下载文档原格式
QPSK和16QAM调制下MIMO-OFDM系统Matlab仿真实现一、引言MIMO-OFDM系统是一种融合了多输入多输出（MIMO）和正交频分复用（OFDM）技术的无线通信系统，能够显著提高数据传输速率和系统可靠性。
在MIMO-OFDM系统中，调制方式的选择对系统性能具有重要的影响。
QPSK和16QAM是两种常用的调制方式，它们在MIMO-OFDM系统中的应用对系统的性能和效率有着明显的影响。
本文将针对QPSK和16QAM调制下的MIMO-OFDM系统进行Matlab仿真实现，以研究两种调制方式对系统性能的影响。
二、MIMO-OFDM系统基本原理MIMO-OFDM系统由MIMO技术和OFDM技术组成。
MIMO技术利用多个天线发射和接收信号，通过空间分集和空间复用的方式提高系统的性能和可靠性。
而OFDM技术将带宽分成多个子载波，并采用正交调制方式传输数据，能够有效克服多径干扰和频率选择性衰落，提高系统的抗干扰能力和频谱利用率。
MIMO-OFDM系统将MIMO技术和OFDM技术结合，充分发挥两者的优势，实现了高速率和高可靠性的无线通信。
1. Matlab仿真环境搭建需要在Matlab环境中搭建MIMO-OFDM系统的仿真环境。
在Matlab中，可以使用Communications Toolbox和Wireless Communications Toolbox工具箱来搭建MIMO-OFDM系统的仿真环境。
通过这些工具箱，可以方便地构建MIMO通道模型、OFDM调制器和解调器等系统组件，并进行参数设置和仿真运行。
2. QPSK调制方式在QPSK调制方式下，将复数信号映射到星座图上，每个符号点代表两个比特。
QPSK调制方式可以实现较高的传输速率和频谱利用率，适用于高速率和大容量的无线通信场景。
在MIMO-OFDM系统中，QPSK调制方式通常用于传输速率要求较高的场景，例如视频传输和高速数据传输等。
2. MIMO-OFDM系统仿真实现与QPSK调制方式类似，利用Matlab中的Wireless Communications Toolbox，可以进行16QAM调制下MIMO-OFDM系统的仿真实现。
【概述】MIMO（Multiple-Input Multiple-Output）技术在无线通信领域具有广泛的应用，通过利用多个天线，MIMO技术可以显著提高无线信道的传输容量和可靠性。
而信道容量则是衡量无线信道性能的重要指标，它表示在给定的无线信道条件下，信道可以支持的最大数据传输速率。
本文将以matlab代码为例，通过对MIMO信道容量进行仿真分析，来深入探讨MIMO技术在无线通信中的应用和性能。
【1. MIMO信道容量的基本原理】MIMO系统通过利用多个天线进行信号的传输和接收，可以有效地提高无线信道的传输容量。
其基本原理是，利用了空间分集技术，通过将数据分别送入多个天线，并在接收端进行合并处理，从而提高了系统的传输速率和稳定性。
MIMO系统的信道容量受到信道质量、天线数目和信号调制方式等多个因素的影响，因此需要通过仿真分析来进行评估。
【2. MIMO信道容量的matlab代码实现】在matlab中，可以通过编写相应的MIMO信道容量仿真代码，来实现对MIMO系统性能的分析。
以下是一个简化的MIMO信道容量计算的matlab代码示例：```matlab定义MIMO系统参数Nt = 2; 发射天线数Nr = 2; 接收天线数SNR_dB = 0:5:30; 信噪比范围生成随机信道矩阵H = (randn(Nr, Nt) + 1i*randn(Nr, Nt)) / sqrt(2);计算MIMO信道容量capacity = zeros(1, length(SNR_dB));for i = 1:length(SNR_dB)SNR = 10^(SNR_dB(i)/10);capacity(i) = log2(det(eye(Nr) + SNR/Nt*H*H'));end绘制MIMO信道容量曲线plot(SNR_dB, capacity, 'b-o')xlabel('SNR (dB)')ylabel('Capacity (bps/Hz)')title('MIMO Channel Capacity')grid on```以上代码中，首先定义了MIMO系统的参数，包括发射天线数Nt、接收天线数Nr和信噪比范围SNR_dB。
