简介MATLAB混合波束成形仿真资源围绕5G毫米波通信中的混合波束成形技术展开面向通信工程专业学生、科研人员及算法工程师帮助理解大规模天线阵列下混合预编码的基本原理与实现方法。资源通过空间复用与子阵列配置两条主线演示从全数字波束成形到混合波束成形的设计权衡便于读者对比学习。压缩包共5个文件包含1个mlx实时脚本、2个m函数文件与2张png示意图脚本给出混合预编码仿真流程辅助函数分别计算频谱效率与最优混合权重图片直观展示全数字与混合波束成形的性能差异。整个资源仅143KB轻量紧凑适合快速研读与二次开发。目前已有338人学习下载可作为入门混合波束成形仿真、开展相关课题实验的实用参考。1. 混合波束成形仿真Matlab 里解决什么问题用 Matlab 做混合波束成形仿真最常见的出发点是天线阵列做到 64 甚至 128 根但射频链路只有 4 条。全数字预编码要求每根天线都接一条独立射频通道这在毫米波大规模 MIMO 场景下既不划算也难落地混合波束成形把发射端预编码拆成模拟移相器网络和低维数字预编码的乘积用少量射频链路逼近全数字性能。这个仿真适合通信物理层算法验证、毫米波 MIMO 课程实验以及需要快速评估波束成形方案效果的工程师。阅读时可以把重点放在毫米波稀疏信道怎么生成、码本与 OMP 分解怎么写以及频谱效率仿真发散时从哪里开始排查。2. Matlab 信道建模毫米波稀疏矩阵与 ULA 波数图混合波束成形仿真的第一个误差来源往往不是算法而是信道矩阵。毫米波信道在角度域上具有明显稀疏性路径少、角度扩展小不能直接用满秩瑞利信道代替。常见做法是用簇-射线模型生成窄带信道矩阵再配合均匀线性阵列响应构成后续 OMP 算法需要的候选码本。2.1 窄带稀疏信道矩阵与 AOA/AOD 的 Matlab 表达一个可以直接复用的信道生成函数如下它把发射端 AOD 和接收端 AOA 按簇和射线展开function H mmwave_channel_ula(Nt, Nr, Ncl, Nray, ang_std) H zeros(Nr, Nt); for c 1:Ncl base_aoa 2*pi*rand - pi; base_aod 2*pi*rand - pi; for ray 1:Nray aoa base_aoa ang_std*randn; aod base_aod ang_std*randn; alpha (randn 1i*randn) / sqrt(2); at array_response_ula(Nt, aod); ar array_response_ula(Nr, aoa); H H alpha * ar * at; end end H sqrt(Nt * Nr / (Ncl * Nray)) * H; end代码逻辑是先给每个簇一个基准角度再在基准角度附近加高斯扰动得到每条射线的 AOA/AOD最后把复增益乘以接收阵列响应向量和发射阵列响应向量的外积。Nt是发射天线数Nr是接收天线数Ncl是簇数Nray是每簇射线数ang_std是角度扩展单位是弧度。归一化系数sqrt(Nt * Nr / (Ncl * Nray))保证了信道平均功率不随天线数和射线数变化这个细节直接决定后面 SNR 曲线会不会整体偏移。阵列响应函数要单独封装因为后续码本生成也要调用function a array_response_ula(N, phi) d_over_lambda 0.5; a exp(1j * 2 * pi * d_over_lambda * (0:N-1) * sin(phi)) / sqrt(N); end这里phi是离开角或到达角d_over_lambda取 0.5 表示阵元间距为半波长。除以sqrt(N)是能量归一化如果不除OMP 每次投影的幅度会随天线数增长虽然最终选择的码本列大致不变但残差更新和频谱效率计算会受影响。2.2 ULA 转向矢量和波数图先验证阵列再放进仿真生成信道之前建议先画一次 ULA 波数图确认阵列流型没有方向索引错误。所谓波数图横坐标是sin(phi)纵坐标是阵列因子增益它能直接反映主瓣位置和副瓣电平。