简介这份资源面向无线通信、信号处理方向的学生与研究人员提供一套多用户MIMO系统的MATLAB仿真程序用于理解MIMO信道建模、预编码与多用户调度等核心环节。包内共229个文件以94个mat数据文件、51个m脚本为主辅以C源码、mexw32/mexw64编译文件、asv备份、log日志与fig图形等压缩包约1.65MB覆盖从信道生成到性能评估的完整流程。内容涉及瑞利与多径衰落信道建模、MMSE、MRT、零强迫等预编码算法以及用户选择策略、吞吐量与误码率分析等模块适合在理论推导之外动手复现和调参。目前已有390人学习下载可作为课程设计、毕业课题或科研入门的参考代码帮助读者在MATLAB环境中搭建多用户MIMO链路并观察不同参数下的系统容量与信噪比表现。1. 从 MU-MIMO_sim.rar 说起多用户 MIMO 到底在仿真什么很多人第一次拿到MU-MIMO_sim.rar这类压缩包解压后看到一堆.m文件第一反应是「跑一下看看图」。结果要么报错要么跑出来的信道容量曲线跟教科书对不上然后就卡住了。问题不在代码在于没搞清楚多用户 MIMO 仿真到底在算什么。单用户 MIMO 关心的是点对点链路能传多快而 MU-MIMO多用户 MIMO的核心矛盾完全不同一个基站同时服务多个用户用户之间会互相干扰基站要靠预编码把干扰压下去。所以仿真里必须同时出现发射端预编码、多用户信道矩阵、接收端合并、以及最关键的——用户间干扰项。少了任何一个仿真就退化成单用户曲线自然对不上。这篇笔记面向两类人一是刚接触 MU-MIMO、想用 MATLAB 把链路跑通的同学二是已经能跑单用户 MIMO、但多用户场景下 SINR 和容量总算不对的工程师。我会按「信道建模 → 预编码 → 容量计算 → 排错」的顺序把每个环节的参数含义和踩坑点讲清楚代码可以直接抄。2. 多用户 MIMO 信道建模从 H 矩阵到相关信道2.1 为什么不能直接 randn 生成信道矩阵最省事的做法是用H (randn(Nr, Nt) 1j*randn(Nr, Nt))/sqrt(2)生成瑞利信道。单用户场景下这样没问题但多用户场景下如果每个用户的 H 都独立生成等于假设用户之间完全无相关这在物理上过于理想。真实场景里基站侧天线阵列有空间相关性用户之间也可能因为角度接近而存在相关性。常见做法是引入 Kronecker 模型H R_r^(1/2) * H_iid * R_t^(1/2)其中R_r是接收端相关矩阵R_t是发射端相关矩阵。对于下行 MU-MIMO基站是发射端R_t决定了用户间信道的相关程度。相关系数设 0 就是独立信道设 0.5 以上就能明显看到容量下降。% 生成带空间相关的多用户 MIMO 信道 % Nt: 基站天线数, Nr: 每用户天线数, K: 用户数 Nt 8; Nr 2; K 4; rho 0.3; % 发射端相关系数 % 指数相关矩阵 R_t zeros(Nt, Nt); for i 1:Nt for j 1:Nt R_t(i,j) rho^abs(i-j); end end R_t R_t / trace(R_t) * Nt; % 归一化保证总功率不变 % 每个用户的信道 H zeros(Nr, Nt, K); for k 1:K H_iid (randn(Nr, Nt) 1j*randn(Nr, Nt))/sqrt(2); H(:,:,k) H_iid * sqrtm(R_t); % 只考虑发射端相关 end逻辑说明R_t用指数相关模型构造rho控制相邻天线间的相关系数。sqrtm(R_t)是矩阵平方根保证H*H的统计特性符合 Kronecker 模型。参数rho一般取 0.1~0.5超过 0.7 时信道接近秩亏预编码效果会急剧恶化。2.2 大尺度衰落不能省只做小尺度衰落所有用户的平均 SNR 一样仿真出来的和容量会偏乐观。实际中用户离基站距离不同路径损耗差异很大。我一般会在 H 矩阵上乘一个对角矩阵对角线元素是每个用户的大尺度增益。% 大尺度衰落路径损耗 阴影衰落 d [50, 80, 120, 200]; % 用户到基站距离(米) alpha 3.5; % 路径损耗指数 beta_dB 8; % 阴影衰落标准差(dB) d0 10; % 参考距离 pathloss_dB -10*alpha*log10(d/d0); shadow_dB beta_dB * randn(1, K); large_scale 10.^((pathloss_dB shadow_dB)/10); for k 1:K H(:,:,k) sqrt(large_scale(k)) * H(:,:,k); end参数说明alpha在城区一般取 3~4郊区取 2.5~3。beta_dB通常 6~10 dB。d0是参考距离不影响相对关系但影响绝对 SNR做容量对比时要固定住。这一步做完用户间的 SNR 差异可能达到 20 dB 以上后面预编码的公平性问题才会暴露出来。2.3 接收端噪声与归一化噪声功率不能随便设。我见过有人直接noise randn(Nr,1)然后 SNR 设 10 dB结果容量曲线数量级都不对。正确做法是先确定发射总功率P然后按noise_var P / 10^(SNR_dB/10)反推噪声方差。