初识MIMO（二）：MIMO的信道容量及其仿真初识MIMO（二）：MIMO的信道容量一. SVD简介二.确定性MIMO的信道容量三. 随机MIMO信道容量四.MIMO信道仿真

195 阅读 0 评论 129 点赞

我是靠谱客的博主辛勤夕阳，这篇文章主要介绍初识MIMO（二）：MIMO的信道容量及其仿真初识MIMO（二）：MIMO的信道容量一. SVD简介二.确定性MIMO的信道容量三. 随机MIMO信道容量四.MIMO信道仿真，现在分享给大家，希望可以做个参考。

初识MIMO（二）：MIMO的信道容量

一. SVD简介

SVD可以将一个矩阵分解为 $V^H$ 的形式，U是大小为 $N_{RX}$ 的方阵，V是大小为 $N_{TX}$ 的方阵， $Σ$ 的大小是 $N_{RX}*N_{TX}$ ，对角矩阵的值为矩阵的奇异值，奇异值的个数是行列的较小值。
在RX和TX不相等的情况下，可以化简H
$HH^H$ 是一个自共轭对称矩阵，9.4表示的是对称矩阵的特征值分解的形式
非对称矩阵也是可以特征值分解的！

SVD我没有系统学习过，这里就不班门弄斧了

二.确定性MIMO的信道容量

1.已知CSI时

信道容量是互信息定义的，总的来说，记住9.19就可以了
发射机和接收机增加V和H可以巧妙地SVD，如何得到的呢？CSI估计出了H
SVD分解后MIMO变为独立的SISO的和了，挨个计算
最后是在发射功率和限制的情况下，去求最大的容量
而解法是注水法

2.发射端未知CSI

发射端未知时，首先假设发射天线功率平均分配得到9.31
再当所有信道奇异值相同时H最大，这是均值不等式

3.SIMO和MISO

SIMO不多提，使用的也不多，结论就是接受数目越多容量越大，CSI也不能起到作用
MISO是要大书特书的
- 如果不知道CSI，我们就平均发送，得到的结果是和SISO一样的，但可靠性提高了，这就是分集
- 如果知道CSI，我们可以对x预编码一个 $frac{h^H}{||h||}$ 这样接受信号的功率就提高了，而总增益 $sum(frac{h^H}{||h||})$ ^2是不变的！这就是波束赋形！

三. 随机MIMO信道容量

这里引入了一些随机过程，所谓遍历行说的是他在时空上任何位置都是相同的，然后我们可以计算容量的期望作为平均期望
中断容量是和CDF对应的，可以从书中图看到

4. 信道容量和相关系数的简化运算

这一块对于信道的定义和后面相关系数为负的证明是很精彩的

四.MIMO信道仿真

1. 信道容量的CDF

代码展示

复制代码

%-----------------------MIMO信道的CDF----------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:09点34分-----------------%
% Ergodic_Capacity_CDF.m
%% 设置参数
clear;
figure
SNR_dB = 10; % 设定信噪比
SNR = 10.^(SNR_dB / 10.); % 转化信噪比
N_iter = 50000; % 迭代次数
grps = ['b:'; 'b-']; % 画图
C = zeros(1, N_iter); % 信道容量初始化
N_hist = 50; % 直方图分成多少份
CDFs = zeros(2, N_hist); % CDF 初始化
Rates = zeros(1, N_hist); %传输速率,这实际上就是容量
%% 主函数
for Icase = 1:2
% 测试2*2和4*4两种情况
if Icase == 1
nT = 2;
nR = 2; % 2x2
else
nT = 4;
nR = 4; % 4x4
end
rank = min(nT, nR); % 秩
I = eye(rank);
for iter = 1:N_iter
H = sqrt(1/2) * (randn(nR, nT) + 1j * randn(nR, nT)); % 先假设信道是完全独立的，信道就可以建模为瑞利信道
C(iter) = log2(real(det(I + SNR / nT * (H' * H))));% 信道容量计算，H'*H本身计算结果就是实数，这里只是做一个类型转换
% C(iter) = log2(det(I + SNR / nT * (H' * H)));% 信道容量计算
end
figure(1);
hist = histogram(C, N_hist);
PDF = hist.Values / N_iter;
for i = 1:N_hist
Rates(i) = (hist.BinEdges(i) + hist.BinEdges(i + 1)) / 2;
end
for i = 1:N_hist
CDFs(Icase, i) = sum(PDF([1:i]));
end
figure(2);
plot(Rates, CDFs(Icase, :), grps(Icase, :));
hold on
end
%% 画图
xlabel('Rate[bps/Hz]');
ylabel('CDF');
axis([1 18 0 1]);
grid on;
set(gca, 'fontsize', 10);
legend('{it N_T}={it N_R}=2', '{it N_T}={it N_R}=4');

