单用户MIMO系统（一）：信道信息在发端已知

单用户MIMO系统（一）：信道信息在发端已知

关键词

MIMO，单用户，信道容量，注水算法，Matlab实现

基本介绍

本文介绍了单用户MIMO系统在发端知道信道状态信息时的系统速率优化算法（注水算法、CVX）并且给出了对应的Matlab实现。除了介绍发射机的设计方案外，也给出了对应的接收机的设计方案。

考虑图1所示的单用户MIMO系统，发射机配有$N_{\text{t}}$条射频链路，接收机配置有$N_{\text{r}}$条射频链路，无线信道可以用矩阵$\text{H}\in {\mathbb{C}}^{N_{\text{r}}\times N_{\text{t}}}$表示。接收机接收到的信号向量为：$$\text{y}=\text{H}\text{s}+\text{n},$$其中$\text{s}\in {\mathbb{C}}^{N_{\text{t}}\times 1}$表示传输的信号向量， $\text{n}\sim \mathcal{C}\mathcal{N}\left(0,{\sigma }^2{\text{I}}_{N_{\text{r}}}\right)$表示接收侧加性噪声，系统传输速率可以表示为[1]$$\mathcal{R}=\log \det \left({\text{I}}_{N_{\text{r}}}+\frac{1}{{\sigma }^2}\text{H}\mathbf{\Phi }{\text{H}}^{†}\right),$$其中$\mathbf{\Phi }=\mathbb{E}\left\{\text{s}{\text{s}}^{†}\right\}$表示发射信号的协方差矩阵，$\mathrm{T}\mathrm{r}\left(\mathbf{\Phi }\right)$表示传输功率。

图1：单用户MIMO传输系统框图

假设发送方与接收方都知道信道信息$\text{H}$，那么可以对协方差矩阵进行设计使得传输速率最大，即：$${\mathcal{P}}_0:{\mathbf{\Phi }}^{\star }=\arg \underset{\mathbf{\Phi }⪰\text{0}}{\max }\log \det \left({\text{I}}_{N_{\text{r}}}+\frac{1}{{\sigma }^2}\text{H}\mathbf{\Phi }{\text{H}}^{†}\right).$$上述问题难以直接进行求解，对信道矩阵先进行奇异值分解，得到$\text{H}={\text{U}}_{\text{r}}\mathbf{\Lambda }{\text{U}}_{\text{t}}$，其中$\mathbf{\Lambda }\in {\mathbb{C}}^{N_{\text{r}}\times N_{\text{t}}}$是一个对角阵，${\text{U}}_{\text{r}}\in {\mathbb{C}}^{N_{\text{r}}\times N_{\text{r}}}$与${\text{U}}_{\text{t}}\in {\mathbb{C}}^{N_{\text{t}}\times N_{\text{t}}}$为酉矩阵。首先，利用奇异值分解以及Sylvester行列式等式 $\log \det \left(\text{I}+\text{A}\text{B}\right)=\log \det \left(\text{I}+\text{B}\text{A}\right)$，可以得到：
$$\begin{array}{rl}\mathcal{R}& =\log \det \left({\text{I}}_{N_{\text{r}}}+\frac{1}{{\sigma }^2}\text{H}\mathbf{\Phi }{\text{H}}^{†}\right)=\log \det \left({\text{I}}_{N_{\text{t}}}+\frac{1}{{\sigma }^2}{\text{H}}^{†}\text{H}\mathbf{\Phi }\right)\\ & =\log \det \left({\text{I}}_{N_{\text{t}}}+\frac{1}{{\sigma }^2}{\text{U}}_{\text{t}}^{†}{\mathbf{\Lambda }}^{†}\mathbf{\Lambda }{\text{U}}_{\text{t}}\mathbf{\Phi }\right)=\log \det \left({\text{I}}_{N_{\text{t}}}+\frac{1}{{\sigma }^2}{\mathbf{\Lambda }}^{†}\mathbf{\Lambda }{\text{U}}_{\text{t}}\mathbf{\Phi }{\text{U}}_{\text{t}}^{†}\right)\end{array}.$$基于上述关系，将之前定义的速率优化问题写为：$${\mathcal{P}}_1:{\mathbf{\Phi }}^{\star }=\arg \underset{\mathbf{\Phi }⪰\text{0}}{\max }\log \det \left({\text{I}}_{N_{\text{t}}}+\frac{1}{{\sigma }^2}{\mathbf{\Lambda }}^{†}\mathbf{\Lambda }{\text{U}}_{\text{t}}\mathbf{\Phi }{\text{U}}_{\text{t}}^{†}\right).$$

