简介面向单用户毫米波MIMO系统这份MATLAB代码实现了窄带混合预编码算法将模拟与数字预编码相结合在降低硬件成本与功耗的同时逼近全数字方案性能适合通信工程、信号处理方向的研究生与工程师作为算法仿真和学习参考。压缩包共7个文件包含4个m源码信道生成、预编码器设计、主程序等、2个pdf相关论文与结果图表说明和1个md说明文档整体仅880KB轻量易用。目前已有252人学习下载。代码涵盖几何散射信道模型、基于信道状态信息的预编码器设计、误码率与吞吐量评估等核心环节并附有可复现的仿真脚本与文献资料便于深入理解混合预编码原理也可在此基础上进一步扩展多用户或宽带场景研究。1. 混合预编码为什么是毫米波 MIMO 的必选项天线越多越不能走“每根天线一条射频链路”的全数字方案。64 天线配 64 条 RF 链ADC/DAC、混频器和功放的成本与功耗会直接把整机预算拉爆所以毫米波 MIMO 设备普遍改用混合预编码射频端用移相器网络把天线降维合成到少数几条 RF 链数字端再做低维预编码。“窄带”是标题里容易被忽略的限定它意味着信道在频域只有一个平坦矩阵没有多抽头时延预编码不必拆到每个子载波去算专注一件事即可在恒模约束下把全数字最优解拆成模拟网络加数字矩阵两块。下面的实现覆盖信道生成、码本构造、OMP 求解和性能对比四段 MATLAB 代码R2021b 之后的版本可以直接运行。适合刚接触混合预编码的通信方向研究生也适合想快速搭出容量对比曲线的工程师参考。2. 窄带毫米波 MIMO 信道建模SV 模型与 DFT 码本2.1 为什么窄带模型比宽带模型简单一个量级宽带 MIMO 信道通常写成抽头延迟线形式每个抽头对应一个时延区间预编码也要按子载波分别设计。窄带场景下信号带宽远小于相干带宽所有多径分量在接收端叠加成一个等效复增益系统模型退化为一句话$y H F_{RF} F_{BB} s n$其中 $H$ 是 $N_r \times N_t$ 的平坦衰落矩阵。这个模型没有时延维也没有 OFDM 符号维设计混合预编码时只需要回答“怎么拆分这个矩阵”的问题。毫米波信道还有一个关键特征是稀疏性。实际传播环境中可分辨的散射簇往往只有几个远小于天线数所以 $H$ 的秩很低角度域上能量高度集中。这给 OMP 这类稀疏重构算法提供了用武之地先在角度域建一个过完备字典再从字典里挑少量原子去逼近全数字预编码解。若用 3GPP TR 38.901 的 CDL 信道模型也能做但那个模型包含时延和子载波维拿来做窄带混合预编码复现会让脚本变得很重不方便控制 AoA/AoD 去验证算法边界。2.2 生成信道矩阵的 MATLAB 函数窄带毫米波领域最常见的信道模型是 Saleh-Valenzuela 多径模型把每条路径写成一个发射方向向量和一个接收方向向量的外积$H \sqrt{\frac{N_t N_r}{L}} \sum_{l1}^{L} \alpha_l a_r(\theta_l) a_t(\phi_l)^H$$L$ 是路径数$\alpha_l$ 是复增益$\theta_l$ 和 $\phi_l$ 分别是到达角和离开角。下面这个函数直接生成 $H$function H generate_mmwave_channel(Nt, Nr, L) % 生成窄带毫米波 MIMO 信道矩阵Saleh-Valenzuela 模型 % Nt : 发射天线数 % Nr : 接收天线数 % L : 可分辨路径数 % 输出 H : Nr x Nt 的复信道矩阵 % 到达角和离开角在正负 60 度内均匀分布 AoD (-60 120 * rand(1, L)) * pi / 180; % 1 x L AoA (-60 120 * rand(1, L)) * pi / 180; % 1 x L % 每条路径的复增益实部和虚部都是标准正态分布 alpha sqrt(1/2) * (randn(1, L) 1j * randn(1, L)); % 发射端和接收端的 ULA 方向向量矩阵默认阵元间距 d lambda/2 At exp(1j * pi * (0:Nt-1) * sin(AoD)) / sqrt(Nt); % Nt x L Ar exp(1j * pi * (0:Nr-1) * sin(AoA)) / sqrt(Nr); % Nr x L % 按模型求和得到最终的窄带信道矩阵 H sqrt(Nt * Nr / L) * Ar * diag(alpha) * At; end这段代码里最需要注意的系数是方向向量中的1j * pi。