MIMO技术的优缺点优点通过下面三个增益来总体概括：阵列增益。阵列增益是指由于接收机通过对接收信号的相干合并而活得的平均SNR的提高。在发射机不知道信道信息的情况下，MIMO系统可以获得的阵列增益与接收天线数成正比复用增益。在采用空间复用方案的MIMO系统中，可以获得复用增益，即信道容量成倍增加。信道容量的增加与min(Nt,Nr)成正比分集增益。在采用空间分集方案的MIMO系统中，可以获得分集增益，即可靠性性能的改善。分集增益用独立衰落支路数来描述，即分集指数。在使用了空时编码的MIMO系统中，由于接收天线或发射天线之间的间距较远，可认为它们各自的大尺度衰落是相互独立的，因此分布式MIMO

无人机支持的空中无蜂窝大规模MIMO系统中上行链路分布式检测无人机支持的空中无蜂窝大规模MIMO系统中上行链路分布式检测介绍题目一.背景（解决的问题）二.系统模型2.1信道模型2.1.1信道系数2.1.2进行标准化2.2信道估计和数据传输2.2.1信道估计2.2.2上行数据传输三.具体的流程3.1第一层3.2第二层3.3最优组合权重的表达式四.用到的知识无人机支持的空中无蜂窝大规模MIMO系统中上行链路分布式检测介绍题目在无人机（UAV）支持的空中蜂窝自由大规模多输入多输出（mMIMO）系统中，上行链路分布式检测涉及以下几个关键概念和步骤：“无蜂窝”意味着系统不是围绕传统的蜂窝结构组织的，而是

通信原理0、通信原理简介1、WiFi调制技术？带宽？遵循的协议？连接的方式？Wi-Fi调制技术是一种用于实现无线局域网络（WLAN）的调制技术，主要用于在无线信道中传输数据。Wi-Fi调制技术采用了OFDM（正交频分复用）和DSSS（直接序列扩频）等多种调制技术，可以实现高速、可靠的数据传输。Wi-Fi标准规定了不同频段和带宽的无线网络的工作方式，其中最常用的是2.4GHz和5GHz频段的Wi-Fi网络。Wi-Fi网络的带宽通常为20MHz、40MHz、80MHz或160MHz，不同带宽的网络可以支持不同的数据传输速率。在协议方面，Wi-Fi网络遵循了IEEE802.11系列标准，其中包括了8

这篇文章的作者是广州大学的范立生老师和他的学生汤舜璞，于2022年10月发表在IEEETRANSACTIONSONVEHICULARTECHNOLOGY。文献提出了一种基于空洞卷积（DilatedConvolution）的CSI反馈网络，即空洞信道重建网络(DilatedChannelReconstructionNetwork,DCRNet)。还设计了编码器和解码器块，提高了重建性能并降低计算复杂度。1研究背景在下行MIMO系统中，利用信道状态信息(CSI)是BS完成预编码设计的前提。在时分双工(TDD)模式下，由于信道的互易性，BS可以直接获得下行链路的CSI。然而在频分双工(FDD)模式下

无人机支持的空中无蜂窝大规模MIMO系统中上行链路分布式检测无人机支持的空中无蜂窝大规模MIMO系统中上行链路分布式检测介绍题目一.背景（解决的问题）二.系统模型信道模型信道系数进行标准化信道估计和数据传输信道估计上行数据传输三.具体的流程第一层第二层最优组合权重的表达式四.用到的知识无人机支持的空中无蜂窝大规模MIMO系统中上行链路分布式检测介绍题目在无人机（UAV）支持的空中无蜂窝大规模多输入多输出（mMIMO）系统中，上行链路分布式检测涉及以下几个关键概念和步骤：“无蜂窝”意味着系统不是围绕传统的蜂窝结构组织的，而是通过分散的多个基站协作提供覆盖和容量，而不是单个固定的基站。“上行链路”

  本内容主要介绍实现图像去模糊的MIMO-UNet模型。论文：RethinkingCoarse-to-FineApproachinSingleImageDeblurring代码（官方）：https://github.com/chosj95/MIMO-UNet1.背景  由于深度学习的成功，基于卷积神经网络（CNN）的图像去模糊方法已被广泛研究，并显示出良好的性能。基于卷积神经网络的图像去模糊模型主要分为两大类。早期，采用两阶段图像去模糊框架，即基于CNN的模糊核估计阶段和基于模糊核的去模糊阶段。最近，直接以端到端的方式直接学习模糊-清晰图像对之间的复杂关系，即直接从模糊图像获得清晰图像，De

无蜂窝大规模MIMO与小蜂窝网络论文信息NgoHQ,AshikhminA,YangH,etal.Cell-freemassiveMIMOversussmallcells[J].IEEETransactionsonWirelessCommunications,2017,16(3):1834-1850.  无蜂窝大规模MIMO中没有小区或者小区边界的界定，所有接入点通过回程网络进行相位相干协作，并通过时分双工（TDD）操作为同一时频资源中的所有用户提供服务。分布式MIMO系统的替代方案是部署由不合作的接入点组成的小蜂窝网络。  在现有文献中，没有考虑不完善的CSI、导频分配和功率控制的影响的小蜂窝

这里写自定义目录标题写在前面HolographicMIMOSurfacesfor6GWirelessNetworks:Opportunities,Challenges,andTrends的阅读笔记摘要简介HMIMOS模型根据功耗分类基于硬件结构的分类制造方法工作模式Functionality,Characteristics,andCommunicationApplications函数类型Multi-UserHolographicMIMOSurfaces:ChannelModelingandSpectralEfficiencyAnalysisintroduction符合EM的信道建模Teraher

来源：投稿作者：小灰灰编辑：学姐论文标题：CSI-basedPositioninginMassiveMIMOsystemsusingConvolutionalNeuralNetworks摘要研究了使用大规模MIMO（MaMIMO）系统的信道状态信息（CSI）的用户定位系统的性能。为了从CSI中推断用户的位置，设计了一个卷积神经网络，并通过一个新的数据集进行评估。该数据集包含使用三种不同天线拓扑的室内MaMIMOCSI测量，覆盖2.5米×2.5米的室内区域。我们表明，我们可以训练卷积神经网络（CNN）模型来估计用户在该区域内的位置，平均误差小于半个波长。此外，一旦对模型进行了给定场景和天线拓扑的

该文献的作者是清华大学的高飞飞老师，于2019年11月发表在IEEECOMMUNICATIONSLETTERS上。文章给出了当用户位置到信道的映射是双射时上行到下行的确定映射函数；还提出了一个稀疏复值神经网络(sparsecomplex-valuedneuralnetwork，SCNet)来逼近映射函数，SCNet直接根据预估的上行链路CSI预测下行链路CSI，不需要下行链路训练，也不需要上行链路反馈。1研究背景在大规模MIMO中，BS使用CSI用于波束形成、用户调度等，UE使用CSI用于信号检测，但由于下行链路训练和上行链路反馈相关的开销过高，因此需要进行优化工作。由于BS和用户的信道只有很