Matlab仿真MIMO信道容量,mimo信道建模与信道估计
简介MIMO(多输入多输出)技术利用多个天线在相同的时频资源上传输信号，可以在不增加系统带宽的情况下提高信道容量，也可以用较低的发射功率实现。因此，MIMO技术越来越受到无线通信研究者的关注，大规模MIMO技术也被应用到5G系统中。无论是在MIMO技术的理论研究阶段，还是MIMO系统的应用阶段，对MIMO信道模型的研究都是必不可少的。
本文主要研究MIMO信道建模，总结了常用于仿真的信道模型。在此基础上，主要研究如下：
(1)深入研究了基于几何的二维SCM和三维WINNER模型，并研究了它们的建模算法。与二维SCM模型相比，三维WINNER模型考虑了高程维度，大尺度参数之间的相关性更复杂，但比二维SCM模型更符合实际信道。
(2)深入研究了二维Kronecker模型和基于相关性的三维Kronecker模型。这两种模型的建模算法简单，但也能很好地描述实际信道。三维Kronecker模型的相关矩阵的计算比二维Kronecker模型的相关矩阵的计算更为复杂，这是因为高程维的存在。
(3)对上述四种模型算法进行了MATLAB仿真，并对它们的信道特性如信道容量和相关性进行了比较和分析。研究发现，三维信道模型的信道容量和空间相关性优于二维信道模型。在不同模型下，宏小区的信道容量不如微小区。在三维Kronecker模型中，与海拔服从高斯分布的系统相比，海拔服从VMF分布的系统具有更大的信道容量和更好的空间相关性。但是，在二维Kronecker模型中，两种分发模式的信道性能并没有太大差异。
WINNER项目组织在2005年初对SCM模型进行了一些扩展，建立了SCM扩展模型(SCME)。接着，WINNER模型和Winner 模型相继被提出。
与二维SCM模型不同，三维WINNER信道模型考虑了仰角维度的扩展，二维SCM信道模型中的离去角、到达角和角度扩展参数都是针对水平方位角的。引入仰角后的三维WINNER信道的天线增益不仅会与方位角有关，还会受到仰角的影响。3GPP测量了城市微小区和城市宏小区中不同环境(LOS、NLOS和O-to-I)下的MIMO信道参数。与上述二维SCM模型不同，在三维MIMO信道模型中，每个天线单元都有自己的坐标系(ECS)，每个天线单元的相对位置由阵列坐标系(ACS)决定。对于整个收发器天线系统，需要建立全球坐标系(GCS)来精确定位每个天线元件。
2部分代码%生成AoD，ZoD，AoA，ZoA
function [pha_aod_n_m，pha_zod_n_m，pha_aoa_n_m，pha_zoa_n_m，p]=angles(clusterE，clusterD，
西格玛_ASD，西格玛_ZSD，西格玛_阿萨，西格玛_ZSA，西格玛_DS，N_cluster，N_ray，c_ASD，c_ASA，c_ZSA，m_ZSD，Dsp，Pcs，m_ZSD_offset)
输入百分比
% sigma_ASD:水平偏离角的角度扩展
%西格玛_ZSD:垂直离去角的角度延伸
% sigma_DS:延迟扩展
% N_cluster:簇的数量
% N_ray:子路径的数量
% c_ASD:簇的水平偏离角延伸。
% m_ZSD:垂直离去角角度延伸的值
% Dsp:延迟缩放参数
% Pcs:每个群集的阴影衰落
% m _ ZSD _偏移：垂直离去角角度延伸的mu值偏移
输出百分比
% pha_aod_n_m:每个子路径的水平离去角
% pha_zod_n_m:各子路径的垂直离去角。
% p:n个多径分量的归一化功率
%水平离去角和垂直离去角
如果N_cluster==20，
cnst _ AoD=1.289%比例因子c
cnst _ ZoD=1.178
cnst _ AoA=1.289
cnst _ ZoA=1.178
else % N_cluster=12
cnst _ AoD=1.146
cnst _ ZoD=1.104
cnst _ AoA=1.146
cnst _ ZoA=1.104
目标
%星团的水平偏离角和垂直偏离角
c _ AoD=c _ ASD
c _ zod=3*10^(m_zsd)/8；
c _ AoA=c _ ASA
c _ ZoA=c _ ZSA；
%确定N个多径分量的随机延迟。
x=rand(1，N _ cluster)；
tau 1=-Dsp * sigma _ DS * log(x)；
tau=sort(tau1， descend )；
%确定n个条多径分量的随机平均功率
z=PC * rann(1，n _ cluster)；
P1=指数(-*(DSP-1)/(DSP * sigma _ ds)).*10个。
p=P1/苏姆(P1)；%归一化，使功率之和为一