Matlab 中按如下方式绘制Nt 64; phi linspace(-pi/2, pi/2, 2048); A exp(1j * pi * (0:Nt-1) * sin(phi)) / sqrt(Nt); AF sum(A, 1); plot(sin(phi), 20*log10(abs(AF)), LineWidth, 1.2); xlabel(sin(\phi)); ylabel(阵列因子/dB); grid on;代码里A的每一列对应一个方向上的转向矢量sum(A,1)是对所有阵元响应做相干叠加得到的AF就是阵列因子。横坐标用sin(phi)而不是phi是因为均匀线性阵列的空间频率与正弦值线性对应。若看到主瓣不在 0 度位置或者副瓣电平异常说明角度定义与后续信道生成不一致。画完这个图再进入混合预编码仿真可以少走很多弯路。3. 混合波束成形 OMP 预编码的 Matlab 代码骨架混合预编码的核心是矩阵近似分解。假设全数字预编码矩阵是Fopt尺寸为Nt x Ns混合预编码要找模拟矩阵Frf和数字矩阵Fbb让Frf * Fbb尽量接近Fopt。模拟矩阵受恒模约束每列只能来自移相器码本数字矩阵没有硬件限制。OMP 是一种简单有效的近似求解方法特别适合 Matlab 快速原型验证。3.1 从全数字预编码到混合分解全数字基线由信道奇异值分解得到取右奇异向量的前Ns列即可[~, ~, V] svd(H); Fopt V(:, 1:Ns);在 Matlab 中svd返回的V是发射端右奇异向量矩阵Fopt代表全数字条件下的最优发射预编码。混合分解的目标函数写成 Frobenius 范数形式minimize || Fopt - Frf * Fbb ||_F约束是Frf每一列都来自候选码本At且每个元素模值为 1。这里选择 OMP 而不是直接做交替优化是因为 OMP 每步只有一个简单内积和伪逆操作仿真代码短且可以在天线数增大时保持可接受的计算时间。3.2 OMP 迭代求解 Frf 和 Fbb下面这段函数是整套混合波束成形仿真的核心function [Frf, Fbb] hybrid_precoding_omp(Fopt, At, NRF) Nt size(At, 1); Frf zeros(Nt, NRF); F_res Fopt; for k 1:NRF projection At * F_res; energy sum(abs(projection).^2, 2); [~, idx] max(energy); Frf(:, k) At(:, idx); Fbb pinv(Frf(:, 1:k)) * Fopt; F_res Fopt - Frf(:, 1:k) * Fbb; end end函数逻辑是每次从码本里找一列与当前残差相关度最高的模拟预编码向量然后更新数字预编码最后重新计算残差。At是Nt x G的码本矩阵G是角度网格数projection的每一行对应一个候选方向energy是每行投影模平方和。pinv用伪逆而不是普通逆是为了避免Frf(:,1:k)不是方阵时无法求逆。参数说明NRF是射频链路数也是模拟预编码矩阵的列数。工程上一般要求NRF 2*Ns否则循环内每次选的码本列只能解释部分信号空间残差会始终很大。OMP 有可能重复选择同一码本列尤其是角度网格特别稀疏时这时pinv的结果虽然能算出来但后续性能会异常应当把已选列的索引记录下来在下一次选择时跳过。3.3 接收端组合器的 MMSE 闭合解发射端确定后接收端组合器可以直接用 MMSE 解得到无约束最优组合矩阵再送入同样的 OMP 分解Wopt ((H * F * F * H sigma2 * eye(Nr)) \ (H * F)); [Wrf, Wbb] hybrid_precoding_omp(Wopt, Ar, NRF); W Wrf * Wbb;这四行里的F是归一化后的发射混合预编码sigma2是噪声方差。Wopt的物理含义是在已知等效信道H*F的前提下最小化收发均方误差的最优线性组合器。后续频谱效率计算中W同时承担了合并和降维作用因此Wopt的维度必须是Nr x Ns否则 OMP 函数的输出维度也会错。4. 