多输入多输出系统中基于多级维纳滤波的均衡算法
多输入多输出系统(MIMO ,Multiple input multiple output)最早
多输入多输出系统(MIMO ,Multiple input multiple output)最早是控制系统中提出的一个概念，它表示一个系统有多个输入和多个输出。
而MIMO技术早期用于干扰无线信号，后来则用于移动通信和固定宽度的无线领域。
如果将移动通信系统的传输信道看成一个系统，则发射信号可看成移动信道(系统)的输入信号，而接收信号则可看成移动信道(系统)的输出信号。
在通信中，由多径引起的衰落通常被认为是有害因素，不过对于MIMO系统而言，多径可引起的衰落以作为一个有利因素并加以利用。
MIMO 技术以其可以有效利用多径引起的衰落来成倍地提高业务传输速率，并引发了通信的一次革命。
基于通信系统中的MIMO技术的使用情况，近几年国外学者提出了MIMO雷达的概念。
1.MIMO雷达信号处理发展历史1.1 国外研究现状国外最早在MIMO雷达信号处理领域开始开创性的工作者有New Jersey Institute of Technology的Eran Fishler、Alex Haimovich等人，他们研究的工作主要集中在MIMO雷达的信号建模，从模型中获取我们感兴趣的参数的算法研究（如散射点的散射系数，散射点距雷达的距离等），并从雷达对目标检测性能等方面说明它相对于普通的相控阵雷达所具有的优越性，明确指出了MIMO雷达将是未来雷达发展的一个趋势。
几乎在同一时期，MIT Lincoln Laboratory的K. W. Forsythe等人的研究工作也在同步进行，他们的研究工作则主要集中在MIMO雷达的性能优越性的理论证明。
同时该实验室的Frank C. Robey也作了大量的实验，通过大量实验证明MIMO雷达相比传统的雷达有许多优点。
目前国外研究MIMO雷达的著名机构有美国的佛罗尼达大学(University of Florida)，MIT Lincoln Laboratory、新泽西理工学院（New Jersey Institute of Technology）等。
自控练习题答案
第六章习题：1、若某串联校正装置的传递函数为1100110)(++=s s s G c ，则该校正装置属于（）。
A 、超前校正B 、滞后校正 C 、滞后-超前校正 D 、不能判断2、若已知某串联校正装置的传递函数为11.01)(++=s s s G c ，则它是一种（）。
A 、超前校正 B 、滞后校正 C 、滞后-超前校正 D 、不能判断3、若已知某串联校正装置的传递函数为12.0121101)(++++=s s s s s G c ，则它是一种（）。
A 、超前校正 B 、滞后校正 C 、滞后-超前校正 D 、不能判断 4、下列串联校正装置的传递函数中，能在c w =1处提供最大相位超前角的是（）。
A 、1110++s s B 、11.0110++s s C 、15.012++s s D 、11011.0++s s 5、关于PI 控制器作用，下列观点正确的有（）A 、可使系统开环传递函数的性别提高，消除或减小稳态误差；B 。
积分部分主要是用来改善系统动态性能的；C 、比例系数无论正负、大小如何变化，都不会影响系统稳定性；D 、只要应用PI 控制规律，系统的稳态误差就为零。
6、某环节的传递函数是5173)(+++=s s s G ，则该环节可看成由（）环节串联而组成。
A 、比例、积分、滞后B 、比例、惯性、微分C 、比例、微分、滞后D 、比例、积分、微分7、在控制系统实际运行中，输入信号一般是（）信号，而噪声信号一般是（）信号。
A 、低频、低频B 、高频、高频C 、低频、高频D 、高频、低频8、PI 控制规律的传递函数表达式是_G （s ）=Kp(1+1/TiS)_______________，PID 控制规律的传递函数表达式是___G （S ）=Kp （1+1/TiS+TdS ）______________。
9、已知超前校正装置的传递函数为132.012)(++=s s s G c ，其最大超前角所对应的频率m ω=_________。
MIMO均衡算法(CMALMSRLS)原理介绍
