MIMO信道容量MATLAB仿真与注水功率分配算法详解

如果你也在做通信方向的课程设计或毕业设计，MIMO信道容量仿真基本是绕不开的一道题。我最近正好在整理一套完整的交付物——MATLAB源码、配套论文、部署文档和讲解视频都在里面，借此把整个项目从理论到代码、从仿真到报告的关键点完整写一遍。MIMO（多输入多输出）作为5G、Wi-Fi 6这些系统最核心的物理层技术，它的信道容量直接决定了系统在给定信噪比、给定天线数下能传多快，也是衡量MIMO增益最直观的指标。这套项目覆盖了SISO到2×2、4×4、8×8 MIMO的容量对比、发射端已知与未知信道状态信息两种典型场景、注水功率分配算法，以及整套蒙特卡洛仿真与结果绘图方案，很适合需要交代码、交报告，同时还想真正搞懂背后原理的同学参考。

1. 项目全貌：拿到手的是什么，解决什么问题

1.1 交付清单拆解

拿到项目包之后，先别急着双击运行代码，先把东西盘点清楚。这套交付包含四部分：源码、lw（论文/课程设计报告）、部署文档、讲解视频。严格来说，这个组合已经覆盖了从“复现”到“答辩”的全流程，不是单纯丢几个.m文件给你。

源码部分是MATLAB脚本加一个README说明，目录结构大概长这样：

MIMO_Capacity_Project/ ├── main_capacity.m # 主脚本：仿真入口，参数配置和流程控制 ├── generate_channel.m # 瑞利衰落信道矩阵生成 ├── water_filling.m # 注水功率分配算法 ├── capacity_equal_power.m # 等功率分配下的容量计算 ├── capacity_waterfilling.m # 注水功率分配下的容量计算 ├── plot_results.m # 结果可视化与图像导出 ├── README.md # 快速使用说明 └── docs/ ├── 部署文档.md └── 实验报告_lw.pdf

主脚本驱动整个仿真流程，从参数设置、循环仿真到结果保存，其余文件各自负责一个独立功能。lw这部分很多人会忽略，其实它是答辩时最拉分的部分——里面包含理论推导、仿真设计思路、结果分析和结论，直接拿去做课程设计报告或者毕设论文的初稿都没问题。部署文档则把环境怎么配、脚本怎么跑、出了错怎么排查写得比较细，你不需要自己再摸索一遍。讲解视频会把每个文件的每一行核心代码都过一遍，跟着视频走一遍基本能独立复现整个过程。

这里提醒一下：正确路径是先读部署文档，搞清楚目录结构和运行顺序，再看代码。很多同学一上来就双击main_capacity.m，报错了也不知道该看哪个文件，来回折腾半天。源码+lw+部署文档+讲解这套组合，本质就是解决“代码能跑但看不懂、写报告不会组织、答辩讲不清楚”这三个痛点。

1.2 为什么选MATLAB做MIMO信道容量仿真

选MATLAB做这个方向几乎没有悬念。通信系统仿真里，MATLAB的矩阵运算天然契合MIMO模型——信道矩阵H就是一个Nr×Nt的复数矩阵，容量公式里的行列式、特征值分解、SVD在MATLAB里都是一两行命令的事。

相比Python，MATLAB有三个优势非常明显。第一是调试方便，工作区里可以直接看到每个变量的维度和数值，矩阵维度对不齐时一眼就能发现，这对复数矩阵运算特别友好。第二是数值稳定性好，det、svd、eig这些内置函数经过大量工程优化，比自己在Python里调numpy又另外包装一层要省心。第三是绘图集成度高，semilogy、grid、legend一套下来就能出比较规范的论文图，保存成png或eps都很方便。

Python其实也能做，需要额外装numpy、matplotlib，复数矩阵运算的处理能力和MATLAB没有本质差别。但在课程设计、毕设场景下，导师第一反应通常就是MATLAB，代码评审时沟通成本低，和理论推导的契合度也更高。所以这个项目选MATLAB，既是技术选择，也是场景选择。项目也没有依赖任何额外工具箱，基础MATLAB就能跑，这一点在部署环节省了很多麻烦。