它对应的物理假设是 ULA 阵元间距为半波长此时相邻阵元间的相位差是 $\pi \sin(\phi)$。如果你的系统里阵元间距不是半波长要把pi替换成2 * pi * d / lambda。另一个系数sqrt(Nt / Nr / L)是归一化项保证 $E[|H|_F^2] N_t N_r$这样 SNR 的定义不会随阵列规模变化而漂移。信道参数的典型取值和影响如下表参数典型值对系统的影响Nt64发射天线数决定角度分辨率和阵列增益Nr16接收天线数决定接收端可分离的空间维度L3路径数决定信道秩和 OMP 需要的原子数量角度范围±60°覆盖主瓣和常见散射分布过窄会让码本失配归一化系数sqrt(Nt*Nr/L)让信道增益与 L 无关便于跨场景对比2.3 发射端 DFT 码本与角度覆盖OMP 要从码本里选原子码本质量直接决定模拟预编码能达到的角度精度。最常见的码本是 DFT 码本它在空间频率域均匀采样function A generate_codebook(Nt, K) % 生成发射端 DFT 码本 % Nt : 天线数 % K : 码本大小即空间频率采样点数 % 输出 A : Nt x K每列的幅度恒定为 1/sqrt(Nt) s linspace(-1, 1, K); % 空间频率 s sin(phi) n (0:Nt-1); A exp(1j * pi * n * s) / sqrt(Nt); end把采样放在 $s \sin(\phi)$ 上而不是角度 $\phi$ 上是为了让相邻原子之间的相关性保持一致这也是“DFT 码本”名字的由来。K 等于 Nt 时码本就退化为标准 DFT 基原子之间两两正交K 大于 Nt 时是过完备字典OMP 能表达的角度更细。我一般取 K 256 或 512配合 64 天线角度量化误差已经远小于移相器硬件误差。接收端码本用同样的函数生成只是第一参数换成 Nr。后续 OMP 设计发射预编码和接收合并时都用得着。3. 混合预编码的 OMP 设计把全数字 SVD 解拆到射频域3.1 先求 F_opt再在码本上做稀疏逼近混合预编码设计的“两步法”是论文里最常用的做法先用 SVD 求出无约束条件下的全数字最优预编码 $F_{opt}$再找一个结构上能实现的 $F_{RF} F_{BB}$ 去逼近它。直接对可达速率做联合优化当然更接近全局最优但 $F_{RF}$ 的恒模约束让目标函数非凸求解器很容易陷进局部最优调试成本也高。两步法牺牲少量性能换来的是稳定、快速、可复现工程上非常划算。$F_{opt}$ 取 $H$ 的右奇异向量前 $N_s$ 列这一步没有任何近似。之后的问题是$\min_{F_{RF},F_{BB}} |F_{opt} - F_{RF} F_{BB}|_F$约束 $F_{RF}$ 每一列都来自码本。如果从零开始穷举所有 $C(K, N_{RF})$ 个组合K256、N_RF4 时组合数超过一亿完全不可行。OMP 用贪心方式把这个组合搜索改成逐列挑选每轮从码本里挑一个和当前残差相关性最强的原子再用最小二乘重估所有已选原子对应的数字系数循环 N_RF 次复杂度只有 $O(N_{RF} K N_t N_s)$在 MATLAB 里是毫秒级。3.2 OMP 主循环与联合最小二乘下面是发射端 OMP 的核心函数。接收端的实现完全对称把变量替换成 $W_{RF}$、$W_{BB}$ 即可。function [F_RF, F_BB] design_hybrid_OMP(F_opt, At, N_RF) % 基于 OMP 的窄带混合预编码设计 % F_opt : Nt x Ns全数字最优预编码 % At : Nt x K发射端 DFT 码本 % N_RF : 发射端射频链路数 % 输出 : F_RF 为 Nt x N_RF 模拟预编码F_BB 为 N_RF x Ns 数字预编码 [Nt, Ns] size(F_opt); K size(At, 2); R F_opt; % 残差初始化为全数字目标 selected []; % 已选原子索引 for t 1:N_RF % 计算码本每个原子与残差所有列的相关性范数 C At * R; % K x Ns metric sqrt(sum(abs(C).