MIMO均衡算法（CMALMSRLS）原理介绍MIMO（Multiple Input Multiple Output）均衡算法是用来解决多输入多输出通信系统中的信号干扰问题的一种方法。
MIMO系统是一种通过在发送和接收端使用多个天线来提高通信性能的技术，它可以同时传输多个信号流，从而提高了系统的传输容量和可靠性。
MIMO均衡算法主要有三种：CMA（Constant Modulus Algorithm）、LMS（Least Mean Square Algorithm）和RLS（Recursive Least Square Algorithm）。
下面将对这三种算法的原理进行详细介绍。
1.CMA算法原理：CMA算法是一种基于判决反馈的盲均衡算法，主要用于消除通信系统中的多径干扰。
其原理基于一种常数模型，即假设接收信号的样本具有常数模量。
CMA算法通过最小化误差信号的功率来估计多径信道，从而实现均衡。
算法的核心思想是根据判决反馈，通过调整均衡器的参数来最小化误差信号的功率。
2.LMS算法原理：LMS算法是一种基于梯度下降法的自适应均衡算法，其主要特点是简单易理解、计算速度快。
LMS算法通过最小化接收信号与期望信号之间的误差来更新均衡器的权重。
算法的核心思想是根据误差信号和输入信号之间的相关性来更新均衡器的参数，从而逐步优化均衡器的性能。
3.RLS算法原理：RLS算法是一种基于递推最小二乘法的自适应均衡算法，其主要特点是收敛速度快、抗干扰性能好。
RLS算法通过最小化误差的均方值来更新均衡器的权重。
算法的核心思想是根据输入信号和误差信号之间的相关性来更新均衡器的参数，从而实现均衡。
相比于LMS算法，RLS算法的计算复杂度较高，但是收敛速度更快，适用于信道条件变化频繁的情况。
总而言之，MIMO均衡算法通过调整均衡器的权重来消除多输入多输出通信系统中的信号干扰，从而提高通信系统的性能。
CMA算法是一种基于判决反馈的盲均衡算法，LMS算法是一种基于梯度下降法的自适应均衡算法，RLS算法是一种基于递推最小二乘法的自适应均衡算法。
多输入多输出系统的分析与控制研究
多输入多输出系统的分析与控制研究多输入多输出系统（MIMO系统）是指系统具有多个输入信号和多个输出信号的动态系统。
这种系统常见于许多现实世界中的应用，例如通信系统、控制系统和信号处理系统等。
对MIMO系统进行分析和控制研究对于实现优化的系统性能和稳定性至关重要。
本文将介绍MIMO系统分析和控制的基本原理和方法。
MIMO系统的分析是指对系统的输入和输出关系进行建模和分析，以了解系统的行为和特性。
在MIMO系统中，输入信号可以是多个不同的信号源，输出信号可以是多个关联的观测信号。
分析MIMO系统的目标是推导出系统的传递函数或状态空间描述，以研究系统的稳定性、频率响应和时域响应等特性。
在MIMO系统中，输入和输出之间的关系可以通过矩阵形式表示。
输入向量和输出向量分别表示为：u(t) = [u1(t), u2(t), ..., um(t)]^Ty(t) = [y1(t), y2(t), ..., yn(t)]^T其中，u(t) 是 m 维输入向量，y(t) 是 n 维输出向量。
为了分析MIMO系统的传递过程，可以使用频域方法和时域方法。
频域方法通过将输入和输出信号转换为复数的复信号，通过计算传递函数的频率响应来研究系统的行为。
时域方法则关注系统的时间响应特性，例如阶跃响应、脉冲响应和频率响应等。
MIMO系统的控制研究旨在设计合适的控制器以实现对系统的稳定性和性能的优化。
控制器的设计可以基于多个因素，例如系统的输入信号和输出信号的关系、系统的传递函数或状态空间模型以及所需的控制性能指标等。
常见的MIMO系统控制方法包括线性控制方法和非线性控制方法。
线性控制方法通常基于线性系统理论，例如状态空间控制方法和频域控制方法。
通过设计适当的线性控制器，可以实现对系统的稳定性和性能的优化。
然而，线性控制方法在非线性系统或强耦合系统中可能不适用。
非线性控制方法则针对非线性系统或强耦合系统进行设计。
这些方法通常基于非线性控制理论，例如滑模控制、自适应控制和最优控制等。
维纳滤波法
维纳滤波法维纳滤波法（Wiener filtering method）是在信号处理领域中常用的一种基于谱估计的信号滤波方法。
