一、迫零检测V-BLAST系统的发送功率分配方式研究（论文文献综述）
屈正庚,牛少清[1]（2020）在《MIMO无线通信系统中V-BLAST性能分析》文中认为多输入多输出（multiple-input multiple-output,MIMO）是新一代移动通信系统的关键技术,可以很好地解决无线通信用户无限增多而带宽有限的问题。文章对MIMO通信系统的信道编码V-BLAST原理进行分析,对V-BLAST采用最大似然（maximum likelihood,ML）检测算法和迫零（zero-forcing,ZF）检测算法进行性能分析,并且在Matlab中仿真,选取大量不同参数详细分析误码率（symbol error rate,SER）和比特误码率（bit error rate, BER）,并对仿真结果进行对比。
付向聪[2]（2020）在《室内高速MIMO-OFDM系统接收机信号检测技术研究》文中提出近年来,随着人们生活和社会发展需要,传统无线通信技术已经难以满足人们的应用需求。以超高清视频、虚拟现实（Virtual Reality,VR）等为代表的新一代应用需求不断涌现,因此,更高吞吐率、更高可靠、更低时延的无线短距传输技术成为了新的研究热点。目前广泛采用的多天线正交频分复用（Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing,MIMO-OFDM）技术在解决超大容量数据传输时,对MIMO接收机信号检测技术提出了更高的要求。面向这些难点与挑战,本文从基础算法改进及其超大规模集成电路（Very Large Scale Integration,VLSI）架构设计两个层面为出发点,对室内高速MIMO-OFDM系统接收机信号检测技术进行了深入研究,全文的主要研究内容概述如下。首先,本文介绍了研究背景与意义和国内外研究现状,总结了MIMO接收机多天线信号检测技术所面临的难点问题;基于此,给出了MIMO-OFDM接收机信号检测系统研究所依据的典型室内信道特征及其系统架构;特别是,对面向高吞吐率、高可靠性、低时延的信号检测技术所面临的关键难点问题进行了分析。随后,针对室内复杂条件下大容量、低时延的短距传输问题,本文对近似ML的实数域K-Best检测算法中的信道预处理和树形搜索算法进行了研究,具体包括:首先鉴于实数域信道预处理计算复杂度过大,提出了以列向量l1范数为参考对信道矩阵成对的列向量进行顺序调整,使信噪比高的层先进行检测,从而达到更好的检测性能;进一步,将传统QR分解时的平方求根号运算和单位化除法运算转换为坐标旋转数字计算（Coordinate Rotation Digital Computer,CORDIC）,以降低运算的复杂度;最后,针对实数域K-Best搜索算法层数增加一倍的问题,依据改进信道矩阵预处理后R矩阵的特点提出了对相邻两层子节点进行同时展开,从而达到在实数域检测系统上降低检测时延的目的。最后,面向所提信道预处理算法和K-Best搜索算法的硬件实现,提出了其各个关键环节的优化和VLSI复用架构方案。相较于传统的信道矩阵预处理VLSI实现方案,本方案采用l1范数进行成对列向量排序可以节省18.6%的乘法器资源;同时,使用CORDIC单元对成对的列向量进行求模和单位化运算,从而避免了传统方法中的开根号和除法运算;进一步,在K-Best搜索环节使用查找表（Look-Up Table,LUT）进行并行子节点展开,从而比传统的节点列举法实现减少了K-1个时钟周期消耗;此外,通过对奇偶并行排序单元优化,较传统Z字型排序规则可降低50%的比较器级数,而较传统的奇偶并行排序单元可节省22.8%的比较器。综上所述,本文所提VLSI方案相较于传统实现,在MIMO信号检测的时延和复杂度上更具有优势,理论分析与仿真实验表明,室内高速MIMO-OFDM系统在接近最大似然（Maximum Likelihood,ML）检测性能、降低检测时延的同时可达将近2Gbps的吞吐率。
董文泰[3]（2020）在《基于SC-FDE散射通信系统的MIMO技术研究》文中认为对流层散射通信具有传播距离远、传输容量大、保密性强等诸多优点,在卫星通信极易受到屏蔽与干扰的今天,对流层散射通信开始广泛地应用于一些突发状况下的应急通信。为了进一步提升对流层通信的传输性能,本文对基于SC-FDE散射通信系统的MIMO技术进行了研究,并给出了相应通信方案的设计与仿真。本文首先对散射信道的传播机制与传播特性进行了分析,重点研究了传输过程中的信道损耗特性和由于多径时延扩展而引起的衰落特性,并且建立了对流层散射信道的损耗模型来进一步分析影响信道模型的各项参数。根据对流层信道特点,以抽头线延迟模型为基础,结合对流层的实际条件对信道进行信道建模,给出了一个25径的瑞利衰落信道仿真模型,为后续对流层散射通信系统的设计提供支撑。SC-FDE技术同时具有单载波峰均比低与频域均衡实现简单的优点,能够较好地解决对流层散射通信中功放发射峰值功率受限与动态多径时延扩展传输所带来的影响。根据对流层散射信道的特性,在SC-FDE通信系统的数据帧结构上采用UW序列作为导频序列,并且以相同的UW序列作为数据符号的循环前后缀来克服对流层散射信道所带来的符号间干扰。为降低信道中噪声的干扰,采取LS信道估计算法与MMSE均衡算法对接收信号进行补偿。接下来,在SC-FDE系统模型的基础上,对MIMO系统中传统的STBC编码技术与V-BLAST检测技术进行改进。通过使用ZP替代部分UW序列的方法进一步获取多径分集增益,提升系统性能,并通过仿真验证了改进后算法的有效性。最后设计了基于SC-FDE的对流层散射通信系统模型,确定了系统模型调制方式、导频序列与数据序列的长度以及FFT的长度等参数,并加入不同码率的Turbo码来降低系统的误码。系统仿真结果表明,结合MIMO技术的SC-FDE散射通信系统能够在传输可靠性与信息速率方面有进一步的提高。
