基于MATLAB的MIMO系统预编码性能仿真

《基于MATLAB的MIMO系统预编码性能仿真》由会员分享，可在线阅读，更多相关《基于MATLAB的MIMO系统预编码性能仿真（32页珍藏版）》请在装配图网上搜索。

1、摘要在现今的移动通信系统中，被极多的国际通信原则采纳为基本性核心技术的一种措施是多输入多输出的技术（Multiple-Input Multiple-Output，MIMO）。无线传播的技术是应用多项发射以及多次接受天线来进行。应用MIMO技术的情形下，就算是系统带宽和传播功率没有增长，仍然是可以明显的增长无线信道容量，它的增长往往是成倍得，譬如4G LTE技术。通过使用MIMO信道而增长的空间复用增益可以改善传播效率，其带来的空间分集增益也可以增长传播的可靠度。这两种增益的提高分别可以通过变化收发天线数来实现。提高通信质量是需要MIMO技术在接受端和发送端配备诸多的天线，然后使信号通过多种接受

2、和发送端。本篇重要摸索的是空间复用MIMO系统的线性预编码及信号检测措施。在发射端通过对传播信号进行预编码操作，不仅可以有效克制干扰，还可以简化接受机数据解调的计算复杂度。同步对线性信号检测与预编码技术措施进行了分别的具体阐明。想要验明一下MIMO系统预编码的性能，借助MATLAB这个软件进行验证拟定仿真。成果表白，在其她的前提同样的情形下，以最小均方误差为基准的MMSE算法比简朴的线性检测算法ZF算法，所得误差更小，噪比的变大而减小导致系统传播得可靠限度会跟着变化。核心词：MIMO 信号检测 预编码 MATLABABSTRACTIn mobile communication system,

3、multi input multi output technology (Multiple-Output Multiple-Input, MIMO) is a technology that uses multiple transmit and multiple receive antennas for wireless transmission. MIMO technology can not increase the system bandwidth and transmission power, and exponentially improve the capacity of wire

4、less channel, which has been adopted by many international communication standards as the basic key technologies, such as LTE 4G system. This technology can achieve the transmission efficiency and transmission reliability by changing the number of transmit and receive antennas, that is, the spatial

5、multiplexing gain and the spatial diversity gain of MIMO channel are used to improve the transmission efficiency.MIMO technology need to configure multiple antennas at the receiver and transmitter, and then make the signal through a number of receiving and sending end, in order to improve the qualit

6、y of communication. This paper mainly studies the spatial multiplexing MIMO system precoding and signal detection technology. At the transmitter, it can not only effectively suppress the interference, but also simplify the computation complexity of the receiver data demodulation. In this paper, the

7、linear signal detection and pre coding technology are introduced and discussed in detail. In order to verify the performance of the MIMO system, the simulation was carried out with the aid of MATLAB computer software. The results show that, under the same conditions, the MMSE algorithm has better pe

8、rformance than the ZF algorithm, and the transmission reliability of the system is gradually reduced with the increase of the signal to noise ratio.Keywords: MIMO; signal detection; precoding; MATLAB目录摘要- 1 -ABSTRACT- 2 -目录- 3 -第一章 绪论- 3 -1.1 研究背景- 3 -1.2 研究现状- 4 -1.3 研究内容- 7 -第二章 MIMO系统信号检测算法- 8 -2

9、.1 MIMO系统简介- 8 -2.2 无线信道及数学模型- 9 -2. 3 MIMO信道容量- 11 -2.4 MIMO检测算法- 13 -2.5本章小节- 16 -第三章 MIMO预编码技术研究- 16 -3.1 系统模型- 16 -3.2 ZF预编码- 17 -3.3 MMSE预编码- 18 -3.4本章小节- 19 -第四章 MIMO预编码算法仿真- 19 -4.2MTALAB简介- 19 -4.2仿真成果分析- 20 -4.3本章小结- 24 -第五章 总结- 25 -参照文献- 26 -致 谢- 28 -附录- 29 -第一章 绪论1.1 研究背景自二十世纪八十年，计算机技术和通讯

