操作环境MATLAB 2024a1、算法描述摘要多天线通信系统是现代无线通信中的重要技术方向。相比单发单收结构多输入多输出系统能够利用空间维度提升信道容量并在不单纯依赖增加带宽或发射功率的情况下改善系统传输能力。本文围绕瑞利衰落信道下的SISO、SIMO、MISO与MIMO容量对比问题基于MATLAB建立了完整的信道容量仿真模型。系统以随机复高斯信道作为瑞利衰落基础模型并进一步引入空间相关系数用于观察天线相关性对系统容量分布和平均容量的影响。仿真中同时采用等功率分配和注水功率分配两种方式对不同信噪比、不同天线规模、不同空间相关程度下的容量性能进行比较。仿真结果通过容量随信噪比变化曲线、不同天线结构柱状图、容量累计分布函数、概率密度分布、空间相关性影响曲线以及特征子信道功率分配图进行展示。结果表明接收端和发射端天线数量增加后系统可利用的空间子信道数量增多平均容量随之提高在相同信道条件下注水功率分配通常能够获得高于等功率分配的容量表现而空间相关性增强会降低信道矩阵的独立性使空间复用收益下降。该仿真系统结构清晰参数可调图像输出完整适合用于多天线信道容量理论学习、算法对比分析和通信系统仿真实验。关键词MATLAB仿真瑞利信道MIMO容量SISO/SIMO/MISO等功率分配注水算法空间相关性信噪比1 引言无线通信系统的核心目标是在有限频谱、有限功率和复杂传播环境下实现更高的数据传输能力。传统单天线系统主要依赖调制方式、编码方式、带宽扩展和功率提升来改善性能但这些方法都会受到频谱资源、硬件功耗和系统复杂度的限制。多输入多输出技术通过在发射端和接收端部署多根天线将空间维度引入通信链路使系统能够在同一时间和同一频带内形成多个并行传输通道。公开资料显示MIMO已经是5G NR系统中的关键组成部分NR系统通过多天线、波束管理和信道状态信息反馈等机制支持更高效的数据传输。在理论分析中MIMO系统容量不仅与信噪比有关也与发射天线数量、接收天线数量、信道矩阵秩以及空间相关性有关。当信道中存在丰富散射时各天线之间形成较低相关性的独立传播路径系统更容易获得空间复用增益。当传播环境较为单一、天线间距较小或天线互耦较强时信道相关性会上升信道矩阵有效秩下降容量提升效果会受到抑制。近年的MIMO研究和5G天线设计综述也持续强调天线结构、相关性、隔离度和信道状态对系统吞吐能力的重要影响。本文所建立的MATLAB仿真系统以瑞利衰落信道为研究对象重点不是单纯画出一条容量曲线而是从多个角度建立完整的容量分析流程。系统首先比较不同信噪比条件下4T4R MIMO结构的平均容量变化然后对1T1R、2T2R、2T4R、4T2R、4T4R和8T8R等结构进行容量对比。随后系统通过累计分布函数和概率密度函数描述容量的统计分布特征并通过空间相关系数扫描分析相关性对容量的影响。最后系统进一步展示特征子信道增益与注水功率分配之间的关系使仿真不仅停留在结果曲线层面也能够反映功率分配策略的内部机理。2 系统模型与仿真对象本系统的仿真对象是平坦瑞利衰落条件下的多天线无线通信链路。程序将不同天线结构统一放在同一容量分析框架内处理因此既可以模拟SISO单输入单输出系统也可以模拟SIMO单输入多输出系统、MISO多输入单输出系统以及MIMO多输入多输出系统。SISO结构只有一条基本传输链路容量主要受信噪比和瞬时信道增益影响。SIMO结构通过多个接收天线获得接收分集增益可以改善接收端对衰落的抵抗能力。MISO结构通过多个发射天线改善发射侧空间利用能力但在接收端只有单天线时空间复用能力仍然受到限制。MIMO结构同时具备多发射天线和多接收天线能够在信道条件合适时形成多个并行空间子信道因此容量提升最明显。在MATLAB实现中主程序main.m负责全局参数设置、调用函数、绘制图像和保存结果。function文件夹中包含信道生成、容量计算、注水功率分配、空间相关矩阵构造、CDF计算和图像保存等函数。这样的结构比较清楚主程序不堆积过多底层算法局部函数也各自承担明确功能。对于通信仿真项目来说这种结构比把所有代码写在一个脚本中更容易检查、修改和复用。系统默认使用4T4R作为主要观察对象并设置多个信噪比点进行扫描。