李鑫[4]（2020）在《MIMO-SCFDE系统中多天线空时码的研究》文中指出空时码是伴随着MIMO技术发展起来的一种编码技术,利用分集思想或空间复用思想构造的空时码可以提供分集增益和编码增益,空时分组码（STBC）、贝尔分层空时码（BLAST）和空时网格码（STTC）是三种空时码。使用ML算法时后两种空时码的译码复杂度与发射天线的数目呈指数关系,而空时分组码由于其独特的构造使得译码复杂度大大降低,并且性能较好,使得其在实际使用中易于实现应用广泛,是研究的热点。本文在研究空时分组码在准静态衰落信道下的性能基础上,结合单载波频域均衡（SCFDE）这一优秀的抗频率选择性衰落的技术,分析了基于空时分组码的多天线STBC-SCFDE在抗频率选择性衰落的性能表现,并对使用的多天线STBC的编译码进行了研究改进。本文首先重点针对4天线的准正交空时分组码的译码算法进行了研究,使用最大似然算法时,准正交空时分组码由于编码矩阵的部分正交特性无法实现类似于正交空时分组码中的单符号译码,而是成对符号译码,搜索星座图的次数增大。本文提出了一种利用QR分解的干扰抵消译码算法,使用两次QR分解对等效信道矩阵进行变形,从而实现单符号译码,通过仿真分析,当星座图大小为Cs时,新译码算法相比于最大似然算法性能只有部分损失,而在使用高阶调制时,两者差距几乎可以忽略不计,但是搜索星座图的次数由2*（Cs）2次降低为4*Cs次,复杂度大大降低。本文还将SCFDE技术与4天线QOSTBC相结合,提出QOSTBC-SCFDE的系统方案,针对4天线QOSTBC-SCFDE存在的频域均衡矩阵为非对角阵使得频域均衡复杂度增加的问题,提出了一种改进后新预编码QOSTBC-SCFDE方案,即利用矩阵分解对等效信道矩阵进行变换,从而对原来的QOSTBC编码进行预编码,改进的方案使得均衡矩阵变为对角阵,降低了均衡的复杂度。
郭庭秀[5]（2019）在《LTE-R下MIMO-OFDM系统信道估计及检测技术的研究》文中研究指明近年来,高速铁路凭借超强的运载能力、日益提高的行驶速度等优势得以迅速发展,这对铁路通信质量提出了更高的要求,因此推进LTE移动通信技术在高速铁路无线宽带通信系统中应用已成为当下研究的焦点。但当列车高速行驶时,LTE-R系统通信性能仍会受到多普勒频移、噪声等不利因素影响,故进行有效的信道估计及准确的信号检测是解决上述问题的关键。本文首先通过对LTE-R通信网络架构及物理层关键技术的研究,完成了MIMO-OFDM系统的构建,并针对此系统中的信道估计算法进行了重点分析,提出了一种联合多普勒频偏估计的信道估计方案以实现消除多普勒频偏干扰及提高信道估计精度的目的。其次,对已消除多普勒频偏干扰系统中的信号检测技术进行研究,将分层空时结构下的信号检测算法应用于高铁环境中。通过分析最优检测、线性检测、非线性检测三类检测技术,选择性能最佳的OSIC信号检测算法,并通过高铁WINNER Ⅱ信道模型进行仿真对比,验证其性能。最后,本文借助NI-USRP硬件实验平台,利用LabVIEW模拟WINNER Ⅱ高铁信道模型并搭建2×2MIMO-OFDM系统,通过运行实验结果验证其系统可行,并在此基础上进行不同速度性能测试。其结果表明,本文提出的信道估计及信号检测算法可应用在LTE-R,且列车在不同行驶速度下系统误码率性能稳定,有效提高系统通信质量,为未来铁路通信系统物理实现提供参考建议。
杨小雷[6]（2018）在《大规模MIMO系统信道容量的改进与优化》文中进行了进一步梳理大规模MIMO技术能够大幅度提升系统容量,提高系统的鲁棒性,降低发送功率,符合人们对绿色通信的要求,是下一代无线通信的关键技术。目前人们对大规模MIMO技术的研究处于起步阶段,在理论分析和实现方面还有很多难题有待解决,本文研究了大规模MIMO系统的信道容量与检测技术,其主要工作如下:首先,论文对大规模MIMO系统的信道容量问题进行了研究,简单扼要的阐述了MIMO系统的信道特征,证实了在现实生活中,输出天线与输入天线之间具有关联性。其次,论文对大规模MIMO系统的信号检测问题进行了研究,对线性检测,串行干扰抵消检测以及似然提升搜索检测等算法的原理和复杂度进行了分析,并对它们的性能进行了对比研究。研究表明,大规模MIMO系统中相对于基站天线数,当用户数较少时,可以直接应用最简单的线性检测,而当此比例较大时,可以应用相对复杂的似然提升搜索算法来取得较好的检测结果。最后本文的突出特点是对大规模MIMO进行了理论分析和性能仿真,通过仿真使论文得出的结论更加准确,具有可行性。MIMO系统带给通信的未来是广阔的,本文的论述为通信技术的研究提供了一个逻辑上拓宽信道的可行性方案,全面分析了大规模MIMO技术在实践中的可行性和在实践上可能会遇到的问题,通过对检测算法的分析为MIMO技术的检测使用做好了铺垫,为未来的信息化社会的前进做出了详细而丰富的规划。
于晓丹,陈小敏,谭伟[7]（2014）在《信道反馈延迟的V-BLAST系统功率分配算法》文中指出针对信道反馈的延迟问题,以降低误比特率（BER）为优化目标,提出一种适用于垂直分层空时编码系统的自适应发送功率分配算法。假设接收端可以得到完全的信道状态信息,并通过反馈链路将信道信息反馈至发送端。在接收端采用迫零检测算法,给出系统瞬时信噪比（SNR）与估计SNR的表达式推导过程,根据系统瞬时SNR的条件概率密度函数求出系统总BER的表达式;发送端在总功率约束条件下,采用拉格朗日极值法计算出自适应功率分配矩阵的闭式解。仿真结果表明,当归一化反馈迟延因子等于0.000 1、误比特率为10-3时,该算法的系统性能比等功率分配算法提高约5 dB。
