毫米波蜂窝系统信道估计与混合预编码仿真项目

资 源 简 介

该项目实现了针对毫米波蜂窝系统的单用户信道估计与混合预编码算法。其核心功能是基于几何信道模型，模拟毫米波频段下具有高度空间稀疏性的信号传播特性。程序通过设计特定的模拟训练向量，利用压缩感知（Compressed Sensing）理论将信道估计问题转化为稀疏恢复问题，从而在较少的射频链和训练开销下获取高维信道的参数信息。项目详细实现了基站端和用户端的混合波束赋形结构，包括模拟移相器网络与数字基带处理器的协同设计，能够计算并优化预编码矩阵与合并向量。该代码展示了如何在保证系统频谱效率的同时，大幅降低大规模阵列所需的硬件辅助设备和功耗，不仅涵盖了信道参数的提取过程，还包含了后续的性能评估实验，是研究高性能毫米波通信系统的关键参考。

详 情 说 明

毫米波蜂窝系统信道估计与混合预编码仿真项目

项目介绍

本项目专门针对毫米波（mmWave）频段下的移动通信系统设计，重点实现了单用户场景下的信道估计与混合预编码技术。由于毫米波信号在空间中表现出高度的稀疏特性，本项目利用压缩感知（Compressed Sensing）理论，通过正交匹配追踪（OMP）算法以较低的硬件成本（较少的射频链）实现对高维信道的精确感知。系统模拟了基站全阵列发射与用户侧接收的完整物理过程，展示了如何通过模拟移相器网络与数字基带处理的协同工作，在保证系统频谱效率的同时大幅优化功耗。

主要功能特性

1. 稀疏几何信道建模：模拟了具有特定路径增益、离开角（AoD）和到达角（AoA）的毫米波物理信道，真实还原了高频段信号的空间稀疏分布。
2. 压缩感知信道估计：将信道估计抽象为稀疏信号恢复问题，利用 OMP 算法在角域字典中高效提取信道参数。
3. 动态混合预编码：实现了基于 OMP 的混合预编码设计算法，将理想的全数字预编码矩阵分解为满足恒模约束的模拟预编码矩阵和灵活的数字基带矩阵。
4. 全面的性能评估：支持全数字预编码、基于完美 CSI 的混合预编码、以及基于估计 CSI 的混合预编码三者之间的频谱效率对比分析。
5. 误差收敛分析：通过计算信道估计的归一化均方误差（MSE），量化评估估计精度随信噪比（SNR）提升的变化趋势。

核心实现逻辑

主程序的运行过程严格遵循毫米波通信系统的物理层处理流程：

1. 环境配置与参数设定：

系统设定了发射端 64 天线与接收端 16 天线的超大规模阵列架构。配置 4 条射频链以支持 4 个并发数据流的传输。仿真在 -10dB 到 20dB 的宽信噪比范围内进行，并通过多次蒙特卡洛迭代确保结果的统计准确性。

1. 字典矩阵构建：

利用均匀线性阵列（ULA）响应函数，在角度域根据预设的网格数（64）生成发射端与接收端的转换字典。这是后续实现压缩感知恢复和波束搜索的数学基础。

1. 物理信道模拟：

针对每次仿真迭代，随机生成 5 条主要的传播路径。通过物理导向矢量合成空间信道矩阵，并引入复高斯路径增益，构建出具有物理意义的 H 矩阵。

1. 递归信道估计过程：

在每个信噪比节点，系统模拟接收端获取的带噪信号。通过 OMP 算法在角域空间内进行贪心搜索，识别出能量最强的空间路径索引，从而重构出估计信道。

1. 预编码与合并器计算：

• 全数字基准：通过奇异值分解（SVD）获取理想的预编码与合并矩阵。
• 混合方案设计：利用 OMP 思想，从字典中选择与全数字最优向量最匹配的原子来构造模拟部分，并利用最小二乘法计算最优的基带增益。这一步骤分别针对“已知完美信道”和“已知估计信道”两种情况进行。

1. 频谱效率统计：

利用计算出的预编码器和合并器，结合 Shannon 容量公式，计算有效信道下的数据传输速率（bps/Hz）。

1. 图表生成：

自动绘制频谱效率曲线对比图和信道估计 MSE 变化图，直观展示各算法的性能差异。

关键算法与分析

• 角域字典响应算法：负责将物理空间的角度映射为阵列响应矢量。通过离散化角度网格，将连续的信道估计问题转化为离散的稀疏系数求解问题。
• 几何信道生成逻辑：该模块不仅计算 H 矩阵，更体现了毫米波信道由少数散射体组成的物理属性，是评估波束赋形算法有效性的前提。
• 混合预编码近似算法：这是本项目的技术核心。它解决的是在硬件约束（移相器仅能改变相位，不能改变幅度）下，如何通过有限的向量组合来逼近最优的 SVD 结果。
• 频谱效率计算算子：综合考虑了信道矩阵、预编码转换、合并处理以及加性噪声的影响，提供了精确的系统容量衡量标准。

系统要求

• 软件环境：MATLAB R2016b 及以上版本（建议使用较新版本以获得更好的绘图支持）。
• 硬件要求：标准 PC 即可，内存建议 8GB 以上以支持多轮蒙特卡洛仿真的矩阵运算。
• 依赖项：无需外挂库，所有核心算法均在主程序及其内部子函数中实现。

使用方法

1. 启动 MATLAB 并导航至项目文件夹。
2. 直接运行主程序脚本。
3. 程序将开始执行蒙特卡洛循环。你可以在命令行窗口观察进度。
4. 运行完成后，系统会自动生成两个分析图表：

- 图表 1 展示了不同架构及信道知识储备下的频谱效率随 SNR 增长的曲线。 - 图表 2 展示了估计信道的准确度如何随信号强度的增加而提升。

1. 用户可以根据需要修改参数（如天线数 Nt/Nr 或传播路径数 L）来研究不同场景下的系统表现。