用 Matlab 扫描 SNR频谱效率仿真与参数校准把信道生成、OMP 分解和组合器计算串起来就得到完整 SNR 扫描主循环。频谱效率是混合波束成形仿真最常用的指标它比误码率更适合评价预编码矩阵的质量因为不需要假设具体调制编码方式。计算频谱效率时必须注意功率归一化和噪声方差的定义这两个地方错一个曲线就会“整体平移”或“发散”。4.1 频谱效率公式和功率归一化写法完整主循环代码可以写成Ns 2; NRF 4; Nt 64; Nr 16; Ncl 8; Nray 10; ang_std 5*pi/180; SNR_dB -10:5:20; angle_grid linspace(-pi/3, pi/3, 180); At array_response_ula(Nt, angle_grid); Ar array_response_ula(Nr, angle_grid); se_results zeros(size(SNR_dB)); for idx 1:length(SNR_dB) snr SNR_dB(idx); sigma2 10^(-snr/10); H mmwave_channel_ula(Nt, Nr, Ncl, Nray, ang_std); [~, ~, V] svd(H); Fopt V(:, 1:Ns); [Frf, Fbb] hybrid_precoding_omp(Fopt, At, NRF); F sqrt(Ns) * (Frf * Fbb) / norm(Frf * Fbb, fro); Wopt ((H * F * F * H sigma2 * eye(Nr)) \ (H * F)); [Wrf, Wbb] hybrid_precoding_omp(Wopt, Ar, NRF); W Wrf * Wbb; Heff W * H * F; R log2(det(eye(Ns) Heff * Heff / (sigma2 * (W * W)))); se_results(idx) real(R); end代码里最关键的是F sqrt(Ns) * (Frf * Fbb) / norm(Frf * Fbb, fro)。因为Fbb由 OMP 得到本身没有功率约束直接使用会让发射功率随信道变化。归一化到 Frobenius 范数为sqrt(Ns)是混合波束成形仿真的约定它保证每个数据流平均发射功率为 1。Heff是等效信道det里的矩阵是信干噪比相关项该项必须用W*W做噪声协方差校正不能直接写Heff*Heff/sigma2。4.2 仿真主循环与 SNR 扫描参数表运行循环前建议把关键参数写成一个表方便对照修改参数初始取值说明Nt64发射天线数增大后混合增益更明显仿真时间线性上升Nr16接收天线数通常小于 NtNs2数据流数不能大于 NRFNRF4射频链路数控制 OMP 迭代次数和硬件成本Ncl8信道簇数更大代表信道更分散Nray10每簇射线数过大会让信道趋于满秩ang_std5 度簇内角度扩展单位需转成弧度angle_grid180码本候选方向数影响 OMP 精度和计算量第一次跑通时建议固定一个 SNR 点比如 10 dB只打印se_results的瞬时值确认能算出有限正数。若结果是Inf或NaN优先检查F是否被零除以及W*W是否奇异。NRF和Ns的关系特别容易忽略当NRF Ns时混合预编码只剩数字自由度OMP 基本没有选择空间频谱效率会明显低于全数字当NRF增加到2*Ns以上时曲线才逐渐逼近全数字上界。5. 仿真发散与码本失配混合波束成形 Matlab 仿真排错混合波束成形仿真中常见的“发散”并不是指数值计算溢出更多是指频谱效率曲线在高 SNR 区域出现平层或者误码率不随信噪比下降。这类现象通常由码本网格、功率归一化或信道维度不匹配引起需要在仿真脚本里加断言和可视化检查。5.1 码本网格太粗导致频谱效率曲线异常OMP 的性能依赖码本与真实 AOA/AOD 的匹配程度。如果角度网格只有 32 个候选方向真实路径角度落在两个网格点中间OMP 选出的码本向量与理想方向存在固定偏差高 SNR 时这个偏差会成为瓶颈。