本科毕业论文(设计)
同理在接收端天线阵列上的信号为：
第 7 页
y(t)=[y1(t),y2(t),…,yNR(t)]T （2.2）
式中,yj(t)表示发射端的第j根天线端口的信号。
图2.2 MIMO系统模型
1、非频率选择性信道模型
在非频率选择性衰落情况下,MIMO瑞利信道模型比较简单,由于各对天线间的子信道可以等效成一个瑞利衰落的子信道。
此时,MIMO信道模型中的各个子信道可以建立为：
hj,i(τ,t)=hj,i(t) δ(τ-τ0) （2.3）
式中，i=1,…,NT;j=1,…,NR，|hj,i(t)|服从瑞利分布，MIMO信道矩阵为H=（hj,i）NR *NT 则对应的MIMO系统模型为：
Y=HX+Z （2.4） 式中，Z为均值为0的高斯白噪声矩阵。
2、频率选择性信道模型
此时MIMO信道的信道矩阵可以表示为
H(?)??Hl?(???1) （2.5）
l?1L
式中, H(?)?CNR?NT，且
本科毕业论文(设计)
第 8 页
（2.6）
式中,Hl是一个复数矩阵,它描述了在时延为τ时所考虑的两个天线阵列之间的线性变换；hj,i是发射的第i根天线到接收的第j根天线的复传输系数。式(2.5)表示的是一个简单的抽头延时线模型,不过在这里L个时延的信道系数是用矩阵来表示的。
上述MIMO信道模型可以看成是单输入单输出信道标准模型的推广,主要的差别就是该信道模型的抽头系数不再是一个简单的标量,而是一个矩阵,矩阵的大小跟MIMO系统两端用的天线数有关。
为简化信道模型的分析,假设|hj,i|服从瑞利分布。对于给定的时延,进一步假定传输系数的平均功率相同,因此下式:
l
l
Pl?E(|hlj,i|2)
(2.7)
对所有的j=1…NR,i=1…NT都成立。且从一个时延到另一个时延,这些传输系数都不相关,即：
?hl1j,i,hl2j,i??0,l1?l2
(2.8)
符号
通过变换手段,对频率选择性信道和非频率选择性信道相似的情形来进行研究。假设频率选择性的MIMO信道接收模型为：
H?yn??Hlxn?l?zn (2.9)
l?0L?1l
式中，Zn 为均值为0的高斯白噪声矩阵。
本科毕业论文(设计)
2.3.2 MIMO系统信道容量推导
1、 MIMO系统的瞬时信道容量的推导
第 9 页
这部分我们将给出MIMO信道容量的一般性表达。根据上面的信道模型,我们可以得到收发信号关系为:
y?H x ? n (2.10)
首先假设信道的加性噪声n是服从协方差为Rnn = E{nnH}的零均值循环对称复高斯分布(ZMCSCG),即:n~CN(0N,N0IN)并且n与x之间是不相关的。发送信号x是服从零均值、协方差为RXX ={xxH }、概率密度函数为fs(x)的分布,总的发送功率限制为Tr{Rxx}=P,其中Ex为在一个符号周期内总的发送能量。
在下面的推导过程中我们假设信道矩阵H在接收端已经完全已知,但是它是随机的,因此我们可以得到瞬时信道容量为:
C(H)?maxI(x;y) (2.11)
fs(x)其中I(x;y)为在已知信道H的情况下输入x与输出y之间的互信息量,有:
I(x;y)?H(y)?H(y|x) (2.12)
H(y)是y的差分熵,H(y|x)是给定x条件下y的差分熵,由于发送信号与噪声之间是独立的,因此有H(y|x)=H(n),所以式(2.12)可以重新写为:
I(x;y)?H(y)?H(n) (2.13)
因为接收信号的协方差矩阵为:
Ryy?E{yyH}?HRxxHH?N0IN
(2.14)
对于输出信号y的差分熵,根据Neeser的分析,在给定协方差矩阵Ryy的条件下,H(y)只有在y是也服从ZMCSCG分布情况下才可以达到最大值,所以发送信号x也应该服从ZMCSCG分布,此时的y与n的差分熵分别为：
(2.15) H(y)?log2{det(?eRyy)} bits/s/ H (2.16) H(n)?log2{det(?eN0IN)} bits/s/ H 本科毕业论文(设计)
所以我们可以得到信道瞬时交互信息I(x;y)为：
I(x;y)?log2{det[IN?
