mimo信道学习

1  MIMO信道

MIMO无线信道的数学模型中,是发射端第 i 根天线和接收端第 j 根天线的复信道增益,该增益来源于多条射线的叠加每条射线是经过多条不同的路径到达接收机

信道增益的模服从瑞利分布,如果除了大量的散射体还有一个很强的直射LoS路径,则信道增益的模服从莱斯分布

发射端第 i 根天线和接收端第 j 根天线之间的子信道,也是由一堆不同的路径叠加而成的,而不是仅指一条路径!

      毫米波相关论文最常使用的毫米波信道模型都是基于Saleh-Valenzuela模型,包含一堆方位角、俯仰角之类。毫米波绕射能力差,路径稀疏,信道模型具有丰富的几何特征。

      毫米波信道与低频信道不同,由于毫米波基本沿直线传播,绕射能力差,其信道的散射路径较少,往往远少于发射和接收天线的数量因此其信道模型具有丰富的几何特征。而低频信道由于散射路径丰富,往往建模成随机信道比如瑞利分布,因此并不包含通信环境的信息。

2  均匀线性阵列(Uniform Linear Array, ULA)

     2D MIMO 通信系统发射天线是线性天线,它形成的波束较宽,只有水平维度的方向,没有垂直维度的方向。这样每条子径包含发射端的出发角 AoD(Angle of Departure),接收端的到达角 AoA(Angle of Arrival)以及时延 三个特征变量

3 均匀平面阵列(Uniform Planar Array, UPA) 

  • 6
    点赞
  • 55
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
大规模MIMO(大规模多输入多输出)系统是一种利用大量天线进行通信的技术,在这种系统,可以利用数百甚至数千个天线来传输数据。信道估计是指利用已知的信号和接收到的信号来估计通信信道的特性,以便在信号传输过程进行更准确的数据处理。 对于大规模MIMO系统,信道估计是至关重要的。由于大规模MIMO系统存在大量的天线和信号处理过程,传统的信道估计算法可能会变得非常复杂和耗时。因此,针对大规模MIMO系统,需要设计更高效和精确的信道估计算法。 大规模MIMO信道估计的一个重要方法是利用波束成形技术。该技术可以利用大量的天线和射频信号来实现更准确的信道估计,从而提高信号传输的质量和可靠性。另外,利用先进的信号处理算法和深度学习技术也有助于提高大规模MIMO信道估计的性能。 在大规模MIMO系统,由于信道特性可能随时间和空间而变化,因此信道估计算法需要具有适应性和鲁棒性,以应对不同的通信环境和条件。因此,大规模MIMO信道估计算法的研究和优化对于提高通信系统的性能至关重要。 总之,大规模MIMO信道估计是大规模MIMO通信系统的一个重要环节,需要结合波束成形技术、信号处理算法和深度学习技术,以提高信道估计的准确性和效率,从而改善通信系统的性能和用户体验。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值