1.3 项目解决的三个典型场景

这个项目到底能拿来干什么，我梳理下来就三个方向。第一个是课程设计/毕业设计——要求交源码加报告加答辩PPT，源码能跑、结果图规范、理论推导完整，基本就能拿到一个不错的分数。第二个是面试和自我提升——很多人简历上写了MIMO、预编码、信道容量这些关键词，但被问到“4×4比2×2容量高多少、为什么高”就卡壳。自己动手把仿真跑一遍，把这些概念落到实处，再被问到就完全不虚。第三个是方案选型预研——虽然真实系统要用LTE/NR标准做链路级仿真，但信道容量上限分析能快速估算不同天线配置的增益空间，为方案设计提供一个直观的参考基线。

这三种场景对项目的需求本质一致：理论要能讲清楚，代码要能复现，结果要能解释。所以后面每一章我都按这个标准来拆，理论和代码交替推进，最后落到实际排查中。

2. 信道容量理论：从香农公式到MIMO容量表达式

2.1 从SISO到MIMO：容量到底在算什么

先回到最基础的香农公式。单发单收SISO信道，在带宽B和信噪比SNR条件下，信道容量是：

C = B × log2(1 + SNR)，单位是bit/s

注意这里的SNR是线性值，不是dB。如果你的信噪比是10dB，那SNR = 10^(10/10) = 10，容量就是B × log2(11) ≈ 3.46B。这个公式的意义在于：它给出了在一定带宽和信噪比下，单位时间内能可靠传输的最大信息速率上界。实际系统只能逼近这个上界，不可能超过它。

到MIMO场景，有了Nt根发射天线和Nr根接收天线，信道从一个标量变成了一个矩阵H，维度是Nr×Nt，每个元素通常服从瑞利衰落分布。容量公式也从标量形式变成了矩阵形式：

C = E[ log2 det( I_Nr + (SNR / Nt) × H × H^H ) ]

其中H^H是H的共轭转置，I_Nr是Nr×Nr的单位阵，det是行列式，E[·]表示对随机信道取期望。这个公式成立的前提是发射端不知道信道状态信息（CSI），只能把功率平均分给Nt根天线。

怎么理解这个矩阵公式？一个比较快的路径是用SVD分解去看。任何矩阵都能分解成H = U × S × V^H，其中S对角线上的元素就是奇异值σ_i。因为酉矩阵U和V不改变信号功率，MIMO信道本质上可以被看作多条相互独立的“平行子信道”，每条子信道的增益是σ_i²。log2 det(...)实际上就是把多条平行子信道的容量相加。理解了这一点，后面看注水算法就很自然了。

2.2 两种CSI场景下的容量公式与注水算法

MIMO容量公式里最关键的分支点是发射端是否知道CSI。

发射端不知道CSI时，功率只能平均分配，用上面那个行列式公式。这也是最常用的仿真场景，因为CSI的获取需要反馈链路，而实际系统信道是时变的，精确反馈很难做到。接收端可以通过导频估计出信道矩阵，但发射端往往只能拿到一份延迟且量化的反馈。

发射端已知CSI时，就可以用注水算法做功率分配。原理并不复杂：对H做SVD分解后，得到多条平行子信道，增益为λ_i = σ_i²。容量表达式变成：

C = Σ_i log2(1 + P_i × λ_i / N0)

其中P_i是分给第i条子信道的功率，约束条件是Σ_i P_i = P，P是总发射功率。注水算法的意思是：信道质量好的子信道多分功率，信道质量差的少分甚至不分，就像往一个高低不平的容器里倒水，水面会自动趋于同一水位。最优解的表达式：

P_i = ( μ − 1/λ_i )⁺

其中μ是“水位”，右上角的+表示括号内取非负值，括号内小于等于零就取0。μ要通过总功率约束迭代求得：找到一个μ，使得Σ_i P_i = P成立。在代码里最稳妥的实现是二分法搜μ，后面第3章会给出具体写法。

2.3 天线数、信噪比与容量增长曲线

仿真之前，心里要有个大致预期，否则跑出结果也不知道对不对。从理论上，MIMO容量有几个重要趋势。

低信噪比时，容量增长主要由SNR决定，MIMO带来的自由度增益相对有限，曲线和SISO差距不大。中高信噪比时，每增加一维有效空间自由度，就多一个log2(1+SNR)级别的增长项，所以天线数越多，容量增长速率越快。理想情况下，Nt发Nr收的MIMO系统最多能提供min(Nt, Nr)倍的复用增益——在高SNR区间，容量随SNR增长的斜率会变成SISO的min(Nt, Nr)倍。