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
%-----------------------MIMO信道的CDF----------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:09点34分-----------------%
% Ergodic_Capacity_CDF.m
%% 设置参数
clear;
figure
SNR_dB = 10; % 设定信噪比
SNR = 10.^(SNR_dB / 10.); % 转化信噪比
N_iter = 50000; % 迭代次数
grps = ['b:'; 'b-']; % 画图
C = zeros(1, N_iter); % 信道容量初始化
N_hist = 50; % 直方图分成多少份
CDFs = zeros(2, N_hist); % CDF 初始化
Rates = zeros(1, N_hist); %传输速率,这实际上就是容量
%% 主函数
for Icase = 1:2
% 测试2*2和4*4两种情况
if Icase == 1
nT = 2;
nR = 2; % 2x2
else
nT = 4;
nR = 4; % 4x4
end
rank = min(nT, nR); % 秩
I = eye(rank);
for iter = 1:N_iter
H = sqrt(1/2) * (randn(nR, nT) + 1j * randn(nR, nT)); % 先假设信道是完全独立的，信道就可以建模为瑞利信道
C(iter) = log2(real(det(I + SNR / nT * (H' * H))));% 信道容量计算，H'*H本身计算结果就是实数，这里只是做一个类型转换
% C(iter) = log2(det(I + SNR / nT * (H' * H)));% 信道容量计算
end
figure(1);
hist = histogram(C, N_hist);
PDF = hist.Values / N_iter;
for i = 1:N_hist
Rates(i) = (hist.BinEdges(i) + hist.BinEdges(i + 1)) / 2;
end
for i = 1:N_hist
CDFs(Icase, i) = sum(PDF([1:i]));
end
figure(2);
plot(Rates, CDFs(Icase, :), grps(Icase, :));
hold on
end
%% 画图
xlabel('Rate[bps/Hz]');
ylabel('CDF');
axis([1 18 0 1]);
grid on;
set(gca, 'fontsize', 10);
legend('{it N_T}={it N_R}=2', '{it N_T}={it N_R}=4');

一些值得讨论的点

为什么信道被表示成了H = sqrt(1/2) * (randn(nR, nT) + 1j * randn(nR, nT));？

这是一个经典的瑞利信道，为什么可以表示为瑞利信道？

这里可以回看书中第三章的内容，如果H是一个单纯的瑞利信道，这表明信道是完全独立的，每一个MS之间都没有关系，每一个BS之间也没有关系。

而陈老湿的这篇博客中也给出了解释，为什么无关的MIMO信道是瑞利信道https://zhuanlan.zhihu.com/p/372500189

为什么MIMO的公式是信道直接和信号相乘而不是卷积？

当寻找这个问题的时候，居然看见了上面提到的博客，陈老湿和我有一模一样的疑问！不过他能够自己搜索资料回答我还是很佩服的，比我更厉害！这种能找到有相同思考的人实在是太惊喜了

