说明：MIMO系统的ML检测，默认为2发2收的天线数，运行课直接出仿真结果。

说明：《MIMO-OFDM无线通信技术及MATLAB实现》源代码

说明：一种基于波束定向DPD算法设计的发射机以及其改进算法

说明：ABC beamforming for MIMO systems

说明：该程序描述了基于MMSE和SIC结合进行均衡的过程，对于理解MIMO中的MMSE-SIC均衡有帮助。

说明：This book consists of all the aspects of MIMO communication principle.

说明：MIMO系统模型主函数，包括采样、计算导频数、状态更新例程子函数等等。

说明：mimo各个信道具体源码，包括高斯、瑞利、多径衰弱等信道模型，本人将其调试、整理并附上运行结果。

说明：MIMO通信系统的仿真,包含整套通信系统的编码解码，调制解调，噪声信道

说明：MIMO.zip sourse code script

说明：SIMO链路仿真以及matlab联调程序，用于学习

说明：毫米波MIMO信道，各种场景下的毫米波MIMO信道

说明：该示例介绍了混合波束成形的基本概念，并说明了如何模拟这种系统。

说明：对4收4发的MIMO系统进行仿真，计算信道容量随信噪比的变化趋势

说明：在MIMO系统中，利用最大似然估计法估算信息传输的误码率

说明：利用matlab仿真MIMO系统下的信道容量

说明：此函数用于MIMO雷达的超分辨算法，利用凸优化压缩感知算法进行DOA估计，相比于MUSIC等超分辨算法，该算法的分辨性能更好。

说明：MIMO-OFDM 系统的信道估计程序，希望大家有用

说明：用 matlab实现mimo-ofdm的过程。

说明：MIMO多天线收发 各种性能比较（BER曲线） 包括MMRC EGC SC Alamouti V-BLAST。信道为瑞利信道，有2种，相关和非相关。测试仿真结果 请运行文件名带plot的。

说明：基于深度学习的，信道估计，mimo，能运行

说明：Matlab实现简单的MIMO-OFDM编程，实现简单。

说明：MIMO beam forming matlab code

说明：if (min_val < max_val) bits_alloc(min_ind) = bits_alloc(min_ind) + 1; bits_alloc(index) = bits_alloc(index) - 1; energy_alloc(index) = energy_alloc(index) - min_val; else bits_alloc(max_ind) = bits_alloc(max_ind) - 1; bits_alloc(index) = bits_alloc(index) + 1; energy_alloc(index) = energy_alloc(index) + max_val; end

说明：function C=capacity(SNR,Nt,Nr) %SNR=0; %定义信噪比为0HZ A=10^(SNR/10); %信噪比的单位转换关系式 Im=eye(min(Nr,Nt)); %这里的"1"为发射天线和接收天线两者数目少的根数 sum=0; %初始化sum为0 for i=1:10000 %程序循环10000次 H=randn(Nr,Nt); %产生高斯信号源 if Nr<Nt Q=H*H'; %求威沙特矩阵 else Q=H'*H; end sum=sum+log2(det(Im+A*Q/Nt)); %10000次循环得到的信道容量总和 end C=sum/10000 %10000次循环的平均值

说明：预编码 BER仿真 matlab ，MIMO，预编码算法仿真，precoding MIMO，BER

说明：MULTIPLE INPUT MULTIPLE OUTPUT SIMUL

说明：调试使用的环境是MATLAB 2017b，内含三个MIMO信号处理的MATLAB仿真程序，分别是V-BLAST编码、Alamouti STBC编码和发送端Precoding， 运行前，请将“仿真函数”和“调用的函数”解压在同一目录下。

说明：for ii = 1:length(T) waitbar(ii/length(T)); Hw =sqrt(1/2)* (randn(Nr*Nt,1) + j* randn(Nr*Nt,1)); % channel %%%% LMMSE estimator p=eye(Tp(ii)*Nr,Nt*Nr); % training symbol pp=inv(p'*p)*p'; % wei ni vv=eye(Tp(ii)*Nr); % noise covariance F=sqrt(snrp)*hh*p'*inv(snrp*p*hh*p'+vv'); f0=(eye(size(F*p))-sqrt(snrp)*F*p)*hm; v=sqrt(1/2)*(randn(Nr*Tp(ii),1) + j*randn(Nr*Tp(ii),1)); % training noise z=sqrt(snrp)*p*Hw+v; % receive g=F*z+f0; % estimation hhh(ii)=abs(Hw(1)); ggg(ii)=abs(g(1)); ww= waitbar(ii/length(T)); end