10、技术在社会的各个方面都获得了巨大的发展。由这个现象可以看出社会已经迈入了信息时代。无线通讯技术如今变成了最受欢迎且最具有潜力得技艺。该技术如今遍及性很广，几乎每个地方都离不开它，也是如今最热门的技术。随着无线通信技术愈来愈快的发展，该技术也逐渐趋于成熟，人们对于该技术的规定也高于以往。在移动通信系统中，MIMO被称为应用非单一的发出和接受天线进行的无线传播技术。我们懂得MIMO通道信号的空间反复运用增益，使得该系统增长信道容量，进而改善空间分集增益可以加强的信道传送的坚实水平。此技术可以通过变化收发天线数，来实现这种增益的提高。因而MIMO对于LTE系统中是一项很核心的技术。在无线通信中，更快

11、的传播速率是如今需要解决的重要问题，也就是需要减少频谱带宽和发射功率。而如今频谱带宽尚有发射功率已经接近了饱和，因此依托消耗频谱带宽和发射功率来提高传播速率是不可行的。此时，一种新的无需消耗这两种资源就能提高数据传播速率的技术措施进入研究范畴，成为了如今世界通信领域中强聚焦的热点:MIMO无线通信技术。在新的无线移动通讯系统的开发设计之初，系统性能的重要规定就是提高所有顾客的数据传播速率。在LTE系统中，LTE Release8在20MHz带宽内的上行的目的峰值达到了100Mit/s，其下行目的峰值达到了50Mbit/s，而作为在4G系统中的LTE-Advanced，其对于数字的速度规定进一步

12、增长，它是想要将数据传播速率在速度较低的状况下峰值速率为1Gbit/s，在高速移动状况下，为100Mbit/s。 MIMO空间反复运用技术从本质上讲，其实是把单一的速度高的数据流变换为若干个速度较低的数据流，进而使这些低速数据流通过独立的编码调制与发射，由于无线通信中得多径传播效应达得存在，通过它可以使得加快数据传递速率和频谱运用效率。以此为基本的抱负状况下，空间复用技术无需再附加此外的带宽资源和天线发射功率，就可以达到用增长天线的数量来增长系统的容量以及速率的目的，并且这种增长关系是某种线性关系。但是应用MIMO 空间复用技术将传播速率提高的，同步带来了数据流之间互相干扰的问题，这就意味着在

13、信号检测中，空间复用场景的难度不小于发射分集等其她场景。1.2 研究现状移动通信在1987年正式启动了商业用途的大门，通过近三十年的发展至今全球顾客已突破40亿。但是受限于频谱资源的并非是无穷无尽的，导致我们不能自由地使用带宽。基于这种情形，拥有高效的频谱运用率的MIMO系统，迅速进入了人们的视野，并产生了较大的影响。早些时期，Winters就与空间分集和系统容量产生诸多爱好并且研究了它们得关系，在Winters 后，Telater和Foschini对MIMO对信道的容纳数量进行摸索，她们的摸索成果都为MIMO无线通信中的信息论理部分打下了根基。在BLAST实验的成果中，证明了在发送端尚有接受

14、端是可以同步让多根天线进行传播的，并且能让信道容量增大，还是在不需其他频谱带宽的状况下。这些研究成果都激起了人们研究这项技术的爱好。如图1.1的理念是单顾客MIMO系统模型，当使用数量是的发射天线和数量是的接受天线，则该系统可以产生种传播模式，MIMO系统的容量也就会得到极大的增长，基本上是成线性增长，与此同步系统带宽的运用率也会上升，功率固然也会有较大增长，从而产生对干扰信道。 图1. 1单顾客MIMO系统模型 随着MIMO研究的进一步 ，如图1.2所示，人们发现了无线通信系统的上行链路也可采用多址接入(MAC)，在这样的系统中，不管多少数目的多顾客通信系统都是一种典型的例子，把顾客作为发射

15、机，把基站当做接受机。基站会恢复每个顾客发射的信号，并且在时间和频率相似的状况下进行传播，达到节省资源的目的。 图1. 2多址接入信道的MIMO系统模型图1.3是广播信道(BC)在无线通信下行链路的运用，特点是中心发出和分散式接受。多顾客的通信系统采用的就是这种系统，其发射端为某一基站，接受端是不同的顾客，这些顾客并非在同一地点而是分布于各个地方，但必须是天线可以覆盖的地方。图1.3广播信道的MIMO系统模型上述的三种信道存在着各自不同的规定:单一顾客信道规定发射与接受机两者间的完全协作;相比较而言MAC信道与BC信道中分别规定各接受机之间或各发射机之间互相协作就可以了。 为了使通信质量变高，