作为协方差矩阵，$\mathbf{\Phi }$必定是个厄尔米特矩阵，满足 $\mathbf{\Phi }={\mathbf{\Phi }}^{†}$，对$\mathbf{\Phi }$进行特征值分解（此时也就是奇异值分解），为$\mathbf{\Phi }={\text{W}}^{†}\mathbf{\Omega }\text{W}$，因此$\mathbf{\Phi }$的优化可以等价为$\text{W}$与$\mathbf{\Omega }$的联合优化。注意$\text{W}$是个酉矩阵，$\mathbf{\Omega }$是个对角矩阵且满足$\mathrm{T}\mathrm{r}\left(\mathbf{\Omega }\right)=\mathrm{T}\mathrm{r}\left(\mathbf{\Phi }\right)$。可以看出，$\mathbf{\Phi }$就是功率分配矩阵，而$\text{W}$就是预编码矩阵。直观来看，最优的$\mathbf{\Phi }$应该满足某些结构上的特性，猜测最优的$\text{W}$满足$\text{W}={\text{U}}_{\text{t}}$。现在，抛开$\mathbf{\Phi }$的结构特性不管（也就是不再认为它是一个对角矩阵），以此为基础，将速率优化问题写为：$$\begin{array}{rl}{\mathcal{P}}_2:{\mathbf{\Delta }}^{\star }& =\arg \underset{\mathbf{\Delta }⪰\text{0}}{\max }\log \det \left({\text{I}}_{N_{\text{t}}}+\frac{1}{{\sigma }^2}{\mathbf{\Lambda }}^{†}\mathbf{\Lambda }{\text{U}}_{\text{t}}{\text{U}}_{\text{t}}^{†}\mathbf{\Delta }{\text{U}}_{\text{t}}{\text{U}}_{\text{t}}^{†}\right)\\ & =\arg \underset{\mathbf{\Delta }⪰\text{0}}{\max }\log \det \left({\text{I}}_{N_{\text{t}}}+\frac{1}{{\sigma }^2}{\mathbf{\Lambda }}^{†}\mathbf{\Lambda }\mathbf{\Delta }\right)\\ & =\arg \underset{\mathbf{\Delta }⪰\text{0}}{\max }\log \det \left({\text{I}}_{N_{\text{t}}}+\frac{1}{{\sigma }^2}\mathbf{\Gamma }\mathbf{\Delta }{\mathbf{\Gamma }}^{†}\right)\end{array},$$其中$\mathbf{\Gamma }\in {\mathbb{C}}^{N_{\text{t}}\times N_{\text{t}}}$为对角矩阵，满足${\mathbf{\Gamma }}^{†}\mathbf{\Gamma }={\mathbf{\Lambda }}^{†}\mathbf{\Lambda }$。如果最优的$\text{W}$满足${\text{W}}^{\star }={\text{U}}_{\text{t}}$，那么问题${\mathcal{P}}_2$的最优解${\mathbf{\Delta }}^{\star }$必定是个对角矩阵，且最优的$\mathbf{\Omega }$等于${\mathbf{\Delta }}^{\star }$。如果${\text{W}}^{\star }\ne {\text{U}}_{\text{t}}$，那么最优解${\mathbf{\Delta }}^{\star }$必定满足${\mathbf{\Delta }}^{\star }={\text{U}}_{\text{t}}\text{A}{\text{U}}_{\text{t}}^{†}$，其中$\text{A}⪰\text{0}$是一个半正定矩阵。通过分析，可以得到下述定理：
定理1：问题