程序通过蒙特卡洛方法反复生成随机瑞利信道在每个参数点统计多次随机信道容量的平均值。这样做比单次随机信道计算更可靠因为瑞利衰落具有随机性单次结果可能无法代表整体性能。容量分布图也正是基于大量随机信道样本得到因此能够反映容量的波动范围而不仅是一个平均值。3 瑞利信道与空间相关性设置瑞利衰落模型常用于描述不存在强直达路径、传播环境中存在大量散射体的无线链路。程序中通过独立复高斯随机变量构造基础信道矩阵使信道幅度呈现瑞利衰落特征。这个模型适合用于教学和理论验证因为它能够突出随机衰落、多径散射和空间复用之间的关系。对于实际系统来说真实信道可能还包含路径损耗、阴影衰落、多普勒频移、频率选择性衰落和天线方向图等因素但本文仿真的重点是容量对比因此采用平坦瑞利信道是合理的简化。空间相关性是本文仿真的一个重要变量。理想MIMO系统希望不同天线之间具有较低相关性因为低相关性意味着不同空间通道携带的信息更独立系统可以获得更高空间复用增益。程序使用指数相关模型构造发射端和接收端相关矩阵然后通过Cholesky分解将相关性引入随机信道矩阵。空间相关系数越大天线之间的信道越相似信道矩阵的有效独立维度越少容量提升能力也越弱。这一设计具有实际意义。真实MIMO系统中天线间距、阵列结构、工作频率、终端尺寸、金属环境和传播散射条件都会影响空间相关性。5G和毫米波MIMO研究中也经常强调天线阵列结构、端口隔离和传播环境对容量的影响。毫米波MIMO容量分析研究指出MIMO信道容量会受到发射接收天线数量、信噪比和信道状态等因素影响。 因此在仿真中单独设置空间相关系数可以帮助观察理想独立信道与相关信道之间的差别。4 等功率分配与注水功率分配本文对比的两种容量计算方式分别是等功率分配和注水功率分配。等功率分配的思想比较直接即将总发射功率平均分配到发射天线或空间子信道上。这种方法实现简单不需要发射端根据每个子信道状态精细调整功率因此在工程上具有较低复杂度。它适合用作基准方案也适合分析发射端无法准确掌握信道状态时的容量表现。注水功率分配则更加依赖信道状态信息。它会根据信道子通道增益强弱分配功率将更多功率分配给条件更好的空间子信道而对条件很差的子信道少分配甚至不分配功率。公开研究中注水算法常用于MIMO信道容量优化相关研究也将其用于瑞利信道下的容量提升分析。 本项目中的cap_wf函数先对信道奇异值平方进行排序再调用wf_power函数计算功率分配结果最后统计各子信道容量之和。这样可以比较清楚地体现注水算法的核心思想。从结果理解上看注水分配不一定在所有条件下都产生巨大提升但在信道子通道差异明显时它通常比等功率分配更有效。原因很直接等功率分配会把功率平均给所有通道包括一些增益较弱的通道注水分配则会优先利用强子通道减少功率浪费。本文通过平均容量曲线、容量分布曲线和特征子信道功率分配图同时展示这种差异使两种功率分配方式的比较更加完整。5 MATLAB仿真实现流程本项目的MATLAB代码采用主函数与本地函数分离的结构。main.m负责设置随机种子、创建figure文件夹、定义蒙特卡洛次数、信噪比范围、天线数量和空间相关系数。程序首先调用sweep_snr函数对固定4T4R结构进行信噪比扫描输出等功率和注水两种容量曲线。随后程序构造不同天线结构数组并调用sweep_ant函数在固定信噪比下比较不同天线规模的平均容量。容量分布部分由cap_dist和get_cdf共同完成。cap_dist函数多次生成随机瑞利信道并分别计算等功率容量和注水容量。get_cdf函数对容量样本进行排序并生成经验累计概率。通过CDF曲线可以观察在同一累计概率下两种方案的容量差异也可以判断容量分布是否明显右移。PDF图则通过直方图方式展示容量概率密度使容量集中区间更加直观。空间相关性分析由sweep_rho函数实现。程序设置多个相关系数从独立信道逐步过渡到高相关信道并分别统计等功率和注水条件下的平均容量。最后eig_pow函数对信道特征子通道增益和注水功率分配比例进行统计。该图的价值很高因为它不是简单展示容量结果而是展示了注水算法为什么会偏向强子通道。