16、一般会安装多元阵列，采用多种措施使得系统克服或者减少无线信道对其的影响，重要获得空间复用和空间分集这两方面的性能增益。 为了改善通信链路的可靠性，一般都会使用空间分集的措施。目前应用较多得增益方式是波束形成与空时编码这两种。分集增益可以用于量化分集的性能。空间分集增益为: (1-1)式中和分别为发射天线数和接受天线数。空间分集提高，不能在提高可靠性的同步增长频谱的效率，因此就提出了一种新的MIMO技术空间复用。这种状况下，所有的收发天线之间可以产生不同的且互相无关的途径增益，这是多种并行的子信道可以连通的前提，再进一步假设，如果这些子信道互相之间传播的信息流是不同样的，那么就可以大大增长数据传

17、播的速率 12 。最大复用增益如下: (1-2)其中和分别表达的是发出天线数量和接受天线数。由上述分析可以得知，分集增益在MIMO系统中与空间增益是不同样的。因此在实际应用时，应根据系统的实际需求，求得两者之间的最优解决措施。1.3 研究内容 我们已经懂得，空间复用MIMO系统是可以增长系统容量的。但是在如图1.3的广播信道中，由于各顾客的基站覆盖范畴是不同样的，不协作接受基站信号，并且接受到的信号有干扰，也不可以用检测的措施来减少顾客之间的干扰。因此为了消除上述的不利影响，可以使用预编码技术。 老式的措施是在接受端添加用来均衡的均衡滤波器，目的是为了消除失真，减小信道产生的噪声。由于在接受端

18、得信道平衡和自适应平衡，使得接受滤波器的设计难度系数增大。在上行的链路基本上，基站是接受机解决得复杂度重要集中点。但是，在下行链路中移动台的接受端的解决会让其更加的杂乱也会使成本增高。目前人们的生活节奏快于此前，因此如果使得移动设备变得更加复杂是不也许被人们接受的，并且硬件水平也是有限制的，因此使用接受滤波器是不明智的。基于这个规定，学者们觉得在发射端进行改善而不变化接受端的复杂度是唯一选择，由此而产生了一种新的技术预编码。由其产生的背景可知，简化接受端是这种新技术的最大优势。预编码技术是这样一种技术，它可以在发射段进行一系列的变化并在接受机段进行检测判决。 线性与非线性预编码技术是MIMO预

19、编码技术的俩很重要的措施，其中的线性预编码技术是本文得重要研究内容，在线性预编码中有非常常用的不寻常值分离，它使信道进行分解，使其成为平的的子信道，并且在发出端运用注水技术使系统可以到最大得容量。第二章 MIMO系统信号检测算法2.1 MIMO系统简介 无线电波是无线通信的重要实现手段，因此通信的质量与性能受到先到的影响。我们懂得无线信道不是特定不变的，同步它具有不拟定性，就是移动台进行移动时的速度也会影响信号质量，因此无线先到的分析具有很大的制约性。想要提高无线通信传播的质量就必须进行仔细分析，既有的措施是进行记录然后建模分析。MIMO就是说的在发出端与接受端所用的发出与接受天线不是单一而是

20、众多。这样做使信号从不止一种发射端天线发射出去，还能从接受端的多种天线接受到，通过这种方式使通信质量得到大大提高。它通过有限的空间，但在大大提高空间运用率的状况下，使多种天线发出信号的同步又能使多种天线接受信号，这种技术不需要增长天线的发射功率，也不需要增长频谱资源，但却可以使系统的信道容量得到大幅提高，表白了无与伦比得优越性，继而成为新的移动通迅的重要技艺。发射出的无线电，当它遇到阻碍物时就会浮现反射，本来得一份信号就会变成多份。新形成的每一份信号都是独立的空间流。与单输入单输出（SISO）系统相比，多输入多输出系统（MIMO）既可以让不止一种天线发送空间流也可以让不止一种天线接受空间流。与

21、单输入单输出系统更加不同的是，它可以拟定信号的发送方向以及所接受信号的来源方向。充足应用MIMO 技术，有诸多好处，它把空间变成一种资源用于自己提高性能，并且它使无线系统的覆盖面积大大的增长了。空间相干:连接MIMO性能的重点是空间特性，不管是可靠性的分集指数和从有效性的并行子信道这两者都与空间的个体性有着关密切得联系，由于空间的联系，因而形成的低秩和低分集指数，这些都很大限度的障碍着MIMO的信道容量和误码机能。空间干扰：最直接的影响了空时复用，在发射天线的性能可以恢复的状况下，发射天线系统中功率的信号空间分集。因此，保障系统性能的枢纽在于接受端的干扰消除算法。2.2 无线信道及数学模型我们