^2, 2)); % K x 1 % 选择相关性最大的原子 [~, idx] max(metric); selected [selected; idx]; % 在当前支撑集上做联合最小二乘 A_S At(:, selected); % Nt x t F_BB_temp A_S \ F_opt; % t x Ns % 更新残差 R F_opt - A_S * F_BB_temp; end % 模拟域预编码直接取选中原子天然满足恒模约束 F_RF At(:, selected); % 数字域按发射功率约束归一化 norm_val sqrt(Ns) / norm(F_RF * F_BB_temp, fro); F_BB F_BB_temp * norm_val; end这段代码里有三个细节值得展开。第一相关性度量是对所有数据流取 2-范数而不是只看第一列。因为 $F_{opt}$ 有 $N_s$ 列一个码本原子要同时服务于所有流取 $|C(i,:)|2$ 才能反映该原子对整体残差的贡献。第二联合最小二乘每轮都会把已选原子的系数整体重估一遍这比“每轮只求单个系数”的简化版 OMP 残差下降更快选列也更稳定。第三数字域的归一化放在循环结束后。归一化的目的是让 $|F{RF} F_{BB}|_F^2 N_s$对应发射总功率约束如果放在循环内会改变残差的尺度干扰下一轮的相关性排序。MATLAB 左除\在这里等价于最小二乘解。只要 $A_S$ 列满秩\会比显式求逆inv(A_S * A_S) * A_S数值更稳建议不要改成后者。3.3 码本大小、RF 链数与路径数的联动关系OMP 的行为受三个参数约束调参时要一起看$N_{RF}$ 是算法能选的原子数量上限至少要等于 $N_s$。如果 $N_{RF} N_s$多出来的原子用来补残差通常能带来 0.5 到 1 dB 的提升但 RF 链成本线性上升性价比不高。$K$ 决定角度量化粒度。K 从 128 加到 512高 SNR 区能明显看到曲线改善但继续加大收益变缓。$L$ 是信道本身的路径数。OMP 能表达的信道秩受 $N_{RF}$ 限制当 $L N_{RF}$ 时残差里必然残留未表示的角度分量。如果发现增加 $N_{RF}$ 性能几乎不变先检查信道路径数 $L$ 是不是远小于 $N_{RF}$。$L 3$ 时信道秩最多 3$N_{RF} 4$ 已经足够覆盖再增加 RF 链只会多选几个与已选原子高度相关的冗余原子。4. 画出 MIMO 信道容量图像混合预编码对全数字基线的对比4.1 速率公式与接收机假设单用户窄带系统里接收端假设为理想全数字结构发射端用混合预编码。对固定信道 $H$、固定预编码 $F_{RF} F_{BB}$可达速率是$R \log_2 \det\left(I_{N_s} \frac{1}{\sigma_n^2} H_{eq}^H H_{eq}\right)$其中 $H_{eq} H F_{RF} F_{BB}$。这个公式不需要显式设计 MMSE 合并器它在信息论意义上等价于接收端做最优线性处理是窄带单用户信道容量图像的标准画法。全数字基线同样用这个公式只是把 $F_{RF} F_{BB}$ 换成 $F_{opt} V(:,1:N_s)$。这里用等功率分配而不是注水。注水能再榨出一点容量但会让全数字基线的实现变成迭代算法干扰对混合结构损失量的观察。等功率分配下全数字基线直接写成R_opt log2(det(eye(Ns) (1 / sigma2) * S(1:Ns, 1:Ns)^2));其中S是svd(H)返回的奇异值对角矩阵。这一行就是 MIMO 信道容量图像的上界所有混合算法画出来都应该贴着它往下走。4.2 蒙特卡洛主脚本主脚本把前面的函数串起来做 200 次信道实现对每个 SNR 点累积速率再取平均%% demo_hybrid_precoding.m rng(42); % 固定随机种子保证结果可复现 Nt 64; Nr 16; Ns 4; N_RF 4; L 3; K 256; snr_dB -15:5:10; At generate_codebook(Nt, K); % 发射端码本 rate_hybrid zeros(size(snr_dB)); rate_opt zeros(size(snr_dB)); n_trial 200; for trial 1:n_trial H generate_mmwave_channel(Nt, Nr, L); [~, S, V] svd(H); F_opt V(:, 1:Ns); % 全数字最优预编码 [F_RF, F_BB] design_hybrid_OMP(F_opt, At, N_RF); Heq H * F_RF * F_BB; % 混合结构的等效信道 for s 1:numel(snr_dB) sigma2 10^(-snr_dB(s) / 