基于MATLAB的MIMO-OFDM通信系统的仿真0 引言5G技术的逐步普及，使得我们对海量数据的存储交换，以及数据传输速率、质量提出了更高的要求。
信号的准确传播显得越发重要，随之而来的是对信道模型稳定性、抗噪声性能以及低误码率的要求。
本次研究通过构建结合空间分集和空间复用技术的MIMO信道，引入OFDM 技术搭建MIMO-OFDM 系统，在添加保护间隔的基础上探究其在降低误码率以及稳定性等方面的优异性能。
1 概述正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术通过将信道分成数个互相正交的子信道，再将高速传输的数据信号转换成并行的低速子数据流进行传输。
该技术充分利用信道的宽度从而大幅度提升频谱效率达到节省频谱资源的目的。
作为多载波调制技术之一的OFDM 技术目前已经在4G 中得到了广泛的应用，5G 技术作为新一代的无线通信技术，对其提出了更高的信道分布和抗干扰要求。
多输入多输出（Multi Input Multi Output,MIMO）技术通过在发射端口的发射机和接收端口的接收机处设计不同数量的天线在不增加频谱资源的基础上通过并行传输提升信道容量和传输空间。
常见的单天线发射和接收信号传输系统容量小、效率低且若出现任意码间干扰，整条链路都会被舍弃。
为了改善和提高系统性能，有学者提出了天线分集以及大规模集成天线的想法。
IEEE 806 16 系列是以MIMO-OFDM 为核心，其目前在欧洲的数字音频广播，北美洲的高速无线局域网系统等快速通信中得到了广泛应用。
多媒体和数据是现代通信的主要业务，所以快速化、智能化、准确化是市场向我们提出的高要求。
随着第五代移动通信5G 技术的快速发展，MIM-OFDM 技术已经开始得到更广泛的应用。
本次研究的MIMO-OFDM 系统模型是5G的关键技术，所以对其深入分析和学习，对于当下无线接入技术的发展有着重要的意义。
稀疏阵列mimo天线matlab仿真稀疏阵列MIMO（Multiple-Input Multiple-Output）系统是一种利用多个天线进行传输和接收的技术，可以有效提高通信系统的传输速率和可靠性。
在稀疏阵列MIMO系统中，天线之间的间距较大，形成了一个“稀疏”分布的阵列。
本文将介绍稀疏阵列MIMO系统的原理，并通过MATLAB仿真来验证其性能。
稀疏阵列MIMO系统的基本原理是利用空间信道的多径传输来增加传输路径和信道容量。
通过多个天线进行信号传输和接收，可以实现空间分集和空间复用的效果，从而提高系统的传输速率。
与传统的天线阵列相比，稀疏阵列的天线间距较大，可以减少阵列间的干扰，提高系统的可靠性和性能。
稀疏阵列MIMO系统在无线通信、雷达、无人机通信等领域具有广泛的应用前景。
为了验证稀疏阵列MIMO系统的性能，可以利用MATLAB进行仿真。
首先，需要建立稀疏阵列MIMO系统的模型。
模型包括天线阵列的布局、信道模型的建立、发送和接收信号处理等。
通过设置好参数和信道条件，可以进行系统的仿真实验。
在MATLAB中，可以利用MIMO通信工具箱进行稀疏阵列MIMO系统的建模和仿真。
首先，需要定义阵列的几何布局和天线的数量。
根据阵列的布局和天线的坐标，可以计算出天线之间的距离、角度等信息。
然后，需要定义信道模型和路径损耗模型，包括多径传输、衰落模型等。
根据信道模型，可以计算出信道增益和相位差等信息。
在稀疏阵列MIMO系统中，常用的传输技术是空时编码（STC）和垂直波束成形（VBF）。
可以分别计算出两种传输技术的系统容量和误码率，以评估系统的性能。
在进行仿真实验之前，还需考虑天线之间的互相干扰问题。
由于天线之间的间距较大，可以采用空间滤波和天线选择技术来减小干扰。
通过优化天线权重和信号处理算法，可以实现稀疏阵列MIMO系统的性能优化。
通过MATLAB的仿真实验，可以得到稀疏阵列MIMO系统在不同信道条件下的性能曲线。