22、懂得传递信道具有相称的不简朴性，因此在无线通信中传播的信号穿越不同的介质时会发生不止一次的反射、折射、散射和衍射，更深层次会浮现阴影反映、多径反映和多普勒反映，这些都会给信号随着许许多多各异的衰退落败和延拓，使得信号不能对的的被接受。信号在空间转移过程中可以简朴地归结为两类不同的损害衰退落败和延拓。 无线信号在转移变化中会遭受多种无法避免损耗，这就是信道衰落。具体的变现是接受信号的电平会出目前均值周边起伏变化的现象，并且可以是在时间，空间或者频率的不拟定区域浮现。而根据不同的特性信道衰落可以描述为两种：快衰落和慢衰退落败。所谓慢衰退落败指的是信号电场强度在长期内的变化相称缓慢一般与频率的关系不

23、大，阴暗的影子衰退落败是一种很明显的慢衰退落败。由于电波的传送过程中不会一帆风顺而会遇到多种不同的阻碍物，这就会产生电磁场阴影区。而移动台路过这些阴暗的影子地带会促使最中间的数值的增大或者减小。在收发距离相似时，由于阴暗影子反映会促使途中消耗挥霍服从随机性对数的正态分布。我们懂得在电波的传播过程中会通过阻挡物体的反射，折射，尚有吞噬的等，因此用来收集信号的天线收到的电波还包具有不同的反射波和散射波。除了前面所说的，这里还由于多普勒效应导致的相位移动和转换台也许运营过快而产生的驻波现象，这一现象会导致信号的振荡幅度与相位迅猛增大或者减小，这就是快衰退落败。目前的移动通信中基本上都是运用这种衰落信

24、道来进行建模研究。在无线通信系统中，如果无法占统治领袖位置的信息符号，并且可以有多条途径进行选择，那么按照中心极限定理，捕获信息符号如下: （2-1）其中，为零均值复高斯随机变量，、近似为高立高斯随机计算中，表达对、中的采样，。即有和。引入，以体现刷退落败的幅度(包围环绕)，体现衰退落败相位。用雅克比变换将转换成，得到: （2-2） 由于这两个随机性变化量各自求边沿概率密度有: （2-3）以上所说的变化量各自服从的瑞利分布尚有均匀分布。在此，分别以基站和移动台作为发射端尚有接受端来进行分析。如图2. 1所示，两个线性天线阵列中假设的基本站点有根天线，移动台有根天线。为信道矩阵。从图中我们可以看

25、出噪声会对每一种天线产生影响，假设噪声矢量为并对接受信号进行解决，恢复出原始数据。 图2.1 单顾客MIMO系统的信道模型 则接受到的信号： (2-3)其中，为发送数据的信息矢量；为噪声向量：为接受数据的信息矢量。2. 3 MIMO信道容量 信道容量一般被觉得的是可以以不管多小的不对概率促使转移的机会的传播速率。在这里我们着重讨论平均分派发射功率状况下MIMO信道的容纳体积，求解出的容纳体积求解过程。我们先把这个模型当作复数基带线性模型，它的差遣端有根天线，获取端有根天线，总的派送做功能率为，每根派送天线的做功能率为，获取天线接吸取到的总做功能率是类似于总的派送做功能率的，信道受到的干扰是加性

26、高斯白噪声，且每根接受天线上的噪声功率为，那么就可以得到每根接受天线上的信噪比（SNR）： (2-4)派送信息符号的带宽假定是可以非常窄的，信号的通道的概率反映也可以当作是没有起伏的，信号通道矩阵是的复矩阵，信号通道的幅度的大小若不变，则信号通道容纳量如下表达为： (2-5)式中是和中的最小数；是阶的单位矩阵；det是矩阵行列式。矩阵Q定义为： 我们已经懂得是在派送端己知信号通道位置信息的环境下，因此在这里采用注水定理。令第个子信道的功率为，容量为： （2-6）其中，;是矩阵的非零特性值。 再来讨论派送端未知信号通道状态信息的过程，这种状态下派送端会将派送功率均等分派给，并且派送的信息符号互相

