数字波束成形——信道矩阵奇异值分解

考虑点对点 MIMO 波束成形系统，假设发射端有 $N_t$ 根天线，$N_r$根接收天线，发射端发送已调复数信息向量为$x$ ，经过发射波束成形矩阵$F$ 的作用后加载到发射天线的各个阵元上，经过 MIMO 信道$H$后的接收信号向量为：
$$y=HFx+n$$
其中，$n$为复高斯白噪声，均值为 $\theta$，方差为${\sigma }^2$ 。
在接收端使用接收波束成形矩阵$W$对接收信号进行加权合并运算：
$$W^{H}y=W^{H}HFx+W^{H}n$$
为便于分析，将波束成形矩阵$W$和$F$ 归一化，即 $W^{H}W=F^{H}F=I$，使用最大化接收信噪比的准则来获取波束成形矩阵。为了最大化接收信噪比，发送波束成形矩阵应按照下式的最优化准则获取：
$${\mathbf{F}}_t=\underset{\mathbf{F}}{\mathrm{argmax}}\left[(\mathbf{H}\mathbf{F}{)}^H\mathbf{H}\mathbf{F}\right]$$
根据凸优化理论中的 KKT 条件，$F_t$ 的列由$H^{H}H$ 的 $N_s$个最大的特征值对应的特征向量构成，其中 $N_s$为数据流数。同样，在接收端，接收波束成形矩阵$W_r$的列由$H^{H}H$ 的$N_s$ 个最大的特征值对应的特征向量构成。根据矩阵理论可知，$F_t$ 与$W_r$分别是对信道矩阵进行奇异值分解（Singular Value Decomposition，SVD）之后得到的右奇异矩阵与左奇异矩阵中最大的 $N_s$ 个奇异值对应的奇异向量。
对信道矩阵$H$进行SVD分解得到：
$$H=U\Lambda V^H$$
其中，$U=[u_1,u_2,...,u_{N_r}]$是$N_r$阶酉矩阵，$V=[v_1,v_2,...,v_{N_t}]$是$N_t$阶酉矩阵,$\Lambda$是$N_r\times N_t$阶对角阵，对角线上元素是H的$p=min(N_t,N_r)$个奇异值${\sigma }_1,{\sigma }_2,...,{\sigma }_p$，将其按递减的顺序排列，即${\sigma }_1>{\sigma }_2>...>{\sigma }_p$。于是，已知信道矩阵$H$,最优的波束成形矩阵$W_r$和$F_t$分别为H的最大奇异值所对应的右奇异向量和左奇异向量：$W_r=U[1:N_s]$和$F_t=V[1:N_s]$，若发射信号功率归一化，则得到的最大信噪比为${\sigma }_i^2/{\sigma }^2,i=1,...,N_s$

---

参考文献：
[1] 付自刚. 毫米波MIMO系统中波束成形研究[D]. 2016.