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