簡(jiǎn)介面向通信與無(wú)線傳輸研究者的多輸入多輸出MIMO信道估計(jì)入門(mén)資源內(nèi)容圍繞基于訓(xùn)練序列的信道估計(jì)算法展開(kāi)適合需要通過(guò)仿真驗(yàn)證導(dǎo)頻輔助估計(jì)原理的學(xué)生、工程師或通信方向初學(xué)者。壓縮包體積很小僅約4KB共包含5個(gè)MATLAB.m源碼文件分別承擔(dān)數(shù)據(jù)生成、調(diào)制映射、硬判決以及兩種最小二乘LS信道估計(jì)功能代碼簡(jiǎn)潔便于快速閱讀和二次修改。目前該資源已有156人學(xué)習(xí)下載可配合博文說(shuō)明理解MIMO系統(tǒng)模型與訓(xùn)練序列設(shè)計(jì)要點(diǎn)。通過(guò)實(shí)際運(yùn)行這些腳本能夠復(fù)現(xiàn)簡(jiǎn)單MIMO場(chǎng)景下的完整信道估計(jì)流程對(duì)比兩版LS實(shí)現(xiàn)的結(jié)果差異掌握從序列生成、信道估計(jì)到誤碼判斷的基本實(shí)驗(yàn)方法也為后續(xù)擴(kuò)展LMMSE或最大似然估計(jì)提供了可迭代的起點(diǎn)。整體資源雖然輕量但算法鏈路完整適合作為通信課程實(shí)驗(yàn)或論文復(fù)現(xiàn)的參考代碼。1. 基于訓(xùn)練序列的MIMO信道估計(jì)導(dǎo)頻開(kāi)銷(xiāo)與性能之間的第一次妥協(xié)做通信物理層的人幾乎都繞不開(kāi)這道坎接收端拿到的是經(jīng)過(guò)多徑衰落后混疊在一起的多路信號(hào)不把信道沖激響應(yīng)估計(jì)出來(lái)后面的均衡、檢測(cè)、解調(diào)全是空中樓閣。MIMO系統(tǒng)里天線數(shù)一多待估的參數(shù)成倍增長(zhǎng)信道估計(jì)的復(fù)雜度也跟著翻番。基于訓(xùn)練序列的方案是實(shí)際系統(tǒng)里用得最廣的一類(lèi)做法——發(fā)送端周期性插入接收端已知的導(dǎo)頻符號(hào)接收端拿接收信號(hào)和本地訓(xùn)練序列做一次最小二乘或最小均方誤差擬合把信道矩陣恢復(fù)出來(lái)。這篇筆記就沿著訓(xùn)練序列這個(gè)方向把LS、MMSE兩種估計(jì)器、訓(xùn)練序列設(shè)計(jì)里真正會(huì)影響性能的細(xì)節(jié)以及仿真復(fù)現(xiàn)時(shí)最容易翻車(chē)的幾個(gè)工程問(wèn)題講透。適合正在做MIMO鏈路級(jí)仿真、剛接觸信道估計(jì)的通信方向?qū)W生也包括需要快速評(píng)估算法性能的無(wú)線算法工程師。2. 從信號(hào)模型到代價(jià)函數(shù)LS估計(jì)的推導(dǎo)、實(shí)現(xiàn)與兩個(gè)軟肋2.1 MIMO信道估計(jì)的信號(hào)模型先把矩陣維度寫(xiě)清楚開(kāi)始寫(xiě)代碼之前我習(xí)慣先把信號(hào)模型寫(xiě)在紙上因?yàn)楹竺嫠蟹抡鎱?shù)、復(fù)雜度分析、結(jié)論都建立在這一步的矩陣維度上?？紤]一個(gè)發(fā)送天線數(shù) Nt、接收天線數(shù) Nr 的窄帶MIMO系統(tǒng)訓(xùn)練階段發(fā)送端發(fā)射一個(gè)長(zhǎng)度為 L 的訓(xùn)練序列矩陣X維度是 Nt×L每個(gè)符號(hào)周期內(nèi) Nt 根天線同時(shí)發(fā)一個(gè)符號(hào)。接收端在 N r 根天線上同步接收得到接收矩陣Y維度是 Nr×L。信道矩陣H是 Nr×Nt 的復(fù)矩陣噪聲Z是 Nr×L 的加性高斯白噪聲。于是頻域或窄帶時(shí)域的接收模型可以寫(xiě)成Y H·X Z這里不需要糾結(jié)是時(shí)域還是頻域窄帶模型下兩者數(shù)學(xué)形式一致只是X的構(gòu)造方式不同OFDM里是在指定子載波上插導(dǎo)頻這里先按窄帶模型講OFDM只是把同樣的問(wèn)題在每個(gè)子載波上重復(fù)一遍。要估計(jì)的目標(biāo)是維度為 Nr×Nt 的H已知的是Y和發(fā)送的訓(xùn)練序列X。