陈老湿给出的结论是MIMO是按照平坦信道建模的，因此可以直接相乘，目前我只能这样理解，不过第三章的IST-IMETRA模型明明是考虑了TDL的，不理解。。。

C(iter) = log2(real(det(I + SNR / nT * (H’ * H))));，这里为什么要取实部？

这是输出一下结果就知道，结果就是个实数，因为是埃尔米特积的结果嘛，这里只是做一个类型转换，不然后面是无法用histogram进行统计的

2. SNR对信道容量的影响

代码展示

复制代码

%------------------MIMO信道容量和信噪比的影响---------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:21点43分-----------------%
% Ergodic_Capacity_vs_SNR.m
%% 参数设置
clear;
SNRs_dB=[0:5:20];
% 信噪比
SNRs=10.^(SNRs_dB/10.);
N_SNR = length(SNRs);
N_iter=1000;
% 迭代次数
NTRs = [1 1; 1 2; 2 1; 4 2; 4 4];
% 天线个数，每一行是一种情况
Ncase = size(NTRs, 1);
% 测试不同情况的个数
C = zeros(Ncase, N_SNR);
%% 主函数
for iicase = 1:Ncase
% 初始化天线个数
NT = NTRs(iicase, 1);
NR = NTRs(iicase, 2);
rank = min(NT, NR);
I = eye(rank);
for iiiter = 1:N_iter
H = sqrt(0.5)*(randn(NR,NT)+1j*randn(NR,NT));
% 为了和单位矩阵保持一致
if NR>=NT
HH = H'*H;
else
HH = H*H';
end
for iiSNR = 1:N_SNR
C(iicase,iiSNR) = C(iicase,iiSNR)+log2(real(det(I+SNRs(iiSNR)/NT*HH)));
end
end
end
C = C/N_iter;
plot(SNRs_dB,C(1,:),'b-o', SNRs_dB,C(2,:),'b-<', SNRs_dB,C(3,:),'b-s',SNRs_dB,C(4,:),'b->', SNRs_dB,C(5,:),'b-^');
xlabel('SNR[dB]');
ylabel('bps/Hz');
set(gca,'fontsize',10);
grid on
s1='{it N_T}=1,{it N_R}=1';
s2='{it N_T}=1,{it N_R}=2';
s3='{it N_T}=2,{it N_R}=1';
s4='{it N_T}=2,{it N_R}=2';
s5='{it N_T}=4,{it N_R}=4';
legend(s1,s2,s3,s4,s5)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
%------------------MIMO信道容量和信噪比的影响---------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:21点43分-----------------%
% Ergodic_Capacity_vs_SNR.m
%% 参数设置
clear;
SNRs_dB=[0:5:20];
% 信噪比
SNRs=10.^(SNRs_dB/10.);
N_SNR = length(SNRs);
N_iter=1000;
% 迭代次数
NTRs = [1 1; 1 2; 2 1; 4 2; 4 4];
% 天线个数，每一行是一种情况
Ncase = size(NTRs, 1);
% 测试不同情况的个数
C = zeros(Ncase, N_SNR);
%% 主函数
for iicase = 1:Ncase
% 初始化天线个数
NT = NTRs(iicase, 1);
NR = NTRs(iicase, 2);
rank = min(NT, NR);
I = eye(rank);
for iiiter = 1:N_iter
H = sqrt(0.5)*(randn(NR,NT)+1j*randn(NR,NT));
% 为了和单位矩阵保持一致
if NR>=NT
HH = H'*H;
else
HH = H*H';
end
for iiSNR = 1:N_SNR
C(iicase,iiSNR) = C(iicase,iiSNR)+log2(real(det(I+SNRs(iiSNR)/NT*HH)));
end
end
end
C = C/N_iter;
plot(SNRs_dB,C(1,:),'b-o', SNRs_dB,C(2,:),'b-<', SNRs_dB,C(3,:),'b-s',SNRs_dB,C(4,:),'b->', SNRs_dB,C(5,:),'b-^');
xlabel('SNR[dB]');
ylabel('bps/Hz');
set(gca,'fontsize',10);
grid on
s1='{it N_T}=1,{it N_R}=1';
s2='{it N_T}=1,{it N_R}=2';
s3='{it N_T}=2,{it N_R}=1';
s4='{it N_T}=2,{it N_R}=2';
s5='{it N_T}=4,{it N_R}=4';
legend(s1,s2,s3,s4,s5)