MIMO传递函数转化为状态空间模型Matlab代码1. 介绍MIMO（多输入多输出）系统是指系统具有多个输入和多个输出的特性。
在控制系统领域中，MIMO系统的建模和分析是非常重要的。
传递函数和状态空间模型是两种常用的系统建模方法。
本文将介绍如何将MIMO系统的传递函数转化为状态空间模型，并给出相应的Matlab代码实现。
2. MIMO系统的传递函数表示MIMO系统的传递函数通常表示为一个矩阵，每个元素对应一个输入到一个输出的传递函数。
假设有n个输入、m个输出，则MIMO系统的传递函数可以表示为一个m×n的传递函数矩阵G(s)。
传递函数矩阵的元素可以用s表示，如G11(s)、G12(s)等。
3. MIMO系统传递函数到状态空间模型的转化方法MIMO系统的传递函数可以通过状态空间模型来表示。
状态空间模型的基本形式如下：\[ \dot{x}(t) = Ax(t) + Bu(t) \]\[ y(t) = Cx(t) + Du(t) \]其中，A是状态矩阵，B是输入矩阵，C是输出矩阵，D是传递函数零极点对应的矩阵。
MIMO系统的传递函数可以通过以下步骤转化为状态空间模型：1）将传递函数矩阵分解为多个SISO（单输入单输出）系统的传递函数；2）针对每个SISO系统，可以将其转化为状态空间模型；3）将各个SISO系统的状态空间模型组合成一个整体的MIMO系统的状态空间模型。
4. Matlab代码实现下面我们通过一个实例来演示如何用Matlab将MIMO系统的传递函数转化为状态空间模型。
假设传递函数矩阵为：\[ G(s) = \begin{bmatrix} \frac{2s+1}{s^2+3s+2}\frac{3s+2}{s^2+4s+3} \\ \frac{4s+1}{s^2+2s+1}\frac{5s+2}{s^2+3s+2} \end{bmatrix} \]我们需要将传递函数矩阵分解为四个SISO系统的传递函数：\[ G11(s) = \frac{2s+1}{s^2+3s+2} \]\[ G12(s) = \frac{3s+2}{s^2+4s+3} \]\[ G21(s) = \frac{4s+1}{s^2+2s+1} \]\[ G22(s) = \frac{5s+2}{s^2+3s+2} \]针对每个SISO系统，我们可以将其转化为状态空间模型，以G11(s)为例：```Matlab将传递函数G11(s)转化为状态空间模型num = [2, 1]; 分子系数den = [1, 3, 2]; 分母系数[A11, B11, C11, D11] = tf2ss(num, den); 转化为状态空间模型```将各个SISO系统的状态空间模型组合成整体的MIMO系统的状态空间模型：```Matlab对四个SISO系统的状态空间模型进行组合A = [A11, A12; A21, A22];B = [B11, B12; B21, B22];C = [C11, C12; C21, C22];D = [D11, D12; D21, D22];```至此，我们成功地将MIMO系统的传递函数转化为状态空间模型，并通过Matlab代码实现了这一过程。
QPSK和16QAM调制下MIMO-OFDM系统Matlab仿真实现QPSK和16QAM调制是一种常见的调制方式，而MIMO-OFDM系统是一种利用多输入多输出技术和正交频分复用技术的无线通信系统。
本文将介绍如何使用Matlab对MIMO-OFDM系统进行仿真实现，并分别使用QPSK和16QAM调制方式进行实验。
我们将讨论MIMO-OFDM系统的基本原理和结构，然后介绍Matlab的仿真实现方法，最后进行仿真实验并分析实验结果。
1. MIMO-OFDM系统的基本原理和结构MIMO-OFDM系统是一种结合了多输入多输出（MIMO）技术和正交频分复用（OFDM）技术的无线通信系统。
MIMO技术利用多个天线进行信号传输和接收，可以显著提高系统的传输速率和抗干扰性能。
而OFDM技术将高速数据流分割成多个低速子流，并利用正交频分复用技术进行传输，可以有效克服多径传输引起的频率选择性衰落和提高频谱利用率。