10); % 发射功率归一化为 1 R_opt log2(det(eye(Ns) S(1:Ns, 1:Ns)^2 / sigma2)); R_hyb log2(det(eye(Ns) (Heq * Heq) / sigma2)); rate_opt(s) rate_opt(s) R_opt; rate_hybrid(s) rate_hybrid(s) R_hyb; end end rate_opt rate_opt / n_trial; rate_hybrid rate_hybrid / n_trial; plot(snr_dB, rate_opt, -o, snr_dB, rate_hybrid, -x); grid on; xlabel(SNR (dB)); ylabel(Spectral Efficiency (bit/s/Hz)); legend(Optimal digital, Hybrid OMP, Location, northwest);跑完这个脚本典型现象如下表SNR 区间观察到的现象原因-15 到 -5 dB两条曲线几乎重合噪声主导预编码残差影响被掩盖0 到 10 dB混合结构比全数字低 1 到 3 bit/s/Hz角度量化误差开始成为瓶颈L 从 3 增加到 7差距明显缩小信道秩升高OMP 拟合能力更接近全数字N_RF 从 4 增加到 6高 SNR 区提升约 0.5 到 1 dB额外 RF 链补充残差方向4.3 移相器量化与参数敏感性模拟预编码在硬件上只能提供有限比特的相位分辨率。把理想的 $F_{RF}$ 做量化是仿真走向工程化的关键一步function F_RF_q quantize_FRF(F_RF, bits) % 将模拟预编码相位量化到有限比特 % bits : 移相器分辨率1 表示只能取 0 和 pi 两个值 ph mod(angle(F_RF), 2 * pi); step 2 * pi / (2^bits); F_RF_q exp(1j * round(ph / step) * step); end量化损失的经验规律是1 比特量化在高 SNR 区损失 3 到 4 dB3 比特量化损失降到 0.5 dB 以内4 比特以上基本看不到差别。调试时如果怀疑 OMP 算法本身有问题先跑一次 4 比特量化曲线贴近全数字说明算法是好的再往低比特压。5. 三个让 OMP 混合预编码仿真更稳的检查技巧5.1 单路径校验让 AoD 落在码本网格上混合预编码的链路很长从信道聚合到 OMP 任一环出错最终曲线都会乱。最有效的定位方式是把场景退化到只剩一条路径并且让 AoD 恰好落在码本网格上。信道退化成秩 1 矩阵后$F_{RF}$ 的第一列应该精确指向该方向。校验代码一行就能完成[~, idx] max(abs(At * F_RF(:, 1))); assert(abs(At(idx) - 1/sqrt(Nt)) 1e-12, OMP 未选中最优方向);这条断言能同时验证方向向量公式、码本生成和 OMP 选列三段逻辑。如果断言失败先看码本里是否包含了该空间频率再看方向向量公式里的pi系数。5.2 用投影误差判断算法是否收敛OMP 是贪心算法没有收敛保证但每次改进都应该让残差下降。在函数末尾加一行归一化投影误差proj_err norm(F_opt - F_RF * F_BB, fro) / norm(F_opt, fro); fprintf(Projection error %.4f\n, proj_err);K256、N_RFNs 时这个值通常在 0.1 到 0.3 之间。如果超过 0.5排查顺序是先确认 N_RF 是否小于 L Ns - 1再确认码本角度范围是否覆盖信道 AoD。ML 信道估计的误差常常先表现为投影误差偏高。5.3 用互相关矩阵检查 ULA 码本覆盖DFT 码本质量可以用互相关矩阵一眼看出。相邻原子在空间频率上靠得很近互相关接近 1 是正常的但如果远离主对角线的位置出现高旁瓣说明方向向量公式里的阵元间距系数写错。检查代码G At * At; figure; imagesc(abs(G)); colorbar; title(码本互相关矩阵);对 ULA 半波长间距互相关旁瓣应低于 0.3。看到非对角的高亮块先检查是exp(1j * pi * n * s)还是exp(1j * 2 * pi * n * s)这两个系数差一倍是 ULA 码本最常见的翻车点。本文还有配套的精品资源点击获取 窄带毫米波MIMO混合预编码OMP设计：从信道建模到MATLAB仿真
