毫米波MIMO系统中的空间稀疏预编码附matlab代码

简介: 毫米波MIMO系统中的空间稀疏预编码附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

大规模多输入多输出(MIMO)技术能够大幅度提升系统容量,降低不同用户间的干扰,但因其系统中信道维度高、信道估计和预编码算法复杂等因素,使得系统软硬件开销都会增大。将大规模MIMO系统的预编码算法分为数字、模拟和混合3种类型,并对3类预编码算法进行了归纳对比,总结出不同预编码算法的优缺点和适用场景。将信道估计方案分为训练估计和盲估计,归纳总结了2类方案的优缺点,并指出合理利用大规模MIMO的信道稀疏性能够改善信道估计的质量,减少估计开销。

⛄ 部分代码

clear all

close all

snrValuesDB = -40:5:0; %in Figures

snrValues = 10.^(snrValuesDB./10);

tryNumber = 100;

%% Fig4 Parameters

parameters_Fig4 = containers.Map('KeyType','char','ValueType','any');

parameters_Fig4('numberTransmitAntennas') = 256; % Number of transmit antennas

parameters_Fig4('numberRecieveAntennas') = 64; % Number of receive antennas

parameters_Fig4('numberDataStreams') = 1; % Number of data streams

parameters_Fig4('numberRFChains') = 6; % Number of RF chains for precoding and combining

parameters_Fig4('numberCluster') = 8; % Number of clusters

parameters_Fig4('numberRayPerCluster') = 10; % Number of rays per cluster

parameters_Fig4('angularSpread') = 7.5; % Angular spread of 7.5 degree

spectralEffOptimal = zeros(tryNumber,length(snrValues));

spectralEffHybrid = zeros(tryNumber,length(snrValues));

spectralEffBeam = zeros(tryNumber,length(snrValues));

for s = 1:length(snrValues)

   SNR = snrValues(s);

   for i = 1:tryNumber

       channel = ChannelGeneration(parameters_Fig4);

       tempObj = OptimalUnconstraint(SNR,channel);

       spectralEffOptimal(i,s) = tempObj.spectralEfficiency;

       tempObj = HybridSparsePrecoding(SNR,channel);

       spectralEffHybrid(i,s) = tempObj.spectralEfficiency;

       tempObj = BeamSteering(SNR,channel);

       spectralEffBeam(i,s) = tempObj.spectralEfficiency;

       

   end

end

% Averaging Tries

spectralEffOptimalSNR = mean(spectralEffOptimal,1);

spectralEffHybridSNR = mean(spectralEffHybrid,1);

spectralEffBeamSNR = mean(spectralEffBeam,1);

% figure();

hold on

l1 = plot(snrValuesDB,spectralEffOptimalSNR,'-s','Color',[0 0.5 0],'LineWidth',2.0,'MarkerSize',8.0);

l2 = plot(snrValuesDB,spectralEffHybridSNR,'-o','Color',[0 0.45 0.74],'LineWidth',2.0,'MarkerSize',8.0);hold on;

l3 = plot(snrValuesDB,spectralEffBeamSNR,'-d','Color',[0.85 0.33 0.1],'LineWidth',2.0,'MarkerSize',8.0);hold on;

%% Data stream

parameters_Fig4('numberDataStreams') = 2; % Number of data streams

spectralEffOptimal = zeros(tryNumber,length(snrValues));

spectralEffHybrid = zeros(tryNumber,length(snrValues));

for s = 1:length(snrValues)

   SNR = snrValues(s);

   for i = 1:tryNumber

       channel = ChannelGeneration(parameters_Fig4);

       tempObj = OptimalUnconstraint(SNR,channel);

       spectralEffOptimal(i,s) = tempObj.spectralEfficiency;

       tempObj = HybridSparsePrecoding(SNR,channel);

       spectralEffHybrid(i,s) = tempObj.spectralEfficiency;