MIMO-OFDM系统的结构包括多个发射天线和多个接收天线，发射端和接收端分别进行信号处理和数据传输。
在发射端，将输入数据流进行调制、符号映射，并进行空间信号处理和频谱分配；在接收端，对接收的信号进行解调、解映射、信道均衡和解调制处理。
整个系统利用MIMO技术和OFDM技术的优势，可以实现高速和高质量的无线通信传输。
2. Matlab的仿真实现方法在Matlab中，可以利用通信工具箱和信号处理工具箱进行MIMO-OFDM系统的仿真实现。
需要定义系统的参数，包括天线数、子载波数、信道模型、调制方式等；然后生成输入数据流，并进行调制和符号映射；接着进行信道编码和传输；最后进行解码和译码，并进行结果分析。
对于QPSK调制方式，可以使用comm.QPSKModulator和comm.QPSKDemodulator进行调制和解调，并使用comm.ErrorRate进行误码率计算；对于16QAM调制方式，可以使用comm.RectangularQAMModulator和comm.RectangularQAMDemodulator进行调制和解调，并进行相应的误码率计算。
mimoofdm无线通信技术与matlab代码-回复MIMO-OFDM无线通信技术与Matlab代码引言：MIMO-OFDM（多输入多输出正交频分复用）无线通信技术是目前无线通信领域中最重要的一项技术。
它结合了多输入多输出系统（MIMO）和正交频分复用（OFDM）技术，能够在无线通信中达到更高的数据传输速率和更好的信号强度。
在本文中，我们将介绍MIMO-OFDM无线通信技术的原理，并使用Matlab代码进行模拟实验。
第一部分：MIMO技术介绍多输入多输出系统（MIMO）是一种利用多个天线来发送和接收信号的技术。
与传统的单输入单输出系统（SISO）相比，MIMO系统能够在相同频谱带宽下实现更高的信号传输速率和更好的抗干扰能力。
MIMO系统的基本原理是利用多个独立的信道来传输数据，每个信道都有一个独立的传输路径，这样可以增加数据传输的容量和可靠性。
第二部分：OFDM技术介绍正交频分复用（OFDM）是一种通过将高速数据流分成多个低速的子流，并使用正交子载波进行传输的技术。
通过将频谱分成多个子载波，每个子载波负责传输部分数据流，可以避免频谱上的干扰，并提高信号传输的可靠性。
OFDM技术在现代无线通信中得到了广泛应用，例如Wi-Fi和LTE等。
第三部分：MIMO-OFDM系统原理MIMO-OFDM系统将MIMO技术和OFDM技术相结合，以实现更高的数据传输速率和更好的信号质量。
在MIMO-OFDM系统中，发送端和接收端都有多个天线。
发送端通过MIMO技术将数据流分成多个子流，并分别通过各个天线进行发送。
接收端通过各个天线接收到的信号，利用MIMO技术进行信号处理和解调。
同时，利用OFDM技术将每个子流分配到不同的子载波上进行传输，以提高信号传输的可靠性。
第四部分：MIMO-OFDM系统的Matlab模拟实验为了演示MIMO-OFDM系统的工作原理，我们将使用Matlab进行模拟实验。
下面是一个简单的MIMO-OFDM系统的Matlab代码示例：matlab定义MIMO-OFDM系统参数numOfAntennasTx = 2; 发送端天线数numOfAntennasRx = 2; 接收端天线数numOfSubcarriers = 64; 子载波数生成随机发送信号data = randi([0 1],numOfAntennasTx*numOfSubcarriers,1);将数据流分成多个子流dataStreams = reshape(data,numOfAntennasTx,numOfSubcarriers);对每个子流进行OFDM调制for i=1:numOfAntennasTxofdmSignal(i,:) = ifft(dataStreams(i,:));end通过每个天线发送OFDM信号for i=1:numOfAntennasTxtxSignal(i,:) = awgn(ofdmSignal(i,:),10); 