✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
MIMO（Multiple Input Multiple Output）技术采用多个天线，在相同时频资源上传输信号，能在不增加系统带宽的前提下提高信道容量，也能在较低的发射功率情形下得以实现。因此，MIMO技术越来越多地受到无线通信研究者的关注，大规模MIMO（Massive MIMO）技术也被应用于5G系统。而无论是在MIMO技术的理论研究阶段还是在MIMO系统的应用阶段，对MIMO信道模型的研究都是必不可少的。
1.1 MIMO技术研究背景和目的
随着无线通信研究的不断推进，对系统信道容量以及传输可靠性的要求也越来越高，加之能利用的频谱资源有限，SISO（Single Input Single Output）系统已无法满足人们对信道性能的要求[1]，MIMO技术应运而生[2]，并迅速成为无线通信研究者的主要关注方向之一[3, 4]。MIMO技术最早出现在3G时代，是4G系统中所运用的主要技术之一，目前正在进行的5G系统研究也在MIMO技术方面进行更为深入的探索[5]，如：大规模MIMO（Massive MIMO）技术[6-9]，三维MIMO（Three Dimension MIMO）技术[10, 11]。
MIMO技术通过在通信链路的收发两端布置多个天线，而这多个天线的信号能在相同的时频资源上得以传输。其所提供的复用增益、分集增益和阵列增益能使系统的频谱效率、可靠性和功率效率得以优化[12]。而对于MIMO系统具体性能的研究离不开无线信道建模，其通过模拟实际信道，得到各种参数设置下的信道性能，进而能对系统进行更深层次的优化。因此，本文的主要内容是不同类型的MIMO信道建模算法研究及仿真实现。
1.2 MIMO研究现状
随着信道测量工作的进行，相关研究组织逐渐用测得的信道参数构建出可用来进行仿真的信道模型。3GPP（3rd Generation Partnership Project）组织最先提出SCM（Spatial Channel Model）模型[13]，随后，WINNER（Wireless world INitiative NEw Radio）组织在SCM模型的基础上进行了一些扩展，形成SCME（Spatial Channel Model Extension）模型[14]。之后，WINNER组织又提出了相应的WINNER模型，其中WINNER Ⅱ模型在信道仿真时得到广泛采用[15]。上述所推出的MIMO信道模型都是基于几何建立的，为了降低信道建模的复杂度，一些通信企业包括Nokia联合高校共同提出了基于相关的I-METRA（Intelligent Multi-element Transmit and Receive Antennas）信道模型。
自2010年底贝尔实验室提出大规模MIMO概念以来，众多学者和研究机构都在进行大规模MIMO信道建模和测量的工作。2012年，Tufvesson在天线布置模式为均匀线性阵列（ULA,Uniform Linear Array）的情况下，测量研究了2.6GHz的大规模MIMO信道[16]，其实验结果表明不是全部的阵列天线都能够接收到反射簇辐射出去的电磁波，进一步证实了近场效应。文献[18-19]给出了实际信道环境下的大规模MIMO相关参数测量结果[17, 18]，可明显观察到大规模MIMO信道在天线阵列上的大尺度衰落特性。大规模MIMO系统由于基站端的天线数目较大，运用传统的线性阵列会突破体积的限制，因而更多的是采用共址极化天线，使空间得到复用。文献[20]给出了大规模MIMO场景下优化的天线选择算法[19]。
⛄ 部分代码
% 不同规模MIMO信道容量对比
% 2 x 2 , 4 x 4 , 16 x 16
clc;
clear;
U = [2,4,16];
S = [2,4,16];
snr = 1:20;
C_1 = zeros(3,length(snr));
C_2 = zeros(3,length(snr));
d2D = 250;
% UMi场景
scene = 1;
[sigma_ASD,sigma_ZSD,sigma_DS,sigma_SF,sigma_ASA,sigma_ZSA,N_cluster,N_ray,...
c_ASD,m_ZSD,Dsp,Pcs,m_ZSD_offset,c_ZSA,c_ASA,m_xpr,s_xpr]=generate_para(scene,d2D);
E_XPR = exp(s_xpr^2.*(log(10).^2)/200-m_xpr.*log(10)/10);
for ii = 1:3
I = eye(U(ii),S(ii));
H = channel_3DMIMO(scene,d2D,U(ii),S(ii));
H_MIMO = mean(H,3);
for SNR = 1:20
SNR_linear = 10.^(0.1*SNR/(1+E_XPR));
C_1(ii,SNR) = log2(det(I+(SNR_linear/S(ii))*(H_MIMO*H_MIMO.')));
C_1(ii,SNR) = real(C_1(ii,SNR));
end
end
plot(snr,C_1(1,:),'-+','LineWidth',2);
hold on;
plot(snr,C_1(2,:),'-o','LineWidth',2);
hold on;
plot(snr,C_1(3,:),'-s','LineWidth',2);
hold on;
xlabel('SNR/(dB)');
ylabel('信道容量/(b/s/Hz)');
grid on;
% UMa场景
scene_2 = 2;
[sigma_ASD,sigma_ZSD,sigma_DS,sigma_SF,sigma_ASA,sigma_ZSA,N_cluster,N_ray,...
c_ASD,m_ZSD,Dsp,Pcs,m_ZSD_offset,c_ZSA,c_ASA,m_xpr,s_xpr]=generate_para(scene_2,d2D);
E_XPR = exp(s_xpr^2.*(log(10).^2)/200-m_xpr.*log(10)/10);
for ii = 1:3
I = eye(U(ii),S(ii));
H = channel_3DMIMO(scene_2,d2D,U(ii),S(ii));
H_MIMO = mean(H,3);
for SNR = 1:20
SNR_linear = 10.^(0.1*SNR/(1+E_XPR));
C_2(ii,SNR) = log2(det(I+(SNR_linear/S(ii))*(H_MIMO*H_MIMO.')));
C_2(ii,SNR) = real(C_2(ii,SNR));
end
end
figure
plot(snr,C_2(1,:),':+','LineWidth',2);
hold on;
plot(snr,C_2(2,:),':o','LineWidth',2);
hold on;
plot(snr,C_2(3,:),':s','LineWidth',2);
legend('UMi-2x2','UMi-4x4','UMi-16x16','UMa-2x2','UMa-4x4','UMa-16x16');
⛄ 运行结果
⛄ 参考文献
[1] 陈瑶, 郭一凡. 一种新的时变 SISO 和 MIMO 信道仿真方法[J]. 科技创新导报, 2011: 36-39.
[2] Obinna O, Kennedy O, Osemwegie O, et al. Comparative Analysis of Channel Estimation Techniques in SISO, MISO and MIMO Systems[J]. International Journal of Electronics and Telecommunications, 2017, 63(3): 299-304.
[3] 李智峰. 3D-MIMO技术在TD-LTE网络中的应用研究[J]. 现代信息科技, 2019,(07): 47-48.
[4] 刘春玲, 马秋成, 张然. 基于MIMO系统的容量最大化资源分配算法[J]. 计算机科学, 2018, 45(S2): 299-302.
[5] 丁远, 王楚锋. 4*4 MIMO 实现 5G 室分系统的研究[J]. 信息技术与信息化, 2019,(4): 141-147.
[6] 曾挚. 面向5G的Massive MIMO系统关键技术研究 [J]. 互联网+安全, 2018: 142-144.
[7] 王映民, 孙韶辉, 康绍莉, 等. 面向5G增强的大规模天线技术[J]. 移动通信, 2019, 43(04): 15-20.
[8] 伍株仪. 5G MASSIVE MIMO技术[J]. 通信技术, 2019: 49-50.