简介面向单用户毫米波MIMO系统这份MATLAB代码实现了窄带混合预编码算法将模拟与数字预编码相结合在降低硬件成本与功耗的同时逼近全数字方案性能适合通信工程、信号处理方向的研究生与工程师作为算法仿真和学习参考。压缩包共7个文件包含4个m源码信道生成、预编码器设计、主程序等、2个pdf相关论文与结果图表说明和1个md说明文档整体仅880KB轻量易用。目前已有252人学习下载。代码涵盖几何散射信道模型、基于信道状态信息的预编码器设计、误码率与吞吐量评估等核心环节并附有可复现的仿真脚本与文献资料便于深入理解混合预编码原理也可在此基础上进一步扩展多用户或宽带场景研究。1. 混合预编码为什么是毫米波 MIMO 的必选项天线越多越不能走“每根天线一条射频链路”的全数字方案。64 天线配 64 条 RF 链ADC/DAC、混频器和功放的成本与功耗会直接把整机预算拉爆所以毫米波 MIMO 设备普遍改用混合预编码射频端用移相器网络把天线降维合成到少数几条 RF 链数字端再做低维预编码。“窄带”是标题里容易被忽略的限定它意味着信道在频域只有一个平坦矩阵没有多抽头时延预编码不必拆到每个子载波去算专注一件事即可在恒模约束下把全数字最优解拆成模拟网络加数字矩阵两块。下面的实现覆盖信道生成、码本构造、OMP 求解和性能对比四段 MATLAB 代码R2021b 之后的版本可以直接运行。适合刚接触混合预编码的通信方向研究生也适合想快速搭出容量对比曲线的工程师参考。2. 窄带毫米波 MIMO 信道建模SV 模型与 DFT 码本2.1 为什么窄带模型比宽带模型简单一个量级宽带 MIMO 信道通常写成抽头延迟线形式每个抽头对应一个时延区间预编码也要按子载波分别设计。窄带场景下信号带宽远小于相干带宽所有多径分量在接收端叠加成一个等效复增益系统模型退化为一句话$y H F_{RF} F_{BB} s n$其中 $H$ 是 $N_r \times N_t$ 的平坦衰落矩阵。这个模型没有时延维也没有 OFDM 符号维设计混合预编码时只需要回答“怎么拆分这个矩阵”的问题。毫米波信道还有一个关键特征是稀疏性。实际传播环境中可分辨的散射簇往往只有几个远小于天线数所以 $H$ 的秩很低角度域上能量高度集中。这给 OMP 这类稀疏重构算法提供了用武之地先在角度域建一个过完备字典再从字典里挑少量原子去逼近全数字预编码解。若用 3GPP TR 38.901 的 CDL 信道模型也能做但那个模型包含时延和子载波维拿来做窄带混合预编码复现会让脚本变得很重不方便控制 AoA/AoD 去验证算法边界。2.2 生成信道矩阵的 MATLAB 函数窄带毫米波领域最常见的信道模型是 Saleh-Valenzuela 多径模型把每条路径写成一个发射方向向量和一个接收方向向量的外积$H \sqrt{\frac{N_t N_r}{L}} \sum_{l1}^{L} \alpha_l a_r(\theta_l) a_t(\phi_l)^H$$L$ 是路径数$\alpha_l$ 是复增益$\theta_l$ 和 $\phi_l$ 分别是到达角和离开角。下面这个函数直接生成 $H$function H generate_mmwave_channel(Nt, Nr, L) % 生成窄带毫米波 MIMO 信道矩阵Saleh-Valenzuela 模型 % Nt : 发射天线数 % Nr : 接收天线数 % L : 可分辨路径数 % 输出 H : Nr x Nt 的复信道矩阵 % 到达角和离开角在正负 60 度内均匀分布 AoD (-60 120 * rand(1, L)) * pi / 180; % 1 x L AoA (-60 120 * rand(1, L)) * pi / 180; % 1 x L % 每条路径的复增益实部和虚部都是标准正态分布 alpha sqrt(1/2) * (randn(1, L) 1j * randn(1, L)); % 发射端和接收端的 ULA 方向向量矩阵默认阵元间距 d lambda/2 At exp(1j * pi * (0:Nt-1) * sin(AoD)) / sqrt(Nt); % Nt x L Ar exp(1j * pi * (0:Nr-1) * sin(AoA)) / sqrt(Nr); % Nr x L % 按模型求和得到最终的窄带信道矩阵 H sqrt(Nt * Nr / L) * Ar * diag(alpha) * At; end这段代码里最需要注意的系数是方向向量中的1j * pi。