MATLAB模拟不同MIMO-OFDM方案

模拟不同MIMO-OFDM方案的MATLAB代码示例，涵盖基本系统搭建、信道建模、性能对比（如BER、吞吐量）以及常见MIMO模式（如Alamouti、STBC）的实现。

---

1. MATLAB代码框架

clc; clear; close all;

%% 系统参数设置
params = struct();
params.N_subcarriers = 64;    % 子载波数量
params.cp_len = 16;           % 循环前缀长度
params.tx_antennas = 2;       % 发射天线数（可改为4/8）
params.rx_antennas = 2;       % 接收天线数
params.tx_power = 1;          % 发射功率(dBm)
params.snr_range = 0:5:30;    % SNR范围(dB)
params.mod_order = 4;         % 调制阶数(QPSK=4, 16-QAM=16)
params.mimo_scheme = 'alamouti'; % MIMO方案: 'almaouti', 'stbc', 'simo'

%% 生成随机QAM符号
data = randi([0 params.mod_order-1], params.N_subcarriers, 1);
tx_symbols = qammod(data, params.mod_order, 'UnitAveragePower', true);

%% MIMO预编码（根据方案选择）
if strcmp(params.mimo_scheme, 'almaouti')
    % Alamouti方案（2x1空时块编码）
    [tx_matrix, codebook] = alamouti_encoder(tx_symbols);
elseif strcmp(params.mimo_scheme, 'stbc')
    % 2x2 STBC编码
    tx_matrix = stbc_encoder(tx_symbols, 2);
else
    % SIMO（单天线发射，多天线接收）
    tx_matrix = reshape(tx_symbols, [], params.tx_antennas);
end

%% OFDM调制
tx_ofdm = ifft(tx_matrix, params.N_subcarriers);
tx_ofdm = [tx_ofdm(:, end-params.cp_len+1:end), tx_ofdm]; % 添加CP

%% 信道模型（瑞利衰落）
H = (1/sqrt(2))*(randn(params.rx_antennas, params.tx_antennas, params.N_subcarriers) + 1j*randn(params.rx_antennas, params.tx_antennas, params.N_subcarriers));

%% 信号传播与噪声
rx_signal = zeros(size(tx_ofdm));
for i = 1:params.N_subcarriers
    rx_signal(:, i) = H(:,:,i) * tx_ofdm(:, i);
end
rx_signal = awgn(rx_signal, params.tx_power + 30 - 10*log10(params.mod_order), 'measured');

%% MIMO检测与OFDM解调
rx_symbols = zeros(size(tx_symbols));
for i = 1:params.N_subcarriers
    % 去除CP
    rx_cp_removed = rx_signal(:, i)(params.cp_len+1:end);
    
    % OFDM解调
    rx_ofdm = fft(rx_cp_removed, params.N_subcarriers);
    
    % MIMO检测
    if strcmp(params.mimo_scheme, 'almaouti')
        rx_symbols(:, i) = alamouti_decoder(rx_ofdm, codebook);
    elseif strcmp(params.mimo_scheme, 'stbc')
        rx_symbols(:, i) = stbc_decoder(rx_ofdm);
    else
        rx_symbols(:, i) = rx_ofdm(:, 1); % SIMO直接接收
    end
end

%% 计算BER
rx_data = qamdemod(rx_symbols, params.mod_order, 'UnitAveragePower', true);
ber = sum(rx_data ~= data) / length(data);
disp(['SNR: ', num2str(mean(params.snr_range)), ' dB, BER: ', num2str(ber)]);

%% 绘图
figure;
semilogy(params.snr_range, ber, '-o');
grid on;
xlabel('SNR (dB)'); ylabel('BER');
title([params.mimo_scheme, ' MIMO-OFDM Performance']);

---

2. 关键函数实现

Alamouti编码器

function [tx_matrix, codebook] = alamouti_encoder(symbols)
    N = length(symbols);
    tx_matrix = zeros(2, N);
    tx_matrix(1,:) = symbols;
    tx_matrix(2,:) = zeros(1, N);
    codebook = [1 1; 1 -1]; % Alamouti编码矩阵
end

function decoded = alamouti_decoder(rx_matrix, codebook)
    decoded = (conj(codebook(1,1))*rx_matrix(1,:) + codebook(2,2)*conj(rx_matrix(2,:))) ...
              + 1j*(codebook(2,1)*conj(rx_matrix(1,:)) - codebook(1,2)*conj(rx_matrix(2,:)));
end

STBC编码器（2x2）

function tx_matrix = stbc_encoder(symbols, num_tx)
    N = length(symbols);
    tx_matrix = zeros(num_tx, 2*N);
    tx_matrix(1, 1:2:end) = symbols(1:2:end);
    tx_matrix(2, 1:2:end) = symbols(2:2:end);
    tx_matrix(1, 2:2:end) = conj(symbols(2:2:end));
    tx_matrix(2, 2:2:end) = -conj(symbols(1:2:end));
end

function decoded = stbc_decoder(rx_matrix)
    decoded = (rx_matrix(1,:) .* conj(rx_matrix(2,:)) + 1j*rx_matrix(2,:) .* conj(rx_matrix(1,:))) / 2;
end

---

模拟不同MIMO-OFDM方案的MATLAB代码

3. 可扩展方案对比

(1) 不同MIMO模式

• Alamouti (2x1)：时域空分复用，适合单流传输。
• STBC (2x2)：空间分集增益，牺牲速率换取可靠性。
• SIMO (1x2)：接收分集，无编码增益。

修改 params.mimo_scheme 即可切换方案。

(2) 不同调制方式

修改 params.mod_order（如 16 对应16-QAM）。

(3) 不同信道模型

替换信道生成代码，例如：

% 瑞利衰落信道（当前代码）
H = (1/sqrt(2))*(randn(...) + 1j*randn(...));

% Rician衰落信道
H = ricianchan(1e-3, 30, 10); % K=10

---

4. 性能分析指标

• BER vs SNR：对比不同MIMO方案的误码率曲线。
• 吞吐量：计算有效数据速率（调制阶数 × 天线数 × 子载波利用率）。
• 频谱效率：log2(mod_order) × N_subcarriers / (N_subcarriers + cp_len)。

---

5. 扩展建议

1. 添加信道估计：使用LS或MMSE估计信道。
2. MIMO预编码：实现ZF、MMSE或ZF-SIC预编码。
3. 大规模MIMO：扩展至64x64天线系统，分析波束成形效果。
4. LDPC编码：结合信道编码提升性能。

---

通过调整参数和函数，可快速验证不同MIMO-OFDM方案的优劣。如需完整仿真，建议结合Simulink的Communications Toolbox进行链路级仿真。