MIMO是如何实现可靠性的提升

MIMO是如何实现抗干扰的？

我们都知道MIMO有两种方式，分集和复用；MIMO也有两个显著的特点——可靠性与有效性。

MIMO采用多进多出的天线，来实现可靠性和有效性的提升。公网采用MIMO用来提升通信容量——有效性，专网通信用MIMO来提升系统的可靠性。

今天主要来讲一讲MIMO是如何实现可靠性的提升。

分集

分集是在多条独立通道传输相同的数据，接收端通过分集合并技术，抵抗信道衰落，提升信道传输的可靠性。

复用

复用是在多条独立信道传输不同的数据，提升频谱利用率，增加信道容量。

在了解分集提升抗干扰性之前，我们先了解两个概念。

瑞利衰落和多径效应。

瑞利衰落是指信号在传输过程中，由于多普勒效应的影响使得信号的相位和幅度发生快速变化，这种变化被称为快速衰落。

多径衰落则是指信号在传输过程中经历了多条路径，不同路径的信号到达时相位不同引起信号的叠加干扰，导致信号的衰落。

瑞利衰落和多径衰落都是无线传输中不可避免的信道影响，但它们的产生机理不同。多径衰落是由于信号在传播时经历了不同路径的干涉导致信号衰减，而瑞利衰落则是由于信号振荡和干扰造成的快速衰落。在环境较为简单的开放区域，多径效应相对弱，主要由瑞利衰落引起；而在城市、山地等复杂环境下，多径效应很强，是主要的信道衰落因子。

瑞利衰落和多径衰落都衰落的一种,衰落具有独立性，即只要接收距离足够大，则接收到的信号衰落不具备相关性，这就是MIMO分集抗衰落的设计原则。

在信道中，使用1根发射天线n根接收天线，发送信号通过n个不同的路径。分集在天线设计时，都会保证各个天线之间无相关，所以天线之间的衰落是独立的，可以获得最大的分集增益为n，平均误差概率可以减小 。

对于发射分集技术来说，同样是利用多条路径的增益来提高系统的可靠性。在一个具有m根发射天线n根接收天线的系统中，如果天线对之间的路径增益是独立均匀分布的瑞利衰落，可以获得的最大分集增益为mn。

对比仿真

从仿真结果看，2T1R的效果好于1T1R，1T2R的效果好于2T1R，这也能理解4G手机是1发多收，而不是多发1收。

附仿真代码

frmLen = 100;       % frame length
numPackets = 1000;  % number of packets
EbNo = 020;      % Eb/No varying to 20 dB
N = 2;              % maximum number of Tx antennas
M = 2;              % maximum number of Rx antennas
% Create comm.BPSKModulator and comm.BPSKDemodulator System objects(TM)
P = 2;        % modulation order
bpskMod = comm.BPSKModulator;
bpskDemod = comm.BPSKDemodulator('OutputDataType','double');


% Create comm.OSTBCEncoder and comm.OSTBCCombiner System objects
ostbcEnc = comm.OSTBCEncoder;
ostbcComb = comm.OSTBCCombiner;

awgn1Rx = comm.AWGNChannel(...
'NoiseMethod', 'Signal to noise ratio (Eb/No)', ...
'SignalPower', 1);
awgn2Rx = clone(awgn1Rx);

errorCalc1 = comm.ErrorRate;
errorCalc2 = comm.ErrorRate;
errorCalc3 = comm.ErrorRate;
s = rng(55408);