对于理解MIMO信道分解和功率分配策略来说这张图比单纯的容量曲线更有解释力。程序最终输出七张图像并保存result.mat文件。图像包括信噪比容量曲线、天线结构容量对比图、容量CDF图、容量PDF图、空间相关性影响图、特征子信道功率分配图和不同相关性下容量分布图。这样的图像安排比较完整既有平均性能也有统计分布既有系统级容量结果也有子信道层面的分配机制。6 仿真结果分析从容量随信噪比变化图可以看出信噪比提高后等功率分配和注水功率分配下的平均容量都会上升。这一结果符合通信系统基本规律因为更高的信噪比意味着接收信号质量更好系统可以承载更高的信息速率。在低信噪比区域注水算法更容易体现出选择强子通道的优势因为有限功率需要集中使用。随着信噪比升高更多子通道都有能力承载信息等功率分配和注水分配之间的差距可能会相对变化但注水分配仍然保持理论上的优化意义。从不同天线结构容量对比图可以看出天线数量增加会提高平均容量尤其是发射端和接收端同时增加时容量提升更加明显。1T1R结构只有一个空间通道容量上限较低。2T2R结构相比1T1R可以获得明显提升。2T4R和4T2R体现了收发天线不对称配置下的容量差异。4T4R和8T8R则说明当收发两侧天线数量同时增加时系统可以利用更多空间自由度。已有基于MATLAB的MIMO容量研究也关注不同天线数量对系统容量的影响并将天线数量作为容量变化的重要因素。容量CDF曲线能够反映系统在随机信道下的稳定性。如果某种方案的CDF曲线整体向右移动说明在相同概率条件下该方案可以获得更高容量。本文中注水分配的容量分布通常优于等功率分配这说明它不仅提升平均值也改善了随机信道下的容量统计表现。PDF图进一步展示容量样本的集中区域。如果注水容量分布相对靠右则说明多数随机信道样本下都能获得更高容量而不是只依赖少量极端样本拉高平均值。空间相关性影响图是本文结果中最值得重视的一部分。随着相关系数增大平均容量会下降。这不是程序问题而是MIMO系统的基本特征。MIMO容量依赖多个相互独立的空间子通道。当空间相关性增强时不同天线看到的信道越来越相似信道矩阵的有效秩降低空间复用能力下降。因此即使天线数量没有变系统容量仍然会受到明显影响。这个结论对实际天线设计有直接参考意义只堆天线数量不够还需要关注天线间距、隔离度、相关性和传播环境。特征子信道增益与注水功率分配图说明注水算法并不是平均照顾每一个子通道而是根据子信道质量进行选择。增益高的空间子信道通常获得更多功率增益低的子信道获得较少功率。这个结果能够解释注水算法容量更高的原因。系统把资源集中投向更有效的传输方向整体容量自然更高。对于需要理解MIMO容量优化的学习者来说这部分结果比只看最终容量数字更有价值。7 系统特点本仿真系统的第一个特点是结构完整。它不仅比较SISO、SIMO、MISO和MIMO不同天线结构也同时比较等功率分配和注水功率分配两种策略。这样可以从天线规模和功率分配两个维度理解容量变化不会把MIMO容量提升简单归因于单一因素。第二个特点是参数清晰。主程序中信噪比范围、天线数量、空间相关系数和蒙特卡洛次数都集中设置用户可以快速修改参数并重新生成结果。这种写法适合扩展例如可以继续加入Rician信道、Nakagami信道、毫米波稀疏信道或频率选择性信道。第三个特点是图像表达比较充分。系统输出七张图覆盖平均容量、容量分布、空间相关性和注水分配机制。对于通信仿真项目来说只有一张BER曲线或一张容量曲线往往不够完整。本项目的图像能够支撑较完整的结果分析。第四个特点是函数划分清楚。容量计算、信道生成、相关矩阵构造、注水功率分配、CDF计算和图像保存均由独立函数完成。这种结构便于后续检查和维护也便于把某个模块替换为新的算法。第五个特点是具有较好的教学解释性。系统中的每一张图都能对应一个通信理论问题例如信噪比如何影响容量、天线数量如何影响容量、相关性为什么会削弱MIMO增益、注水算法为什么优于等功率分配。这样的仿真更适合用于课程学习、技术交流和算法演示。8 结论本文基于MATLAB建立了瑞利衰落信道下SISO、SIMO、MISO与MIMO容量对比仿真系统并对等功率分配和注水功率分配两种方案进行了系统分析。