🚀 感知辅助毫米波 MIMO 信道估计仿真平台

融合雷达感知的下一代 5G/6G 高精度信道估计解决方案利用多模态感知信息辅助，突破传统压缩感知性能瓶颈，实现极低导频开销下的高精度估计

📌 为什么选择本平台？

在毫米波 (mmWave) 大规模 MIMO 系统中，信道估计面临着巨大的挑战。由于天线数量庞大，传统方法需要消耗大量导频资源。虽然压缩感知 (CS) 技术利用了信道稀疏性，但仍面临计算复杂度高和网格失配 (Off-grid) 问题。本平台创新性地引入 雷达感知辅助 (Sensing-aided) 机制，利用雷达获取的角度和时延先验信息，大幅缩小搜索空间，实现了 低开销、高精度、快收敛 的信道估计。

🎯 核心价值

⚡ 技术亮点

🧠 感知辅助结构化稀疏恢复

本平台利用雷达提供的 AoA (到达角) 和 Delay (时延) 估计值，构建修剪后的结构化字典：

graph LR    A[雷达感知信息] --> B{字典生成器Utils};    C[全角度网格] --> B;    B -->|结构化修剪| D[感知辅助字典 Psi];    E[接收信号 y] --> F[核心估计器 Estimator];    D --> F;    F --> G[高精度信道 H_est];

算法性能对比 (实测数据)

基于 Nr=32, Nt=1, Nfft=256, paths=4, Iter=50

🖥️ 运行环境

• MATLAB 版本: R2020b 或更高版本 (推荐 R2022a+)
• 核心工具箱:
• Signal Processing Toolbox (必须)
• Communications Toolbox (推荐)
• Parallel Computing Toolbox (可选，用于加速蒙特卡洛仿真)

💻 核心代码展示

我们追求 “代码即文档” 的可读性，核心算法封装在独立类中。

🔥 核心机制：感知辅助 SWOMP 估计 (+estimator/SWOMP.m)

functionH_est = estimate_wideband(r_signal, Nr, Nfft, Psi, noise_var, tx_pilot)% SWOMP 宽带信道估计核心逻辑% 利用所有子载波共享角度支撑集的特性 (Joint Sparsity)% 1. 计算相关性 (投影)% phi_H * r_k 对所有 k 求和，利用宽带增益    g = sum(abs(Psi' * r_signal), 2); % 2. 支撑集扩展    [~, max_idx] = max(g);    support_set = [support_set, max_idx];% 3. 正交投影 (LS 更新)    Psi_S = Psi(:, support_set);    x_S = Psi_S \ r_signal;  % 伪逆求解% 4. 残差更新    residual = r_signal - Psi_S * x_S;% ... (迭代控制)end

🚀 几何信道生成器 (+channel/ChannelGenerator.m)

function[H_time, H_freq, Psi] = generate_channel_matrix(obj, rays, alpha)% 基于 3GPP 几何随机模型生成 MIMO 信道% 1. 接收/发送导向矢量构建    Ar = obj.compute_steering_vector(rays.AoA, obj.cfg.Nr_gNB);    At = obj.compute_steering_vector(rays.AoD, obj.cfg.Nt_UE);% 2. 脉冲成形 (升余弦滤波器)% 处理分数时延，生成时域多径响应for l = 1:L        pulse = utils.MathTools.raised_cosine_filter(sample_indices, rays.delay(l), ...);        H_time = H_time + alpha(l) * (Ar(:,l) * At(:,l)') * pulse;end% 3. 变换到频域    H_freq = fft(H_time, Nfft, 2);end

🎬 仿真结果演示

📂 项目结构

Sensing-MIMO-CS/├── docs/                        # 📚 完整文档体系│   ├── 算法文档.md              # 理论推导与数学模型 (LaTeX)│   ├── 代码文档.md              # API 接口参考手册│   └── 项目文档.md              # (本文档) 产品介绍与价值主张│├── +channel/                    # 📡 信道建模 core│   ├── Geometry.m               # 散射体几何计算│   └── ChannelGenerator.m       # 宽带信道矩阵生成│├── +estimator/                  # 🧮 估计算法 core│   ├── SWOMP.m                  # 宽带压缩感知│   └── SBL.m                    # 稀疏贝叶斯学习│├── +utils/                      # 🛠️ 工具库│   ├── Dictionary.m             # 感知辅助字典构建│   └── Visualizer.m             # 绘图引擎│├── main_refactored.m            # 🚀 主仿真入口├── demo_visualization.m         # 📊 基础演示 (8图)└── demo_advanced_visualization.m # 📈 高级演示 (8图)

📄 文档体系

本平台提供 全方位 的文档支持：

📘 算法文档

包含系统模型、宽带几何信道建模、SWOMP/SBL 算法数学推导、感知误差模型等。适合人群：学术研究者、算法工程师。

📕 代码文档

包含所有类和函数的参数说明、输入输出定义、依赖关系。适合人群：开发人员、二次开发者。

🛒 获取方式

📚 参考文献

1. A. Ali, N. González-Prelcic and R. W. Heath, “Millimeter Wave Beam-Selection Using Out-of-Band Spatial Information,” IEEE TWC, 2018.
2. J. Rodriguez-Fernandez et al., “Frequency-Domain Compressive Channel Estimation for Frequency-Selective Hybrid Millimeter Wave MIMO Systems,” IEEE TWC, 2018.
3. 3GPP TR 38.901 Rel-16, “Study on channel model for frequencies from 0.5 to 100 GHz”.