该方法可以有效地降低噪声干扰，提高信号的信噪比，使得信号的特征更为明显。
维纳滤波法的基本原理是利用信号特征与噪声特征的统计学信息进行频域滤波。
具体地，可以通过统计学手段来获得待滤波信号和噪声的功率谱密度函数，从而进一步得到信噪比。
在得到信噪比的基础上，利用滤波方法，对信号进行滤波，使得信号与噪声的功率谱密度函数在频域上相对优化。
这样的方法，可以弱化噪声的干扰，同时更好地保留信号的特征。
在实际应用中，维纳滤波法主要有以下几个步骤：1. 求解信号和噪声的功率谱密度函数在信号滤波之前，需要首先获得待滤波信号和噪声的功率谱密度函数。
通常情况下，可以通过获得信号和噪声的数据样本，并利用统计学方法来求解功率谱密度函数。
功率谱密度函数描述了信号和噪声在频域上的分布情况，是后续滤波的基础。
2. 求解信噪比获得信号和噪声的功率谱密度函数之后，就可以通过求解信噪比来进行维纳滤波。
信噪比可以通过对信号和噪声功率谱密度函数的比较得到。
在求解信噪比时，需要通过对采样率进行设置来控制降噪的效果。
3. 进行维纳滤波处理滤波处理是维纳滤波法的核心。
在求解信号和噪声的功率谱密度函数以及信噪比后，可以利用滤波方法对信号进行处理，消除噪声干扰，使信号更为清晰。
维纳滤波法的优点是可以有效地降噪，保留信号的特征，适用于多种信号处理场景。
但是，在实际应用中，维纳滤波法也存在一些缺点。
一方面，维纳滤波法需要对输入信号的功率谱密度函数进行先验假设，对于功率谱密度函数存在误差的情况无法处理。
另一方面，维纳滤波法对输入信号的要求较高，对于非平稳信号和突发噪声干扰难以得到较好的处理效果。
总体来说，维纳滤波法在信号处理领域得到了广泛的应用，其具有很强的实用性和效果性。
在实际应用中，需要通过对信号和噪声特征的深入分析，选用合适的参数和方法，考虑到实际问题的复杂性，得到更为准确的滤波结果。
维纳滤波器的原理和应用
维纳滤波器的原理和应用维纳滤波器简介维纳滤波器是一种经典的信号处理滤波器，它基于维纳滤波理论，通过对信号进行统计分析和模型建立，实现信号的优化处理。
维纳滤波器能够降低信号中的噪声成分，提高信号的质量和可靠性，在许多领域中得到广泛的应用。
维纳滤波器原理维纳滤波器的原理是基于最小均方误差的思想，通过最小化信号与噪声之间的均方误差，实现对信号的最优估计。
其数学模型可以表示为：维纳滤波器原理公式维纳滤波器原理公式其中，x(n)是输入信号，h(n)是滤波器的冲激响应，y(n)是滤波器的输出信号，w(n)是噪声信号，E[w(n)w(m)]是噪声信号的自相关函数，Rxx(k)是输入信号的自相关函数，Rxy(k)是输入信号和噪声之间的互相关函数。
维纳滤波器根据输入信号、噪声信号和系统参数的统计特性，通过最小化均方误差优化系统参数，使得滤波器能够有效地抑制噪声成分，提取出原始信号。
维纳滤波器的设计需要基于输入信号和噪声的统计特性的准确估计，以及对滤波器参数的优化求解。
维纳滤波器应用维纳滤波器在实际应用中具有广泛的用途，以下列举了几个常见的应用领域：1.图像去噪：维纳滤波器可以应用于数字图像处理中的去噪问题，通过最小化图像中的噪声与图像信号的误差，实现对图像噪声的抑制，提高图像的质量和清晰度。
2.语音增强：在语音信号处理中，维纳滤波器可以应用于语音增强问题，通过对语音信号进行建模和分析，实现对噪声的抑制，提高语音信号的清晰度和可听性。
3.视频恢复：在视频信号处理中，维纳滤波器可以应用于视频恢复问题，通过对视频帧进行建模和分析，实现对噪声和失真的抑制，提高视频的质量和稳定性。
4.无线通信：在无线通信系统中，维纳滤波器可以应用于信号解调和接收问题，通过对接收信号进行建模和分析，实现对噪声和干扰的抑制，提高信号的可靠性和传输速率。
5.生物信号处理：在生物医学信号处理中，维纳滤波器可以应用于生物信号的去噪和增强问题，通过对生物信号进行建模和分析，实现对噪声和干扰的抑制，提高生物信号的可读性和分析能力。
多输入-多输出系统级联的多输入单输出均衡器研究
模型 ， 定义发射信号 向量为 ＝ ［ 。 ， ， …， ］ ， 接
收信号向量为 ｘ ＝［ ， ｘ ： ， …， ｘ ］ ， 对应的信道噪
声 向量 为 ＝ ［ １ ， ， ， …， ｌ ， ］ ， 如图 １ 所示 。
