帮助中心帮助中心

信号接收

处理接收到的5G NR信号的信道估计与均衡

使用5G工具箱™底层功能处理接收到的信号。您可以执行实际和完善的信道和定时估计、同步和最小均方误差(MMSE)均衡。

功能

`nrPerfectChannelEstimate`	完美的信道估计
`nrPerfectTimingEstimate`	完美的时间估计
`nrChannelEstimate`	实际的信道估计
`nrTimingEstimate`	实际时间估计
`nrEqualizeMMSE`	最小均方误差(MMSE)均衡
`nrExtractResources`	从资源数组中提取资源元素

主题

提取用于解码的PBCH符号和信道估计
这个例子展示了如何从接收的网格和相关的信道估计中提取物理广播信道(PBCH)符号。

特色的例子

NR Cell搜索、MIB和SIB1恢复

NR Cell搜索、MIB和SIB1恢复

同步、解调和解码活的gNodeB信号。

打开脚本

NR PDSCH吞吐量

NR PDSCH吞吐量

测量5G NR下行链路PDSCH吞吐量。

打开脚本

NR PUSCH吞吐量

NR PUSCH吞吐量

测量5G NR上行链路的PUSCH吞吐量。

打开脚本

NR SSB光束扫描

NR SSB光束扫描

在gNB和UE使用波束扫描，并在初次访问期间学习波束管理程序。

打开脚本

基于CSI-RS的NR下行传输端波束改进

基于CSI-RS的NR下行传输端波束改进

在散射环境下向不同方向发射多个csrs资源，并根据RSRP选择最优发射波束。

打开生活的脚本

NR相位噪声建模与补偿

NR相位噪声建模与补偿

分析了5G OFDM系统中相位噪声的影响，并利用PT-RS对CPE进行了补偿。

打开生活的脚本

面向5G信道估计的深度学习数据综合

面向5G信道估计的深度学习数据综合

使用5G工具箱生成深度学习训练数据用于信道估计。

打开脚本

用于光束选择的神经网络

用于光束选择的神经网络

通过使用接收器位置而不是通信信道的知识来减少波束选择的开销。

打开生活的脚本

训练用于光束选择的DQN代理

训练用于光束选择的DQN代理

训练深度q网络(DQN)强化学习代理，提高5G NR通信系统的波束选择精度。

打开生活的脚本