可以在同一个 SNR 点对比网格密度for g [32, 128, 512] At array_response_ula(Nt, linspace(-pi/3, pi/3, g)); Ar array_response_ula(Nr, linspace(-pi/3, pi/3, g)); % 复用第 4 章的主循环在 SNR10 dB 下记录 se_results end网格从 32 提高到 128 时频谱效率通常会有明显提升继续提高到 512 时收益会变小。若 32 点网格的低 SNR 性能反而比高 SNR 好多半是信道生成时真实角度本来就在网格上而高 SNR 下噪声不再是主导误差码本量化误差暴露出来。这不是算法坏了而是码本分辨率不够。5.2 功率归一化和信道维度的三个排查点仿真发散时第一件事是在主循环里加维度断言assert(isequal(size(Frf), [Nt, NRF]), Frf 维度错误); assert(isequal(size(Fbb), [NRF, Ns]), Fbb 维度错误); assert(isequal(size(H), [Nr, Nt]), H 维度错误);维度没错之后依次检查三处归一化。第一处是信道函数末尾的sqrt(Nt*Nr/(Ncl*Nray))不除会让平均信道增益随射线数增大第二处是发射预编码归一化sqrt(Ns)/norm(...)漏掉会造成高 SNR 时等效信道过大第三处是噪声方差sigma2 10^(-snr/10)它隐含了信号功率为 1 的假设如果之前手动对H乘了功率因子这里的 SNR 定义就失效了。常见做法是把信道生成、预编码设计和频谱效率计算拆成三个函数每个函数只负责一件归一化调试时分别打印中间量。5.3 用奇异值分布判断信道模型是否合理混合波束成形仿真效果的优劣高度依赖信道稀疏性。如果 Ncl 和 Nray 设得太大信道矩阵会逐渐接近满秩此时即使全数字预编码也无法用少数射频链路逼近曲线自然发散。检查方法很直接s svd(H); semilogy(s, -o); grid on; xlabel(奇异值序号); ylabel(奇异值);毫米波稀疏信道的前几个奇异值应该明显大于后面的尾部。如果奇异值从第一个到最后一个都平缓下降说明信道散射过于丰富不符合毫米波信道模型假设。此时可减少每簇射线数增加角度扩展ang_std让各簇之间区分得更明显。波数图和奇异值分布图两个可视化加起来基本能覆盖 80% 的仿真异常定位。6. 混合波束成形 Matlab 仿真的收敛性验证技巧6.1 退化测试把 RF 链路数提到天线数检验上界一个快速验证实现是否正确的方法是做退化测试令NRF Nt模拟预编码取单位阵数字预编码直接取全数字最优矩阵。此时混合预编码没有硬件约束频谱效率应和全数字基线完全一致。Frf eye(Nt); Fbb V(:, 1:Ns); Wrf eye(Nr); Wbb U(:, 1:Ns); Heff Wbb * H * Fbb; R_upper real(log2(det(eye(Ns) Heff * Heff / sigma2)));如果这个R_upper和 OMP 在NRFNt时的结果不一致说明 OMP 函数的码本选择或残差更新有问题。这个测试也可以作为回归用例每次修改信道函数后先跑一遍再去看 SNR 曲线。6.2 蒙特卡洛信道抽样与 parfor 加速单次信道实现的频谱效率波动很大通常要跑 200 次以上再平均。把单点 SNR 仿真封装成纯函数calc_se_for_one_snr(H, sigma2)后可以用parfor并行Nrep 200; se_sum 0; parfor r 1:Nrep H mmwave_channel_ula(Nt, Nr, Ncl, Nray, ang_std); se_sum se_sum calc_se_for_one_snr(H, sigma2); end mean_se se_sum / Nrep;注意不要把随机数种子设置在parfor外层否则并行池每个 worker 可能拿到相同的随机数流蒙特卡洛平均结果会偏乐观。把独立信道生成放在循环内并让每个迭代只依赖输入参数是保证并行仿真可复现的通常做法。本文还有配套的精品资源点击获取