       

   end

end

% Averaging Tries

spectralEffOptimalSNR = mean(spectralEffOptimal,1);

spectralEffHybridSNR = mean(spectralEffHybrid,1);

spectralEffBeamSNR = mean(spectralEffBeam,1);

l4 = plot(snrValuesDB,spectralEffOptimalSNR,'-s','LineWidth',2.0,'MarkerSize',8.0);

l5 = plot(snrValuesDB,spectralEffHybridSNR,'-o','LineWidth',2.0,'MarkerSize',8.0);hold on;

legend([l1 l2 l3 l4 l5],'Optimal unconstrained precoding N_s = 1','Hybrid precoding and combining N_s = 1','Beam steering N_s = 1','Optimal unconstrained precoding N_s = 2','Hybrid precoding and combining N_s = 2','Location','northwest','FontSize', 15);

xlabel('SNR (dB)','FontSize', 20)

ylabel('Spectral Efficiency(bits/s/Hz)','FontSize', 20)

⛄ 运行结果

⛄ 参考文献

[1] 邹卫霞, 张然. 一种在毫米波MIMO系统中基于分层设计的迭代混合预编码方法:.

[2] 张钰, 赵雄文. 毫米波大规模MIMO系统中的预编码技术[J]. 中兴通讯技术, 2018, 24(3):6.

[1] 宗慧吉祥. 毫米波MIMO系统中的子天线阵列预编码算法研究[J]. 电视技术, 2017, 41(1):53-57.

[2] 郑兴林、王月、刘伟. 毫米波MIMO系统中部分连接型混合预编码设计[J]. 计算机工程与应用, 2020, 56(18):7.

[3] 孙霁含, 邱玲. 毫米波MIMO系统中基于射频链路选择的高能效混合预编码设计[J]. 中国科学院大学学报, 2018, 35(5):8.

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料




相关文章
|
18天前
|
算法 5G 数据安全/隐私保护
基于MIMO系统的PE-AltMin混合预编码算法matlab性能仿真
本文介绍了基于交替最小化(AltMin)算法的混合预编码技术在MIMO系统中的应用。通过Matlab 2022a仿真,展示了该算法在不同信噪比下的性能表现。核心程序实现了对预编码器和组合器的优化,有效降低了硬件复杂度,同时保持了接近全数字预编码的性能。仿真结果表明,该方法具有良好的鲁棒性和收敛性。
31 8
|
1月前
|
算法 数据安全/隐私保护 索引
OFDM系统PAPR算法的MATLAB仿真,对比SLM,PTS以及CAF,对比不同傅里叶变换长度
本项目展示了在MATLAB 2022a环境下,通过选择映射(SLM)与相位截断星座图(PTS)技术有效降低OFDM系统中PAPR的算法实现。包括无水印的算法运行效果预览、核心程序及详尽的中文注释,附带操作步骤视频,适合研究与教学使用。
|
1月前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
47 3
|
2月前
|
监控 算法 数据安全/隐私保护
基于三帧差算法的运动目标检测系统FPGA实现,包含testbench和MATLAB辅助验证程序
本项目展示了基于FPGA与MATLAB实现的三帧差算法运动目标检测。使用Vivado 2019.2和MATLAB 2022a开发环境,通过对比连续三帧图像的像素值变化,有效识别运动区域。项目包括完整无水印的运行效果预览、详细中文注释的代码及操作步骤视频,适合学习和研究。
|
2月前
|
算法 5G 数据安全/隐私保护
MIMO系统中差分空间调制解调matlab误码率仿真
本项目展示了一种基于Matlab 2022a的差分空间调制(Differential Space Modulation, DMS)算法。DMS是一种应用于MIMO通信系统的信号传输技术,通过空间域的不同天线传输符号序列,并利用差分编码进行解调。项目包括算法运行效果图预览、核心代码及详细中文注释、理论概述等内容。在发送端,每次仅激活一个天线发送符号;在接收端,通过差分解调估计符号和天线选择。DMS在快速衰落信道中表现出色,尤其适用于高速移动和卫星通信系统。
|
2月前
|
Python
基于python-django的matlab护照识别网站系统
基于python-django的matlab护照识别网站系统
18 0
|
4月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
224 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
4月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
140 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
4月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
106 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
7月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度

热门文章

最新文章

下一篇
DataWorks