最大=最大值(p)；
%生成官方发展援助第26页
PHA _ aod 1=2/1.4/cnst _ aod * sigma _ ASD * sqrt(-log(p/maxp))；
xn=sign(rann(1，n _ cluster))；%值为一你好-1号的均匀分布
yn=sigma _ ASD/7 * rann(1，n _ cluster)；% n分布在以下情况下
pha_aod=Xn .* pha _ aod 1 yn
pha_aod_n_m=(repmat(pha_aod，N_ray，1)c _ aod * rann(n _ ray，N _ cluster))/180 * pi clustered；
pha_aod_n_m=实数(PHA _ aod _ n _ m)；
pha_aod_n_m=mod(pha_aod_n_m，2 * pi)；
%云娥官方发展援助范围为0你好圆周率？圆周率
索引_a=查找(pha_aod_n_m
PHA _ aod _ n _ m(index _ a)=2 * pi-PHA _ aod _ n _ m(index _ a)；
%生成佐德
PHA _ zod 1=1/cnst _ zod * sigma _ zsd *(log(p/maxp))；
xn=sign(rann(1，n _ cluster))；
yn=sigma _ zsd/7 * rann(1，n _ cluster)；
pha_zod=Xn .* pha _ zod 1 yn
pha_zod_n_m=(repmat(pha_zod，N_ray，1)c _ zod * rann(n _ ray，n _ cluster)m _ zsd _ offset)/180 * pi簇；
pha_zod_n_m=实数(PHA _ zod _ n _ m)；
pha_zod_n_m=mod(pha_zod_n_m，2 * pi)；
index_z=查找(相佐德_n_m
PHA _ zod _ n _ m(index _ z)=2 * pi-PHA _ zod _ n _ m(index _ z)；
%生成敬a
PHA _ AOA 1=2/1.4/cnst _ AOA * sigma _ asa * sqrt(-log(p/maxp))；
xn=sign(rann(1，n _ cluster))；
yn=sigma _ asa/7 * rann(1，n _ cluster)；
pha_aoa=Xn .* PHA _ AOA 1a 1 yn；
pha_aoa_n_m=(repmat(pha_aoa，N_ray，1)c _ AOA * rann(n _ ray，n _ cluster))/180 * pi聚簇；
pha_aoa_n_m=实数(PHA _ AOA _ n _ m)；
pha_aoa_n_m=mod(pha_aoa_n_m，2 * pi)；
%云娥敬a范围为0你好圆周率？圆周率
index_aoa=查找(pha_aoa_n_m
pha_aoa_n_m(索引aoa)=2*pi-pha_aoa_n_m(索引AOA)；
%生成佐亚
PHA _ zoa 1=1/cnst _ zoa * sigma _ zsa *(log(p/maxp))；
xn=sign(rann(1，n _ cluster))；
yn=sigma _ zsa/7 * rann(1，n _ cluster)；
pha_zoa=Xn .-伊甸园字幕组=-翻译：
pha_zoa_n_m=(repmat(pha_zoa，N_ray，1)c _ zoa * rann(n _ ray，n _ cluster))/180 * pi簇；
pha_zoa_n_m=实数(PHA _ zoa _ n _ m)；
pha_zoa_n_m=mod(pha_zoa_n_m，2 * pi)；
索引_zoa=查找(相位_zoa_n_m
PHA _ zoa _ n _ m(zoa _ index)=2 * pi-PHA _ zoa _ n _ m(zoa _ index)；
3仿真结果
{ fn华文楷体3ch 804000 }什么
{ fn华文楷体3ch 804000 }什么
{ fn华文楷体3ch 804000 }什么
四参考文献[1]邹劲柏，谢浩，艾渤，-什么。高速移动环境大规模多输入多输出（Multiple Input Multiple Output）工作信道建模与性能分析[J]的缩写.铁道学报，2018年，40(4):6。
什么事51吨重博客作者matlab(消歧义)科研助手的原创作品，
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。