一些思考

为什么要有代码

复制代码

1
2
3
4
5
6
7

if NR>=NT
HH = H'*H;
else
HH = H*H';
end

要和单位矩阵保持一致啊！这样才是满秩的

看看信噪比带来的影响吧

首先SNR越大容量越大，这从公式里很容易看出来，其次

对比1*1和2*1，可以看到，容量几乎一样，这符合前文所述

MISO信道容量几乎不变，但分集带来了可靠性

看1*2的SIMO信道，他是SISO的NT倍

看一下4*4的MIMO，他是未知CSI的情况，它相当于rank个SISO信道

3. 频率注水法

代码展示

复制代码

%------------------已知和未知CSI的信道容量对比---------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:22点07分-----------------%
%OL_CL_Comparison.m
%% 设置参数
clear;clc;
SNRs_dB=[0:5:20];
% 信噪比
SNRs=10.^(SNRs_dB/10.);
N_SNR = length(SNRs);
% 信噪比长度
N_iter=1000;
% 迭代次数
NT=4;
% 4*4矩阵
NR=4;
rank=min(NT,NR);
% MIMO的秩
I = eye(rank);
% 单位矩阵
rho=0.2;
% 相关系数
Rtx=[1
rho
rho^2
rho^3;
% 发射相关矩阵
rho
1
rho
rho^2;
rho^2
rho
1
rho;
rho^3
rho^2
rho
1];
Rrx=[1
rho
rho^2
rho^3;
% 接受相关矩阵
rho
1
rho
rho^2;
rho^2
rho
1
rho;
rho^3
rho^2
rho
1];
C_OL=zeros(1,length(SNRs_dB));
C_CL=zeros(1,length(SNRs_dB));
%% 主函数
for iiter=1:N_iter
Hiid = sqrt(1/2)*(randn(NT,NR) + 1j*randn(NT,NR));
% 生成一个独立同分布H
H = Rrx^(1/2)*Hiid*Rtx^(1/2);
% 窄带信道
sigma = svd(H'*H);
for i=1:N_SNR
%random channel generation
C_OL(i) = C_OL(i) + log2(det(I+SNRs(i)*(H'*H)/NT));
% Gamma = Water_Pouring(sigma,SNRs(i),NT);
Gamma = WaterFilling(H, rank, SNRs(i), NT);
C_CL(i) = C_CL(i)+log2(det(I+SNRs(i)/NT*diag(Gamma)*diag(sigma)));
end
end
C_OL = real(C_OL)/N_iter;
C_CL = real(C_CL)/N_iter;
figure, plot(SNRs_dB, C_OL,'-o', SNRs_dB, C_CL,'-<');
xlabel('SNR [dB]');
ylabel('bps/Hz');
set(gca,'fontsize',10);
legend('Channel Unknown','Channel Known');
title('开环和闭环MIMO信道容量')
grid on

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
%------------------已知和未知CSI的信道容量对比---------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:22点07分-----------------%
%OL_CL_Comparison.m
%% 设置参数
clear;clc;
SNRs_dB=[0:5:20];
% 信噪比
SNRs=10.^(SNRs_dB/10.);
N_SNR = length(SNRs);
% 信噪比长度
N_iter=1000;
% 迭代次数
NT=4;
% 4*4矩阵
NR=4;
rank=min(NT,NR);
% MIMO的秩
I = eye(rank);
% 单位矩阵
rho=0.2;
% 相关系数
Rtx=[1
rho
rho^2
rho^3;
% 发射相关矩阵
rho
1
rho
rho^2;
rho^2
rho
1
rho;
rho^3
rho^2
rho
1];
Rrx=[1
rho
rho^2
rho^3;
% 接受相关矩阵
rho
1
rho
rho^2;
rho^2
rho
1
rho;
rho^3
rho^2
rho
1];
C_OL=zeros(1,length(SNRs_dB));
C_CL=zeros(1,length(SNRs_dB));
%% 主函数
for iiter=1:N_iter
Hiid = sqrt(1/2)*(randn(NT,NR) + 1j*randn(NT,NR));
% 生成一个独立同分布H
H = Rrx^(1/2)*Hiid*Rtx^(1/2);
% 窄带信道
sigma = svd(H'*H);
for i=1:N_SNR
%random channel generation
C_OL(i) = C_OL(i) + log2(det(I+SNRs(i)*(H'*H)/NT));
% Gamma = Water_Pouring(sigma,SNRs(i),NT);
Gamma = WaterFilling(H, rank, SNRs(i), NT);
C_CL(i) = C_CL(i)+log2(det(I+SNRs(i)/NT*diag(Gamma)*diag(sigma)));
end
end
C_OL = real(C_OL)/N_iter;
C_CL = real(C_CL)/N_iter;
figure, plot(SNRs_dB, C_OL,'-o', SNRs_dB, C_CL,'-<');
xlabel('SNR [dB]');
ylabel('bps/Hz');
set(gca,'fontsize',10);
legend('Channel Unknown','Channel Known');
title('开环和闭环MIMO信道容量')
grid on