于晓丹[8]（2013）在《MIMO系统中基于不完全反馈信息的功率分配算法研究》文中研究说明多输入多输出（Multiple-Input Multiple-Output, MIMO）系统可有效改善无线通信系统的性能。垂直分层空时编码（Vertical Bell Laboratories Layered Space Time, V-BLAST）是一种基于MIMO传输方式的空时传输技术，将Turbo码的迭代译码思想用到V-BLAST系统中即Turbo-BLAST系统，通过接收端的迭代检测可以提高系统的误比特率（Bit Error Rate, BER）性能。此外，在多天线系统中采用自适应功率分配技术可进一步改善系统的BER性能。本论文的研究内容包括V-BLAST检测算法、Turbo-BLAST迭代检测算法以及Turbo-BLAST双迭代检测算法，信道状态信息完全已知和信道反馈有延迟时，V-BLAST系统中基于迫零（Zero Forcing,ZF）检测和最小均方误差（Minimum Mean Square Error, MMSE）检测的自适应功率分配算法。论文的主要工作如下：1.在V-BLAST检测和Turbo-BLAST迭代检测的基础上，受比特交织编码调制迭代译码（BitInterleaved Coded Modulation with Iterative Decoding, BICM-ID）技术的启发，提出一种基于解调器与译码器之间内层迭代译码，检测器与译码器之间外层迭代检测的Turbo-BLAST双迭代检测算法。与Turbo迭代检测相比，采用所提算法可进一步改善系统的BER性能。2.针对信道反馈有延迟的V-BLAST系统，以BER为优化目标，提出基于ZF检测的次优和最优两种自适应功率分配算法。通过系统建模与性能分析，推导出接收信号的信干噪比（Signalto Interference plus Noise Ratio, SINR）的概率密度函数（Probability Density Function, PDF），利用数学变换得到系统BER的表达式。发送端在总功率约束条件下，分别采用拉格朗日极值法和牛顿迭代法给出功率分配矩阵的次优解和最优解，并对所提两种功率分配算法的复杂度和性能进行分析与比较。与等功率分配算法相比，采用所提两种自适应功率分配算法均可显着改善系统的BER性能。3.针对存在信道反馈延迟的V-BLAST系统，以BER为优化目标，提出一种基于MMSE检测的自适应功率分配算法。由于MMSE检测用的权向量综合考虑了信道矩阵和噪声的影响，其接收信号的SINR比基于ZF检测的SINR复杂的多，很难直接推导出它的PDF。所提功率分配算法的难点与重点就在于将基于MMSE检测的SINR分解成相互独立的两部分，利用概率论相关知识分别推导出这两部分的PDF，进而得到总SINR的PDF。然后在此基础上得到系统BER的表达式，发送端在总功率约束条件下，利用拉格朗日极值法得到功率分配矩阵。与等功率分配算法和基于ZF检测的功率分配算法相比，采用所提算法可明显改善系统的BER性能，并且，通过接收端的迭代检测可进一步改善系统的BER性能。
刘田[9]（2012）在《基于多天线多载波的高频谱效率传输关键技术研究》文中提出由于频谱资源的紧缺，如何提升每赫兹授权频谱可承载的比特速率,已经成为目前高速率数字通信必须解决的核心问题之一。研究高频谱效率的物理层增强技术，对无线和有线通信系统整体性能的提升都具有重要意义。本文针对提高频谱效率的两项核心技术——“多天线传输”和“多载波高阶调制”展开研究。在“多天线传输”方面，分析了多载波异步分层空时码在多径莱斯信道中相对同步分层空时码的性能提升，研究了蜂窝小区中使小区平均频谱效率最大化的分布式多天线位置选择方法，提出了多天线视觉辅助的功率控制方法；在“多载波高阶调制”方面，设计了8.7bps/Hz4096-QAM多载波通信链路，并完成了实验验证。具体包括如下四个创新点：第一，针对LOS信道下传统分层空时码性能恶化的问题，分析了异步多载波分层空时码在多径莱斯信道中的线性检测性能。数值分析和仿真结果表明多载波异步分层空时码能适应多径莱斯信道，且利用低复杂度线性检测方法即可获得系统的最大空间分集度。当采用联合MMSE检测时，相对于同步多载波分层空时码，异步结构在莱斯K因子等于5的两发两收MIMO信道下能带来约4dB的BER性能提升。第二，针对存在同频干扰的多小区环境，研究了分布式发射天线最优位置选择问题。分析了多层同频干扰对蜂窝小区平均频谱效率的影响，给出了使平均频谱效率最大化的分布式发射天线位置优选方法。在具有工程意义的场景假设下，数值分析和仿真结果表明外围第一层同频小区干扰能量决定了分布式天线的最佳位置。在半径1000m的小区中，各天线距离小区中心450m附近时，平均频谱效率达到峰值。第三，针对基于SINR测量-反馈的传统功率控制方法环境适应能力不足的问题，提出了多天线视觉辅助的功率控制。讨论了下一代移动通信系统中如何利用多天线获得视觉信息，提前感知和响应无线环境变化，并进行功率控制的初步思路。当初始信噪比为10dB时，整个功率控制过程中，视觉辅助方法的平均误比特率达到了1.501×105，而传统方法的平均误比特率只有1.128×103。最后，针对4096-QAM多载波传输，设计了8.7bps/Hz4096-QAM多载波通信链路。分析了4096-QAM对OFDM系统频率同步精度的要求，提出一种载波与采样频偏联合纠正的方法，多径块衰落莱斯信道中的数值分析和仿真结果表明，频偏纠正后的BER性能与无频偏情况相比，差异小于1dB；在AWGN信道中，工程样机的BER性能实测结果与定点仿真差异小于2dB。论文工作为多天线多载波高频谱效率传输技术提供了理论和方法支撑，部分成果得到了工程应用。具有较好的理论和实用价值，可应用于下一代宽带数字通信系统。
