下行预编码算法研究?研究内容：ZF、MRT预编码在单小区大规模MIMO系统下的性能?影响因素：基站天线数M、基站发送功率Pd、信道模型、同时服务的单天线数K?性能指标：遍历容量、系统误码率BER仿真原理准备下行预编码算法介绍：大规模MIMO下行链路如图一所示。......信源调制映射预编码K数据流M数据子流基站检测解调信宿用户1用户2用户K......信道H图一大规模MIMO下行链路图系统遍历容量计算方法：两种线性预编码算法：ZF（迫零）预编码、MRT（最大比值传输）预编码W表示预编码矩阵，H表示信道矩阵MRTZFMRTW=HH-1ZFW=HHHHH（）使用预编码算法以后的接收信号为：[][1][][1]yWsHndKMKMKKp（仿真研究的系统模型）。第k个用户的接收信号为：{1,hw+hwnKkdkkkdkiiiikypsps144444244444314444444244444443噪声期望信号干扰信号，（来源：《MassiveMU-MIMODownlinkTDDSystemwithLinearPrecodingandDownlinkPilots》，这篇论文主要讲述了一种信道估计的方法，得到CSIT后利用H进行下行的线性预编码，仿真采用的系统模型便借鉴了该篇论文，该模型的主要理解点在于归一化问题，预编码矩阵的归一化，噪声归一化等，在利用其做延伸的系统BER研究时，信号的调制解调也需要解决归一化问题。另外，在文章的Page296，有仿真的发送端SNR与基站天线数M对遍历容量的影响，仿真结果是可以对应上从而验证自己建立的仿真的准确性的。）遍历容量：1{}KsumkiRER，第k个用户的容量：2log(1SINR)kkR，第k个用户的信干噪比：221,hwSINRhw1dkkkKdkiiikpp。（来源：PPT《MassiveMIMO》，该PPT介绍了大规模MIMO的整体概述以及关键技术的研究，主要参考了其Page22~Page27的MassiveMIMODownlinkChannel部分，该部分给出了上述系统遍历容量的具体计算方法。另外，Page26和Page27分别给出了基站天线数M和同时服务的单天线用户数K对系统遍历容量影响的仿真图，自己的仿真过程也对照了该仿真结果，从而验证的仿真的准确性。）BER的仿真流程图如图二：调制预编码WsWsHHWs解调比较nBER产生比特流恢复比特流图二误码率的仿真流程图不同的信道模型：1）瑞利衰落信道模型（最简单最理想的信道模型，PPT中的理想CSIT信道模型，便是应用了瑞利衰落信道模型。）2）空间相关性模型：kFrankR为kh的空间自由度，由此可以建立一定空间自由度下大规模MIMO下行多用户信道的简化模型HkkkhvA（1,2,,kKL）。特别地，若各用户的发端相关矩阵相同，则HkRRAA，k，其中A为任意酉矩阵U的F列。仿真时取一个M*M阶的酉矩阵的前F列，F=M*（1-d），d是空间相关系数。（空间相关信道模型参考来源：吴雅颖师姐的毕业论文《大规模MIMO容量优化算法》，在第三章第一节（Page16）中，详细介绍了该算法，并且也参考了师姐的仿真代码得到了空间相关信道模型的建立代码。）3）非理想的CSIT模型：非理想CSIT下，利用MMSE信道估计得估计信道矩阵：2?HH1E其中，E：信道估计的误差矩阵~CN（0,1），：信道估计的可靠性。（非理想CSIT信道模型来源：PPT《MassiveMIMO》，Page25给出了非理想信道模型的估计信道模型，且Page26有相应的仿真结果可以用于验证自己仿真结果的准确与否。）实验1：瑞利信道下基站天线数M对预编码性能的影响实验目的：分别遍历容量和误码率性能上研究基站天线数M对ZF和MRT预编码算法性能的影响。参数设置：见参数设置表格1.1瑞利信道下M对遍历容量的影响参数设置：表1.1仿真参数设置考察算法影响因素参数设置case1ZFM（20:20:200）K=10Pd=0dBRayleigh信道case2MRT仿真结果：2040608010012014016018020051015202530354045505560基站天线数M遍历容量(b/s/Hz)瑞利信道下基站天线数对遍历容量的影响MRT（K=10）ZF（K=10）图1.1瑞利信道下M对遍历容量的影响由仿真结果1.1可见，随着基站天线数M的增多，系统的遍历容量不断增加；对于两种预编码算法，在M值较小的时候MRT性能优于ZF，但M值一增大，ZF性能明显优于MRT性能，这是因为以信道矩阵H的伪逆矩阵作为预编码矩阵比以信道矩阵H的共轭转置矩阵作为预编码矩阵更能消除用户间的干扰，从而得到更好的系统遍历容量性能。在计算复杂度上，ZF预编码需要求信道矩阵H的伪逆，算法复杂度为O（K^3+M*K），MRT...