简介MATLAB混合波束成形仿真资源围绕5G毫米波通信中的混合波束成形技术展开面向通信工程专业学生、科研人员及算法工程师帮助理解大规模天线阵列下混合预编码的基本原理与实现方法。资源通过空间复用与子阵列配置两条主线演示从全数字波束成形到混合波束成形的设计权衡便于读者对比学习。压缩包共5个文件包含1个mlx实时脚本、2个m函数文件与2张png示意图脚本给出混合预编码仿真流程辅助函数分别计算频谱效率与最优混合权重图片直观展示全数字与混合波束成形的性能差异。整个资源仅143KB轻量紧凑适合快速研读与二次开发。目前已有338人学习下载可作为入门混合波束成形仿真、开展相关课题实验的实用参考。1. 混合波束成形仿真Matlab 里解决什么问题用 Matlab 做混合波束成形仿真最常见的出发点是天线阵列做到 64 甚至 128 根但射频链路只有 4 条。全数字预编码要求每根天线都接一条独立射频通道这在毫米波大规模 MIMO 场景下既不划算也难落地混合波束成形把发射端预编码拆成模拟移相器网络和低维数字预编码的乘积用少量射频链路逼近全数字性能。这个仿真适合通信物理层算法验证、毫米波 MIMO 课程实验以及需要快速评估波束成形方案效果的工程师。阅读时可以把重点放在毫米波稀疏信道怎么生成、码本与 OMP 分解怎么写以及频谱效率仿真发散时从哪里开始排查。2. Matlab 信道建模毫米波稀疏矩阵与 ULA 波数图混合波束成形仿真的第一个误差来源往往不是算法而是信道矩阵。毫米波信道在角度域上具有明显稀疏性路径少、角度扩展小不能直接用满秩瑞利信道代替。常见做法是用簇-射线模型生成窄带信道矩阵再配合均匀线性阵列响应构成后续 OMP 算法需要的候选码本。2.1 窄带稀疏信道矩阵与 AOA/AOD 的 Matlab 表达一个可以直接复用的信道生成函数如下它把发射端 AOD 和接收端 AOA 按簇和射线展开function H mmwave_channel_ula(Nt, Nr, Ncl, Nray, ang_std) H zeros(Nr, Nt); for c 1:Ncl base_aoa 2*pi*rand - pi; base_aod 2*pi*rand - pi; for ray 1:Nray aoa base_aoa ang_std*randn; aod base_aod ang_std*randn; alpha (randn 1i*randn) / sqrt(2); at array_response_ula(Nt, aod); ar array_response_ula(Nr, aoa); H H alpha * ar * at; end end H sqrt(Nt * Nr / (Ncl * Nray)) * H; end代码逻辑是先给每个簇一个基准角度再在基准角度附近加高斯扰动得到每条射线的 AOA/AOD最后把复增益乘以接收阵列响应向量和发射阵列响应向量的外积。Nt是发射天线数Nr是接收天线数Ncl是簇数Nray是每簇射线数ang_std是角度扩展单位是弧度。归一化系数sqrt(Nt * Nr / (Ncl * Nray))保证了信道平均功率不随天线数和射线数变化这个细节直接决定后面 SNR 曲线会不会整体偏移。阵列响应函数要单独封装因为后续码本生成也要调用function a array_response_ula(N, phi) d_over_lambda 0.5; a exp(1j * 2 * pi * d_over_lambda * (0:N-1) * sin(phi)) / sqrt(N); end这里phi是离开角或到达角d_over_lambda取 0.5 表示阵元间距为半波长。除以sqrt(N)是能量归一化如果不除OMP 每次投影的幅度会随天线数增长虽然最终选择的码本列大致不变但残差更新和频谱效率计算会受影响。2.2 ULA 转向矢量和波数图先验证阵列再放进仿真生成信道之前建议先画一次 ULA 波数图确认阵列流型没有方向索引错误。所谓波数图横坐标是sin(phi)纵坐标是阵列因子增益它能直接反映主瓣位置和副瓣电平。