高向川[10]（2011）在《多用户MIMO系统中关键技术研究》文中提出目前,随着越来越多的互联网和多媒体应用融入无线网络和用户对高速宽带无线通信业务的需求不断增长,要求下一代移动通信系统能够在实现数据可靠性的同时满足高速率传输。为了满足上述下一代移动通信系统大带宽、高速率、广覆盖等要求,OFDM和多输入多输出（MIMO）技术始终作为其物理层核心技术。其中,MIMO技术可以在不增加系统带宽的前提下显着提高系统的传输速率和链路可靠性,而MIMO检测及预编码、多用户MIMO技术作为MIMO技术的一个重要分支,由于其性能优越等优点受到广泛关注。本论文首先简要描述了MIMO系统模型,并分析了单用户/多用户信道容量。随后主要围绕单用户MIMO预编码与检测技术、多用户MIMO下行链路线性预编码技术这些方面进行了深入的研究。论文的主要研究内容及成果如下：（1）针对点对点单用户MIMO系统的预编码和检测技术,提出一种新的基于LQ分解的线性预编码方案,使接收端采用简单的串行干扰抵消（SIC）就可以恢复出发送信号,分别给出基于ZF和MMSE准则下的预编码方法,并加入排序操作进一步提高系统性能。针对V-BLAST系统中接收端采用QR分解检测算法不能经常获得理想检测次序的问题,在发射端通过对共轭转置后的信道矩阵进行QR分解来获取预编码矩阵,使接收端采用SIC译码时能以较大概率获得理想检测次序,可以有效抑制误码率传播。和传统的检测算法相比,误码率性能得到很大程度上的改善,且具有较低的复杂度。（2）在多用户MIMO下行链路中,针对传统的线性预编码算法复杂度高难以实用化的问题,提出了三种改进的线性预编码算法,有效地降低了复杂度且没有性能损失；另外,为进一步提升多用户MIMO的系统性能,又提出两种改进的线性预编码算法。算法1是一种利用QR分解求取零空间的块对角化（BD）算法。在传统的BD算法中,使用SVD分解求取零空间占据了整个算法复杂度的大部分,在新算法中使用低复杂度的QR分解来代替SVD分解求取零空间,在保持原BD算法性能的同时明显地降低了运算复杂度,简称为QR-BD算法。算法2和算法3是降低RBD算法复杂度的两种改进算法。首先,推导出原RBD算法最优解的求解过程,得到一个有用的结论。在算法2中,把传统的单用户MIMO检测中基于MMSE准则的扩展矩阵方法推广到多用户MIMO预编码矩阵设计中,构造了一种新的干扰用户信道和噪声的扩展矩阵,对该扩展矩阵使用QR分解的方法来获取最小化干扰泄露和噪声的空间,简称为QR-RBD算法,并在数学上证明它是完全等价于原RBD算法,但复杂度明显降低；在算法3中,给出了一种使用乔列斯基分解（Cholesky Factorisation）得到最小化干扰泄露和噪声最优解的方法,在数学上也是和原RBD算法是等价的,其运算复杂度和算法2基本相当。算法4是一种改进的基于MMSE准则的信道反转预编码算法。针对传统的信道反转预编码算法在用户配有多根接收天线时系统性能会有损失的问题,在原MMSE-CI算法的基础上,通过在低维度的用户等效块信道矩阵上加入用户多天线之间的协作来进一步抑制多用户干扰泄露和噪声,使该算法适用于用户配有多根接收天线的场景；理论分析和仿真结果表明,该算法取得了比MMSE-CI算法更好的系统性能,运算复杂度只是略微增加。算法5是一种迭代优化的多用户MIMO预编码算法。该算法充分利用已知用户中未使用的子信道空间来提高其他用户的空间增益,并使用迭代的方法进一步提升系统性能,不影响用户接收端的接收检测算法,不会增加系统开销。另外还具有较快的收敛速度,有利于工程实现。
二、迫零检测V-BLAST系统的发送功率分配方式研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、迫零检测V-BLAST系统的发送功率分配方式研究（论文提纲范文）
（1）MIMO无线通信系统中V-BLAST性能分析（论文提纲范文）
| 1 V-BLAST概述 |
| 1.1 V-BLAST介绍 |
| 1.2 V-BLAST工作原理 |
| 2 V-BLAST误码检测算法 |
| 2.1 最大似然检测算法 |
| 2.2 迫零检测算法 |
| 3 V-BLAST算法仿真 |
| 3.1 V-BLAST仿真模型原理 |
| 3.2 最大似然检测算法仿真结果 |
| (1) V-BLAST(1 000,‘ML’,‘QPSK’,1,0.5或0)。 |
| (2) V-BLAST(5 000,‘ML’,‘QPSK’,1,0.5、0.8或0)。 |
| (3) V-BLAST(10 000,‘ML’,‘QPSK’,1,0.5、0.8或0)。 |
| 3.3 迫零检测算法仿真结果 |
| 3.4 V-BLAST仿真结果分析 |
| 4 结 论 |
（2）室内高速MIMO-OFDM系统接收机信号检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文创新点及篇章结构 |
| 第二章 室内MIMO-OFDM传输系统理论基础 |
| 2.1 室内无线信道的基本特性 |
| 2.2 MIMO-OFDM的基本原理 |
| 2.2.1 OFDM基本原理 |
| 2.2.2 MIMO基本原理 |
| 2.3 本文的MIMO-OFDM系统及架构设计 |
| 2.3.1 室内高速MIMO-OFDM系统发射机 |
| 2.3.2 室内高速MIMO-OFDM系统接收机 |
| 2.4 本章小结 |
| 第三章 高速MIMO-OFDM系统接收机信号检测算法 |
| 3.1 MIMO系统数学模型及信道估计方法 |
| 3.2 经典的信号检测方法 |
| 3.2.1 线性检测算法 |
| 3.2.2 最大似然估计检测算法 |
| 3.2.3 球形译码检测算法 |
| 3.2.4 K-Best检测算法 |
| 3.3 信道预处理方法 |
| 3.3.1 基于ZF准则的排序准则 |
| 3.3.2 传统基于GS的排序QR分解算法 |
| 3.3.3 提出的SMGS简化排序QR分解算法 |
| 3.4 加入排序机制的树形搜索方法 |