Ｔ Ｉ 、“，
， Ｔ、
， ＼ ｒ
＝０
（ ２ ）
式（ ２ ） 中， － 厂 表示 Ｍ ×Ｐ维 的 ＭＩ ＭＯ系统 均衡器 的权
科
学
技
术
与
工
程
１ ４卷
向量矩 阵 ， ， Ｊ 是 均衡器 的抽 头数 。
ｒ ｉ ｔ ｈ ｍ，Ｃ ＭＡ） ， 虽 然算 法 具 有结 构 简 单 ， 鲁 棒 性好 的
２ 级联 的 ＭＩ Ｓ Ｏ 盲均衡器
良影响 ， 与传 统 Ｍ Ｉ ＭＯ均衡器相 比， 算法收敛后信号星座点更集 中， 全局用 户 间总干扰 比也更低 ； 并且 下一级 Ｍ Ｉ Ｓ Ｏ均衡器 的
均方误差低于上一级。
关键词 多输入 多输 出
盲均衡
多输入 单输 出
信道估计
中 图法 分类 号
Ｔ Ｎ ９ １ １ ． ５ ；
第１ ４卷
第 ３期
２ ０ １ ４年 １月
科
学
技
术
与
工
程
Ｖｏ １ ． １ ４ Ｎ ｏ ． ３ Ｊ ａ ｎ ．２ ０ １ ４
１ ６ ７ １ — １ ８ １ ５ （ ２ ０ １ ４ ） ０ ３ — ０ ０ ４ ５ － ０ ４
Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ａ ｎ ｄ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ
ＭＩ ＭＯ通信 系 统 中用 户 间 的 相互 干 扰 ， 使 得 接 收端 的混 合信 号之 间存 在一 定 的相 关 性 ， 这种 相 关 性导 致传 统 的 ＭＩ ＭＯ均衡 器 的多个输 出有 时会 锁定 到相 同的发射 信号 ， 严 重 影 响 到均 衡 器 的 均衡 效 果， 因此需 要 采取一 定 的方法来 削 弱这种 相关 性 。
维纳滤波处理
维纳滤波处理1. 引言维纳滤波是一种常用的信号处理技术，它可以用来降低信号中的噪声并恢复信号的有效信息。
维纳滤波在图像处理、语音处理、雷达等领域都有广泛应用。
本文将详细介绍维纳滤波的原理、方法和应用。
2. 维纳滤波原理维纳滤波是一种基于最小均方差准则的滤波方法，它的目标是最小化输出信号和原始信号之间的均方误差。
假设原始信号为x，滤波器的输出为y，对于离散信号，维纳滤波器可以用以下公式表示：其中，Y(k)为输出信号的第k个采样值，H(k)为滤波器的频率响应，X(k)为原始信号的第k个采样值，N(k)为噪声的第k个采样值。
维纳滤波的目标是选择一个适当的滤波器，使得输出信号的均方误差最小。
3. 维纳滤波方法维纳滤波的主要方法有两种：空域方法和频域方法。
下面将详细介绍这两种方法的原理和步骤。
3.1 空域方法空域方法是指在时域或空间域上对信号进行滤波。
维纳滤波的空域方法主要包括以下几个步骤：1.对原始信号进行空域预处理，如平滑处理等。
2.估计噪声的功率谱密度。
3.估计信号的功率谱密度。
4.计算维纳滤波器的传递函数。
5.对输入信号应用维纳滤波器，得到输出信号。
3.2 频域方法频域方法是指在频率域上对信号进行滤波。
维纳滤波的频域方法主要包括以下几个步骤：1.对原始信号进行傅里叶变换，转换到频域。
2.估计噪声的功率谱密度。
3.估计信号的功率谱密度。
4.计算维纳滤波器的频率响应。
5.将维纳滤波器的频率响应应用于原始信号的频谱，得到滤波后的频谱。
6.对滤波后的频谱进行逆傅里叶变换，得到输出信号。
4. 维纳滤波应用维纳滤波在图像处理、语音处理和雷达信号处理等领域有着广泛的应用。
4.1 图像处理在图像处理中，图像往往受到噪声的影响，这会导致图像模糊和细节丢失。
维纳滤波可以有效地降低图像噪声，改善图像质量。
维纳滤波在医学影像、无损检测和图像增强等领域有广泛应用。
4.2 语音处理在语音处理中，语音信号常常受到环境噪声的干扰，这会降低语音信号的可听性和识别率。
多输入多输出(MIMO)系统中的数据传输的方法和系统[发明专利]
![多输入多输出(MIMO)系统中的数据传输的方法和系统[发明专利]](https://img.taocdn.com/s3/m/8a2549eb844769eae109eddb.png)
专利名称：多输入多输出(MIMO)系统中的数据传输的方法和系统
专利类型：发明专利
发明人：于茜,罗平,星野正幸
申请号：CN200780038693.1
申请日：20071001
