- 博客(4)
- 收藏
- 关注
RSS订阅原创 MIMO在SVD分解下的SNR计算
从前文已经知道：矩阵奇异值分解SVD在MIMO中的应用在前面一篇中，因为不关心噪声n，所以直接用n写，现在要考虑n的情况，所以n要重写一下，在上式中现在计算噪声的功率可以看出SVD分解中，虽然给噪声乘上了一个系数，但是对噪声的功率并没有影响.现在再来看接收信号的功率为 ,其中 是 内对角线上的值，也就是奇异值， 是发射信号（经过预编码）后的功率，i表示第i个路径所以第i个路径上的SNR为 用表示就是如下所示：...
2022-03-11 05:35:00
522
原创 矩阵奇异值分解SVD在MIMO中的应用
从前文可以知道，一个任意矩阵都可以被分解成 的形式，其中P和Q是正交矩阵，满足性质 ，是对角线矩阵如果M是一个复数矩阵，那么相应的，P和Q就是酉矩阵，满足性质是 P 的共轭转置矩阵，也称Hermite矩阵。现在把MIMO的传输矩阵H看做M，那么有为什么要这么分解呢？主要有以下几个好处，因为 矩阵的存在，会有好处（1）：如果能把写出 的形式，那么显然每根天线在接收的时候都可以消除其它路径/天线的影响。好处（2）：通过判断 对角线上的非零个数，显然你可以直接看出来实际中真正存在的
2022-03-11 05:22:30
789
原创 矩阵奇异值分解的推导SVD
最基础的出发点应该是先从实对称矩阵出发。实对称矩阵有一个很重要的性质，就是存在正交矩阵Q，使得 这里正交矩阵Q指的是如果一个矩阵满足那么该矩阵就是正交矩阵。从上面的性质可以知道A必须是方阵的形式，但是很多情况下A不是方阵的。这就引出了SVD奇异值的分解：考虑一个矩阵M，大小为m*n那么推导的步骤为：步骤一：取 先变成一个方阵，注意这个相乘后得到的矩阵还是对称的。步骤二：对 ,来说，存在一个正交矩阵Q使得 步骤三：重写上式 步骤四：令则 步骤五：证明P是正交矩..
2022-03-11 05:13:02
1695
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人