27、独立，如下： (2-7)当派送天线还是获取天线是不是独立的我们不考虑时，就会像Foschini同样得出 MIMO系统的信息通道道容量为： (2-8) 上面的2个式子都代表MIMO系统的随时间而变化的信号通道道容量，实际中信号通道未懂得是不拟定的，因此计算出来的结论就是某一时刻的容量。然而均等信号通道容量要对每一种有的信道系数和信道容量积分运算求值的方式来获得，像这样就不简朴了。 2.4 MIMO检测算法 一方面设定MIMO检查测量不考虑信号通性道编码，派送端对信号通道状态消息一无所知，是获取性端抱负的信号通道状态信息矩阵，派送数据信号的矢量通过星座图调制映射后是： 每个数值符号是从星座中选出的

28、，每个派送信息付好的方差为。 一般检测模型如图 2.2 所示: 图 2.2 一般信号检测模型在用误比特率性能来测量既有的多种非迭代检测算法时，一般都会选用比较似然比检测算法，这一检测算法是最佳的。在较大似然检查测量的时候，零均值加性高斯白噪声矢量的复高斯采样值的方差矩阵为，因此获取信号矢量在发送信号矢量为，信号通道矩阵为的条件概率密度函数为： （2-9） 其中表达MIMO信道矩阵的维数。因此对派送信号的最大似然估计为： （2-10）其中： （2-13）中可以很明显发现对派送信息符号矢量的最大似然检查预测，在现实生活之问题中差不多于于对所有的点用来查找，使其满足条件： 最大似然检查预测能让模型的

29、无码性最佳兴农网，它不好的地方在于查找地方与星座数目和派送的信息符号的比特数成正比。这种方式太过于复杂，在实际系统中一般不被采用。线性检测就是要线性变换接受到的信号，这样就能对每一种信号进行检测，也就是说，接受信号的线性组合就是检测成果。最常用的检查预测措施有ZF（迫零）检查预测以及MMSE（最小均方误差）检测。线性检测是一种简朴并且比较直接的检测算法，检测后的信号矢量： （2-11）接受信号矢量信道矩阵的逆矩阵，可以消除信号通道干扰，刚刚所说的该方式就是线性迫零（ZF）算法。检测矩阵为： （2-12）通过星座图映射后检测信号为： （2-13）以上检查预测算法中，信号通道导致的噪声变为0，可是

30、存在，噪声矢量乘后来，噪声信号明显扩大。ZF 检查预测的主线思路是，把来自各个派送天线的信息符号算作是想要获取的信息符号， 而其她部分的成分觉得是噪声， 因此ZF 检查预测的准则是将多代入产生的互相干扰完全克制掉10。理论上ZF 检测输出的是接受信号的无偏估计，这就完全消除了多种数据流间的干扰，但是在进行 ZF 检测时往往没有考虑的噪声的影响， 噪声功率也被放大了， 因此ZF 检测在抗噪方面体现不好， 在噪声影响比较大的无线信道中，只用ZF 检测就不行，还要结合其她的检测措施才可以。由于想解决掉这些问题因此提出了此外一种检测算法：借鉴线性最小均方偏差（MMSE）的检查预测算法。同步考虑减小信号

31、通道的干扰信息和噪声中延拓MMSE，选择的检查测矩阵有： （2-14）MMSE检测后的接受信号矢量为： （2-15）通过星座点映射解调后估计信息符号为矢量为： （2-16）该检测过程如图2.4所示： 图2.4线性检测构造框图在对MMSE检测矩阵的估计中，使用正交性道理： (2-17)其中且，因此有： （2-18）得到MMSE检测矩阵如下： (2-19)令，得到： (2-20)2.5本章小节这一小章一方面进行了无线信号通道数学模型的论述，分别论述了MIMO系统无线信号通道及其数学模型。然后对信号通道容纳大小进行了计算，最后讨论三种检查预测措施：第一种是最大似然检查预测措施，接着是迫零措施，再然后

32、就是最小均方偏差检查预测措施。第三章 MIMO预编码技术研究3.1 系统模型较早的时候有专家就已经发展了对单顾客MIMO线性预编码的钻研，将MIMO信道解耦成为特性子信号通道，然后在子信号通道上非配发送的做功快慢尚有可以最强输出的信号噪音比等是目前很不错好的预编码器。图3.1是单顾客MIMO系统线模型。 图 3. 1 单顾客 MIMO系统本章对单顾客MIMO系统的预编码研究计议的是ZF预编码算法和MMSE预编码算法，都是在发射端是想要的信道状态信息时进行的。 在过往有的通信中，只有通过了信道估计才干在收入端直接获取抱负信道状态，而当信号通过了信道后就没有措施简朴的获得了，因此就仅能使用不那么直

