这是一个基于空时分组编码的MIMO_OFDM通信系统的仿真设计。此系统包括QPSK调制解调，IFFT调制，空时编解码，基于训练符号的信道估计等通信模块。

适用于5G移动通信的紧凑型双频MIMO天线

采用L形MIMO雷达对运动目标进行三维成像，首先分析了MIMO雷达发射阵 列的稀疏布阵方式，其次结合压缩感知理论具体阐述了基于稀疏阵列的三维成像方法!该方法在大幅减少L型MIMO雷达发射天线的条件下，实现了对运动目标的单次快拍三维成像

函数 ODE2SS.m 使用符号工具箱（在 Matlab 2015 中测试）将系统线性化为围绕给定工作点的状态空间。 废水系统示例的文件 TestODE2SS.m 中给出了如何使用该函数的示例。 提供了解释 MIMO 系统的 word 文件。 该函数由 Adrian Lutchman 编写，示例系统由 Brian Aufderheide 博士的课程笔记提供。 提供了用于在命令窗口中显示函数结果和创建用于计算矩阵的函数文件以及要生成的矩阵的选项的选项。 对于前两个选项，1 表示是，0 表示否。 使用此功能发表时请注明作者。

基于MATLAB的MIMO通信系统教学平台的设计与实现.rar

基于神经网络MIMO非仿射系统自适应输出反馈控制，赵品，，针对一类多输入多输出（MIMO）非仿射非线性系统，设计了一种基于神经网络的自适应输出反馈控制方案，使得输出信号能够跟踪给定光��

基于MIMO技术信道容量的仿真与分析，王子剑，，和传统的单输入单输出（SISO）无线通信系统相比，多输入多输出（MIMO）技术可以明显增加信道容量。文中仿真分析了采用平均功率分配�

用于研究mimo-ofdm信道估计的文献资料，此资料涵盖了多种信道估计的导频结构，信道估计算法等关键技术。

在本文中，我们研究了多输入多输出（MIMO）和正交频分复用（OFDM）系统中的信道频率响应（CFR）矩阵和干扰加噪声协方差矩阵（ICM）估计，以抑制同信道干扰在接收方。 我们采用最小二乘准则执行初始CFR估计。 然后，我们在时域中估计干扰加噪声的自相关函数，而不是直接在频域中估计ICM。 自相关函数估计包括两个步骤。 首先，我们给出了残差样本自相关函数（SAFR）的期望与真实自相关函数之间的内在关系，该函数实际上是线性变换。 基于此，我们提出了一种补偿方法。 当导频OFDM符号数量小时，这种补偿将带来显着的性能提升。 其次，由于不能保证补偿后的SAFR是自相关序列（ACS），这会使获得的ICM损失具有正半确定性质，因此我们利用半定值编程（SDP）来找到最接近补偿后SAFR的ACS。 SDP以其双重形式解决，从而大大降低了复杂性。 最后，估算的ICM被重新利用以修改CFR估算。 估计的CFR和ICM在应用于干扰抑制合并接收机中时，表现出出色的干扰抑制性能。

在多输入多输出-正交频分复用(MIMO-OFDM)系统中,通过联合估计信道矩阵和干扰协方差矩阵(ICM)的方法来抑制同信道干扰.首先,利用最小二乘法和残差估计方法获取信道矩阵和ICM的初始估计值;然后,基于Cholesky分解方法对ICM的估计值进行改善,并利用改善后的ICM估计值对信道矩阵估计值进行更新.该方法充分利用了时域和频域中的所有可用信息,提高了信道估计精度,较好地抑制了同信道干扰.仿真结果表明:与其他可实现的非迭代方法相比,该方法所得的信道频率响应估计均方误差性能增益高于2 d B;信干噪比(SINR)越大,比特误码率性能的改善程度越好,并且随着天线数的增多,性能增益也增大.