這個(gè)模型看著簡(jiǎn)單但它包含了一個(gè)容易忽略的前提信道在訓(xùn)練序列持續(xù)的 L 個(gè)符號(hào)周期內(nèi)近似不變。L 一旦超過(guò)信道相干時(shí)間這個(gè)模型本身就失真了后面用再高級(jí)的估計(jì)器也救不回來(lái)。2.2 最小二乘估計(jì)的閉式解為什么它是最樸素也最不穩(wěn)的做法對(duì)上面的模型做最小二乘估計(jì)代價(jià)函數(shù)是接收信號(hào)與假設(shè)信道下重建信號(hào)之間的F范數(shù)平方J(H) ‖Y - H·X‖_F2對(duì)H求梯度并令其為零得到的閉式解是H_LS Y · X?其中X? X?·(X·X?)?1是訓(xùn)練序列矩陣的偽逆X? 表示共軛轉(zhuǎn)置。注意這里的偽逆是右偽逆因?yàn)閄是 Nt×L 的矩陣行數(shù)小于列數(shù)方程個(gè)數(shù)大于未知數(shù)個(gè)數(shù)這也是訓(xùn)練序列長(zhǎng)度 L 必須不小于 Nt 的原因——不然偽逆都不存在LS問(wèn)題本身欠定。最小二乘估計(jì)的實(shí)現(xiàn)邏輯非常直白它就是拿接收矩陣投影到訓(xùn)練序列張成的行空間上沒(méi)有利用任何信道統(tǒng)計(jì)信息也不需要對(duì)噪聲建模。只要X行滿秩LS估計(jì)總能給你一個(gè)結(jié)果。但這個(gè)「總能給出結(jié)果」恰恰是它最大的陷阱當(dāng)接收信噪比很低時(shí)噪聲項(xiàng) Z·X?會(huì)把估計(jì)結(jié)果污染得一塌糊涂因?yàn)閭文嬖谇竽孢^(guò)程中會(huì)把噪聲的某些分量放大。這條性質(zhì)決定了LS只適合高信噪比、或者僅僅把估計(jì)結(jié)果當(dāng)作后續(xù)迭代初值的場(chǎng)景。2.3 在MATLAB里實(shí)現(xiàn)LS估計(jì)的最小可運(yùn)行代碼下面這段代碼是最小可運(yùn)行的窄帶MIMO LS信道估計(jì)實(shí)現(xiàn)適合作為鏈路級(jí)仿真的起點(diǎn)。我刻意沒(méi)有用通信工具箱里封裝好的函數(shù)盡量讓每一步都能和上面的數(shù)學(xué)公式對(duì)上。% 參數(shù)配置天線數(shù)與訓(xùn)練長(zhǎng)度 Nt 4; % 發(fā)送天線數(shù) Nr 4; % 接收天線數(shù) L 8; % 訓(xùn)練序列長(zhǎng)度必須大于等于 Nt SNR_dB 20; % 接收信噪比單位 dB % 生成訓(xùn)練序列取隨機(jī)正交矩陣的前 Nt 行 % 用 QR 分解保證行正交性避免后面對(duì) X 求偽逆時(shí)出現(xiàn)病態(tài) X_rand randn(Nt, L) 1j*randn(Nt, L); [Q, ~] qr(X_rand, 0); X Q; % 現(xiàn)在 X 是 Nt x L行正交X*X I % 隨機(jī)生成真實(shí)信道矩陣每個(gè)元素為標(biāo)準(zhǔn)復(fù)高斯 H_true (randn(Nr, Nt) 1j*randn(Nr, Nt)) / sqrt(2); % 接收端加噪聲 Y H_true * X; noise_power 10^(-SNR_dB/10); Z (randn(Nr, L) 1j*randn(Nr, L)) * sqrt(noise_power/2); Y Y Z; % LS 估計(jì)核心右偽逆求解 X_pinv X / (X * X); % 等價(jià)于 X * inv(X*X)但數(shù)值更穩(wěn) H_ls Y * X_pinv; % 評(píng)估誤差歸一化均方誤差NMSE err H_ls - H_true; nmse sum(abs(err(:)).^2) / sum(abs(H_true(:)).