33、接的方式。目前的通信系统大都是双全工系统，在发送端有两种措施得到CSI,一种是运用信道的互易性，尚有一种就是接受端的反馈。所谓信道互易性就是：从发送的那头到接受的那头的信道和从接受的那头到发出的所通过的信道是同样得或者大概差不多的。这篇文章大多篇幅是在讲发出的那头已经懂得抱负的信号通道状态的时候，这时发出端和接受端对数据流做线性预变化，这样就可以减小误码率。 3.2 ZF预编码下面3.2就是线性预编码的一般构造框图。 图3.2线性预编码构造框图这种算法预编码信号矢量如下： （3-1）且有 通过预设好的编码矩阵收入端接受到的成果数字矢量y为： （3-2）式（3-2）中，供考察的数字为是可变化因子

34、，可以拟定发射的预编码矢量的做功快慢不变。的取值为： (3-3)收入的信号在端用zoom factor比例变换的倒数作为补偿。因此，在发出端是把信号通道的状况消息矩阵的逆当做预编码矩阵的，发出端的线性预编码解决是经由预编码矩阵和发送信号两个乘到一起得以成功的，在通过通过信道后可直接通过解调并不需要检测。ZF预编码算法比较不错的方面是可以让每个天线间没有互相影响，不好的是噪声影响增长了。因此在这里提出使得最微均方差别的MMSE预编码算法，使系统的性质功能更好。3.3 MMSE预编码就与MMSE检测算法差不多，预测好的编码矩阵要得到有差别的平均方差数可以很小的信号就要选择的MMSE法则。就像下面这

35、样： （3-4）发出端预编码后的发出信号向量的发出的功能概率需要不变的值，功率值合适的约束公式见： (3-5)在式（3-4）中，为可放大缩小的变量，它可以保证发出的预编码向量的功能概率为恒值。在式（3-5）中，显出来的是发出来信号的数量，显示的是发出信号的功能概率。两式联合的最优解： （3-6） （3-7）线性预编码措施的好处是接入端无需对收到的数据进行解调处置的，对比上面两种公式，就可以懂得 MMSE预编码这种技巧比较好，接下来进行进一步仿真比较验证。3.4本章小节本章一开始进行了MIMO系统预编码数学模拟型号。着重简介了线性预编码技能中的迫零预编码和根据最小均方误差的预编码算法，并且分别运

36、用了理论推论。第四章 MIMO预编码算法仿真4.2MTALAB简介MATLAB是美国MathWorks公司出品的商业数学软件，可以用来实现数据可视化、算法的研究、数据解决、数值研究等，其中有 MATLAB和Simulink两个部分。)它的特点就是下面几点：1. 不低效率的数字计算和符号运算可以用于顾客从繁琐的数学演算的自由。2. 拥有完善的解决图形功能，使计算成果和变成一目了然;3. 简朴易懂的图形界面，让初学者很容易理解掌握接近语言的数学体现式;4. 功能繁多的应用工具箱，使使用者们享有到简便舒服的应用工具。MATLAB涉及诸多工具。里边的工具都很实用且以便，像是函数和文献。并且有诸多的这些

37、工具都是使用的图形顾客界面。例如说文献的浏览器、编辑器和调试器、历史命令窗口、用于顾客浏览协助、MATLAB桌面等。由于MATLAB的商业价值越来越高，MATLAB的制作也更加精美，例如顾客界面。目前MATLAB的人机比以往更强，并且操作变得傻瓜式。编程设备规定简朴，并且提供了很完善的调试机制，程序在没有编译时就可以直接运营得出成果，而还能迅速得出错误因素。MATLAB软件拥有大批计算法。600多种工程的功能它都拥有，能实现不同的计算功能的需求。这一类函数的算法在工程与科学研究方面的新突破，已经通过容错优化。一般来说，MATLAB可以替代其她低档语言，例如C以及C+。在相似计算规定相似时，使用

38、MATLAB可以使编程量会大大削减13。它有简朴和复杂两种函数集。复杂函数像是迅速傅立叶变换这种。这样的函数能解决：稀疏矩阵运算、Fourier transform和数字的统一解决、微分方程及偏微分方程的组的求解、此外的初级数字演算和三角函数以及多维数组操作等麻烦。4.2仿真成果分析在仿真过程中一方面产生信源比特序列，紧接着进行像是BPSK和QPSK调制这一类的数字调制。BPSK (Binary Phase Shift Keying)，可以将模拟信号变成数据值，信息键控移相的形式通过偏离相位的复数波浪组合来展示。BPSK由于采用了基准的正弦波以及相位反转的波浪，这样一边就会是0，而此外一边就会