Matlab 中按如下方式绘制Nt 64; phi linspace(-pi/2, pi/2, 2048); A exp(1j * pi * (0:Nt-1) * sin(phi)) / sqrt(Nt); AF sum(A, 1); plot(sin(phi), 20*log10(abs(AF)), LineWidth, 1.2); xlabel(sin(\phi)); ylabel(阵列因子/dB); grid on;代码里A的每一列对应一个方向上的转向矢量sum(A,1)是对所有阵元响应做相干叠加得到的AF就是阵列因子。横坐标用sin(phi)而不是phi是因为均匀线性阵列的空间频率与正弦值线性对应。若看到主瓣不在 0 度位置或者副瓣电平异常说明角度定义与后续信道生成不一致。画完这个图再进入混合预编码仿真可以少走很多弯路。3. 混合波束成形 OMP 预编码的 Matlab 代码骨架混合预编码的核心是矩阵近似分解。假设全数字预编码矩阵是Fopt尺寸为Nt x Ns混合预编码要找模拟矩阵Frf和数字矩阵Fbb让Frf * Fbb尽量接近Fopt。模拟矩阵受恒模约束每列只能来自移相器码本数字矩阵没有硬件限制。OMP 是一种简单有效的近似求解方法特别适合 Matlab 快速原型验证。3.1 从全数字预编码到混合分解全数字基线由信道奇异值分解得到取右奇异向量的前Ns列即可[~, ~, V] svd(H); Fopt V(:, 1:Ns);在 Matlab 中svd返回的V是发射端右奇异向量矩阵Fopt代表全数字条件下的最优发射预编码。混合分解的目标函数写成 Frobenius 范数形式minimize || Fopt - Frf * Fbb ||_F约束是Frf每一列都来自候选码本At且每个元素模值为 1。这里选择 OMP 而不是直接做交替优化是因为 OMP 每步只有一个简单内积和伪逆操作仿真代码短且可以在天线数增大时保持可接受的计算时间。3.2 OMP 迭代求解 Frf 和 Fbb下面这段函数是整套混合波束成形仿真的核心function [Frf, Fbb] hybrid_precoding_omp(Fopt, At, NRF) Nt size(At, 1); Frf zeros(Nt, NRF); F_res Fopt; for k 1:NRF projection At * F_res; energy sum(abs(projection).^2, 2); [~, idx] max(energy); Frf(:, k) At(:, idx); Fbb pinv(Frf(:, 1:k)) * Fopt; F_res Fopt - Frf(:, 1:k) * Fbb; end end函数逻辑是每次从码本里找一列与当前残差相关度最高的模拟预编码向量然后更新数字预编码最后重新计算残差。At是Nt x G的码本矩阵G是角度网格数projection的每一行对应一个候选方向energy是每行投影模平方和。pinv用伪逆而不是普通逆是为了避免Frf(:,1:k)不是方阵时无法求逆。参数说明NRF是射频链路数也是模拟预编码矩阵的列数。工程上一般要求NRF 2*Ns否则循环内每次选的码本列只能解释部分信号空间残差会始终很大。OMP 有可能重复选择同一码本列尤其是角度网格特别稀疏时这时pinv的结果虽然能算出来但后续性能会异常应当把已选列的索引记录下来在下一次选择时跳过。3.3 接收端组合器的 MMSE 闭合解发射端确定后接收端组合器可以直接用 MMSE 解得到无约束最优组合矩阵再送入同样的 OMP 分解Wopt ((H * F * F * H sigma2 * eye(Nr)) \ (H * F)); [Wrf, Wbb] hybrid_precoding_omp(Wopt, Ar, NRF); W Wrf * Wbb;这四行里的F是归一化后的发射混合预编码sigma2是噪声方差。Wopt的物理含义是在已知等效信道H*F的前提下最小化收发均方误差的最优线性组合器。后续频谱效率计算中W同时承担了合并和降维作用因此Wopt的维度必须是Nr x Ns否则 OMP 函数的输出维度也会错。4. 