^2); fprintf(LS 估計(jì) NMSE: %.4f dB\n, 10*log10(nmse));這段代碼里最關(guān)鍵的一行是X_pinv X / (X * X)MATLAB里用右除運(yùn)算符/求解X_pinv * (X*X) X內(nèi)部走的是QR分解而不是顯式求逆數(shù)值穩(wěn)定性比直接調(diào)inv(X*X)要高不少。訓(xùn)練序列用QR分解來(lái)生成正交行向量組是因?yàn)長(zhǎng)S估計(jì)的誤差下界和X·X?的最小特征值直接相關(guān)行正交時(shí)所有特征值都等于1這是最優(yōu)情況。注釋里的sqrt(noise_power/2)對(duì)應(yīng)復(fù)噪聲每個(gè)分量實(shí)部/虛部各占一半功率這是通信仿真里最容易錯(cuò)的地方——很多人直接在復(fù)高斯噪聲上乘sqrt(noise_power)實(shí)際噪聲功率會(huì)翻倍。2.4 LS估計(jì)的兩個(gè)軟肋噪聲放大與未利用的先驗(yàn)信息LS估計(jì)的第一個(gè)軟肋在低信噪比下非常明顯。把估計(jì)誤差寫(xiě)出來(lái)H_LS ? H_true Z·X?誤差項(xiàng)的協(xié)方差是和噪聲功率成比例而且當(dāng)訓(xùn)練序列非正交時(shí)這個(gè)誤差還會(huì)被進(jìn)一步放大。具體來(lái)說(shuō)如果 X·X? 的最大特征值和最小特征值相差很大偽逆會(huì)把噪聲在某幾個(gè)方向上放大到不可接受的程度。這就是為什么所有教科書(shū)都強(qiáng)調(diào)訓(xùn)練序列要設(shè)計(jì)成正交的但實(shí)際工程里導(dǎo)頻位置受限、碰撞不可避免LS的性能就隨矩陣條件數(shù)一起惡化。第二個(gè)軟肋是LS完全沒(méi)有利用信道的統(tǒng)計(jì)特性。實(shí)際無(wú)線信道的元素之間不是獨(dú)立的天線間距近的時(shí)候、收發(fā)兩端存在相關(guān)性多徑信道在頻域上相鄰子載波之間的響應(yīng)也是平滑變化的。LS對(duì)每個(gè)子載波做獨(dú)立估計(jì)把這些相關(guān)性全部扔掉了。MMSE估計(jì)器正是奔著這兩個(gè)軟肋去的——利用信道的二階統(tǒng)計(jì)量來(lái)壓制噪聲同時(shí)把相關(guān)矩陣當(dāng)作正則化項(xiàng)避免小特征值方向上的噪聲放大。3. 用MMSE救場(chǎng)噪聲方差、相關(guān)矩陣與復(fù)雜度的三角平衡3.1 MMSE估計(jì)器是怎么推導(dǎo)出來(lái)的從正交性原理到閉式解MMSE估計(jì)的核心思路是找一個(gè)信道矩陣的線性變換W讓估計(jì)結(jié)果H_MMSE W·Y和真實(shí)信道H_true之間的均方誤差最小。這個(gè)優(yōu)化問(wèn)題不需要求梯度用正交性原理即可解決最優(yōu)的估計(jì)誤差必須和觀測(cè)數(shù)據(jù)正交即E[(H_true ? W·Y)·Y?] 0。把接收模型代入這個(gè)正交條件經(jīng)過(guò)幾步矩陣代數(shù)運(yùn)算后得到W R_H · X? · (X·R_H·X? σ2·I)?1其中 R_H 是信道的相關(guān)矩陣維度是 Nt×Nt描述發(fā)送端天線之間的相關(guān)性σ2 是每個(gè)接收天線上的噪聲功率。注意這里假設(shè)了接收天線之間噪聲獨(dú)立、信道在接收端的相關(guān)性體現(xiàn)在行方向上由 Y 的多個(gè)行分別處理。整個(gè)估計(jì)器的行為可以直接分析當(dāng)信噪比極高、σ2趨近于零時(shí)MMSE退化成LS當(dāng)信噪比極低時(shí)估計(jì)結(jié)果被 R_H 主導(dǎo)趨近于信道的均值——如果你把相關(guān)矩陣設(shè)成單位陣那就是一個(gè)帶正則項(xiàng)的脊回歸相當(dāng)于在LS的偽逆里加了阻尼系數(shù)。3.2 相關(guān)矩陣 R_H 從哪來(lái)實(shí)測(cè)、模型還是純假設(shè)用MMSE繞不開(kāi)一個(gè)工程問(wèn)題相關(guān)矩陣 R_H 和噪聲功率 σ2 怎么拿到這和LS完全不同LS不需要任何先驗(yàn)所以實(shí)現(xiàn)簡(jiǎn)單、魯棒MMSE估計(jì)器的性能上限更高但先驗(yàn)信息不準(zhǔn)的時(shí)候性能會(huì)急劇惡化。