39、是 1，因此可以一起传送和接受2值(1比特)信息。QPSK是使用次数最多的卫星数据调制措施，拥有超高频谱和使用率，干扰性很强，也很容易得到。接着产生信道里面衰落系数为循环复高斯分布的MIMO无限衰落信道。对数字调制符号进行预编码传播，并通过瑞利衰落信道，然后数据符号通过接受端的检查和解调，再得到误码率。误码率可以用来阐明一种时段内数字传送的精确性。有误码的时候就有误码率，也可以说误码率就是误码浮现的频繁度。信噪比一种其她的名字是讯噪比，是在电子设施或者电子整体中的信号与噪音的比例。在别的条件同样时，提高接受天线的数量，单独仿真ZF、MMSE预编码计算程序，研究误码率与预编码计算程序的关系。将Z

40、F和MMSE算法在不同参数下进行仿真比较，选择接受天线数量和发送天线数量作为参数，通过变化参数值，来比较相似状况下ZF和MMSE两种算法各自的性能优劣。图4.1是通过MATLAB软件来对ZF线性预编码算法进行仿真得到的误码率图，数字调制方式为QPSK，发出的天线为2，接受的天线是 2，这是在平坦瑞利信道中进行得。图4.2为MMSE预编码算法下的误码率性能在这次仿真的成果中不难发现， ZF算法的曲线长期稳占上方，MMSE算法的曲线在下方，因此MMSE算法的误码率好某些，同步阐明了上面的结论。 图4.1 2x2 QPSK调制下ZF预编码算法误码率性能图4.2 2x2 QPSK调制下MMSE预编码算

41、法误码率性能 图4.3 3x2 QPSK调制下ZF预编码算法误码率性能 图4.4 3x2 BPSK调制下ZF预编码算法误码率性能4.3本章小结这篇文章讲了单个使用人员MIMO预编码算法，解说了ZF线性预编码的技术和MMSE线性预编码的技术这两种线性预编码技术，得出了它们的特性，再通过研究得到MMSE预编码比ZF预编码好的结论，然后最后一节对两种预编码进行了仿真验证。 第五章 总结这篇文章讨论了MIMO系统的预编码技术，可以得到的结论入下:先阐明多输入多输出的无线通信系统，再讲了 MIMO技术，最后描述目前MIMO技术的状态。 本文一方面对MIMO无线信道作出简介，展示出MIMO系统的模型。接下

42、来阐明了MIMO信号通道容量并根据此数学模型简介了ZF算法和MMSE算法这两种常用的线性均衡信号检测演算方式。为了减轻接受端信号检测复杂度，采用了发出端预编码技术，同步可以克制干预扰乱。简介了再己知信号通道状态信息得状况下的ZF线性预编码和MMSE线性预编码，最后通过仿真对这两个措施的误码率能力进行了分析比较。 从仿真中，可以得到，其她的条件同样得时候，当信号与噪音的比例变大的时候，ZF/MMSE算法仿真出来的误码率就不断变小；别的条件同样的时候，当发射天线数量变多时，ZF/MMSE算法仿真出来的误码率就不断变小，并且变小的幅度不断变大。条件同样的时候，MMSE比 ZF算好用。参照文献1 黄韬

43、，袁超伟，杨睿哲等.MIMO有关技术与应用.北京:机械工业出版社 .2 傅海阳, 陈技江, 曹士坷,等. MIMO系统和无线信道容量研究J. 电子学报, , 39(10):2221-2229.3 佟学俭. OFDM移动通信技术原理与应用M. 人民邮电出版社, .4 赵亚男, 张禄林, 吴伟陵. MIMO技术的发展与应用J. 电讯技术, , 45(1):7-11.5 任立刚, 宋梅, 郗松楠,等. 移动通信中的MIMO技术J. 无线电技术与信息, (1):25-29.6 倪志, 李道本. 一种分布式多入多余(MIMO)信道的容量研究J. 电路与系统学报, , 9(2):22-26.7 刘毅. M

44、IMO信道预编码技术研究D. 西安电子科技大学, .8 崔金, 李署坚, 杨文慧. 基于信道状态的MIMO预编码算法J. 信息安全与通信保密, (1):61-62.9 王连英. 多顾客MIMO信道预编码技术研究D. 西安电子科技大学, .10 祝锴. MIMO系统预编码技术研究D. 解放军信息工程大学, .11 肖爱民, 李辉, 戴旭初. 一种低复杂度多顾客MIMO预编码措施D. 中国科学技术大学, .12 P. W. Wolniansky, G. J. Foschini, and G. D. Golden, V-BLAST: Architecture for realizing very h

