夜雨聆风MATLAB 2024a
1、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
当下时代学习怎么用AI是每个人已经之路，给大家推荐几本书：学习AI相关使用技巧！！！ 抓住时代红利！！！
4、MATLAB 源码获取
途径一：点击文章中蓝色字体阅读原文
途径二：复制以下网址到浏览器中打开麦完单品
https://www.maiwan8.com/#/dynamicDetail/0/2ca76f67457af5f2f315a5d87551d679/index?yqm=5FCPU
途径三：复制网址打开麦完店铺搜索该篇文章标题即可
https://www.maiwan8.com/#/packageA/userDynamicCenter/userDynamicCenter?user_id=1261511
途径四：如果以上方式均失效请通过QQ，邮箱或者微信公众号联系我
(点击上方↑↑↑↑↑蓝色字体跳转)