我一般會(huì)按三種場(chǎng)景來(lái)處理。第一種是仿真驗(yàn)證算法本身時(shí)直接用生成信道時(shí)的真實(shí)相關(guān)矩陣這樣得到的是MMSE的性能上界適合用來(lái)做對(duì)比基準(zhǔn)。第二種是工程實(shí)測(cè)場(chǎng)景用一組已知的訓(xùn)練序列先做LS估計(jì)用LS估計(jì)結(jié)果去計(jì)算樣本相關(guān)矩陣再把這個(gè)矩陣代回MMSE公式里——這叫估計(jì)的估計(jì)性能有損失但總比瞎猜強(qiáng)。第三種是干脆用理論模型比如指數(shù)相關(guān)模型發(fā)送端天線間隔越大、相關(guān)系數(shù)越低這樣至少矩陣是良態(tài)的。噪聲功率 σ2 的估計(jì)相對(duì)簡(jiǎn)單在訓(xùn)練階段用LS估計(jì)完信道后把殘差Y ? H_LS·X的功率平均一下就能得到噪聲功率的粗估計(jì)。但要注意這個(gè)估計(jì)是偏小的——LS已經(jīng)把一部分噪聲能量吸進(jìn)了信道估計(jì)結(jié)果里殘差噪聲只是總噪聲的一部分。如果后面做的是LMMSE信道插值這個(gè)偏差會(huì)平滑掉一部分但如果直接用估計(jì)結(jié)果會(huì)顯得「過(guò)度自信」。3.3 MATLAB中MMSE的完整實(shí)現(xiàn)與三種復(fù)雜度降低手段有了上面的推導(dǎo)MMSE實(shí)現(xiàn)實(shí)際上只比LS多兩行矩陣運(yùn)算但這兩行會(huì)帶來(lái)顯著的復(fù)雜度提升。下面給出一個(gè)和前面LS代碼共享參數(shù)的實(shí)現(xiàn)方便直接對(duì)比兩者性能。% 在上一節(jié)的 LS 代碼基礎(chǔ)上繼續(xù)假設(shè)已經(jīng)得到 Y, X, noise_power % 信道相關(guān)矩陣指數(shù)相關(guān)模型相鄰天線相關(guān)系數(shù) rho rho 0.9; t (0:Nt-1); R_H rho .^ abs(t - t); % Nt x Nt 的Toeplitz矩陣 % MMSE 濾波矩陣核心公式 R_HX R_H * X; % Nt x L denom X * R_HX noise_power * eye(L); % L x L W_mmse R_HX / denom; % Nt x L % 對(duì)每根接收天線做 MMSE 估計(jì) % 接收矩陣 Y 是 Nr x L每行對(duì)應(yīng)一根接收天線乘以 W_mmse 得到估計(jì)信道 H_mmse Y * W_mmse; % Nr x Nt % 對(duì)比 NMSE err_mmse H_mmse - H_true; nmse_mmse sum(abs(err_mmse(:)).^2) / sum(abs(H_true(:)).^2); fprintf(MMSE 估計(jì) NMSE: %.4f dB\n, 10*log10(nmse_mmse)); fprintf(LS 估計(jì) NMSE: %.4f dB\n, 10*log10(nmse_ls));這個(gè)實(shí)現(xiàn)里denom的維度是 L×LL 等于訓(xùn)練序列長(zhǎng)度。在典型的MIMO配置里 L 不會(huì)特別大一般取 8 到 16矩陣求逆的開(kāi)銷(xiāo)是 O(L3)能接受。但一旦把同樣的方法平移到OFDM系統(tǒng)里每個(gè)子載波都做一次復(fù)雜度就變得不可忽視了。三個(gè)工程里最常用的降復(fù)雜度手段一是用對(duì)角近似代替相關(guān)矩陣只保留對(duì)角線這時(shí)MMSE退化成每個(gè)發(fā)送天線上獨(dú)立的標(biāo)量縮放在每個(gè)子載波上復(fù)雜度降了兩個(gè)數(shù)量級(jí)性能在信道相關(guān)性弱時(shí)幾乎無(wú)損二是把求逆結(jié)果存下來(lái)在信道統(tǒng)計(jì)特性變化很慢的室內(nèi)場(chǎng)景里相關(guān)矩陣和噪聲功率在一個(gè)傳輸塊內(nèi)可以復(fù)用不需要每個(gè)時(shí)隙重新算三是降秩處理對(duì)相關(guān)矩陣做特征分解后只保留前 K 個(gè)大特征值對(duì)應(yīng)的特征向量把求逆維度從 L 降到 K。