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
%-----------------------频域注水法-------------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:09点34分-----------------%
function [gamma] = WaterFilling(H, rank, SNR, nT)
% 输入
% H：MIMO信道
% rank: 信道秩的大小
% SNR：信噪比
% nT:发射天线个数
% 输出
% gamma，注水法生成的系数
sigma = svd(H'*H);
% H'*H的奇异值，因为是艾爾特弥矩阵，奇异值和特征值相等
gamma = zeros(1, rank); % 注水法生成的gamma
index = 1:rank;
% 使用的天线的编号,初始化为全都使用
p=1;
while
p < rank
index_used = [1:rank-p+1].';
% 被使用的天线的个数
temp= sum(1./sigma(index(index_used)));
mu = nT/(rank-p+1.)*(1+1/SNR*temp); % 计算mu
gamma(index(index_used)) = mu-nT./(SNR*sigma(index(index_used)));
% 计算gamma
if min(gamma(index))<0
%如果有＜0的结果，这个天线信道应该放弃使用，而把功率重新分配
i=find(gamma==min(gamma)); % 找到＜0的index
ii=find(index==i);
% 去除这个天线
index_new=[index([1:ii-1]) index([ii+1:end])];
clear index;
index=index_new;
p=p+1;
clear gamma;
gamma = zeros(1, rank);
else
p=rank;
% 没有的时候就结束
end
end

一些思考

这是我一直想做的一个仿真了首先要清楚

Hiid = sqrt(1/2)(randn(NT,NR) + 1jrandn(NT,NR)); % 生成一个独立同分布H
H = Rrx(1/2)*Hiid*Rtx(1/2); % 窄带信道

这表明所有的MIMO信道都考虑窄带的，他和时延无关，这从第三章也可以看到，这把问题大大简化了

注水法的代码实现

我自己进行了一些修改，在注释中也说的很清楚了，大致思路就是先按公式分配好，如果有小于0的去除该信道再按公式重新分配直到没有小于零的系数为止。

为什么Rtx和Rrx是这样的矩阵，这是什么模型？

我没有弄清楚，希望有大佬能给我解答

4. 相关系数对信道容量的影响

代码展示

复制代码

%------------------相关性对信道容量的影响----------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:22点07分-----------------%
clear;
close;
SNR_dB=[0:5:20];
SNR_linear=10.^(SNR_dB/10);
N_iter=1000;
N_SNR=length(SNR_dB);
%%----------------- 4x4 -----------------------------
nT=4;
nR=4;
n=min(nT,nR);
I = eye(n);
sq2=sqrt(0.5);
R=[1
0.76*exp(0.17j*pi)
0.43*exp(0.35j*pi)
0.25*exp(0.53j*pi);
0.76*exp(-0.17j*pi)
1
0.76*exp(0.17j*pi)
0.43*exp(0.35j*pi);
0.43*exp(-0.35j*pi)
0.76*exp(-0.17j*pi)
1
0.76*exp(0.17j*pi);
0.25*exp(-0.53j*pi)
0.43*exp(-0.35j*pi)
0.76*exp(-0.17j*pi)
1
];
C_44_iid=zeros(1,N_SNR);
C_44_corr=zeros(1,N_SNR);
for iter=1:N_iter
H_iid = sq2*(randn(nR,nT)+1j*randn(nR,nT));
H_corr = H_iid*R^(1/2);
tmp1 = H_iid'*H_iid/nT;
tmp2 = H_corr'*H_corr/nT;
for i=1:N_SNR
C_44_iid(i) = C_44_iid(i) + log2(det(I+SNR_linear(i)*tmp1));
%近似公式，见书（9.49）
C_44_corr(i) = C_44_corr(i) + log2(det(I+SNR_linear(i)*tmp2));
end
end
C_44_iid = real(C_44_iid)/N_iter;
C_44_corr = real(C_44_corr)/N_iter;
plot(SNR_dB,C_44_iid, SNR_dB,C_44_corr,':');
xlabel('SNR [dB]');
ylabel('bps/Hz');
set(gca,'fontsize',10)
legend('iid 4x4 channels','correlated 4x4 channels');
title('信道相关信道容量')
grid on;

