快报，第一卷。 3，没有。 6，第 653-656 页，2014 年 12 月。 请从两个“主要”文件开始：mainCompareScheme_Rayleigh.m 和 mainCompareScheme_mmWave.m。 其他文件包含在两个“主”文件中调用的函数。 请将所有问题/查询发送至 。

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 ofdm仿真代码HybridPrecodingOpt：毫米波（mmWave）MIMO系统中混合预编码的优化算法 作者： 最后页面更新时间：2018年11月29日 最新版本：1.1.1（有关更多信息，请参见发行说明） 介绍 混合（-）是减少大规模毫米波（mmWave）系统中的高硬件成本和高功耗的最有前途的方法。 混合预编码将通过相移器进行的高维模拟预编码（或波束成形）与低维数字基带预编码结合在一起。 频谱效率的最大化问题大致归结为全数字预编码器和混合预编码器之间的欧几里德距离的最小化问题。 该问题被进一步表述为全数字预编码器与数字基带预编码器矩阵和模拟射频（RF）预编码器（或波束成形）矩阵乘积的问题。 值得注意的一点是，移相器在模拟RF预编码器矩阵上施加了额外的逐元素单位模量约束。 该软件包提供了用于混合预编码的建议优化算法的代码。 该代码也包含现有的最新算法。 此程序包的大多数代码来自。 文档 该文件可以在下面找到； H. Kasai，“用于毫米波MIMO系统中混合预编码的复杂斜流形上的快速优化算法”，GlobalSIP2018。 演算法 建议的 H. Kasai，“复杂

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