它对应的物理假设是 ULA 阵元间距为半波长此时相邻阵元间的相位差是 $\pi \sin(\phi)$。如果你的系统里阵元间距不是半波长要把pi替换成2 * pi * d / lambda。另一个系数sqrt(Nt / Nr / L)是归一化项保证 $E[|H|_F^2] N_t N_r$这样 SNR 的定义不会随阵列规模变化而漂移。信道参数的典型取值和影响如下表参数典型值对系统的影响Nt64发射天线数决定角度分辨率和阵列增益Nr16接收天线数决定接收端可分离的空间维度L3路径数决定信道秩和 OMP 需要的原子数量角度范围±60°覆盖主瓣和常见散射分布过窄会让码本失配归一化系数sqrt(Nt*Nr/L)让信道增益与 L 无关便于跨场景对比2.3 发射端 DFT 码本与角度覆盖OMP 要从码本里选原子码本质量直接决定模拟预编码能达到的角度精度。最常见的码本是 DFT 码本它在空间频率域均匀采样function A generate_codebook(Nt, K) % 生成发射端 DFT 码本 % Nt : 天线数 % K : 码本大小即空间频率采样点数 % 输出 A : Nt x K每列的幅度恒定为 1/sqrt(Nt) s linspace(-1, 1, K); % 空间频率 s sin(phi) n (0:Nt-1); A exp(1j * pi * n * s) / sqrt(Nt); end把采样放在 $s \sin(\phi)$ 上而不是角度 $\phi$ 上是为了让相邻原子之间的相关性保持一致这也是“DFT 码本”名字的由来。K 等于 Nt 时码本就退化为标准 DFT 基原子之间两两正交K 大于 Nt 时是过完备字典OMP 能表达的角度更细。我一般取 K 256 或 512配合 64 天线角度量化误差已经远小于移相器硬件误差。接收端码本用同样的函数生成只是第一参数换成 Nr。后续 OMP 设计发射预编码和接收合并时都用得着。3. 混合预编码的 OMP 设计把全数字 SVD 解拆到射频域3.1 先求 F_opt再在码本上做稀疏逼近混合预编码设计的“两步法”是论文里最常用的做法先用 SVD 求出无约束条件下的全数字最优预编码 $F_{opt}$再找一个结构上能实现的 $F_{RF} F_{BB}$ 去逼近它。直接对可达速率做联合优化当然更接近全局最优但 $F_{RF}$ 的恒模约束让目标函数非凸求解器很容易陷进局部最优调试成本也高。两步法牺牲少量性能换来的是稳定、快速、可复现工程上非常划算。$F_{opt}$ 取 $H$ 的右奇异向量前 $N_s$ 列这一步没有任何近似。之后的问题是$\min_{F_{RF},F_{BB}} |F_{opt} - F_{RF} F_{BB}|_F$约束 $F_{RF}$ 每一列都来自码本。如果从零开始穷举所有 $C(K, N_{RF})$ 个组合K256、N_RF4 时组合数超过一亿完全不可行。OMP 用贪心方式把这个组合搜索改成逐列挑选每轮从码本里挑一个和当前残差相关性最强的原子再用最小二乘重估所有已选原子对应的数字系数循环 N_RF 次复杂度只有 $O(N_{RF} K N_t N_s)$在 MATLAB 里是毫秒级。3.2 OMP 主循环与联合最小二乘下面是发射端 OMP 的核心函数。接收端的实现完全对称把变量替换成 $W_{RF}$、$W_{BB}$ 即可。function [F_RF, F_BB] design_hybrid_OMP(F_opt, At, N_RF) % 基于 OMP 的窄带混合预编码设计 % F_opt : Nt x Ns全数字最优预编码 % At : Nt x K发射端 DFT 码本 % N_RF : 发射端射频链路数 % 输出 : F_RF 为 Nt x N_RF 模拟预编码F_BB 为 N_RF x Ns 数字预编码 [Nt, Ns] size(F_opt); K size(At, 2); R F_opt; % 残差初始化为全数字目标 selected []; % 已选原子索引 for t 1:N_RF % 计算码本每个原子与残差所有列的相关性范数 C At * R; % K x Ns metric sqrt(sum(abs(C).