svd奇异值分解_矩阵奇异值分解SVD在MIMO中的应用

Ahlers：矩阵奇异值分解的推导SVD​zhuanlan.zhihu.com

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

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Y=HX+n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有用的信道有几个。

好处（3）：通过对

的观察，可能你会发现对角线上的值也就是奇异值有的接近1，有的接近0，那么如果某一个奇异值接近0的话，显然就说明这个信道的传输能力不行，那么就可以专门对其对应的X增大功率，这样就可以很方便的调节/分配各个信道的功率，这就衍生出了注水算法。

那么在MIMO中应用SVD的过程如下所示：

步骤一：先把H分解后得到

步骤二：令

那么

步骤三：对上式的两边再乘一个

得到

噪声这一项不用管，处理来处理去都还是噪声。令

得到

总结：再接收端和发射端分别乘一个矩阵，目的是为了得到一个干净的传输矩阵，也就是对角线矩阵。