添加高斯白噪声end对接收到的信号进行MIMO信号处理和解调channelMatrix = randn(numOfAntennasRx,numOfAntennasTx) + 1i*randn(numOfAntennasRx,numOfAntennasTx); 信道矩阵，假设为随机信道rxSignal = channelMatrix * txSignal;对接收到的信号进行OFDM解调for i=1:numOfAntennasRxdemodSignal(i,:) = fft(rxSignal(i,:));end将多个子流合并为单个信号流receivedData =reshape(demodSignal,numOfAntennasRx*numOfSubcarriers,1);对接收到的信号进行信号解调和解码decodedData = (receivedData > 0.5);计算误码率ber = sum(decodedData ~= data) / length(data);以上代码中，我们首先定义了MIMO-OFDM系统的参数，包括发送端和接收端的天线数以及子载波数。
mimoofdm无线通信技术与matlab代码1. 引言1.1 概述无线通信技术的发展迅猛，随着移动互联网时代的到来，人们对高速、稳定的无线通信需求日益增加。
MIMO-OFDM无线通信技术作为一种重要的解决方案，在提升系统容量和抗干扰性能方面具有显著优势。
本文旨在介绍MIMO-OFDM 无线通信技术原理，并借助MATLAB代码实现，通过仿真和性能评估分析展示其有效性和优越性。
1.2 文章结构本文分为五个部分：引言、MIMO-OFDM无线通信技术、MATLAB代码实现、实验结果与讨论以及结论与展望。
在引言部分，我们将简要介绍文章的背景和目标。
接下来，会详细讲解MIMO-OFDM无线通信技术的基本原理，并说明其在提高系统容量和抗干扰性能方面的作用。
然后，我们会详细描述如何使用MATLAB编写MIMO-OFDM系统模拟代码，并进行性能评估与分析。
随后，我们会展示仿真参数设置和结果展示，并对结果进行深入分析和性能讨论。
最后，在结论与展望部分，我们将总结本文的研究工作和贡献，并讨论目前的不足之处以及可能的改进方案。
1.3 目的本文的主要目的是深入介绍MIMO-OFDM无线通信技术及其原理，并通过MATLAB代码实现来验证其性能。
通过对实验结果进行分析和讨论，我们旨在揭示MIMO-OFDM技术在提高系统容量和抗干扰性能方面的优势。
同时，本文也希望为读者提供一个了解和学习MIMO-OFDM无线通信技术以及使用MATLAB进行系统模拟的参考。
以上就是“1. 引言”部分内容，概述了本文的背景、目标和结构。
在接下来的章节中，我们将逐一展开讲解MIMO-OFDM无线通信技术、MATLAB代码实现、实验结果与讨论以及结论与展望部分。
2. MIMO-OFDM无线通信技术:2.1 MIMO技术介绍:多输入多输出（MIMO）技术是一种通过在发射和接收端使用多个天线来增加系统容量和提高通信质量的无线通信技术。
MIMO技术利用空间上的多样性，通过在不同天线之间形成独立的传输通道，从而带来更好的抗干扰能力和信号接收品质。
MIMO系统容量仿真仿真操作步骤1.安装MATLAB6.5软件2.打开MATLAB6.5，在桌面上会弹出两个窗口：记事本窗口（如图4-1）和命令窗口（如图4-2）图4-1图4-23.在弹出的命令窗口中依次单击File|New|Mfile(见图4-3)打开编辑窗口图4-34.在编辑窗口中编程5.保存该程序，单击Debug|Run 运行。
这时程序的结果将显示在命令窗口上6.依次选择不同的天线数和信噪比，得出多组数据7.用plot 命令绘图程序实现根据第三章对MIMO 系统容量的推导，得出了信道容量公式：⎪⎪⎭⎫ ⎝⎛+=Q n P I W C T m 22det log σW 为每个子信道的带宽。