^2, 2)); % K x 1 % 选择相关性最大的原子 [~, idx] max(metric); selected [selected; idx]; % 在当前支撑集上做联合最小二乘 A_S At(:, selected); % Nt x t F_BB_temp A_S \ F_opt; % t x Ns % 更新残差 R F_opt - A_S * F_BB_temp; end % 模拟域预编码直接取选中原子天然满足恒模约束 F_RF At(:, selected); % 数字域按发射功率约束归一化 norm_val sqrt(Ns) / norm(F_RF * F_BB_temp, fro); F_BB F_BB_temp * norm_val; end这段代码里有三个细节值得展开。第一相关性度量是对所有数据流取 2-范数而不是只看第一列。因为 $F_{opt}$ 有 $N_s$ 列一个码本原子要同时服务于所有流取 $|C(i,:)|2$ 才能反映该原子对整体残差的贡献。第二联合最小二乘每轮都会把已选原子的系数整体重估一遍这比“每轮只求单个系数”的简化版 OMP 残差下降更快选列也更稳定。第三数字域的归一化放在循环结束后。归一化的目的是让 $|F{RF} F_{BB}|_F^2 N_s$对应发射总功率约束如果放在循环内会改变残差的尺度干扰下一轮的相关性排序。MATLAB 左除\在这里等价于最小二乘解。只要 $A_S$ 列满秩\会比显式求逆inv(A_S * A_S) * A_S数值更稳建议不要改成后者。3.3 码本大小、RF 链数与路径数的联动关系OMP 的行为受三个参数约束调参时要一起看$N_{RF}$ 是算法能选的原子数量上限至少要等于 $N_s$。如果 $N_{RF} N_s$多出来的原子用来补残差通常能带来 0.5 到 1 dB 的提升但 RF 链成本线性上升性价比不高。$K$ 决定角度量化粒度。K 从 128 加到 512高 SNR 区能明显看到曲线改善但继续加大收益变缓。$L$ 是信道本身的路径数。OMP 能表达的信道秩受 $N_{RF}$ 限制当 $L N_{RF}$ 时残差里必然残留未表示的角度分量。如果发现增加 $N_{RF}$ 性能几乎不变先检查信道路径数 $L$ 是不是远小于 $N_{RF}$。$L 3$ 时信道秩最多 3$N_{RF} 4$ 已经足够覆盖再增加 RF 链只会多选几个与已选原子高度相关的冗余原子。4. 画出 MIMO 信道容量图像混合预编码对全数字基线的对比4.1 速率公式与接收机假设单用户窄带系统里接收端假设为理想全数字结构发射端用混合预编码。对固定信道 $H$、固定预编码 $F_{RF} F_{BB}$可达速率是$R \log_2 \det\left(I_{N_s} \frac{1}{\sigma_n^2} H_{eq}^H H_{eq}\right)$其中 $H_{eq} H F_{RF} F_{BB}$。这个公式不需要显式设计 MMSE 合并器它在信息论意义上等价于接收端做最优线性处理是窄带单用户信道容量图像的标准画法。全数字基线同样用这个公式只是把 $F_{RF} F_{BB}$ 换成 $F_{opt} V(:,1:N_s)$。这里用等功率分配而不是注水。注水能再榨出一点容量但会让全数字基线的实现变成迭代算法干扰对混合结构损失量的观察。等功率分配下全数字基线直接写成R_opt log2(det(eye(Ns) (1 / sigma2) * S(1:Ns, 1:Ns)^2));其中S是svd(H)返回的奇异值对角矩阵。这一行就是 MIMO 信道容量图像的上界所有混合算法画出来都应该贴着它往下走。4.2 蒙特卡洛主脚本主脚本把前面的函数串起来做 200 次信道实现对每个 SNR 点累积速率再取平均%% demo_hybrid_precoding.m rng(42); % 固定随机种子保证结果可复现 Nt 64; Nr 16; Ns 4; N_RF 4; L 3; K 256; snr_dB -15:5:10; At generate_codebook(Nt, K); % 发射端码本 rate_hybrid zeros(size(snr_dB)); rate_opt zeros(size(snr_dB)); n_trial 200; for trial 1:n_trial H generate_mmwave_channel(Nt, Nr, L); [~, S, V] svd(H); F_opt V(:, 1:Ns); % 全数字最优预编码 [F_RF, F_BB] design_hybrid_OMP(F_opt, At, N_RF); Heq H * F_RF * F_BB; % 混合结构的等效信道 for s 1:numel(snr_dB) sigma2 