1.算法描述
移动通信系统的性能在很大程度上决定于无线信道的特性。单发单收系统无线信道的特性已经研究得很透彻，针对其各通信标准所采用的载频、带宽、环境等都有权威机构给出实测的信道模型。对于多天线信道而言，许多单天线的概念都被继承了下来，如路径传播损耗、阴影衰落、多径衰落损耗、长期衰落、短期衰落、相干时间、相干带宽、频率选择性衰落、平坦衰落等, 所采用的信道模型也基本都是单天线情况下的一些拓展。本实验采用独立的慢衰落环境中的多输入多输出 MIMO 系统，假设发送端的天线数目为Mt，接收端端的天线数目为 Mr。用hij表示从第 j 个发射天线到第 i 个接收天线的信道增益。接收天线i处的噪声为ni，j=1,…, Mt ，i=1,…, Mr ；则第i个接收天线接收信号为：
系统工作流程如图3-2下。首先V-BLAST系统在发射端通过串并转换将数据流分解为Mt个子数据流，然后使用 QPSK 或 16QAM 对各路子信号流进行调制, 将比特映射为符号；调制完成后，分别送到Mt个发射天线分别发射，在接收端用Mr个接收天线检测信号。这里假设不论有多少个发送天线，系统的总发射功率是不变的，且总发射功率是平均分配到各个天线的。在接收端用Mr个接收天线检测信号，并按照一定信号检测与估计的方法进行符号解调，最后恢复出数据流（各个接收天线单独进行信号处理得到子数据流，最后需要并串转换将子数据流合成为一个数据流）。假设发送天线之间、接收天线之间完全不相关，且发送的数据也互相独立。V-BLAST系统中接收天线的个数一般要大于或等于发送天线的个数。
关于接收机检测与估计的方法，最直接的最大似然估计在MIMO信道中可直接采用线性检测（按照ZF或MMSE准则），也可采用非线性的干扰抵消检测（如串行干扰抵消SIC）。
串行干扰抵消算法是一种非线性检测算法。SIC的基本思想是在对多个符号进行检测与估计时，如果能先对某个符号进行检测与估计解出这个符号，则在解另一个符号时可将已解出的符号对当前待解符号的干扰消除，从而提高待解符号的SINR，提高检测与估计的误码码性能。对于Mt个发送符号，串行干扰抵消每次对一个符号进行检测与估计，每次检测时，先消掉前面已经解出的符号干扰，再对待解符号进行检测与估计（通常仍采用ZF或MMSE准则对待解符号做线性变换），根据论文，我们此次实验采用ZF准则做线性变换。因此对这Mt个发送符号在检测与估计时，共需要Mt步检测判决，（且除掉第一步，其他每一步检测之前都要利用已解出的符号做干扰抵消），这就存在对Mt个发送符号先对谁进行检测的排序问题。理论证明，当Mt个发送符号使用相同星座图时，每一步都选择接收SNR最大的符号，即对应最优的符号排序。
2.仿真效果预览
matlab2022a仿真结果如下：
3.MATLAB核心程序
SNR = [0:5:30];
Nuser = 5;
len_dat = 1000;
num_T = 2;
num_R = 2;
Totalerr= 1e5;
Error =[];
for ij=1:length(SNR)
Num_err = 0; %蒙特卡洛模拟次数
Numbers = 0; %误码率累加器
while Num_err<=Totalerr/10
fprintf('SNR = %f\n', SNR(ij));
Num_err
%QPSK发射信号
signal = randi([0,3],Nuser*num_T*len_dat,1);
signal_matrix = reshape(signal,num_T,Nuser,len_dat);
signal_matrix2 = zeros(num_T,Nuser,len_dat);
for k=1:len_dat
for k2=1:Nuser
signal_matrix2(:,k2,k) = pskmod(signal_matrix(:,k2,k),4);
end
end
%Rayleigh
H_ray = (randn(num_R,num_T,Nuser,len_dat) + sqrt(-1)*randn(num_R,num_T,Nuser,len_dat))/sqrt(2);
N_awg = (randn(num_R,Nuser,len_dat) + sqrt(-1)*randn(num_R,Nuser,len_dat))/sqrt(2);
%接收
Rec = zeros(num_R,Nuser,len_dat);
for k=1:len_dat
for k2=1:Nuser
Rec(:,k2,k)=H_ray(:,:,k2,k)*signal_matrix2(:,k2,k)/sqrt(Nuser*num_T);
end
end
R_noised = Rec + sqrt(1/(10^(SNR(ij)/10)))*N_awg; %高斯白噪声
x = [];
for t=1:len_dat
for k=1:Nuser
Rect = R_noised(:,k,t);
Ht_ray = H_ray(:,:,k,t);
Hmmsesic = inv(Ht_ray'*Ht_ray+(1/(10^(SNR(ij)/10)))*eye(num_T))*Ht_ray';
xbits = func_mmse_dmd(Rect,Hmmsesic,H_ray(:,:,k,t),Ht_ray,[1:num_T],num_T,Nuser,SNR(ij));
x(:,k,t) = xbits;
end
end
x1 = zeros(num_T,Nuser,len_dat);
for k=1:len_dat
for k2=1:Nuser
x1(:,k2,k) = pskdemod(x(:,k2,k),4);
end
end
Rec_bits = reshape(x1,Nuser*num_T*len_dat,1);
[errbit,temp_ber] = biterr(signal,Rec_bits,2);
Num_err = Num_err+errbit;
Numbers = Numbers+1;
end
Error(ij)=[Num_err/Numbers/length(signal)];
end