| 3.4.1 固定球形译码算法 |
| 3.4.2 提出的改进K-Best搜索算法 |
| 3.5 仿真与性能分析 |
| 3.6 本章小结 |
| 第四章 高速MIMO-OFDM系统接收机信号检测VLSI架构设计 |
| 4.1 K-Best信号检测整体结构 |
| 4.2 简化MGS排序QR分解的实现架构 |
| 4.2.1 CORDIC算法简介 |
| 4.2.2 SMGS实现架构 |
| 4.2.3 复杂度分析 |
| 4.3 简化的K-Best搜索实现架构 |
| 4.3.1 PED计算单元设计 |
| 4.3.2 排序单元 |
| 4.3.3 系统性能分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 进一步研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）基于SC-FDE散射通信系统的MIMO技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 MIMO技术原理简介 |
| 1.3 国内外研究现状 |
| 1.4 论文主要内容及结构安排 |
| 第二章 对流层散射信道特性分析 |
| 2.1 对流层散射的传播机制 |
| 2.2 对流层散射信道的传播特性 |
| 2.2.1 传播损耗特性 |
| 2.2.2 传播衰落特性 |
| 2.3 对流层散射损耗的分析与模型仿真 |
| 2.4 对流层散射信道仿真模型 |
| 2.4.1 对流层散射信道传输理论分析 |
| 2.4.2 对流层散射信道仿真模型的建立 |
| 2.5 本章小结 |
| 第三章 SC-FDE技术介绍 |
| 3.1 SC-FDE系统的基本模型 |
| 3.2 SC-FDE系统的性能分析 |
| 3.2.1 SC-FDE的复杂度分析 |
| 3.2.2 信道容量分析 |
| 3.2.3 峰均比分析 |
| 3.3 SC-FDE通信系统的数学描述 |
| 3.3.1 SC-FDE系统的传输过程 |
| 3.3.2 SC-FDE系统的帧结构 |
| 3.4 SC-FDE系统中的信道估计与均衡算法 |
| 3.4.1 信道估计算法 |
| 3.4.2 均衡算法 |
| 3.5 本章小结 |
| 第四章 MIMO-SC-FDE通信系统的关键技术研究 |
| 4.1 基于空间分集的STBC编译码技术 |
| 4.1.1 STBC编译码原理及方法 |
| 4.1.2 基于SC-FDE系统的STBC技术 |
| 4.1.3 STBC-SC-FDE系统的性能仿真与分析 |
| 4.2 基于空间复用的V-BLAST技术 |
| 4.2.1 V-BLAST系统原理与常用检测算法 |
| 4.2.2 基于SC-FDE系统改进的V-BLAST技术 |
| 4.2.3 V-BLAST-SC-FDE系统的性能仿真与分析 |
| 4.3 本章小结 |
| 第五章 MIMO-SC-FDE散射通信系统性能分析 |
| 5.1 SISO-SC-FDE散射通信系统的搭建与仿真 |
| 5.2 MIMO-SC-FDE散射通信系统中的STBC技术 |
| 5.3 MIMO-SC-FDE散射通信系统中的V-BLAST技术 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）MIMO-SCFDE系统中多天线空时码的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 MIMO-SCFDE简介 |
| 1.2.1 MIMO技术的研究发展及现状 |
| 1.2.2 SC-FDE技术的研究发展 |
| 1.3 空时编码的研究现状 |
| 1.4 论文的章节安排 |
| 第二章 MIMO系统研究 |
| 2.1 无线信道模型 |
| 2.2 MIMO系统 |
| 2.2.1 MIMO系统模型 |
| 2.2.2 分集技术 |
| 2.2.3 空间复用技术 |
| 2.3 MIMO信道容量 |
| 2.3.1 发射端已知CSI时的信道容量 |
| 2.3.2 发射端未知CSI时的信道容量 |
| 2.3.3 MIMO信道容量仿真 |
| 2.4 本章小结 |
| 第三章 空时编码的研究 |
| 3.1 空时编码的设计准则 |
| 3.2 分层空时码 |
| 3.2.1 分层空时码的编码结构 |
| 3.2.2 分层空时码的检测算法 |
| 3.2.3 空时分层码性能仿真 |
| 3.3 空时网格码 |
| 3.3.1 空时网格码的编码结构 |
| 3.3.2 空时网格码性能仿真 |
| 3.4 正交空时分组码 |
| 3.4.1 Alamouti码 |
| 3.4.2 Alamouti码的性能 |
| 3.4.3 正交空时分组码 |
| 3.4.4 正交空时分组码性能 |
| 3.5 准正交空时分组码 |
| 3.6 准正交空时分组码的译码 |
| 3.6.1 最大似然译码算法 |
| 3.6.2 线性检测译码算法 |
| 3.6.3 IC-ML译码算法 |
| 3.6.4 改进的IC-ML译码算法 |
| 3.7 QOSTBC的译码算法性能仿真 |
| 3.8 本章小结 |
| 第四章 SC-FDE下的QOSTBC研究 |
| 4.1 SC-FDE系统模型 |
| 4.2 SISO-SCFDE模型 |
| 4.3 MIMO-SCFDE系统下的STBC |
| 4.3.1 基于SC-FDE下的Alamouti编码 |
| 4.3.2 基于SC-FDE下的QOSTBC |
| 4.4 改进的基于矩阵分解预编码QOSTBC |
| 4.5 MIMO-SCFDE下的QOSTBC的性能仿真 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