45、igh data rates over the rich-scattering wireless channel, in Proc. URSIISSSE,PP.295-300, September 1998.13 王帆，MIMO系统预编码技术研究，西安电子科技大学研究生论文，14 戴继生. 线性MIMO系统预编码技术的研究D. 中国科学技术大学, .15 郝东来. 无线通信MIMO系统预编码技术研究D. 西安电子科技大学, .16 Marzetta T, Hochwald B, Marzetta T. Capacity of mobile multiple-antenna communicat

46、ion link in a Rayleigh flat-fading environmentJ. 1999.17 Love D J, Heath R W. Limited feedback unitary precoding for spatial multiplexing systemsJ. IEEE Transactions on Information Theory, , 51(8):2967-2976.致 谢时光匆匆，转眼间大学生活即将走到尾声，通过这样长时间的努力，毕业论文也算是有了一种交代。在这里我要对协助过我的同窗，教师，朋友表达由衷的感恩。本次毕业设计是在余教师的指引下完毕的，

47、余教师一丝不苟的工作态度，和对我所提问题竭尽全力的指引是我本次毕业论文可以完美完毕的重要因素。在平常生活中，余教师平易近人，风趣风趣，在和教师的交流之间没有感到隔阂和压力。教师的品格对我此后的生活，工作都产生较大影响，是我永远的楷模。感谢班级里的同窗，在论文中浮现的小问题都会和她们交流，讨论，她们也协助我解决诸多问题。最后但愿各位教师生活幸福，身体健康，各位同窗可以顺利毕业，找到好的工作。 附录close all;%关闭图形窗口clear all; %清除工作区间变量clc;%清屏Alg_type=1;%1ZF 2 MMSENum_Frames=100; %帧数Num_Packs=1000;%

48、包数Nbps=1; %单个数据符号涉及的比特数目Mod_order=2Nbps; % 调制阶数mod_obj=modem.qammod(M,Mod_order,SymbolOrder,Gray,InputType,bit);%QAM调制demod_obj = modem.qamdemod(mod_obj);Num_TX=3; %发射天线数目Num_RX=2; %接受天线数目，Num_RX=Num_TXsq2=sqrt(2); N_pbits = Num_Frames*Num_RX*Nbps; %单次传播的比特数目N_tbits = N_pbits*Num_Packs;%总比特数目fprintf

49、(=n);SNRdBs = 0:2:20;%信噪比for i_SNR=1:length(SNRdBs) SNRdB = SNRdBs(i_SNR); noise_var = Num_TX*0.5*10(-SNRdB/10); sigma = sqrt(noise_var); Error_bits = 0; %初始化错误比特数目 % 发射机% for i_packet=1:Num_Packs bits_source = round(rand(N_pbits,1); % 随机比特 mod_syms = modulate(mod_obj,bits_source).;%数字调制 Mod_alpha =

50、 modnorm(mod_syms,avpow,1); % 功率归一化因子 tx_syms = reshape(Mod_alpha*mod_syms,Num_RX,Num_Frames); %串并转换 H = (randn(Num_RX,Num_TX)+1j*randn(Num_RX,Num_TX)/sq2;%信道矩阵 if(Alg_type=1) F = pinv(H); %预编码矩阵ZF else F=H*inv(H*H+noise_var*eye(Num_RX);%mmse end beta = sqrt(Num_TX/trace(F*F); % 放大因子 W = beta*F; %归一

51、化后预编码矩阵 Tx_signal = W*tx_syms; %发射信号 %信道% Rx_signal = H*Tx_signal+sigma*(randn(Num_RX,Num_Frames)+1j*randn(Num_RX,Num_Frames);%接受信号 %接受机% y = Rx_signal/beta; %均衡 Symbol_hat = reshape(y/Mod_alpha,Num_RX*Num_Frames,1);%并串 msg_hat = demodulate(demod_obj,Symbol_hat);%解调 Error_bits =Error_bits + sum(msg_hat=bits_source);%计算错误比特数目 end BER(i_SNR) =Error_bits/N_tbits;%误码率endsemilogy(SNRdBs,BER,-k,LineWidth,2);xlabel(SNRdB), ylabel(BER);legend(预编码)grid on