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
%------------------相关性对信道容量的影响----------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:22点07分-----------------%
clear;
close;
SNR_dB=[0:5:20];
SNR_linear=10.^(SNR_dB/10);
N_iter=1000;
N_SNR=length(SNR_dB);
%%----------------- 4x4 -----------------------------
nT=4;
nR=4;
n=min(nT,nR);
I = eye(n);
sq2=sqrt(0.5);
R=[1
0.76*exp(0.17j*pi)
0.43*exp(0.35j*pi)
0.25*exp(0.53j*pi);
0.76*exp(-0.17j*pi)
1
0.76*exp(0.17j*pi)
0.43*exp(0.35j*pi);
0.43*exp(-0.35j*pi)
0.76*exp(-0.17j*pi)
1
0.76*exp(0.17j*pi);
0.25*exp(-0.53j*pi)
0.43*exp(-0.35j*pi)
0.76*exp(-0.17j*pi)
1
];
C_44_iid=zeros(1,N_SNR);
C_44_corr=zeros(1,N_SNR);
for iter=1:N_iter
H_iid = sq2*(randn(nR,nT)+1j*randn(nR,nT));
H_corr = H_iid*R^(1/2);
tmp1 = H_iid'*H_iid/nT;
tmp2 = H_corr'*H_corr/nT;
for i=1:N_SNR
C_44_iid(i) = C_44_iid(i) + log2(det(I+SNR_linear(i)*tmp1));
%近似公式，见书（9.49）
C_44_corr(i) = C_44_corr(i) + log2(det(I+SNR_linear(i)*tmp2));
end
end
C_44_iid = real(C_44_iid)/N_iter;
C_44_corr = real(C_44_corr)/N_iter;
plot(SNR_dB,C_44_iid, SNR_dB,C_44_corr,':');
xlabel('SNR [dB]');
ylabel('bps/Hz');
set(gca,'fontsize',10)
legend('iid 4x4 channels','correlated 4x4 channels');
title('信道相关信道容量')
grid on;

一些思考

这个仿真弄清楚前面的介绍就非常简单了，所以我几乎没有做什么修改，可以看一下这个程序的前提假设

最后

以上就是辛勤夕阳最近收集整理的关于初识MIMO（二）：MIMO的信道容量及其仿真初识MIMO（二）：MIMO的信道容量一. SVD简介二.确定性MIMO的信道容量三. 随机MIMO信道容量四.MIMO信道仿真的全部内容，更多相关初识MIMO（二）：MIMO的信道容量及其仿真初识MIMO（二）：MIMO的信道容量一.内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。

本文分类：MIMO
浏览次数：195 次浏览
发布日期：2023-03-25 04:20:01
本文链接：https://www.kaopuke.com/article/k-p-k_14_ujo_6_f0_14__7_g0.html

初识MIMO（二）：MIMO的信道容量及其仿真初识MIMO（二）：MIMO的信道容量一. SVD简介二.确定性MIMO的信道容量三. 随机MIMO信道容量四.MIMO信道仿真

初识MIMO（二）：MIMO的信道容量

一. SVD简介

二.确定性MIMO的信道容量

1.已知CSI时

2.发射端未知CSI

3.SIMO和MISO

三. 随机MIMO信道容量

4. 信道容量和相关系数的简化运算

四.MIMO信道仿真

1. 信道容量的CDF

代码展示

一些值得讨论的点

2. SNR对信道容量的影响

代码展示

一些思考

3. 频率注水法

代码展示

一些思考

4. 相关系数对信道容量的影响

代码展示

一些思考

最后

评论列表共有 0 条评论

发表评论取消回复

初识MIMO（二）：MIMO的信道容量及其仿真初识MIMO（二）：MIMO的信道容量一. SVD简介二.确定性MIMO的信道容量三. 随机MIMO信道容量四.MIMO信道仿真

初识MIMO（二）：MIMO的信道容量

一. SVD简介

二.确定性MIMO的信道容量

1.已知CSI时

2.发射端未知CSI

3.SIMO和MISO

三. 随机MIMO信道容量

4. 信道容量和相关系数的简化运算

四.MIMO信道仿真

1. 信道容量的CDF

代码展示

一些值得讨论的点

2. SNR对信道容量的影响

代码展示

一些思考

3. 频率注水法

代码展示

一些思考

4. 相关系数对信道容量的影响

代码展示

一些思考

最后

微信扫一扫：分享

相关文章

评论列表共有 0 条评论

发表评论 取消回复

微信扫一扫：分享

发表评论取消回复