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。

该代码用于实现2发2收的MMSE检测，已通过验证。

仿真了MIMO通信系统的两种经典检测算法，迫零和最小均方误差，计算了误码率并绘制了误码率曲线

多用户MIMO检测算法研究与仿真，马天福，运凯，多输入多输出（MIMO）技术以在不增加发射功率和带宽的前提下实现高速率的数据传输，正交频分复用（OFDM）技术将频率选择性衰落信道�

LTEFDD上行MIMO检测算法的应用.docx

matlab mimo信号检测算法，有需要的可以下载

一种基于Gauss-Seidel迭代的高效大规模MIMO检测算法，张耀月，苗建松，目前大规模多输入多输出（MIMO）系统是5G及未来无线通信中最有前途的技术之一。在大规模MIMO信号检测中需要实现大量的矩阵计算，特�

matlab最简单的代码MIMO中的AMP 用于大规模MIMO检测的近似消息传递（AMP） 文件描述 AMPG.m：在先验符号上使用高斯分布的AMP算法。 AMPT.m：在先前符号上使用{0,1，-1}的AMP算法。 main_AMPG_LMMSE.m：独立的主文件，用于绘制AMPG和线性MMSE（LMMSE）的符号错误率（SER）性能。 main_massive_detection.m：用于将混合解码与LMMSE和AMPG的SER性能进行比较的主文件，其中可以通过使用LMMSE + AMPG或LMMSE + AMPT来执行混合解码。 版权 如果您在研究中使用我们的代码，请引用以下论文以感谢我们的工作： 吕善刚，丛玲：混合向量扰动预编码：近似消息传递的祝福。 IEEE Trans。 信号处理。 67（1）：178-193（2019）。 维护者 珊香柳 暨南大学副教授，广州 电子邮件： 主页： 历史 这些文件已发布在我的个人网站（版本1）和MATHWORK（版本2）上。 当我在2014年左右开始攻读博士学位时，我的一项研究项目是应用AMP算法解决晶格的最近向量问题（CVP），而流行的MI

matlab的BER代码深集成电路 基于深度学习的软干扰消除符号检测器，基于论文： N. Shlezinger、R. Fu 和 YC Eldar。 “ DeepSIC：用于多用户 MIMO 检测的深度软干扰消除”。 arXiv 预印本，arXiv:2002.03214, 2020。 存储库内容 DeepSIC 的实现包括两个功能： GetDeepSICNet - 生成和训练 DeepSIC MIMO 检测器。 训练以顺序方式进行（参见上述参考资料中的顺序训练）。 s_fDetDeepSIC - 使用训练模型检测符号，返回 BER。 评估 ViterbiNet 的代码示例可以在脚本 DeepSIC_Test1.m 中找到。 此代码需要带有深度学习工具箱的 Matlab。 论文中报告的结果是使用 Matlab 2018b 模拟的。

《大规模MIMO检测算法VLSI架构——专用电路及动态重构实现》是清华大学刘雷波教授的著作，本书首先分别介绍线性和非线性大规模MIMO检测算法，及对应的专用电路的设计，然后提出并设计大规模MIMO检测可重构处理器，并介绍相应的数据通路和配置通路的设计方法，该方法解决了大规模MIMO检测芯片缺乏高灵活性和高扩展性这一难题，最后对大规模MIMO检测VLSI架构在服务器端、移动端和边缘计算端的应用进行展望。