公开号：CN101529737A
公开日：
20090909
专利内容由知识产权出版社提供
摘要：提供了一种多输入多输出(MIMO)系统中的数据传输的方法，一种MIMO系统中的发射器，一种其上存储有用于指示MIMO系统执行MIMO系统中的数据传输的方法的计算机代码的计算机可读数据存储介质，一种处理MIMO系统中接收的数据流的方法，一种MIMO系统中的接收器，以及一种其上存储有用于指示MIMO系统执行在MIMO系统中处理接收的数据流的方法的计算机代码的计算机可读数据存储介质。
用于数据传输的方法包括接收多个输入数据流；利用奇偶校验矩阵执行输入数据流的低密度奇偶校验(LDPC)编码，其中奇偶校验矩阵包括多个奇偶校验子矩阵，奇偶校验子矩阵用于对所述输入数据流中与各奇偶校验子矩阵相关的输入数据流进行编码，以及执行时空编码以通过多个天线发射经LDPC编码的输入数据流；其中执行输入数据流的LDPC编码包括生成一个或者多个联络矩阵，每个联络矩阵用于将输入数据流中的一个数据流的信息插入到输入数据流中的另一个数据流的编码中，以及其中如果基于一个输入数据流的奇偶校验子矩阵的最低奇偶校验保护级别等于或者低于该输入数据流的分配的奇偶校验保护级别，则所述每个联络矩阵是零矩阵，否则所述每个联络矩阵是非零矩阵。
申请人：松下电器产业株式会社
地址：日本大阪
国籍：JP
代理机构：北京英赛嘉华知识产权代理有限责任公司更多信息请下载全文后查看。
多输入多输出系统的奈奎斯特曲线
多输入多输出系统的奈奎斯特曲线1. 奈奎斯特曲线概述奈奎斯特曲线是控制系统理论中的重要概念，用于描述系统的频率响应特性。
它由瑞典工程师哈里·奈奎斯特（Harry Nyquist）在20世纪初提出，被广泛应用于控制系统分析与设计中。
2. 奈奎斯特曲线的特点奈奎斯特曲线是一种极坐标图，通常用于分析系统的稳定性和频率响应特性。
它可以帮助工程师快速了解系统的频域特性，从而指导控制系统的设计与调节。
3. 奈奎斯特曲线的绘制奈奎斯特曲线是通过绘制系统的频率响应曲线来得到的。
通常会对系统进行正弦激励，测量输出信号与输入信号之间的频率响应关系，进而绘制奈奎斯特曲线。
4. 奈奎斯特曲线与系统稳定性的关系奈奎斯特曲线可以直观地反映系统的稳定性。
通过分析奈奎斯特曲线的特征，可以判断系统的稳定性以及阶跃响应的性能。
这对于控制系统的设计与调节具有重要意义。
5. 多输入多输出系统中的奈奎斯特曲线多输入多输出（MIMO）系统是现代控制系统中常见的一种形式。
在MIMO系统中，存在多个输入与多个输出信号之间的复杂耦合关系。
奈奎斯特曲线在MIMO系统中同样具有重要作用，可以帮助工程师全面了解系统的频率响应特性。
6. 使用奈奎斯特曲线分析MIMO系统对于MIMO系统，奈奎斯特曲线的分析可以帮助工程师理解系统的传递函数、阶跃响应、频率响应等性能特征。
通过绘制奈奎斯特曲线，可以直观地看出系统的稳定性以及频率响应特性，对系统的设计与调节有重要指导作用。
7. MIMO系统控制与设计中的应用在MIMO系统的控制与设计中，奈奎斯特曲线可以用于确定系统的稳定性边界、阶跃响应特性、频率响应特性等。
工程师可以通过分析奈奎斯特曲线来优化控制器的设计，提高系统的稳定性与性能。
8. 总结奈奎斯特曲线作为控制系统分析与设计中的重要工具，在MIMO系统中同样具有重要作用。
通过对奈奎斯特曲线的分析，可以全面了解系统的频率响应特性，指导系统的稳定性分析与控制器设计。
winner滤波算法
winner滤波算法
维纳滤波（Wiener filtering）是一种在信号处理中广泛应用的算法，主要用于从噪声中提取有用的信号。
它利用了信号和噪声的相关性，通过最小化误差的均方值来达到最佳的滤波效果。
维纳滤波器的基本原理是根据信号和噪声的统计特性，通过线性变换来估计原始信号。
具体来说，它可以通过以下步骤实现：
1. 确定信号和噪声的统计特性，包括它们的功率谱密度（PSD）和交叉谱密度（CSD）。
2. 根据这些统计特性，计算出最优滤波器的系数。
3. 利用这些系数对输入信号进行滤波处理，得到输出信号。
在维纳滤波器的设计中，通常会使用一种被称为“最小均方误差”的准则，以获得最佳的滤波效果。
在实际应用中，维纳滤波器通常采用递归或非递归的方式实现，可以根据具体的需求和场景选择适合的实现方式。