第 10 页
1 (2.17) HRxxHH]} bits/s/ HN0我们知道信道容量是最大的输入输出交互信息,所以(2.11)可以重新写为:
C(H)?maxlog2{det[IN?
Tr{Rxx}?p1HRxxHH]} bits/s/Hz (2.18) N0上面得到的瞬时容量值是随不同的信道条件而不断变化的,由于信道矩阵H的随机性,所以我们可以知道瞬时信道容量也是随机的,是一个随机变量。
2、利用矩阵理论推导MIMO系统容量
对于MIMO无线信道，信道是极其复杂的。因此原始的信道矩阵也就显得复杂，不便于分析，而且一般矩阵不经过处理计算行列式很困难。这就自然想到在信源端对发射信号做某种预处理，使得经过预处理的信号经过的信道变得简单易分析，而且具体实现也变得简单。对于信道矩阵来说，对角矩阵是最简单的，所以自然就想到把信道矩阵分解，利用矩阵理论中的奇异值分解可以达到这种目的。下面就矩阵的奇异值分解来计算MIMO的信道容量。首先，假设信道矩阵在发射端为未知，在接收端为已知。
由奇异值分解（SVD）理论，任何一个nR×nT矩阵H可以写成
H?UDVH （2.19）
式中，D是nR×nT非负对角矩阵；U和V分别是 nR×nR和 nT×nT 的酉矩阵。则有UUH=InR和VVH=InT，其中InR和InT分别是nR×nR和nT×nT单位阵。D的对角元素是矩阵HHH的特征值的非负平方根。HHH的特征值（用λ表示）定义为
HHHy??y,y?0
（2.20）
式中，y是与λ相对应的nR×1维矢量，称为特征矢量。
特征值的非负平方根也称为H的奇异值，而且U的列矢量是HHH的特征矢量，V的列矢量是HHH的特征矢量。把把(2.19）代入(2.10），可以得到接收矢量r
r?UDVHx?n
（2.21）
引入下列变换：
本科毕业论文(设计)
第 11 页
r??UHr
x??VHx (2.2
2)
n??UHn
U和V是可逆的。显然，式（2.22）中定义的矩阵r 、x和n与相应矩阵的乘积仅有一个缩放比例的效果。矢量n′是一个零均值高斯随机变量，其实部和虚部独立同分布。这样，前面讨论的信道与下式所描述的信道是等价的。
r??Dx??n (2.23)
矩阵HHH的非零特征值的数量等于矩阵H的秩，用r表示。对nR×nT矩阵H,秩的最大值为m=min(nR,nT)，也就是说，至多有m个奇异值是非零的。用?i表示H的奇异值。将?i代入式（2.23），得到接收信号元素为
???ri??ixi?ni?i?1,2,?,r?
??ri?ni?i?r?1,r?2,?,nR? (2.24)
?式（2.24）显示，接收元素ri(i?r?1,r?2,?,nR)并不依赖于发射信号，即信道增
?益是零。另一方面，接收元素ri(i?1,2?,r)仅仅取决于发射元素Xi’。因此，可以认为，通过(2.23）得到的等效MIMO信道是由r个去耦平行子信道组成的。为每个子信道分配的矩阵H的奇异值，相当于信道幅度增益。因此，信道功率增益等于矩阵HHH的特征值。例如，如果nT > nR，由于H的秩不可能比nR高，那么式（2.24）显示了在等效的MIMO信道中，最多有nR个非零增益子信道。
另一方面，如果nR > nT，在等效的MIMO信道中，最多有nT个非零增益子信道。特征值谱是对MIMO信道的一种描述方式，适用于对最佳发射路径进行估计。
由式（2.22），可以导出信号r′、x′和n′的协方差矩阵和它们的迹
Rr?r??UHRrrU
Rx?x??VHRxxV
（2.25）
MIMO系统的信道容量分析 及Matlab仿真资料