举个例子，4×4 MIMO在高信噪比下容量曲线的斜率接近SISO的4倍，同样的信噪比下容量明显高于2×2。这就是为什么5G基站要用大规模天线阵列，也就是Massive MIMO——空间自由度是容量增长的“第二维度”。仿真中你会看到2×2、4×4、8×8三条曲线，高SNR区域差距会拉得很开，那就是MIMO复用增益最直观的体现。

3. 源码实现拆解：核心函数与关键代码逐段过

3.1 目录结构与各文件职责

先梳理一下每个文件该干什么，因为后面所有讲解都建立在“你知道哪个文件负责哪件事”的基础上。

• generate_channel.m：生成瑞利衰落信道矩阵，核心是保证每个元素的平均功率为1。
• capacity_equal_power.m：实现等功率分配容量，输入信道矩阵H和SNR，输出一个平均容量值。
• water_filling.m：输入信道特征值λ和总功率P，输出最优功率分配向量P_i。
• capacity_waterfilling.m：基于注水功率分配结果计算容量。
• plot_results.m：把不同天线配置、不同方案下的容量曲线画到一起，并保存图片。
• main_capacity.m：总入口，设置参数、调用其他函数、汇总结果。

实际交付时，我还建议在主脚本里加一个verify_env.m的依赖检查小功能，检查randn、svd、det这些基础函数是否可用，输出OK提示。这个文件虽然简单，但能帮使用者在第一时间排除环境问题，而不是一上来就面对代码报错。

3.2 信道矩阵生成与蒙特卡洛仿真框架

信道矩阵生成是整个项目最容易被忽视却又最关键的一步。正确写法是：

function H = generate_channel(Nr, Nt) % 生成瑞利衰落信道矩阵 % 实部和虚部都是均值为0、方差为1/2的高斯随机变量 H = (randn(Nr, Nt) + 1i*randn(Nr, Nt)) / sqrt(2); end

为什么除以sqrt(2)？因为要让每个元素的平均功率E[|H_ij|²]等于1。如果直接写randn(Nr,Nt)+1i*randn(Nr,Nt)，每个元素的幅度平方期望是2，会让SNR计算整体偏移3dB。这个细节是很多同学仿真结果和理论对不上的头号原因，而且它不报错，只让结果悄悄变差，非常隐蔽。

蒙特卡洛仿真框架如下：

clear; clc; Nt = 4; Nr = 4; snr_dB = 0:2:30; snr_lin = 10.^(snr_dB/10); Niter = 10000; C_equal = zeros(1, length(snr_lin)); for idx = 1:length(snr_lin) cap_sum = 0; for it = 1:Niter H = generate_channel(Nr, Nt); cap = log2(real(det(eye(Nr) + (snr_lin(idx)/Nt) * (H * H')))); cap_sum = cap_sum + cap; end C_equal(idx) = cap_sum / Niter; end

这里有个细节：H*H'用的是共轭转置'，而不是普通转置.'。复数信道矩阵一旦误用.'，容量结果就会变成垃圾数据，而且不报错，属于最阴的bug。det外面包一层real是防止数值误差产生极小的虚部，因为从理论上讲，I + (SNR/Nt)*H*H'是正定Hermitian矩阵，行列式一定是实数。

Niter取10000是比较折中的选择。太少曲线毛刺多，太多则仿真耗时明显增加，尤其是8×8配置下，单次det计算复杂度随维度增长，整体跑下来会拖很久。如果只是为了看曲线趋势，Niter取5000也能接受，但报告里的最终结果建议用10000。

3.3 注水功率分配实现

注水算法的核心是求水位μ。严谨的写法是用二分法，在0到max(λ)+P之间搜索μ，使功率之和等于总功率。参考实现：

function P_alloc = water_filling(lambda, P_total) % lambda: 信道增益，即奇异值的平方，按降序排列 % P_total: 总发射功率（假设噪声功率为1，即P_total等价于SNR） N = length(lambda); mu_low = 0; mu_high = max(lambda) + P_total; tol = 1e-6; while mu_high - mu_low > tol mu = (mu_low + mu_high) / 2; P_i = mu - 1 ./ lambda; P_i = max(P_i, 0); if sum(P_i) < P_total mu_low = mu; else mu_high = mu; end end P_alloc = P_i; end

