基于ZF-BLE算法和MMSE实现TD-SCDMA的信道估计附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

联合检测技术是TD-SCDMA系统中的一项关键技术,用于减弱或消除码间干扰(ISI)和多址干扰(MAI),从而改善系统性能,提高系统容量,增大小区覆盖范围.本文对基于迫零块线性均衡(ZF-BLE)和最小均方误差块线性均衡(MMSE-BLE)的联合检测算法进行分析,给出这两种算法在picoChip上的实现方案.通过对比这两种算法在性能和资源消耗方面的优缺点,为基站接收机的实现提供参考.

⛄ 部分代码

=fopen('wuyu.txt');%open basic midamble from file; mp0=fread(fid);mp0=char(mp0);disp('mp0序列的输入为:');disp(mp0);len=length(mp0);for i=1:lenswitch mp0(i)         %hexadecimal digit Mapped to binary systemcase '0'    exchange=[-1,-1,-1,-1];case '1'    exchange=[-1,-1,-1,1];case '2'    exchange=[-1,-1,1,-1];case '3'    exchange=[-1,-1,1,1];case '4'    exchange=[-1,1,-1,-1];case '5'    exchange=[-1,1,-1,1];case '6'    exchange=[-1,1,1,-1];case '7'    exchange=[-1,1,1,1];case '8'    exchange=[1,-1,-1,-1];case '9'    exchange=[1,-1,-1,1];case 'A'    exchange=[1,-1,1,-1];case 'B'    exchange=[1,-1,1,1];case 'C'    exchange=[1,1,-1,-1];case 'D'    exchange=[1,1,-1,1];case 'E'    exchange=[1,1,1,-1];case 'F'    exchange=[1,1,1,1];end;middle(4*(i-1)+1:4*i)=exchange;%给矩阵赋值，即把二进制字符串赋给新矩阵end;for i=1:128    mp(i)=(middle(i)).*((1j).^i);%把元素变为复数end;hl=mp;%hl is an occasional variable which will be used laterdisp('请输入用户的个数k,你可以选择的值k=2，4，6，8，10，12，14');input_number=input('please enter the user number');%choose numbers of users as you likek=input_number;if(k<=8)    w=16;else    w=8;end;lm=144;kmax=16;imax=lm+(kmax-1).*w;m=floor(imax/128);%返回离imax/128最近的整数n=mod(imax,128);%求余数conver=mp;

⛄ 运行结果

⛄ 参考文献

[1] 歩清明.TD-LTE系统PUSCH信道估计与检测的研究与FPGA实现[D].重庆邮电大学,2013.DOI:10.7666/d.Y2398863.

[2]  Shao-Li K , Zheng-Ding Q , Shi-He L .Comparison of ZF-BLE and MMSE-BLE in TD-SCDMA system[C]//2001.DOI:10.1109/ICII.2001.983594.

[3] 王楠.TD-SCDMA系统联合检测技术及其算法实现的研究[D].西安电子科技大学,2009.DOI:CNKI:CDMD:2.2008.056241.

⛳️ 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

🍅 仿真咨询

1.卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3.旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划

4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

5.传感器部署优化、通信协议优化、路由优化、目标定位

6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号

7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化

8.微电网优化、无功优化、配电网重构、储能配置

9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长