P 1; % 归一化发射总功率 SNR_dB 10; noise_var P / 10^(SNR_dB/10); noise sqrt(noise_var/2) * (randn(Nr,1) 1j*randn(Nr,1));注意多用户场景下P要在所有用户之间分配。如果做等功率分配每个用户分到P/K。如果做注水需要知道每个用户的信道增益。仿真里常用等功率因为实现简单且对比公平。3. 预编码与接收合并把多用户干扰压下去3.1 线性预编码的三种选择MU-MIMO 下行预编码常见的有三种MRT最大比传输、ZF迫零、MMSE最小均方误差。MRT 在低 SNR 下最优但高 SNR 下用户间干扰严重ZF 完全消除干扰但会放大噪声MMSE 折中是实际系统里最常用的。选哪个取决于你的仿真目标。如果只是验证容量上界用 ZF 或 MMSE如果要对比不同算法的鲁棒性三种都跑一遍。我一般先用 ZF 把链路跑通再换 MMSE 看性能提升。% 下行预编码以 ZF 为例 % 构造所有用户的聚合信道 H_all zeros(K*Nr, Nt); for k 1:K H_all((k-1)*Nr1:k*Nr, :) H(:,:,k); end % ZF 预编码矩阵 W_zf H_all * inv(H_all * H_all); W_zf W_zf / norm(W_zf, fro) * sqrt(P); % 功率归一化 % 每个用户的预编码向量 W zeros(Nt, Nr, K); for k 1:K W(:,:,k) W_zf(:, (k-1)*Nr1:k*Nr); end逻辑说明H_all是把所有用户的信道堆叠成一个大矩阵维度K*Nr × Nt。ZF 预编码是H_all * inv(H_all * H_all)前提是H_all行满秩即K*Nr ≤ Nt。如果用户数乘接收天线数超过基站天线数ZF 直接失效这时候要么减少用户数要么换 MMSE 加正则化。参数说明功率归一化那一步很关键。norm(W_zf, fro)是 Frobenius 范数归一化后保证总发射功率等于P。如果不归一化不同算法之间的容量对比没有意义。3.2 MMSE 预编码的正则化因子怎么设MMSE 预编码的公式是W H * inv(H*H alpha*I)其中alpha是正则化因子。alpha取K*Nr*noise_var/P时是理论最优但实际仿真里我一般会扫一遍alpha看哪个值让 BER 最低。alpha K * Nr * noise_var / P; % 理论值 W_mmse H_all * inv(H_all * H_all alpha * eye(K*Nr)); W_mmse W_mmse / norm(W_mmse, fro) * sqrt(P);注意alpha太小MMSE 退化成 ZF噪声放大严重alpha太大退化成 MRT干扰压不住。低 SNR 下alpha要偏大高 SNR 下偏小。如果仿真里 SNR 范围跨 0~30 dB固定alpha会导致某一端性能明显变差建议按 SNR 动态计算。3.3 接收端合并MRC 还是 MMSE接收端每个用户独立处理常见的是 MRC最大比合并。如果用户知道自己受到的干扰可以用 MMSE 接收但多用户下行场景下用户一般不知道其他用户的预编码信息所以 MRC 更实际。% 接收端 MRC y zeros(Nr, K); for k 1:K y(:,k) H(:,:,k) * W(:,:,k) * sym noise; % 接收信号 w_rx H(:,:,k) * W(:,:,k); % 等效信道 w_rx w_rx / norm(w_rx); % MRC 权重 y_combined(k) w_rx * y(:,k); end逻辑说明H(:,:,k) * W(:,:,k)是用户 k 的等效信道MRC 权重就是等效信道的共轭转置归一化。这一步做完每个用户得到一个标量输出后面做检测和 SINR 计算。4. 容量与 SINR 计算曲线对不上的排查思路4.1 和容量的正确算法MU-MIMO 的和容量不是每个用户容量的简单相加因为用户间有干扰。正确做法是先算每个用户的 SINR再算sum(log2(1SINR_k))。SINR zeros(1, K); for k 1:K signal norm(H(:,:,k) * W(:,:,k))^2; interference 0; for j 1:K if j ~ k interference interference norm(H(:,:,k) * W(:,:,j))^2; end end SINR(k) signal / (interference noise_var); end C_sum sum(log2(1 SINR));参数说明signal是用户 k 的有用信号功率interference是其他用户泄漏过来的功率。如果用了 ZF理论上interference接近 0但数值计算会有残差一般在 1e-10 量级不影响结果。如果interference跟signal一个量级说明预编码没生效检查H_all的维度是否匹配。4.2 遍历容量与中断概率单次随机信道算出来的容量波动很大必须做蒙特卡洛。我一般跑 1000 次以上取平均得到遍历容量同时统计中断概率。num_realizations 1000; C_avg 0; C_outage zeros(1, num_realizations); for iter 1:num_realizations % 重新生成信道 % ... 