10^(-snr_dB(s) / 10); % 发射功率归一化为 1 R_opt log2(det(eye(Ns) S(1:Ns, 1:Ns)^2 / sigma2)); R_hyb log2(det(eye(Ns) (Heq * Heq) / sigma2)); rate_opt(s) rate_opt(s) R_opt; rate_hybrid(s) rate_hybrid(s) R_hyb; end end rate_opt rate_opt / n_trial; rate_hybrid rate_hybrid / n_trial; plot(snr_dB, rate_opt, -o, snr_dB, rate_hybrid, -x); grid on; xlabel(SNR (dB)); ylabel(Spectral Efficiency (bit/s/Hz)); legend(Optimal digital, Hybrid OMP, Location, northwest);跑完这个脚本典型现象如下表SNR 区间观察到的现象原因-15 到 -5 dB两条曲线几乎重合噪声主导预编码残差影响被掩盖0 到 10 dB混合结构比全数字低 1 到 3 bit/s/Hz角度量化误差开始成为瓶颈L 从 3 增加到 7差距明显缩小信道秩升高OMP 拟合能力更接近全数字N_RF 从 4 增加到 6高 SNR 区提升约 0.5 到 1 dB额外 RF 链补充残差方向4.3 移相器量化与参数敏感性模拟预编码在硬件上只能提供有限比特的相位分辨率。把理想的 $F_{RF}$ 做量化是仿真走向工程化的关键一步function F_RF_q quantize_FRF(F_RF, bits) % 将模拟预编码相位量化到有限比特 % bits : 移相器分辨率1 表示只能取 0 和 pi 两个值 ph mod(angle(F_RF), 2 * pi); step 2 * pi / (2^bits); F_RF_q exp(1j * round(ph / step) * step); end量化损失的经验规律是1 比特量化在高 SNR 区损失 3 到 4 dB3 比特量化损失降到 0.5 dB 以内4 比特以上基本看不到差别。调试时如果怀疑 OMP 算法本身有问题先跑一次 4 比特量化曲线贴近全数字说明算法是好的再往低比特压。5. 三个让 OMP 混合预编码仿真更稳的检查技巧5.1 单路径校验让 AoD 落在码本网格上混合预编码的链路很长从信道聚合到 OMP 任一环出错最终曲线都会乱。最有效的定位方式是把场景退化到只剩一条路径并且让 AoD 恰好落在码本网格上。信道退化成秩 1 矩阵后$F_{RF}$ 的第一列应该精确指向该方向。校验代码一行就能完成[~, idx] max(abs(At * F_RF(:, 1))); assert(abs(At(idx) - 1/sqrt(Nt)) 1e-12, OMP 未选中最优方向);这条断言能同时验证方向向量公式、码本生成和 OMP 选列三段逻辑。如果断言失败先看码本里是否包含了该空间频率再看方向向量公式里的pi系数。5.2 用投影误差判断算法是否收敛OMP 是贪心算法没有收敛保证但每次改进都应该让残差下降。在函数末尾加一行归一化投影误差proj_err norm(F_opt - F_RF * F_BB, fro) / norm(F_opt, fro); fprintf(Projection error %.4f\n, proj_err);K256、N_RFNs 时这个值通常在 0.1 到 0.3 之间。如果超过 0.5排查顺序是先确认 N_RF 是否小于 L Ns - 1再确认码本角度范围是否覆盖信道 AoD。ML 信道估计的误差常常先表现为投影误差偏高。5.3 用互相关矩阵检查 ULA 码本覆盖DFT 码本质量可以用互相关矩阵一眼看出。相邻原子在空间频率上靠得很近互相关接近 1 是正常的但如果远离主对角线的位置出现高旁瓣说明方向向量公式里的阵元间距系数写错。检查代码G At * At; figure; imagesc(abs(G)); colorbar; title(码本互相关矩阵);对 ULA 半波长间距互相关旁瓣应低于 0.3。看到非对角的高亮块先检查是exp(1j * pi * n * s)还是exp(1j * 2 * pi * n * s)这两个系数差一倍是 ULA 码本最常见的翻车点。本文还有配套的精品资源点击获取