用 Matlab 扫描 SNR频谱效率仿真与参数校准把信道生成、OMP 分解和组合器计算串起来就得到完整 SNR 扫描主循环。频谱效率是混合波束成形仿真最常用的指标它比误码率更适合评价预编码矩阵的质量因为不需要假设具体调制编码方式。计算频谱效率时必须注意功率归一化和噪声方差的定义这两个地方错一个曲线就会“整体平移”或“发散”。4.1 频谱效率公式和功率归一化写法完整主循环代码可以写成Ns 2; NRF 4; Nt 64; Nr 16; Ncl 8; Nray 10; ang_std 5*pi/180; SNR_dB -10:5:20; angle_grid linspace(-pi/3, pi/3, 180); At array_response_ula(Nt, angle_grid); Ar array_response_ula(Nr, angle_grid); se_results zeros(size(SNR_dB)); for idx 1:length(SNR_dB) snr SNR_dB(idx); sigma2 10^(-snr/10); H mmwave_channel_ula(Nt, Nr, Ncl, Nray, ang_std); [~, ~, V] svd(H); Fopt V(:, 1:Ns); [Frf, Fbb] hybrid_precoding_omp(Fopt, At, NRF); F sqrt(Ns) * (Frf * Fbb) / norm(Frf * Fbb, fro); Wopt ((H * F * F * H sigma2 * eye(Nr)) \ (H * F)); [Wrf, Wbb] hybrid_precoding_omp(Wopt, Ar, NRF); W Wrf * Wbb; Heff W * H * F; R log2(det(eye(Ns) Heff * Heff / (sigma2 * (W * W)))); se_results(idx) real(R); end代码里最关键的是F sqrt(Ns) * (Frf * Fbb) / norm(Frf * Fbb, fro)。因为Fbb由 OMP 得到本身没有功率约束直接使用会让发射功率随信道变化。归一化到 Frobenius 范数为sqrt(Ns)是混合波束成形仿真的约定它保证每个数据流平均发射功率为 1。Heff是等效信道det里的矩阵是信干噪比相关项该项必须用W*W做噪声协方差校正不能直接写Heff*Heff/sigma2。4.2 仿真主循环与 SNR 扫描参数表运行循环前建议把关键参数写成一个表方便对照修改参数初始取值说明Nt64发射天线数增大后混合增益更明显仿真时间线性上升Nr16接收天线数通常小于 NtNs2数据流数不能大于 NRFNRF4射频链路数控制 OMP 迭代次数和硬件成本Ncl8信道簇数更大代表信道更分散Nray10每簇射线数过大会让信道趋于满秩ang_std5 度簇内角度扩展单位需转成弧度angle_grid180码本候选方向数影响 OMP 精度和计算量第一次跑通时建议固定一个 SNR 点比如 10 dB只打印se_results的瞬时值确认能算出有限正数。若结果是Inf或NaN优先检查F是否被零除以及W*W是否奇异。NRF和Ns的关系特别容易忽略当NRF Ns时混合预编码只剩数字自由度OMP 基本没有选择空间频谱效率会明显低于全数字当NRF增加到2*Ns以上时曲线才逐渐逼近全数字上界。5. 仿真发散与码本失配混合波束成形 Matlab 仿真排错混合波束成形仿真中常见的“发散”并不是指数值计算溢出更多是指频谱效率曲线在高 SNR 区域出现平层或者误码率不随信噪比下降。这类现象通常由码本网格、功率归一化或信道维度不匹配引起需要在仿真脚本里加断言和可视化检查。5.1 码本网格太粗导致频谱效率曲线异常OMP 的性能依赖码本与真实 AOA/AOD 的匹配程度。如果角度网格只有 32 个候选方向真实路径角度落在两个网格点中间OMP 选出的码本向量与理想方向存在固定偏差高 SNR 时这个偏差会成为瓶颈。