3. MIMO信道模型：空间信道模型、天线相关性、信道矩阵的秩与条件数

各位同学，今天我们来聊聊MIMO信道模型。说实话，这个知识点在LTE物理层里属于「看着简单，用起来坑多」的类型。我当年刚接手MIMO检测算法时，就因为在信道模型上理解不够深，导致仿真结果跟实测对不上，折腾了整整两周才找到原因。

好，咱们直接进入正题。

3.1 空间信道模型

MIMO的核心优势，说白了就是利用多根天线在空间维度上并行传输数据。但天线之间的信道不是独立的，它们之间存在空间相关性。这个相关性怎么来的？

你想想看，两根天线靠得越近，它们看到的传播环境就越相似。如果天线间距只有半个波长，那两路信号几乎一模一样——这就浪费了MIMO的优势。反之，间距足够大，信道才真正独立。

在LTE标准中，常用的空间信道模型有几种：

• 独立同分布（i.i.d.）模型：假设各天线间信道完全独立。这是最理想的情况，仿真时常用，但实际中几乎不存在。
• 相关信道模型：考虑天线间距、角度扩展等因素，引入相关性矩阵。我个人习惯用Kronecker模型，它把收发两端的相关性分开处理，实现起来比较方便。
• 3GPP SCM/SCME模型：这是标准里定义的精细化模型，包含多径、时延、角度等信息。做系统级仿真时必用，但算法级验证时太复杂，我一般先用简化模型调通，再换这个做最终验证。

我在项目中遇到过一个问题：用i.i.d.模型调好的MIMO检测算法，换到相关信道模型后性能直接掉了3dB。后来才发现，是信道矩阵的条件数变差了，导致检测算法对噪声特别敏感。这个后面会细说。

3.2 天线相关性

天线相关性，就是衡量不同天线之间信道相似程度的指标。数学上通常用相关系数ρ来表示，范围在0到1之间。ρ=0表示完全不相关，ρ=1表示完全相关。

实际系统中，影响相关性的因素主要有：

• 天线间距：间距越大，相关性越低。基站侧通常要求10倍波长以上，终端侧受尺寸限制，往往只有0.5~1倍波长。
• 角度扩展：散射环境越丰富，角度扩展越大，相关性越低。室内环境比开阔地好得多。
• 极化方式：不同极化（垂直/水平）的天线之间相关性天然较低，这也是LTE中常用双极化天线的原因。

嗯，这里要注意：相关性矩阵不是随便构造的。我见过有人直接用全1矩阵当相关性矩阵，那相当于所有天线完全相关，MIMO直接退化成SISO了。正确的做法是用指数相关模型或者基于角度扩展的模型来生成。

3.3 信道矩阵的秩与条件数

这两个指标是判断MIMO信道质量的关键。我每次做算法评估，第一件事就是看信道矩阵的秩和条件数。

3.3.1 秩（Rank）

信道矩阵H的秩，决定了理论上最多能同时传输多少路独立数据流。对于一个N_r×N_t的MIMO系统，秩的最大值是min(N_r, N_t)。

举个例子：4发4收的系统，理想情况下秩为4，可以传4流数据。但如果信道相关性很高，秩可能降到2甚至1。这时候你硬要传4流，那性能会惨不忍睹。

我曾经在一个项目中，用SVD分解看信道矩阵的奇异值分布，发现最大的奇异值比最小的大了100倍。这意味着有效秩只有2，后面两流基本是浪费的。后来我们根据秩自适应调整了调制编码方案，吞吐量反而提升了15%。

3.3.2 条件数（Condition Number）

条件数 = 最大奇异值 / 最小奇异值。它反映了信道矩阵的「病态程度」。

• 条件数接近1：信道状态好，各流之间干扰小，检测算法容易处理。
• 条件数很大（比如>100）：信道病态，最小奇异值对应的数据流对噪声极其敏感。这时候用线性检测（如ZF、MMSE）性能会很差，必须用ML或球形译码这类非线性算法。

我建议你在仿真时，把条件数作为一个监控指标。如果发现条件数经常超过100，那就要考虑是不是天线间距不够，或者信道环境太差。

3.4 知识体系结构图

下面我用一张SVG图来总结本章的核心逻辑，方便你建立整体认知：

3.5 工程中的实用建议

最后，我结合自己的经验，给你几条实在的建议：

1. 仿真初期用i.i.d.模型快速验证算法正确性，但最终评估一定要用相关信道模型，否则结果没有参考价值。
2. 条件数超过50就要警惕。我一般会在代码里加一个条件数统计模块，实时监控信道质量。
3. 秩的估计不要只看数学秩，要看有效秩——即奇异值大于某个门限（比如最大奇异值的1/10）的个数。
4. 天线相关性不是越小越好。完全独立的天线在硬件实现上很难做到，而且某些场景下适度相关性反而有助于波束赋形。

好了，关于MIMO信道模型就讲到这里。记住一句话：信道模型选对了，检测算法就成功了一半。下一章我们会深入MIMO检测算法的具体实现，到时候你会看到这些信道特性如何直接影响算法设计。

---

公众号:蓝海资料掘金营，微信deep3321