3.4 LS與MMSE的參數(shù)對(duì)比什么時(shí)候該用誰(shuí)對(duì)比維度LS估計(jì)MMSE估計(jì)先驗(yàn)信息需求完全不需要需要信道相關(guān)矩陣與噪聲功率低信噪比性能差噪聲被偽逆放大好相關(guān)矩陣起正則化作用訓(xùn)練序列要求行滿秩即可行滿秩且正交性越好性能越穩(wěn)計(jì)算復(fù)雜度O(L·Nt2) 量級(jí)極低含 L×L 矩陣求逆顯著偏高實(shí)現(xiàn)風(fēng)險(xiǎn)矩陣病態(tài)時(shí)估計(jì)值漂移先驗(yàn)不準(zhǔn)時(shí)性能不如LS典型場(chǎng)景高SNR、短突發(fā)、系統(tǒng)起步低SNR、慢變信道、有統(tǒng)計(jì)先驗(yàn)這個(gè)對(duì)比表是我在工程判斷時(shí)經(jīng)常用到的速查表。一個(gè)務(wù)實(shí)的做法是在系統(tǒng)設(shè)計(jì)初期先用LS把鏈路跑通后面需要壓靈敏度、提升低信噪比性能時(shí)再把核心鏈路上的估計(jì)器換成MMSE。LS相當(dāng)于零成本拿到了可用的基線MMSE是在這個(gè)基線上做精雕細(xì)琢。需要提醒的是MMSE在SNR很高時(shí)并不會(huì)比LS好多少增益主要出現(xiàn)在低SNR區(qū)域和信道相關(guān)性強(qiáng)的場(chǎng)景所以仿真時(shí)一定要把SNR軸拉開(kāi)不要只測(cè)一兩個(gè)點(diǎn)就下結(jié)論。4. 訓(xùn)練序列設(shè)計(jì)正交性、長(zhǎng)度與功率分配的三個(gè)必調(diào)參數(shù)4.1 正交性不是越高越好從條件數(shù)看訓(xùn)練序列的真實(shí)約束訓(xùn)練序列的性能指標(biāo)用矩陣的Gram矩陣X·X?來(lái)刻畫(huà)LS估計(jì)的誤差下界直接由(X·X?)?1的跡決定。當(dāng)X·X? I行正交時(shí)Gram矩陣達(dá)到最優(yōu)估計(jì)誤差最小。這也是幾乎所有論文里都用正交訓(xùn)練序列的原因——數(shù)學(xué)上最簡(jiǎn)潔性能上最優(yōu)。但工程實(shí)現(xiàn)里有兩個(gè)約束會(huì)讓「完全正交」做不到。第一個(gè)是導(dǎo)頻污染的約束在多小區(qū)場(chǎng)景里相鄰小區(qū)復(fù)用相同的導(dǎo)頻序列你沒(méi)法保證自己小區(qū)內(nèi)的訓(xùn)練序列和其他小區(qū)的訓(xùn)練序列正交因?yàn)槟銐焊恢绖e人用的什么。第二個(gè)是和頻選信道的耦合OFDM系統(tǒng)里導(dǎo)頻放在不同子載波上每個(gè)子載波上的信道響應(yīng)不同正交性只在一個(gè)子載波內(nèi)成立跨子載波的導(dǎo)頻干擾依然存在。所以在實(shí)際做訓(xùn)練序列設(shè)計(jì)時(shí)我的判斷標(biāo)準(zhǔn)不是追求嚴(yán)格正交而是控制 Gram 矩陣條件數(shù)在 10 以下。條件數(shù)等于1是理想情況條件數(shù)小于10時(shí)性能損失可以忽略一旦超過(guò)100低SNR下LS估計(jì)基本就廢了。這個(gè)直覺(jué)比「必須正交」要實(shí)用得多因?yàn)閆adoff-Chu序列ZC序列在頻域上恒模、任意循環(huán)移位之間近似正交但長(zhǎng)度和移位一限制條件數(shù)照樣會(huì)惡化。4.2 訓(xùn)練序列長(zhǎng)度怎么定從待估參數(shù)個(gè)數(shù)到導(dǎo)頻開(kāi)銷(xiāo)訓(xùn)練序列長(zhǎng)度 L 的下界由待估參數(shù)個(gè)數(shù)決定窄帶MIMO里 H 有 Nr×Nt 個(gè)復(fù)參數(shù)但訓(xùn)練序列矩陣 X 只需要行數(shù)為 Nt所以 L ≥ Nt 就能保證可估計(jì)。