可以在同一个 SNR 点对比网格密度for g [32, 128, 512] At array_response_ula(Nt, linspace(-pi/3, pi/3, g)); Ar array_response_ula(Nr, linspace(-pi/3, pi/3, g)); % 复用第 4 章的主循环在 SNR10 dB 下记录 se_results end网格从 32 提高到 128 时频谱效率通常会有明显提升继续提高到 512 时收益会变小。若 32 点网格的低 SNR 性能反而比高 SNR 好多半是信道生成时真实角度本来就在网格上而高 SNR 下噪声不再是主导误差码本量化误差暴露出来。这不是算法坏了而是码本分辨率不够。5.2 功率归一化和信道维度的三个排查点仿真发散时第一件事是在主循环里加维度断言assert(isequal(size(Frf), [Nt, NRF]), Frf 维度错误); assert(isequal(size(Fbb), [NRF, Ns]), Fbb 维度错误); assert(isequal(size(H), [Nr, Nt]), H 维度错误);维度没错之后依次检查三处归一化。第一处是信道函数末尾的sqrt(Nt*Nr/(Ncl*Nray))不除会让平均信道增益随射线数增大第二处是发射预编码归一化sqrt(Ns)/norm(...)漏掉会造成高 SNR 时等效信道过大第三处是噪声方差sigma2 10^(-snr/10)它隐含了信号功率为 1 的假设如果之前手动对H乘了功率因子这里的 SNR 定义就失效了。常见做法是把信道生成、预编码设计和频谱效率计算拆成三个函数每个函数只负责一件归一化调试时分别打印中间量。5.3 用奇异值分布判断信道模型是否合理混合波束成形仿真效果的优劣高度依赖信道稀疏性。如果 Ncl 和 Nray 设得太大信道矩阵会逐渐接近满秩此时即使全数字预编码也无法用少数射频链路逼近曲线自然发散。检查方法很直接s svd(H); semilogy(s, -o); grid on; xlabel(奇异值序号); ylabel(奇异值);毫米波稀疏信道的前几个奇异值应该明显大于后面的尾部。如果奇异值从第一个到最后一个都平缓下降说明信道散射过于丰富不符合毫米波信道模型假设。此时可减少每簇射线数增加角度扩展ang_std让各簇之间区分得更明显。波数图和奇异值分布图两个可视化加起来基本能覆盖 80% 的仿真异常定位。6. 混合波束成形 Matlab 仿真的收敛性验证技巧6.1 退化测试把 RF 链路数提到天线数检验上界一个快速验证实现是否正确的方法是做退化测试令NRF Nt模拟预编码取单位阵数字预编码直接取全数字最优矩阵。此时混合预编码没有硬件约束频谱效率应和全数字基线完全一致。Frf eye(Nt); Fbb V(:, 1:Ns); Wrf eye(Nr); Wbb U(:, 1:Ns); Heff Wbb * H * Fbb; R_upper real(log2(det(eye(Ns) Heff * Heff / sigma2)));如果这个R_upper和 OMP 在NRFNt时的结果不一致说明 OMP 函数的码本选择或残差更新有问题。这个测试也可以作为回归用例每次修改信道函数后先跑一遍再去看 SNR 曲线。6.2 蒙特卡洛信道抽样与 parfor 加速单次信道实现的频谱效率波动很大通常要跑 200 次以上再平均。把单点 SNR 仿真封装成纯函数calc_se_for_one_snr(H, sigma2)后可以用parfor并行Nrep 200; se_sum 0; parfor r 1:Nrep H mmwave_channel_ula(Nt, Nr, Ncl, Nray, ang_std); se_sum se_sum calc_se_for_one_snr(H, sigma2); end mean_se se_sum / Nrep;注意不要把随机数种子设置在parfor外层否则并行池每个 worker 可能拿到相同的随机数流蒙特卡洛平均结果会偏乐观。把独立信道生成放在循环内并让每个迭代只依赖输入参数是保证并行仿真可复现的通常做法。本文还有配套的精品资源点击获取