仿真结果表明信噪比提升会提高系统容量多天线结构能够显著增强系统空间传输能力MIMO结构相比单天线或单侧多天线结构具有更明显的容量优势。在相同信道条件下注水功率分配能够根据信道子通道质量优化功率分配因此整体容量通常高于等功率分配。空间相关性增强会削弱多天线系统的空间独立性使容量下降这说明实际MIMO系统不仅需要增加天线数量也需要重视天线隔离度、阵列布局和传播环境。从工程和教学角度看该仿真系统具有较强的可解释性。它不是单纯生成容量曲线而是通过平均容量、统计分布、相关性扫描和子信道功率分配等多个角度展示MIMO容量形成机制。后续如果继续拓展可以在现有基础上加入Rician信道、OFDM频率选择性信道、CSI误差、天线选择算法、波束赋形算法或多用户MIMO场景使系统进一步接近真实无线通信链路。参考文献[1] Chataut, Robin, and Robert Akl. “Massive MIMO Systems for 5G and beyond Networks: Overview, Recent Trends, Challenges, and Future Research Direction.”Sensors, vol. 20, no. 10, 2020.[2] Raj, Thennarasan, et al. “Advances in MIMO Antenna Design for 5G: A Comprehensive Review.”Sensors, 2023.[3] Jia, Y., et al. “MIMO System Capacity Based on Different Numbers of Antennas.”Results in Engineering, 2022.[4] Kola, Abdul Fatai, et al. “Millimeter-Wave Dual-Band MIMO Channel Capacity Analysis for 5G Wireless Systems.”Electronics, vol. 12, no. 10, 2023.[5] Ngobi, C. G., et al. “Channel Capacity Optimization Using Multiple-Input Multiple-Output for a Rayleigh Channel.”European Journal of Electrical Engineering and Computer Science, 2023.[6] Gurdasani, Harsha, et al. “Channel Capacity Enhancement of MIMO System Using Water-Filling Algorithm.”Turkish Journal of Computer and Mathematics Education, vol. 12, no. 12, 2021.[7] Ramírez-Arroyo, A., et al. “On the Spectral Efficiency for Distributed Massive MIMO Systems.”Applied Sciences, vol. 11, no. 22, 2021.[8] Matthaiou, Michail, et al. “Massive MIMO with a Generalized Channel Model.” 2019.[9] Obakhena, Henry I., et al. “Application of Cell-Free Massive MIMO in 5G and beyond 5G Wireless Networks.” 2021.[10] Lin, Xingqin, et al. “5G-Advanced Evolution in 3GPP Release 19.” 2023.2、仿真结果演示3、关键代码展示略4、MATLAB 源码获取V点击下方名片关注公众号获取