则每单位带宽上的信道容量为：⎪⎪⎭⎫ ⎝⎛+=Q n P I C T m 22det log σ其中：n R 为接收端天线数，n T 为发射端天线数Im 是min(n R ,n T )阶单位矩阵H 为n R ×n T 阶随机矩阵，数值服从正态分布⎩⎨⎧=H H HH Q H H TR T R n n n n ≥< P/2σ为信噪比，我们用SNR 来表示为了便于用MATLAB 编程，我们定义单位信道容量2log det m T A C I Q n ⎛⎫=+ ⎪⎝⎭，其中SNR=1010log A ，推出()1010SNR A =。
发射天线数T n 为4，接收天线R n 逐渐增大（1）信噪比SNR=0dB当R n =1时， R T n n < Q=H*H'程序代码如下：SNR=0; %定义信噪比为0HZA=10^(SNR/10); %信噪比的单位转换关系式Im=eye(1); %这里的"1"为发射天线和接收天线两者数目少的根数sum=0; %初始化sum 为0for i=1:10000 %程序循环10000次H=randn(1,4); %产生高斯信号源Q=H*H'; %求威沙特矩阵sum=sum+log2(det(Im+A*Q/4)); %10000次循环得到的信道容量总和 endC=sum/10000 %10000次循环的平均值运行可以得到第一组数据：R n =1时，C=0.9267当R n =2时 R T n n < Q=H*H'只需把程序代码的R n 换掉即可，运行可以得到第二组数据：R n =2时，C=1.7682依次可以得到：R n =3时，C=2.5436R n =4时，C=3.2482R n =5时，C=3.8977R n =6时，C=4.5062R n =7时，C=5.0686R n =8时，C=5.5634R n =9时，C=6.0534R n =10时，C=6.5123Rn=30时，C=11.0734R（2）信噪比SNR=5dB依次可以得到：n=1时，C=1.8720Rn=2时，C=3.5384Rn=3时，C=5.0226Rn=4时，C=6.3022Rn=5时，C=7.4272Rn=6时，C=8.4336Rn=7时，C=9.2894Rn=8时，C=10.0768Rn=9时，C=10.7693Rn=10时，C=11.4027Rn=20时，C=15.1084Rn=30时，C=17.0578R（3）信噪比SNR=10dB依次可以得到：n=1时，C=3.1524Rn=2时，C=5.9879Rn=3时，C=8.3914Rn=4时，C=10.4579Rn=5时，C=12.1479Rn=6时，C=13.5424RRn=8时，C=15.6897Rn=9时，C=16.5322Rn=10时，C=17.0927Rn=20时，C=20.9439Rn=30时，C=22.4942R（4）信噪比SNR=15dB依次可以得到：n=1时，C=4.6711Rn=2时，C=8.9050Rn=3时，C=12.5479Rn=4时，C=15.4908Rn=5时，C=17.6953Rn=6时，C=19.4381Rn=7时，C=20.7939Rn=8时，C=21.9145Rn=9时，C=22.8506Rn=10时，C=23.6258Rn=20时，C=27.0859Rn=30时，C=28.8846R根据上面得到的四组数据用MATLAB绘图：程序代码为：x=[1,2,3,4,5,6,7,8,9,10,20,30];y1=[0.9267,1.7682,2.5436,3.2482,3.8977,4.5062,5.0686,5.5634,6.0534,6.5123,9.42 06, 11.0734];plot(x,y1)hold ony2=[1.8720,3.5384,5.0226,6.3022,7.4272,8.4336,9.2894,10.0768,10.7693,11.4027,15.1084,17.0578];plot(x,y2)hold ony3=[3.1524,5.9879,8.3914,10.4579,12.1479,13.5424,14.6978,15.6897,16.5322,17.0927, 20.9439,22.4942];plot(x,y3)hold ony4=[4.6711,8.9050,12.5479,15.4908,17.6953,19.4381,20.7939,21.9145,22.8506,23.6258,27.0859,28.8846];plot(x,y4),grid