實(shí)際設(shè)計(jì)時(shí)這個(gè)下界基本沒(méi)人會(huì)用因?yàn)長(zhǎng)等于Nt時(shí)偽逆退化太嚴(yán)重誤差波動(dòng)大常見(jiàn)的做法是取 L 2×Nt 或 L 4×Nt。但要警惕的是L翻倍意味著導(dǎo)頻開(kāi)銷(xiāo)翻倍在數(shù)據(jù)幀里訓(xùn)練序列占用的資源就不能用來(lái)傳數(shù)據(jù)了。我一般會(huì)做一個(gè)簡(jiǎn)單的權(quán)衡計(jì)算固定總幀長(zhǎng)訓(xùn)練序列越長(zhǎng)、信道估計(jì)越準(zhǔn)但有效數(shù)據(jù)傳輸時(shí)間變短、信噪比等效下降訓(xùn)練序列越短、數(shù)據(jù)傳輸時(shí)間變長(zhǎng)但信道估計(jì)誤差會(huì)抬高接收端的等效噪聲底。最優(yōu)長(zhǎng)度不是一個(gè)固定值它隨SNR、信道時(shí)變性、調(diào)制階數(shù)一起變。低階QPSK調(diào)制對(duì)信道估計(jì)誤差的容忍度比256QAM高一截所以高階調(diào)制系統(tǒng)里訓(xùn)練序列適當(dāng)加長(zhǎng)是劃算的。4.3 訓(xùn)練符號(hào)功率分配峰值功率約束下的平方根分配訓(xùn)練序列的功率分配是一個(gè)容易被忽略但實(shí)際效果非常明顯的參數(shù)。如果所有訓(xùn)練符號(hào)等功率發(fā)射那么每根天線的平均發(fā)射功率是恒定的。但很多系統(tǒng)的功放工作在飽和區(qū)附近峰值功率受限訓(xùn)練序列如果出現(xiàn)大的峰均比PAPR信號(hào)會(huì)被非線性削波引入額外失真。一個(gè)簡(jiǎn)單實(shí)用的做法是給訓(xùn)練序列的功率做一個(gè)平方根分配先統(tǒng)計(jì)ZC序列或隨機(jī)序列的幅度分布乘一個(gè)歸一化系數(shù)把所有符號(hào)的峰值功率壓到功放線性區(qū)的95%以內(nèi)然后再統(tǒng)一放大到平均功率目標(biāo)。這樣做的代價(jià)是訓(xùn)練符號(hào)的平均功率略低于理論值但換來(lái)的是整個(gè)訓(xùn)練塊能穩(wěn)定通過(guò)射頻鏈路不會(huì)在到達(dá)接收端時(shí)就已經(jīng)帶著削波失真。我在仿真里見(jiàn)過(guò)太多人把訓(xùn)練序列當(dāng)作理想符號(hào)完全不考慮PAPR一上硬件測(cè)試就翻車(chē)這個(gè)問(wèn)題在后面的避坑章節(jié)會(huì)再展開(kāi)。5. MIMO信道估計(jì)避坑導(dǎo)頻污染、矩陣奇異與仿真復(fù)現(xiàn)的四個(gè)典型翻車(chē)現(xiàn)場(chǎng)5.1 訓(xùn)練序列被噪聲道具化條件數(shù)惡化的典型路徑這個(gè)坑幾乎每個(gè)做信道估計(jì)仿真的人都踩過(guò)?，F(xiàn)象是LS估計(jì)的NMSE在某個(gè)SNR點(diǎn)之后突然不再下降或者估計(jì)出的信道矩陣?yán)镉袔赘炀€的值明顯異常。原因在于訓(xùn)練序列生成時(shí)只用了randn隨機(jī)數(shù)沒(méi)有做正交化處理。隨機(jī)矩陣在計(jì)算機(jī)里生成的浮點(diǎn)數(shù)雖然大概率行滿秩但Gram矩陣的最小特征值和最大特征值的比值可能接近機(jī)器精度對(duì)這個(gè)矩陣求偽逆時(shí)數(shù)值噪聲被放大到和真實(shí)信道信號(hào)一個(gè)量級(jí)。解決方法是訓(xùn)練序列生成后先做一次QR分解強(qiáng)制正交化并且在LS估計(jì)的偽逆求解時(shí)不要用pinv的默認(rèn)容差——MATLAB默認(rèn)容差是max(size(X)) * eps(norm(X))在一些邊緣情況下會(huì)把接近零的奇異值當(dāng)成非零導(dǎo)致估計(jì)結(jié)果里出現(xiàn)巨大的尖峰。