【MIMO】

2024-02-09 02:28
文章标签 mimo

本文主要是介绍【MIMO】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

MIMO技术入门

1.简介

MIMO(多入多出):多天线技术。
注意:此处的多天线,并不是有多个天线板,对基站来讲指天线有多套振子(每一套振子都可以看成一个独立的天线)。
4G 8天线;5G 64T64R;不仅基站是多天线,手机也是多天线(5G手机是4天线,4G是两天线,4G网速是75Mb/s,采用两天线则为150Mb/s)。

2.MIMO作用

  • 空间分集(Space diversity):提升接收质量(可靠性)。多个天线发射同一个数据流,避免单个差信道的极端影响(似乎类似多次重传)。

  • 空间复用(space multiplexing): 将原始数据拆成两部分,并行传输(有效性)。
    Rank
    形象理解为信道相关性,相关性越强接收端越难以区分,所以相关性越弱越好。
    举个例子:当信道相关性较强,即rank=1时,手机(接收端)无法区分两路信道,只能发挥空间分集效果;当rank=2相关性较弱,手机可以区分两路信道了,也就能发挥空间复用效果了(实际中4G的rank最多就是1和2,5G可以达到4)。

  • 波束赋形: 利用多根天线发送定向电磁波(最早是在3G的TD-SCDMA中,4 5G也在用),3G 4G双工方式分为TDD(时分双工)和FDD(频分双工),波束赋形只支持TDD(本质是波的干涉,实现上是相位改变+幅度变化)。
    不同阶段的波束赋形:2G阶段的GSM、WCDMA和CDMA2000没有波束赋形,电磁波直接撒出去;3G的TD-SCDMA和4G的LTE实现2D的波束赋形(手机在水平面上移动);5G是NR天线3DMIMO。

  • 空分多址(纸面上,没有实际应用)

以上对天线的要求:空间分集和空间复用至少是2T2R,波束赋形最低标准3G的TD-SCDMA和4G的LTE是8T8R(4G中4套振子形成一个波束),16T16R以下只支持2D MIMO,只有32T32R及以上才支持3D MIMO
小节:单纯提升有效性,波束赋形比空间分集效果好;波束赋形发送多个电磁波也可以实现空间复用的效果。

3.MIMO流程

补充知识:
4/5G的帧都是10ms
传输块:基站在1ms内给用户发的数据(一堆01)。
层映射:

这篇关于【MIMO】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/692879

相关文章

A Tutorial on Near-Field XL-MIMO Communications Towards 6G【论文阅读笔记】

此系列是本人阅读论文过程中的简单笔记,比较随意且具有严重的偏向性(偏向自己研究方向和感兴趣的),随缘分享,共同进步~ 论文主要内容: 建立XL-MIMO模型,考虑NUSW信道和非平稳性; 基于近场信道模型,分析性能(SNR scaling laws,波束聚焦、速率、DoF) XL-MIMO设计问题:信道估计、波束码本、波束训练、DAM XL-MIMO信道特性变化: UPW ➡ NU

【MATLAB源码-第252期】基于matlab的STBC空时分组码MIMO-OFDM系统仿真,采用QPSK调制,训练符号信道估计,输出误码率曲线。

操作环境: MATLAB 2022a 1、算法描述 基于空时分组码(STBC)的多输入多输出正交频分复用(MIMO-OFDM)通信系统是一种先进的无线通信技术,它结合了MIMO和OFDM两种技术的优势,实现了高数据传输速率和增强的抗多径干扰能力。这种系统在现代无线通信中广泛应用,尤其是在需要高吞吐量和可靠性的环境中,比如4G和5G移动通信系统。 在MIMO-OFDM系统中,多个天线被用来同

基于协方差信息的Massive MIMO信道估计算法性能研究

1. 引言 随着移动互联网不断发展,人们对通信的速率和可靠性的要求越来越高[1]。目前第四代移动通信系统已经逐渐商用,研究人员开始着手研究下一代移动通信系统相关技术[2][3]。在下一代移动通信系统中要求下行速率达到10Gbps,这就要求我们使用更先进的技术和更宽的系统带宽。MIMO技术由于可以在不增加系统带宽和功率的前提下,成倍的提升系统容量和可靠性,已经广泛应用于各种无线通信系统中,但仅采用

【MATLAB源码-第220期】基于matlab的Massive-MIMO误码率随着接收天线变化仿真采用ZF均衡和QPSK调制。

操作环境: MATLAB 2022a 1、算法描述 1. 系统背景与目标 无线通信系统的发展极大地推动了现代通信技术的进步,从移动通信到无线局域网,甚至是物联网,均依赖于无线通信系统的高效和可靠性。在无线通信系统中,核心目标是实现数据的可靠传输,而误比特率(BER,Bit Error Rate)是衡量这种可靠性的关键指标之一。BER反映了在传输过程中接收到的错误比特的比例,是评估通信系统性

信号稳定,性能卓越!德思特礁鲨系列MiMo天线正式发布!

作者介绍 礁鲨®系列天线,以其独特的外观设计和强大的性能,成为德思特Panorama智能天线家族的最新成员。这款天线不仅稳定提供5G、WIFI和GNSS信号,更能在各类复杂环境中展现出卓越的性能。它的设计灵感来源于海洋中的礁鲨,象征着力量和敏捷。针对公共安全、交通、急救和消防等领域,"礁鲨"系列MiMo天线是您优质的选择。让"礁鲨"天线成为您在无线通信领域的可靠伙伴,无论面对

MIMO和RIS的一些学习

1.Accurate Beam Training for RIS-Assisted Wideband Terahertz Communication(RIS 辅助宽带太赫兹通信的精确波束训练) 摘要:太赫兹 (THz) 通信被广泛认为是未来 6G 无线系统最有前途的技术之一。为了应对太赫兹系统中的高路径损耗,可以部署由低复杂度反射元件组成的可重构智能表面(RIS)来生成定向光束。为了获取用户设备

【MATLAB源码-第29期】基于matlab的MIMO,MISO,SIMO,SISO瑞利rayleigh信道容量对比。

操作环境: MATLAB 2022a 1、算法描述 1. SISO(单输入单输出):    - SISO 是指在通信系统中,只有一个天线用于传输信号,也只有一个天线用于接收信号的情况。这是最简单的通信方式。 2. SIMO(单输入多输出):    - SIMO 意味着在发送端只有一个天线,但在接收端有多个天线。这样的配置允许在接收端利用多条路径接收多条反射信号,从而改善通信质量。 3. MI

Spatio-Temporal Representation With Deep Neural Recurrent Network in MIMO CSI Feedback简记

Spatio-Temporal Representation With Deep Neural Recurrent Network in MIMO CSI Feedback简记 文章目录 Spatio-Temporal Representation With Deep Neural Recurrent Network in MIMO CSI Feedback简记参考简记LSTM结构深度可分

Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback:

Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: Design, Simulation, and Analysis简记 文章目录 Convolutional Neural Network based Multiple-Rate Compres