维纳滤波器的应用非常广泛，包括但不限于以下领域：
1. 通信：在通信系统中，维纳滤波器可以用于信号的降噪、增强和恢复。
2. 图像处理：在图像处理中，维纳滤波器可以用于图像的降噪、增强和恢复。
3. 音频处理：在音频处理中，维纳滤波器可以用于音频信号的降噪、增强和恢复。
4. 医学成像：在医学成像中，维纳滤波器可以用于提高图像的质量和清晰度。
5. 雷达和声呐：在雷达和声呐领域，维纳滤波器可以用于目标检测、跟踪和识别。
总之，维纳滤波器是一种非常重要的信号处理算法，被广泛应用于各种领域中。
基于软件无线电的并行多输入多输出均衡技术
基于软件无线电的并行多输入多输出均衡技术张拥军;陈艇【摘要】针对3 GPP-LTE协议中多输入多输出(MIMO)均衡算法的高复杂度和高吞吐率问题,提出了一种面向软件无线电的并行MIMO均衡处理器,该处理器采用单指令流多数据流(SIMD)和超长指令字(VLIW)技术同时开发子载波间MIMO均衡和子载波内矩阵运算的并行性,并且每一个SIMD功能单元能够支持16 bit定点和20 bit伪浮点复数向量运算和矩阵运算,满足不同天线配置的MIMO均衡算法对处理精度、延迟和功耗的要求.实验结果表明,MIMO均衡处理器的4×4矩阵逆运算吞吐率达到了95 MInversion/s,满足3GPP-LTE协议的要求,并且其灵活可编程性和可配置性能够支持不同的均衡算法.【期刊名称】《计算机应用》【年(卷),期】2015(035)004【总页数】6页(P1179-1184)【关键词】多输入多输出均衡;软件无线电;单指令多数据流;矩阵逆运算;3 GPP-LTE 【作者】张拥军;陈艇【作者单位】国防科学技术大学计算机学院,长沙410073;国防科学技术大学计算机学院,长沙410073【正文语种】中文【中图分类】P3020 引言多输入多输出(Multiple Input and Multiple Output，MIMO)技术作为提高数据传输速率和可靠性的重要方法成为了下一代高速无线通信系统的核心技术之一［1］。
比如第四代移动通信标准中，3GPP-LTE 协议和LTE-advanced 协议均采用了MIMO 技术，而后者的数据传输率高达1 Gb/s。
更高的数据传输速率是以更为复杂的算法为代价的，近年来提出了多种MIMO 均衡算法，如迫零法、最小均方误差法，以及基于最大似然估计的球形解码算法等。
其中线性最小均方误差(Linear Minimum Mean Square Error，LMMSE)检测算法因具有较低的计算复杂度和适中的性能而被广泛采用［2］。
多输入多输出系统的研究与设计
摘要无线通信系统为了达到高速率传输，近年来发展了发射端与接收端都使用多单元天线的架构，称之多输入多输出系统（MIMO）。
该技术能在不增加带宽的情况下成倍地提高通信系统的容量和频谱利用率，是新一代移动通信系统必须采用的关键技术。
在第三代（3G）乃至三代以后（B3G）的移动通信系统中有着广阔的应用前景。
本论文从MIMO无线通信系统的基本概念入手，介绍了MIMO系统发展的必要性，分析了它的结构和工作原理，然后从理论上推导了MIMO系统容量的公式，最后应用MATLAB软件对不同发射天线、不同接收天线、不同信噪比下的MIMO系统容量进行计算机仿真。
仿真结果正如预期所料。
本文的重点是对MIMO系统容量进行分析并对它进行仿真验证。
关键词：MIMO，信道容量，容量仿真AbstractThe need for wireless data and multimedia services promotes the development and applications of many high-speed wireless communication techniques. The Multiple-Input Multiple-Output (MIMO) technology, which has the potential to multiply system capacity and improve spectral efficiency without requiring extra bandwidth and power, is considered