基于STBC方案，针对MIMOOFDM通信系统中同时存在发射机和接收机I/Q不平衡、前端滤波器失配、CFO和频率选择性信道失真的组合影响进行了深入研究，并提出了一种适用的联合均衡策略；具体实现是首先通过对MIMO OFDM系统中只存在发射机I/Q不平衡和多径信道干扰的分析，得到一种频域均衡器；然后再考虑同时存在接收机I/Q不平衡和CFO的情况，得到了2个时域均衡器；最后把2个时域均衡器变换到频域，并结合消除发射机I/Q不平衡和多径信道干扰的频域均衡技术，提出了一种全面的联合均衡技术即频域子载波均

针对直接变换收发结构的全双工通信终端中存在的I/Q不平衡问题，提出基于直接自干扰信号的收发I/Q不平衡参数估计与补偿算法。该算法无需外接标准的发射机或接收机进行参数估计，利用全双工结构中发射端泄露到接收端的直接自干扰信号，进行估计与分离，可分别获得收发I/Q不平衡参数，再进行发射前的预补偿和接收后的校正，使从外部来看该全双工终端的I/Q支路是平衡的，无需对其进行参数估计，从而降低整个系统信号处理的复杂度。仿真结果表明，所提算法不仅能够有效估计全双工终端的I/Q不平衡参数，还能对终端的收发I/Q不

DL混合预编码器 这是论文的源代码 在本文中，我们提出了一种新颖的神经网络架构，称为自动预编码器，以及一种基于深度学习的方法，该方法可共同感知毫米波（mmWave）通道并仅需几个训练飞行员即可设计出混合预编码矩阵。 更具体地，所提出的模型利用对信道的先前观察来实现两个目标。 首先，它以无监督的方式基于周围环境优化压缩通道感测矢量，以将感测功率集中在最有希望的空间方向上。 这是通过一种新颖的神经网络体系结构实现的，该体系结构考虑了RF链上的约束并将发射机/接收机测量矩阵建模为两个复数值卷积层。 其