H = zeros(frmLen, N, M);
ber_noDiver  = zeros(3,length(EbNo));
ber_Alamouti = zeros(3,length(EbNo));
ber_MaxRatio = zeros(3,length(EbNo));
ber_thy2     = zeros(1,length(EbNo));


fig = figure;
grid on;
ax = fig.CurrentAxes;
hold(ax,'on');


ax.YScale = 'log';
xlim(ax,[EbNo(1), EbNo(end)]);
ylim(ax,[1e-4 1]);
xlabel(ax,'Eb/No (dB)');
ylabel(ax,'BER');
fig.NumberTitle = 'off';
fig.Renderer = 'zbuffer';
fig.Name = 'Transmit vs. Receive Diversity';
title(ax,'Transmit vs. Receive Diversity');
set(fig, 'DefaultLegendAutoUpdate', 'off');
fig.Position = figposition([15 50 25 30]);


for idx = 1:length(EbNo)
reset(errorCalc1);
reset(errorCalc2);
reset(errorCalc3);
% Set the EbNo property of the AWGNChannel System objects
awgn1Rx.EbNo = EbNo(idx);
awgn2Rx.EbNo = EbNo(idx);
% Loop over the number of packets
for packetIdx = 1:numPackets
% Generate data vector per frame
data = randi([0 P-1], frmLen, 1);


% Modulate data
modData = bpskMod(data);


% Alamouti Space-Time Block Encoder
encData = ostbcEnc(modData);


% Create the Rayleigh distributed channel response matrix
%   for two transmit and two receive antennas
H(1end, :, :) = (randn(frmLen/2, N, M) + ...
1i*randn(frmLen/2, N, M))/sqrt(2);
%   assume held constant for 2 symbol periods
H(2end, :, :) = H(1end, :, :);


% Extract part of H to represent the 1x1, 2x1 and 1x2 channels
H11 = H(:,1,1);
H21 = H(:,:,1)/sqrt(2);
H12 = squeeze(H(:,1,:));

% Pass through the channels
chanOut11 = H11 .* modData;
chanOut21 = sum(H21.* encData, 2);
chanOut12 = H12 .* repmat(modData, 1, 2);


% Add AWGN
rxSig11 = awgn1Rx(chanOut11);
rxSig21 = awgn1Rx(chanOut21);
rxSig12 = awgn2Rx(chanOut12);
% Alamouti Space-Time Block Combiner
decData = ostbcComb(rxSig21, H21);
% ML Detector (minimum Euclidean distance)
demod11 = bpskDemod(rxSig11.*conj(H11));
demod21 = bpskDemod(decData);
demod12 = bpskDemod(sum(rxSig12.*conj(H12), 2));
% Calculate and update BER for current EbNo value
%   for uncoded 1x1 system
ber_noDiver(:,idx)  = errorCalc1(data, demod11);
%   for Alamouti coded 2x1 system
ber_Alamouti(:,idx) = errorCalc2(data, demod21);
%   for Maximal-ratio combined 1x2 system
ber_MaxRatio(:,idx) = errorCalc3(data, demod12);
end % end of FOR loop for numPackets
% Calculate theoretical second-order diversity BER for current EbNo
ber_thy2(idx) = berfading(EbNo(idx), 'psk', 2, 2);
% Plot results
semilogy(ax,EbNo(1:idx), ber_noDiver(1,1:idx), 'r*', ...
EbNo(1:idx), ber_Alamouti(1,1:idx), 'go', ...
EbNo(1:idx), ber_MaxRatio(1,1:idx), 'bs', ...
EbNo(1:idx), ber_thy2(1:idx), 'm');
legend(ax,'No Diversity (1Tx, 1Rx)', 'Alamouti (2Tx, 1Rx)',...
'Maximal-Ratio Combining (1Tx, 2Rx)', ...
'Theoretical 2nd-Order Diversity');
drawnow;
end  % end of for loop for EbNo
% Perform curve fitting and replot the results
fitBER11 = berfit(EbNo, ber_noDiver(1,:));
fitBER21 = berfit(EbNo, ber_Alamouti(1,:));
fitBER12 = berfit(EbNo, ber_MaxRatio(1,:));
semilogy(ax,EbNo, fitBER11, 'r', EbNo, fitBER21, 'g', EbNo, fitBER12, 'b');
hold(ax,'off');
% Restore default stream
rng(s);

总结

当下对MIMO的主流应用主要在增加通信容量上。在专网领域，通信地形的复杂，采用MIMO分集技术可以提升通信系统的通信可靠性。

编辑：黄飞