（5）LTE-R下MIMO-OFDM系统信道估计及检测技术的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 MIMO-OFDM信道估计技术研究现状 |
| 1.2.2 MIMO-OFDM信号检测技术研究现状 |
| 1.3 本文研究内容及结构安排 |
| 本章小结 |
| 第二章 LTE-R通信系统概述及无线信道模型 |
| 2.1 LTE-R系统架构 |
| 2.2 LTE-R关键技术 |
| 2.2.1 正交频分复用技术 |
| 2.2.2 多输入多输出技术 |
| 2.3 LTE-R移动无线信道 |
| 2.3.1 无线信道特征 |
| 2.3.2 无线信道统计模型 |
| 2.3.3 高铁信道特征 |
| 2.3.4 本文高铁信道模型 |
| 本章小结 |
| 第三章 高铁场景下MIMO-OFDM系统信道估计 |
| 3.1 MIMO-OFDM系统 |
| 3.1.1 MIMO-OFDM系统模型 |
| 3.1.2 MIMO-OFDM系统信息处理 |
| 3.1.3 MIMO-OFDM系统信道估计 |
| 3.2 基于导频的经典信道估计 |
| 3.2.1 导频结构设计与选择 |
| 3.2.2 导频处信道估计算法 |
| 3.2.3 数据载波处插值算法 |
| 3.2.4 性能仿真及分析 |
| 3.3 高铁场景下MIMO-OFDM信道估计 |
| 3.3.1 高铁场景下信道估计方案 |
| 3.3.2 基于循环前缀的频偏估计算法 |
| 3.3.3 方案算法分析及仿真性能对比 |
| 本章小结 |
| 第四章 高铁场景下系统信号检测算法选择 |
| 4.1 基于V-BLAST的MIMO-OFDM系统 |
| 4.2 最优检测方案 |
| 4.3 线性检测 |
| 4.3.1 迫零(ZF)检测 |
| 4.3.2 最小均方误差(MMSE)线性检测 |
| 4.3.3 线性检测性能仿真分析 |
| 4.4 非线性检测 |
| 4.4.1 干扰消除检测(IC) |
| 4.4.2 基于QR分解检测 |
| 4.4.3 非线性检测性能仿真分析 |
| 4.5 三类不同检测算法性能及仿真比较 |
| 本章小结 |
| 第五章 信道估计及检测算法的实现与测试 |
| 5.1 2×2 MIMO-OFDM系统实现 |
| 5.1.1 实验平台搭建与配置 |
| 5.1.2 系统发射模块 |
| 5.1.3 系统接收模块 |
| 5.2 信道估计模块实现 |
| 5.3 信号检测模块实现 |
| 5.4 系统在高铁环境下的验证与测试 |
| 5.4.1 实验平台验证 |
| 5.4.2 系统性能测试 |
| 本章小结 |
| 总结和展望 |
| 参考文献 |
| 致谢 |
（6）大规模MIMO系统信道容量的改进与优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外相关研究现状 |
| 1.3 论文的主要内容和安排 |
| 1.4 论文的组织结构 |
| 2 无线信道理论 |
| 2.1 MIMO系统的特点 |
| 2.2 与传统系统的区别 |
| 2.3 系统的检测 |
| 2.4 SISO衰落信道的基本特征 |
| 2.4.1 SISO信道的相关函数 |
| 2.4.2 时延的扩展及相干带宽 |
| 2.5 本章小结 |
| 3 MIMO系统模型建立和对比分析 |
| 3.1 MIMO系统信号模型 |
| 3.2 MIMO信道矩阵 |
| 3.3 MIMO信道的空间关联性 |
| 3.4 MIMO系统的架构与对比 |
| 3.4.1 MIMO的系统架构功能实现 |
| 3.4.2 SISO、MISO、MIMO信道容量对比 |
| 3.4.3 多输入多输出(MIMO)信道容量 |
| 3.5 本章小结 |
| 4 MIMO系统信道容量实验设计 |
| 4.1 平台的搭建及优化方法 |
| 4.2 MIMO信道容量的仿真实验设计 |
| 4.2.1 信道容量的数据采集 |
| 4.2.2 发射端未知信道状态信息（CSI）情况下的信道容量仿真实验设计 |
| 4.2.3 自适应功率分配的MIMO信道容量分析与仿真 |
| 4.3 本章小结 |
| 5 V-BALST体系中MIMO系统检测技术研究 |
| 5.1 MIMO系统所用到的检测算法 |
| 5.1.1 最大似然检测(ML)算法 |
| 5.1.2 迫零(ZF)检测算法 |
| 5.1.3 最小均方误差(MMSE)检测算法 |
| 5.1.4 序的串行影响抵消算法 |
| 5.2 MIMO检测算法比较分析仿真实验 |
| 5.3 天线数目不同对检测属性的影响 |
| 5.3.1 发送的天线数和接收的天线数相等 |
| 5.3.2 接收天线数目固定,改变发送天线的数目 |
| 5.3.3 发送天线数目固定,改变接收天线的数目 |
| 5.4 MIMO系统检测的硬件调试 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 A 程序 |
| 致谢 |
（7）信道反馈延迟的V-BLAST系统功率分配算法（论文提纲范文）
| 1 概述 |
| 2 信道反馈有延迟的信道模型系统 |
| 3 信道反馈有延迟时接收端的系统分析 |
| 4 信道反馈延迟自适应发送功率分配算法 |
| 5 仿真结果 |
| 6 结束语 |
（8）MIMO系统中基于不完全反馈信息的功率分配算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 图表清单 |
| 缩略词 |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 MIMO 检测技术 |
| 1.2.1 空时编码与 V-BLAST 技术 |