onxlabel('接收天线数nR');ylabel('容量/(bit/s/Hz)');结果如图4-4：图4-4接收天线R n 为4，发射天线数T n 逐渐增大（1）信噪比SNR=0dB依次可以得到： T n =1时，C=2.1177Tn=3时，C=3.0877Tn=4时，C=3.2612Tn=5时，C=3.3472Tn=6时，C=3.4298Tn=7时，C=3.5241Tn=8时，C=3.5681Tn=9时，C=3.5964Tn=10时，C=3.6174Tn=20时，C=3.7560Tn=30时，C=3.7899T（2）信噪比SNR=5dB依次可以得到：n=1时，C=3.4491Tn=2时，C=4.9309Tn=3时，C=5.9981Tn=4时，C=6.4075Tn=5时，C=6.6011Tn=6时，C=6.7730Tn=7时，C=6.9885Tn=8时，C=7.1010Tn=9时，C=7.2006Tn=10时，C=7.3069TTn=30时，C=7.6546T（3）信噪比SNR=10dB依次可以得到：n=1时，C=5.0124Tn=2时，C=7.7014Tn=3时，C=9.5183Tn=4时，C=10.5682Tn=5时，C=11.1156Tn=6时，C=11.5987Tn=7时，C=11.9483Tn=8时，C=12.1547Tn=9时，C=12.3633Tn=10时，C=12.5237Tn=20时，C=13.0893Tn=30时，C=13.3259T（4）信噪比SNR=15dB依次可以得到：n=1时，C=6.6068Tn=2时，C=10.7773Tn=3时，C=13.7736Tn=4时，C=15.5987Tn=5时，C=16.5676Tn=6时，C=17.2934TTn=8时，C=18.1088Tn=9时，C=18.3576Tn=10时，C=18.5360Tn=20时，C=19.2798Tn=30时，C=19.4907T用MATLAB绘图结果为图4-5：图4-5。
北京邮电大学基于Matlab的MIMO通信系统仿真专业：信息工程班级：2011211126：学号：目录一、概述 (1)1、课题的研究背景 (1)2、课程设计的研究目的 (1)3、MIMO系统 (1)【1】MIMO的三种主要技术 (1)【2】MIMO系统的概述 (2)【3】MIMO系统的信道模型 (2)二、基本原理 (3)1、基本流程 (3)2、MIMO原理 (3)3、空时块码 (4)三、仿真设计 (5)1、流程图 (5)2、主要模块及参数 (5)3、信源产生 (5)4、信道编码 (6)5、调制 (6)6、AWGN信道 (6)7、输出统计 (7)四、程序块设计 (7)1、代码 (7)五、仿真结果分析 (11)1、仿真图 (11)2、结果分析 (12)六、重点研究的问题 (12)七、心得与体会 (12)八、参考文献 (12)一、概述1、背景MIMO 表示多输入多输出。
在第四代移动通信技术标准中被广泛采用，例如IEEE 802.16e (Wimax)，长期演进(LTE)。
在新一代无线局域网(WLAN)标准中，通常用于IEEE 802.11n，但也可以用于其他 802.11 技术。
MIMO 有时被称作空间分集，因为它使用多空间通道传送和接收数据。
只有站点（移动设备）或接入点（AP）支持 MIMO 时才能部署MIMO。
MIMO 技术可以显著克服信道的衰落，降低误码率。
该技术的应用，使空间成为一种可以用于提高性能的资源，并能够增加无线系统的覆盖围。
通常，多径要引起衰落，因而被视为有害因素。
然而研究结果表明，对于MIMO系统来说，多径可以作为一个有利因素加以利用。
MIMO系统在发射端和接收端均采用多天线(或阵列天线)和多通道，MIMO的多入多出是针对多径无线信道来说的。
传输信息流s(k)经过空时编码形成N个信息子流ci(k)，I=1，……，N。
这N个子流由N个天线发射出去，经空间信道后由M个接收天线接收。
多天线接收机利用先进的空时编码处理能够分开并解码这些数据子流，从而实现最佳的处理。