信道生成代码 ... % ... 预编码和 SINR 计算 ... C_avg C_avg C_sum; C_outage(iter) C_sum; end C_avg C_avg / num_realizations; outage_prob sum(C_outage threshold) / num_realizations;注意threshold一般取平均容量的 50% 或 70%看具体业务需求。中断概率曲线比平均容量曲线更能反映系统鲁棒性尤其是用户数多、信道相关性强的时候。4.3 常见报错与排查Matrix dimensions must agree九成是H_all的维度搞错了。H_all应该是K*Nr × Nt检查K、Nr、Nt三个参数是否跟信道生成时一致。Warning: Matrix is close to singularH_all * H_all接近奇异说明用户间信道相关性太强或者K*Nr接近Nt。解决办法是加正则化或者减少用户数。容量曲线在高 SNR 下反而下降这是 ZF 预编码的典型问题噪声放大导致的。换 MMSE 或者加正则化就能解决。5. 避坑与常见问题那些让我熬夜的细节5.1 现象容量曲线跟教科书差 3 dB原因噪声方差归一化方式不对。教科书里经常假设noise_var 1然后 SNR 定义为P/noise_var。但 MATLAB 里randn生成的复高斯噪声方差是 2实部虚部各 1如果直接noise randn(...)实际噪声功率是 2 不是 1。解决生成噪声时除以sqrt(2)或者显式设置noise_var并乘sqrt(noise_var/2)。我一般写成noise sqrt(noise_var/2)*(randn1j*randn)这样噪声功率严格等于noise_var。5.2 现象ZF 预编码后 SINR 仍然很低原因功率归一化方式错了。有人对每个用户的预编码向量单独归一化导致用户间功率分配不均弱用户被进一步压制。解决对W_zf整体做 Frobenius 范数归一化保证总功率固定。如果要做功率分配单独算每个用户的功率系数不要跟预编码矩阵的归一化混在一起。5.3 现象用户数增加时容量不增反降原因用户数超过基站天线数能支持的上限。ZF 要求K*Nr ≤ Nt超过后H_all * H_all不可逆预编码失效。解决要么增加基站天线数要么减少用户数要么换 MMSE 加正则化。实际系统里还会做用户调度只选信道条件好的用户组这就是「多用户分集」的来源。5.4 现象MATLAB 2023 中文注释乱码原因MATLAB 2023 默认编码是 GBK如果脚本文件是 UTF-8 保存的中文注释会乱码。解决在脚本开头加feature(DefaultCharacterSet, UTF-8)或者用matlab -batch时指定编码。更彻底的办法是把 MATLAB 的默认编码改成 UTF-8在偏好设置里改但不同版本路径不一样我一般直接在脚本里加那行代码。5.5 现象跑蒙特卡洛太慢1000 次要半小时原因循环里重复计算了不必要的东西比如每次重新生成相关矩阵R_t。解决把R_t、large_scale这些不随信道快变的部分提到循环外面。另外inv换成\或/MATLAB 对线性方程组的求解做了优化比直接求逆快。如果还慢用parfor并行但要注意parfor里不能有依赖顺序的变量。6. 进阶技巧用 SINR 分布验证预编码是否真的生效跑完容量曲线怎么确认预编码真的在干活我的习惯是画 SINR 的 CDF。如果 ZF 生效所有用户的 SINR 应该比较接近CDF 曲线紧凑如果预编码没生效弱用户的 SINR 会明显偏低CDF 拖尾很长。% 收集多次实现的 SINR SINR_all zeros(num_realizations, K); for iter 1:num_realizations % ... 信道和预编码 ... SINR_all(iter, :) SINR; end % 画 CDF figure; hold on; for k 1:K [f, x] ecdf(SINR_all(:,k)); plot(x, f, LineWidth, 1.5); end xlabel(SINR (dB)); ylabel(CDF); legend(User 1, User 2, User 3, User 4); grid on;如果某条曲线明显偏离其他曲线说明那个用户的信道条件特别差或者功率分配有问题。这时候可以检查large_scale是否合理或者考虑加用户调度。另一个验证方法是看等效信道的条件数。cond(H_all * W)如果接近 1说明预编码把信道对角化了如果很大说明干扰没压干净。% 等效信道条件数 H_eff H_all * W_zf; cond_num cond(H_eff); fprintf(等效信道条件数: %.2f\n, cond_num);条件数在 1~10 之间算正常超过 100 就要警惕。我一般会在仿真里加这个检查比看容量曲线更直接。最后说个血泪教训仿真里所有参数都要有物理意义不要为了曲线好看随便调。我见过有人把rho设成 0.01 让容量曲线很漂亮但实际场景里相关系数不可能那么低。参数设得合理曲线才有参考价值。希望帮到你。本文还有配套的精品资源点击获取