| 1.2.2 迭代空时处理技术 |
| 1.2.3 比特交织编码调制技术 |
| 1.3 MIMO 自适应技术 |
| 1.4 论文主要内容与组织结构 |
| 第二章 多天线系统的检测算法 |
| 2.1 V-BLAST 检测算法 |
| 2.1.1 V-BLAST 系统模型 |
| 2.1.2 最大似然检测算法 |
| 2.1.3 迫零检测算法 |
| 2.1.4 最小均方误差检测算法 |
| 2.1.5 仿真结果与分析 |
| 2.2 Turbo-BLAST 迭代检测算法 |
| 2.2.1 Turbo-BLAST 系统模型 |
| 2.2.2 基于软干扰抵消的迭代检测算法 |
| 2.2.3 仿真结果与分析 |
| 2.3 Turbo-BLAST 双迭代检测算法 |
| 2.3.1 BICM-ID 系统模型 |
| 2.3.2 Turbo-BLAST 双迭代系统模型 |
| 2.3.3 Turbo-BLAST 双迭代检测算法 |
| 2.3.4 仿真结果与分析 |
| 2.4 本章小结 |
| 第三章 完全信道状态信息条件下的功率分配算法 |
| 3.1 系统模型 |
| 3.2 修正的检测算法 |
| 3.2.1 修正的 ZF 检测算法 |
| 3.2.2 修正的 MMSE 检测算法 |
| 3.3 完全信道状态信息条件下的功率分配算法 |
| 3.3.1 完全信道状态信息条件下的系统误比特率 |
| 3.3.2 完全信道状态信息条件下的功率分配算法 |
| 3.4 仿真结果与分析 |
| 3.5 本章小结 |
| 第四章 存在信道反馈延迟时基于 ZF 检测的自适应功率分配算法 |
| 4.1 系统模型 |
| 4.2 信道反馈有延迟时系统的误比特率 |
| 4.2.1 信道反馈有延迟时的信干噪比 |
| 4.2.2 信道反馈有延迟时的误比特率 |
| 4.3 信道反馈有延迟时基于 ZF 检测的自适应功率分配算法 |
| 4.3.1 次优的功率分配算法 |
| 4.3.2 最优的功率分配算法 |
| 4.3.3 复杂度比较 |
| 4.4 仿真结果与分析 |
| 4.5 本章小结 |
| 第五章 存在信道反馈延迟时基于 MMSE 检测的自适应功率分配算法 |
| 5.1 系统模型 |
| 5.2 信道反馈延迟时的信干噪比 |
| 5.2.1 信干噪比的分解 |
| 5.2.2 信干噪比的概率密度函数 |
| 5.3 信道反馈有延迟时系统的误比特率 |
| 5.4 信道反馈有延迟时基于 MMSE 检测的自适应功率分配算法 |
| 5.5 仿真结果与分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究工作的展望 |
| 参考文献 |
| 致谢 |
| 在校期间的研究成果及发表的的学术论文 |
（9）基于多天线多载波的高频谱效率传输关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 提高频谱效率的有效途径 |
| 1.2.2 基于多载波高阶调制 |
| 1.2.3 基于多天线技术 |
| 1.3 本文主要研究内容和贡献 |
| 1.4 论文结构及内容安排 |
| 第二章 基于多天线及多载波的高频谱效率传输技术研究现状 |
| 2.1 多天线分层空时编码 |
| 2.1.1 传统分层空时码结构 |
| 2.1.2 传统分层空时码局限性 |
| 2.1.3 异步分层空时编码技术 |
| 2.2 多天线最优地理位置选择 |
| 2.2.2 集中式多天线位置优选 |
| 2.2.3 分布式多天线位置优选 |
| 2.3 多载波高阶调制技术 |
| 2.3.1 国内外技术现状 |
| 2.3.2 4096-QAM 的工程挑战 |
| 2.4 小结 |
| 第三章 莱斯信道中的多载波异步分层空时码 |
| 3.1 引言 |
| 3.2 多载波异步分层空时编码模型 |
| 3.3 多天线联合检测性能分析 |
| 3.3.1 ZF 检测 |
| 3.3.2 MMSE 检测 |
| 3.4 数值与仿真结果分析 |
| 3.5 小结 |
| 第四章 最大化小区平均频谱效率的分布式多天线位置选择 |
| 4.1 引言 |
| 4.2 分布式多天线蜂窝小区结构 |
| 4.3 分布式多天线信号建模 |
| 4.4 频谱效率分析 |
| 4.4.1 给定位置的移动台频谱效率 |
| 4.4.2 小区平均频谱效率 |
| 4.5 基于频谱效率最大化的位置解算 |
| 4.6 仿真结果分析 |
| 4.7 小结 |
| 第五章 基于多天线视觉辅助的功率控制 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.3 基于多天线的视觉信息搜集 |
| 5.3.1 基于多天线定位 |
| 5.3.2 基于多天线成像 |
| 5.4 基于视觉辅助的功率控制 |
| 5.4.2 与传统功率控制的对比分析 |
| 5.4.3 数值与仿真结果 |
| 5.5 前景与挑战 |
| 5.6 小结 |
| 第六章 4096-QAM 高频谱效率多载波传输 |
| 6.1 引言 |
| 6.2 系统模型 |
| 6.2.1 信道模型 |
| 6.2.2 物理层基本参数 |
| 6.3 物理层链路设计 |
| 6.3.1 帧结构设计 |
| 6.3.2 编码与调制 |
| 6.3.3 发射机结构 |
| 6.3.4 实际频谱效率分析 |
| 6.4 关键技术研究 |
| 6.4.1 信号模型 |
| 6.4.2 同步误差对高阶 QAM 的影响分析 |
| 6.4.3 载波与采样频偏联合纠正 |
| 6.4.4 信道估计降噪处理 |
| 6.4.5 数值与仿真结果分析 |
| 6.5 工程实验验证 |
| 6.5.1 实验平台 |