as one of the most promising breakthrough technology to improve system performance, enhance the capacity and spectrum efficiency. It becomes an important technical breakthrough and promises to be one of the key technologies for future wireless communication systems, and hence has attracted broad attention and research interests in recent years.The MIMO technology has been already used in such systems as 3G, B3G and broadband wireless access. Although, the high performance promised by MIMO technology is highly dependent on the propagation channels. Meanwhile, we need to establish MIMO radio channel models and corresponding simulations to research key technologies and algorithms in MIMO systems and to evaluate the system performance. Based on such reasons, in this dissertation, MIMO wireless communication system and its capacity simulation channel was done.Keywords:MIMO, Channel capacity,capacity simulation第1章绪论1.1本文研究的背景和意义无线通信是当今世界最活跃的科研领域之一，在过去的几十年里，无线通信技术得到了飞速的发展和广泛的应用。
一种平衡策略下网络多输入多输出系统的预编码方案
一种平衡策略下网络多输入多输出系统的预编码方案张红;郝东来【期刊名称】《计算机应用》【年(卷),期】2012(32)5【摘要】针对在多小区多输入多输出(MIMO)系统预处理中,最大化目标用户信干噪比与最小化干扰泄露之间存在的相互矛盾,提出一种基于平衡策略的预编码算法,构建预编码算法数学模型,引入干扰代价函数,并借助拉格朗日方程对所提算法的预编码向量进行求解,同时对算法的实现步骤进行了说明.最后在仿真中,对效用函数的收敛速度与迭代次数的关系进行了仿真,并基于系统最大和速率对该算法与现有算法的性能进行了比较,仿真结果验证了该算法在收敛速度与系统吞吐量方面的优越性能.%Maximizing the user's signal interference noise ratio and minimizing interference leakage is a contradiction in preprocessing for network Multiple-Input Multiple-Output ( M1M0) system. Therefore, an equilibrium precoding algorithm based on equilibrium strategy was proposed. Mathematic model for precoding algorithm was constructed and interference pricing function was also introduced to obtain the precoding vector by Lagrange equation. Implementation procedure of the proposed algorithm was also summarized. Finally the proposed algorithm was compared with conventional algorithms and convergence of utility function was discussed by simulation. The results show that the proposed algorithm performs better than those existing schemes in convergence and throughput.