新发现：信道矩阵H的右奇异矩阵可以被表征为发送端导向向量的线性组合

我们考虑一个extended-Saleh-Valenzuela信道模型，uniform linear array (ULA)，在理想假设条件下，$\mathbf{H}$由UE端无近场损伤的$L$簇(clusters)/路径散射确定，表示为:
$$\mathbf{H}=\sqrt{\frac{N_r{N}_t}{L}}\cdot \sum _{l=1}^L{\alpha }_l{\mathbf{u}}_l{\mathbf{v}}_l^H\text{\hspace{1em}(1)}$$

其中${\alpha }_l$是信道第$l$条径的复增益，${\mathbf{u}}_l\in {\mathbb{C}}^{N_r\times 1}$是第$l$条径在接收端的导向向量(receiver array steering vector)，${\mathbf{v}}_l\in {\mathbb{C}}^{N_t\times 1}$是第$l$条径在发送端的导向向量(transmit array steering vector)，$N_t,N_r$分别为发送天线数和接收天线数。

我们定义
$${\mathbf{u}}_l=[1,e^{jk{d}_R\cos ({\varphi }_{R,l})},\cdots ,e^{j(N_r-1)k{d}_R\cos ({\varphi }_{R,l})}{]}^T\in {\mathbb{C}}^{N_r\times 1}\text{\hspace{1em}(2)}$$

$${\mathbf{v}}_l=[1,e^{jk{d}_T\cos ({\varphi }_{T,l})},\cdots ,e^{j(N_t-1)k{d}_T\cos ({\varphi }_{T,l})}{]}^T\in {\mathbb{C}}^{N_t\times 1}\text{\hspace{1em}(3)}$$

其中，$k=\frac{2\pi }{\lambda }$是波数(wave number)，$d_T,d_R$分别表示发送和接收端阵列天线间的距离，${\varphi }_{R,l}$理解为第$l$条径的到达角(AOA: Angle of Arrival)，${\varphi }_{T,l}$理解为第$l$条径的出发角(AOD: Angle of Departure)。

定理：若$\mathbf{H}\in {\mathbb{C}}^{N_r\times N_t}$为式(1)中的信道矩阵，那么${\mathbf{H}}^H\mathbf{H}\in {\mathbb{C}}^{N_t\times N_t}$的特征向量(eigenvector)可以被表征为 { v 1 , v 2 , ⋯   , v L } \{ \boldsymbol v_1, \boldsymbol v_2, \cdots, \boldsymbol v_L \} {v1​,v2​,⋯,vL​}（发送端的array steering vector）的线性组合。

证明：事实上，${\mathbf{H}}^H\mathbf{H}\in {\mathbb{C}}^{N_t\times N_t}$的特征向量/矩阵等价于矩阵$\mathbf{H}$的右奇异向量/矩阵
$$\frac{L}{N_t{N}_r}{\mathbf{H}}^H\mathbf{H}=\sum _i\sum _j{\alpha }_i^{\ast }{\alpha }_j\cdot ({\mathbf{u}}_i^H{\mathbf{u}}_j)\cdot {\mathbf{v}}_i{\mathbf{v}}_j^H=\bar{\mathbf{V}}\mathbf{A}{\bar{\mathbf{V}}}^H\text{\hspace{1em}(4)}$$

其中
$$\begin{array}{rl}\bar{\mathbf{V}}& =[{\alpha }_1^{\ast }{\mathbf{v}}_1,{\alpha }_2^{\ast }{\mathbf{v}}_2,\cdots ,{\alpha }_L^{\ast }{\mathbf{v}}_L]\in {\mathbb{C}}^{N_t\times L}\\ A(i,j)& ={\mathbf{u}}_i^H{\mathbf{u}}_{j}i,j=1,\cdots ,L\end{array}\text{\hspace{1em}(5)}$$

令$\mathbf{X}\in {\mathbb{C}}^{L\times L}$为矩阵$\mathbf{A}{\bar{\mathbf{V}}}^H\bar{\mathbf{V}}\in {\mathbb{C}}^{L\times L}$的特征矩阵，即
$$(\mathbf{A}{\bar{\mathbf{V}}}^H\bar{\mathbf{V}})\mathbf{X}=\mathbf{X}\mathbf{D}\text{\hspace{1em}(6)}$$

其中$\mathbf{D}$是由$\mathbf{A}{\bar{\mathbf{V}}}^H\bar{\mathbf{V}}$的特征值构成的对角阵。我们在式(6)两端同时乘$\bar{\mathbf{V}}$，得到
$$\bar{\mathbf{V}}\mathbf{X}\cdot \mathbf{D}=(\mathbf{V}\mathbf{A}{\bar{\mathbf{V}}}^H\bar{\mathbf{V}})\cdot \mathbf{X}=\frac{L}{N_t{N}_r}{\mathbf{H}}^H\mathbf{H}\cdot \bar{\mathbf{V}}\mathbf{X}\text{\hspace{1em}(7)}$$

从式(7)可以看出，$\bar{\mathbf{V}}\mathbf{X}$是矩阵${\mathbf{H}}^H\mathbf{H}$的特征矩阵，特征矩阵中的每一个特征向量处在$\bar{\mathbf{V}}$的列空间中，所以可以被表征为发送端导向向量的线性组合。

[1] V. Raghavan, J. Cezanne, S. Subramanian, A. Sampath and O. Koymen, “Beamforming Tradeoffs for Initial UE Discovery in Millimeter-Wave MIMO Systems,” in IEEE Journal of Selected Topics in Signal Processing, vol. 10, no. 3, pp. 543-559, April 2016, doi: 10.1109/JSTSP.2016.2523442.