| 6.5.2 实验结果 |
| 6.6 小结 |
| 第七章 全文总结 |
| 7.1 本文贡献 |
| 7.2 下一步工作建议和未来研究方向 |
| 致谢 |
| 参考文献 |
| 攻博期间取得的研究成果 |
| 攻博期间参加的科研项目 |
（10）多用户MIMO系统中关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 图目录 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 MIMO技术概述 |
| 1.2.1 单用户MIMO技术 |
| 1.2.2 多用户MIMO技术 |
| 1.3 论文的主要研究工作及内容 |
| 1.3.1 论文主要内容及章节安排 |
| 1.3.2 与本文相关的主要工作 |
| 1.4 本章参考文献 |
| 第二章 MIMO技术理论基础 |
| 2.1 概述 |
| 2.2 MIMO技术基础 |
| 2.2.1 系统模型 |
| 2.2.1.1 单用户MIMO系统 |
| 2.2.1.2 多用户MIMO系统 |
| 2.2.2 典型的MIMO技术 |
| 2.2.2.1 开环MIMO技术 |
| 2.2.2.2 闭环MIMO技术 |
| 2.3 MIMO系统的容量分析 |
| 2.3.1 单用户MIMO信道容量 |
| 2.3.2 多用户MIMO系统容量 |
| 2.4 本章参考文献 |
| 第三章 单用户MIMO预编码及检测技术研究 |
| 3.1 概述 |
| 3.2 单用户MIMO检测技术 |
| 3.2.1 线性检测算法 |
| 3.2.1.1 迫零(ZF)检测算法 |
| 3.2.1.2 最小均方误差(MMSE)检测算法 |
| 3.2.2 非线性检测算法 |
| 3.2.2.1 最大似然检测算法 |
| 3.2.2.2 V-BLAST/OSIC检测算法 |
| 3.2.3 基于QR分解的检测算法 |
| 3.2.3.1 QR分解检测算法 |
| 3.2.3.2 排序的QR分解检测算法 |
| 3.2.4 仿真结果与分析 |
| 3.3 单用户MIMO预编码技术 |
| 3.3.1 线性预均衡技术 |
| 3.3.1.1 ZF线性预均衡 |
| 3.3.1.2 MMSE线性预均衡 |
| 3.3.2 基于SVD分解的线性预编码技术 |
| 3.3.3 基于GMD分解的线性预编码技术 |
| 3.3.4 非线性的THP预编码技术 |
| 3.3.5 仿真结果与分析 |
| 3.4 基于LQ分解的线性预编码方法 |
| 3.4.1 QR分解检测算法的分层差错性能分析 |
| 3.4.2 LQD预编码算法 |
| 3.4.2.1 ZF-LQD预编码 |
| 3.4.2.2 MMSE-LQD预编码 |
| 3.4.2.3 仿真结果与分析 |
| 3.4.3 排序的LQD预编码算法 |
| 3.4.3.1 SLQD预编码算法 |
| 3.4.3.2 仿真结果与分析 |
| 3.5 本章总结 |
| 3.6 参考文献 |
| 第四章 多用户MIMO下行链路线性预编码技术 |
| 4.1 概述 |
| 4.2 传统的多用户MIMO线性预编技术 |
| 4.2.1 信道反转预编码技术 |
| 4.2.2 BD预编码技术 |
| 4.2.3 RBD预编码技术 |
| 4.2.4 仿真结果与复杂度分析 |
| 4.3 改进的多用户MIMO线性预编码技术 |
| 4.3.1 QR-BD算法 |
| 4.3.1.1 算法原理 |
| 4.3.1.2 仿真结果与复杂度分析 |
| 4.3.2 改进的RBD算法 |
| 4.3.2.1 算法原理 |
| 4.3.2.2 QR-RBD算法 |
| 4.3.2.3 CL-RBD算法 |
| 4.3.2.4 仿真结果与复杂度分析 |
| 4.3.3 改进的MMSE-CI算法 |
| 4.3.3.1 算法原理 |
| 4.3.3.2 仿真结果与复杂度分析 |
| 4.3.4 迭代优化算法 |
| 4.3.4.1 算法原理 |
| 4.3.4.2 仿真结果 |
| 4.4 本章总结 |
| 4.5 参考文献 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 下一步工作的展望 |
| 缩略语中英文对照 |
| 致谢 |
| 攻读博士学位期间发表和完成论文及申请专利情况 |
四、迫零检测V-BLAST系统的发送功率分配方式研究（论文参考文献）
- [1]MIMO无线通信系统中V-BLAST性能分析[J]. 屈正庚,牛少清. 合肥工业大学学报(自然科学版), 2020(08)
- [2]室内高速MIMO-OFDM系统接收机信号检测技术研究[D]. 付向聪. 西安电子科技大学, 2020(05)
- [3]基于SC-FDE散射通信系统的MIMO技术研究[D]. 董文泰. 西安电子科技大学, 2020(05)
- [4]MIMO-SCFDE系统中多天线空时码的研究[D]. 李鑫. 北京邮电大学, 2020(05)
- [5]LTE-R下MIMO-OFDM系统信道估计及检测技术的研究[D]. 郭庭秀. 大连交通大学, 2019(08)
- [6]大规模MIMO系统信道容量的改进与优化[D]. 杨小雷. 大连理工大学, 2018(01)
- [7]信道反馈延迟的V-BLAST系统功率分配算法[J]. 于晓丹,陈小敏,谭伟. 计算机工程, 2014(06)
- [8]MIMO系统中基于不完全反馈信息的功率分配算法研究[D]. 于晓丹. 南京航空航天大学, 2013(02)
- [9]基于多天线多载波的高频谱效率传输关键技术研究[D]. 刘田. 电子科技大学, 2012(05)
- [10]多用户MIMO系统中关键技术研究[D]. 高向川. 北京邮电大学, 2011(12)