MIMO技术（三）信道信息的获取和应用

学习目标：

学习信道信息的获取和应用

---

学习内容：

如果在发送数据之前，我们能够提前获得信道信息，是不是能对发送策略有指导作用，并且有效的帮助我们提升通信系统的性能呢？
这里有一个例子，说明这一问题。假设有一车货物要从A地运到B地，有3条路可以选择，分别经过城市X，Y，Z。在出发前我们听到天气预报说X市会有大雨，于是我们选择绕道走Z市，从而避开了受天气影响的X市和Y市。这里，正是因为我们听到了天气预报，才能选出最佳的出行路线，所以“天气预报信息”为我们的出行提供了非常有效的帮助。在无线通信系统中，“信道状态信息（ChannelCondition Information，CSI）”就相当于这个例子中的“天气信息”，那么如果我们能够在发送端掌握到及时、准确的“信道状态信息”，是不是就能“避开”那些信道条件不好的传播路径，从而提升通信系统的性能？

答案当然是肯定的。不过，发送端获得“信道状态信息”后，究竟能为MIMO通信系统带来多少好处，我们还是得从数学的角度进行分析，谁让数学是通信的基础呢。首先我们可以想象一下，我们心目中最佳的信道矩阵，或者叫传输矩阵，应该具有什么样的结构？拿2x2MIMO 系统举例来说，它的传输矩阵具有以下形式（忽略噪声的影响）：

我们可以很快看出，最佳的传输矩阵H，应该具有的形式是：

当传输矩阵拥有这种“对角阵”的形式时，X1和X2和它进行矩阵相乘后，得到的仍然是X1和X2，就好像X1和X2各自通过了一条“透明”的子信道到达接收端，两者之间也没有任何干扰。

我们知道，现实中的传输矩阵，里面的各个元素都是按一定的概率统计规律随机变化的，根本找不到半点“对角阵”的影子。但是“对角阵”的形式实在是太好了，即使眼下无法直接获得，我们依然希望能够有一种方法能够将现实的传输矩阵“转化”成对角阵的形式–SVD分解（矩阵的奇异值分解，SingularValue Decomposition）就提供了完美的解决办法。

通过对传输矩阵H进行SVD分解，我们可以得到三个矩阵：左酉阵U，对角矩阵S（对角阵S中的元素s1ÿ