目录 第1章最优的FIR滤波器设计 1.1频率取样的FIR滤波器设计 1.1.1约束条件 1.1.2设计误差 1.2最优的FIR滤波器设计 1.2.1一般最优滤波器 1.2.2加权最优滤波器 1.2.3反对称FIR滤波器 1.2.4微分FIR滤波器 1.3IIR与FIR数字滤波器的比较 第2章基于神经网络的案例分析与实现 2.1农作物虫情预测 2.1.1基于神经网络的虫情预测原理 2.1.2BP网络设计 2.2模型参考控制 2.2.1模型参考控制概念 2.2.2模型参考控制实例分析 2.3神经

单用户 MIMO-OFDM信道预测，包括构建1000个包含64子载波的OFDM符号，其中导频符号数：数据符号数=1:3；可自行设置保护间隔(参数G)，信道环境为9路多径信道。具体公式可以参考《MIMO-OFDM系统原理、应用及仿真》一书中关于信道预测章节的推导；本程序也是对书中程序的还原，但原书中程序有一些bug，本程序已经修改并保证运行

本文针对多输入多输出正交频分复用（MIMOOFDM）系统，提出了一种迭代决策导向信道估计算法。 该算法分为两部分：信道预测和信道估计。 信道预测的基本思想是使用自回归模型和信道的先验信息来预测信道状态。 然后，通过使用信道预测信息和接收信号来估计信道状态。 仿真结果表明，该方法可以提高信道估计的准确性，提高MIMO-OFDM系统的性能。 与传统的DDCE方法相比，当SNR为30时，迭代DD-CE方法的BER提升了近10％，估计精度提高了近2dB。