推薦把容差設(shè)成1e-10量級(jí)但更好的做法是直接用右除運(yùn)算符/求解讓MATLAB內(nèi)部自己選數(shù)值穩(wěn)定的路徑。5.2 噪聲功率估計(jì)偏差MMSE比LS更容易先驗(yàn)失真MMSE對(duì)噪聲功率 σ2 的估計(jì)誤差非常敏感?，F(xiàn)象是當(dāng)噪聲功率被低估時(shí)MMSE估計(jì)結(jié)果在高SNR區(qū)域出現(xiàn)奇怪的過(guò)沖——濾波矩陣?yán)锏恼齽t項(xiàng)太小MMSE退化成LS之前壓住的噪聲全部冒出來(lái)當(dāng)噪聲功率被高估時(shí)估計(jì)結(jié)果在天線維度上呈現(xiàn)整體縮放幅度偏小處理BMSE雖不炸但信號(hào)幅度解調(diào)時(shí)星座點(diǎn)往原點(diǎn)收縮。原因前面分析過(guò)從LS殘差估算σ2得到的值系統(tǒng)性偏小。解決方法是加一個(gè)修正系數(shù)對(duì)LS殘差估計(jì)值乘一個(gè) 1.2 到 1.5 之間的修正因子或者在訓(xùn)練序列長(zhǎng)度大于最小要求時(shí)直接用未發(fā)送訓(xùn)練序列的時(shí)隙來(lái)測(cè)噪聲底。這個(gè)修正系數(shù)沒(méi)有統(tǒng)一標(biāo)準(zhǔn)和訓(xùn)練序列長(zhǎng)度、信道估計(jì)算法、信道時(shí)變性都有關(guān)我一般是在仿真里掃一遍 1.0 到 2.0 的范圍選NMSE最低的那個(gè)值固定下來(lái)。5.3 時(shí)變信道超出相干時(shí)間訓(xùn)練序列長(zhǎng)度被「看不見(jiàn)的手」限制這個(gè)坑在慢變信道仿真里幾乎不出現(xiàn)但在高速移動(dòng)場(chǎng)景里就會(huì)頻繁冒出來(lái)?，F(xiàn)象是訓(xùn)練序列長(zhǎng)度一加大信道估計(jì)性能反而變差NMSE不降反升。原因是信道在一個(gè)訓(xùn)練塊內(nèi)已經(jīng)發(fā)生了明顯變化前面推導(dǎo)里Y H·X Z的前提被破壞了——不同符號(hào)周期里 H 已經(jīng)不一樣把整個(gè)塊的數(shù)據(jù)強(qiáng)行當(dāng)作同一個(gè) H 來(lái)擬合等于讓估計(jì)器去擬合一個(gè)不存在的常值誤差自然上升。解決這個(gè)問(wèn)題的方向有兩個(gè)一是縮短訓(xùn)練序列長(zhǎng)度把 L 壓到待估參數(shù)剛需附近同時(shí)接受因此帶來(lái)的估計(jì)性能下限抬高二是改用分塊估計(jì)把 L 個(gè)符號(hào)切成若干個(gè)子塊每個(gè)子塊獨(dú)立做一次信道估計(jì)再對(duì)接收到數(shù)據(jù)做插值。后一種做法更常見(jiàn)但需要在訓(xùn)練序列設(shè)計(jì)階段就預(yù)留出子塊間的切換保護(hù)間隔否則相鄰子塊之間的相位跳變會(huì)毀掉整個(gè)估計(jì)結(jié)果。這是我做過(guò)的一個(gè)血淚經(jīng)驗(yàn)加塊間保護(hù)間隔會(huì)讓訓(xùn)練開(kāi)銷(xiāo)再增加一截但換來(lái)的是高速場(chǎng)景下不翻車(chē)。5.4 多徑時(shí)延超過(guò)循環(huán)前綴OFDM信道估計(jì)里的頻域陷阱在OFDM系統(tǒng)里做基于導(dǎo)頻的信道估計(jì)時(shí)還有一個(gè)從時(shí)域帶過(guò)來(lái)的隱患?，F(xiàn)象是某些子載波上的估計(jì)結(jié)果特別好另一些子載波上卻完全失真的「梳狀」圖案而且失真的子載波位置和導(dǎo)頻位置沒(méi)有直接對(duì)應(yīng)關(guān)系。原因不是估計(jì)器本身的問(wèn)題而是多徑時(shí)延擴(kuò)展超過(guò)了OFDM循環(huán)前綴CP長(zhǎng)度產(chǎn)生了符號(hào)間干擾和子載波間干擾。