【总页数】4页(P1224-1227)【作者】张红;郝东来【作者单位】陕西职业技术学院计算机科学系,西安710100;西安通信学院通信指挥系,西安710106【正文语种】中文【中图分类】TP393.03【相关文献】1.多输入多输出系统下低复杂度的自适应预编码方法 [J], 杨鹏;葛建华2.一种多用户多输入多输出系统下行链路线性预编码方法 [J], 孟银阔;殷勤业;丁乐;邓科3.基于PSO-LR的多输入多输出系统预编码方案 [J], 张春凯4.一种多输入多输出系统中有限反馈预编码的自适应跟踪测度 [J], 黄海洋;武刚;方晓胤;吴琪;李少谦5.基于不完美发送端信道状态信息的多输入多输出系统线性预编码传输方案 [J], 高林;徐友云;甘小莺因版权原因，仅展示原文概要，查看原文内容请购买。
基于多级维纳滤波的ESPRIT算法
基于多级维纳滤波的ESPRIT算法张超;黎仁刚;顾军【期刊名称】《舰船电子对抗》【年(卷),期】2017(040)001【摘要】因奇异值分解引入了庞大的计算量,子空间分解类的测向算法在工程中难以实现实时处理.多级维纳滤波(MSWF)算法,避免了奇异值分解运算,有效地减少了运算量.通过对多级维纳滤波算法进行改进,提出了一种信源数目的估计方法.与传统多级维纳滤波算法相比,该方法提高了测向精度.通过仿真证明了该算法的有效性.%Because of the enormous calculating quantity introduced by singular value decomposition,the direction finding algorithm based on subspace decomposition is difficult to be realized in engineering in real time.The multi-stage Wiener filtering (MSWF) algorithm avoids the singular value decomposition calculation,reduces the calculating quantity effectively.This paper puts forward an estimation method of source number by improving MSWF algorithm.The algorithm improves the direction-finding accuracy compared with traditional MSWF algorithms.The validity of this algorithm is validated through simulation.【总页数】6页(P74-78,86)【作者】张超;黎仁刚;顾军【作者单位】中国船舶重工集团公司第七二三研究所,江苏扬州 225001;中国船舶重工集团公司第七二三研究所,江苏扬州 225001;中国船舶重工集团公司第七二三研究所,江苏扬州 225001【正文语种】中文【中图分类】TN971.1【相关文献】1.基于降秩多级维纳滤波器的零陷加宽算法 [J], 王妙;朱建华2.基于多级维纳滤波器的声矢量阵空间谱估计算法 [J], 张柯;程菊明;付进3.一种基于多级维纳滤波的多通道SAR动目标检测算法 [J], 田斌;朱岱寅;吴迪;朱兆达4.基于多级维纳滤波器降维的STAP处理算法性能分析 [J], 洪成洋;盛骥松5.一种基于多级维纳滤波的改进空时抗干扰算法 [J], 杨阳;晓聪;李立欣;张会生因版权原因，仅展示原文概要，查看原文内容请购买。