這時(shí)候每個(gè)子載波上的接收信號(hào)不再是H_k · X_k Z_k這個(gè)干凈的窄帶模型而是混入了來(lái)自相鄰符號(hào)和相鄰子載波的泄漏項(xiàng)。解決思路不是去修改估計(jì)器而是要先確認(rèn)CP長(zhǎng)度設(shè)計(jì)合理。檢查方法是看LS估計(jì)的殘差Y ? H_LS·X的功率是否遠(yuǎn)高于所加噪聲功率——如果殘差里還有明顯的結(jié)構(gòu)比如幅度隨子載波周期性起伏基本就是這個(gè)原因。在仿真里應(yīng)對(duì)的手段是把信道時(shí)延擴(kuò)展限制在CP以內(nèi)或者縮短CP但同步收緊多徑建模參數(shù)。這個(gè)坑提醒我們信道估計(jì)算法再?gòu)?qiáng)也補(bǔ)不了系統(tǒng)級(jí)參數(shù)設(shè)計(jì)上的窟窿。6. 從LS/MMSE再往前一步稀疏信道估計(jì)與訓(xùn)練序列迭代優(yōu)化的實(shí)戰(zhàn)思路LS和MMSE是信道估計(jì)的基石但在實(shí)際項(xiàng)目里遇到超大規(guī)模MIMO或者明顯稀疏的多徑信道時(shí)這兩個(gè)方案在開(kāi)銷(xiāo)和性能之間總顯得不夠極致。稀疏信道估計(jì)把問(wèn)題換了個(gè)角度很多無(wú)線信道的多徑時(shí)延擴(kuò)展很大但非零抽頭只有寥寥幾個(gè)整個(gè)信道沖激響應(yīng)在時(shí)延域是稀疏的可以用壓縮感知的框架用遠(yuǎn)少于奈奎斯特采樣要求的導(dǎo)頻數(shù)恢復(fù)出信道。在窄帶MIMO模型里做稀疏估計(jì)第一步是把問(wèn)題重構(gòu)成標(biāo)準(zhǔn)的壓縮感知形式。將信道矩陣按列向量化構(gòu)造一個(gè)由訓(xùn)練序列和基矩陣組合而成的感知矩陣然后跑OMP正交匹配追蹤算法。OMP的迭代次數(shù)就是信道的稀疏度實(shí)際多徑里通常只有3到7條顯著路徑因此迭代次數(shù)可以設(shè)得很小。和LS相比OMP在低SNR下的NMSE能低幾個(gè)dB但帶來(lái)的額外風(fēng)險(xiǎn)是感知矩陣的相干性——如果導(dǎo)頻設(shè)計(jì)沒(méi)做優(yōu)化OMP會(huì)選錯(cuò)原子之后所有迭代都在錯(cuò)誤的方向上累積。這里有一個(gè)值得一試的訓(xùn)練序列迭代優(yōu)化技巧把OMP恢復(fù)出的信道估計(jì)殘差反饋到訓(xùn)練序列設(shè)計(jì)里用殘差能量做加權(quán)把下一次訓(xùn)練序列的能量集中到殘差最大的方向上。這個(gè)過(guò)程可以收斂2到3輪每一輪的導(dǎo)頻開(kāi)銷(xiāo)比隨機(jī)正交訓(xùn)練序列少20%左右是工程上能落地的稀疏估計(jì)改進(jìn)方向。我實(shí)際做過(guò)的驗(yàn)證方法是先固定一組隨機(jī)正交訓(xùn)練序列做baseline再跑兩輪迭代優(yōu)化記錄每一輪的NMSE和有效導(dǎo)頻開(kāi)銷(xiāo)畫(huà)成曲線后就能直觀看到收斂趨勢(shì)。最后說(shuō)一個(gè)自己踩過(guò)的驗(yàn)證教訓(xùn)換算法之前先確認(rèn)對(duì)比的基準(zhǔn)沒(méi)問(wèn)題。我曾在一個(gè)項(xiàng)目里對(duì)比LS和OMP因?yàn)閎aseline的LS在低SNR下已經(jīng)因?yàn)橛?xùn)練序列條件數(shù)惡化而性能崩潰OMP的「提升」其實(shí)只是躲開(kāi)了這個(gè)坑而不是真的稀疏恢復(fù)能力強(qiáng)。后來(lái)把訓(xùn)練序列強(qiáng)制正交化、重新測(cè)基線OMP的真實(shí)增益比之前測(cè)的小得多。做信道估計(jì)算法對(duì)比時(shí)先把baseline做到教科書(shū)理想狀態(tài)再談改進(jìn)——這是我反復(fù)提醒自己的一條規(guī)矩也希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取