这段代码的逻辑是：水位μ越高，分配到每个子信道的功率越多。如果当前水位下总功率不够，说明μ取小了，就把下界抬高；如果总功率超出，说明μ取大了，就把上界压低。二分法迭代几十次就能收敛，稳定性和速度都很好。

调用的时候，先对H做SVD得到奇异值平方λ：

[~, S, ~] = svd(H, 'econ'); lambda = diag(S).^2; P_alloc = water_filling(lambda, snr_lin(idx)); cap_wf = sum(log2(1 + P_alloc .* lambda));

注意water_filling里假设了噪声功率为1，所以P_total直接传SNR线性值就行。如果想严格一点，可以写成P_total = snr_lin(idx)，效果是一样的，因为归一化之后这个比例就是SNR。

从仿真结果看，注水算法在中低信噪比时的优势比高信噪比更明显。高信噪比时水位远高于1/λ_i，几乎所有子信道都能分到相近的功率，注水会自然退化为等功率分配。这个规律在写报告时是一个很有价值的分析点。

3.4 容量曲线绘制与结果分析

绘图部分建议写成独立函数，统一控制线形和坐标轴，方便多组数据对比：

function plot_results(snr_dB, C_equal, C_wf, Nt, Nr) figure; plot(snr_dB, C_equal, 'b-o', 'LineWidth', 1.5); hold on; plot(snr_dB, C_wf, 'r--s', 'LineWidth', 1.5); grid on; xlabel('SNR (dB)'); ylabel('信道容量 (bit/s/Hz)'); legend(sprintf('%d x %d MIMO 等功率', Nt, Nr), ... sprintf('%d x %d MIMO 注水', Nt, Nr), ... 'Location', 'northwest'); title('MIMO信道容量随SNR变化'); saveas(gcf, sprintf('capacity_%dx%d.png', Nt, Nr)); end

legend里带上天线配置，多组对比时才不会混乱。标题用中文还是英文取决于你的MATLAB版本，R2021b以后中文支持没什么问题，老版本建议用英文，避免导出图片时出现乱码。

做结果分析时建议至少包含三个维度：不同天线配置下容量的纵向对比、等功率与注水方案的横向对比、以及和SISO理论值的对比。每条曲线都要能解释清楚“为什么高、为什么低、为什么斜率不同”，这才是报告里最体现理论功底的部分，远比堆一堆代码有意义。

4. 部署与复现：从MATLAB版本到跑通全流程

4.1 环境准备与部署文档要点

部署文档里第一件事是环境要求。这个项目对MATLAB版本要求不苛刻，R2021b及以后版本都可以跑，基础安装即可，不需要额外工具箱。用到的全是randn、svd、det、eye、log2这类基础函数，这保证了部署时不会因为缺工具箱而报错。

部署顺序按文档走三步就行：

1. 把项目解压到本地路径，路径里不要有中文和空格。MATLAB对中文路径的兼容性时好时坏，这个坑没必要踩。
2. 启动MATLAB，cd到项目根目录，先运行依赖检查脚本，确认基础函数可用。
3. 运行main_capacity.m，观察命令行输出或进度提示，仿真结束后在results目录下查看图片和.mat数据文件。

部署文档里还要写清楚仿真耗时参考：2×2配置10000次迭代大约几十秒，4×4大概几分钟，8×8建议把Niter降到2000到5000，否则高维行列式计算的耗时会明显上升。文档不能只写“运行main.m”一句话，环境变量、路径、数据输出位置都应该交代清楚。

4.2 典型实验结果解读

按默认参数（Niter=10000、瑞利衰落信道、等功率分配）跑出来的结果，大致会落在这个区间：

这些是近似值，实际仿真结果会有轻微浮动，但整体趋势是稳定的。注意观察斜率：从0dB到10dB，4×4的容量增量大约是9.5，8×8大约是18，而SISO只有2.46。天线数越多，同样10dB的信噪比提升换来的容量增益越大，这就是复用增益的直观体现。

如果在同一张图上画出这四条曲线，8×8在高SNR段的斜率会明显比其他曲线陡，和2.3节的理论预期完全一致。这个结果图放报告里基本就是“一图胜千言”的效果。

4.3 修改参数的扩展玩法

拿到源码后，只改参数就能扩展出很多实验，我在项目里留了几个改动成本最低的玩法。

最简单的当然是改天线数。把Nt和Nr各改成2、4、8，分别跑一遍，画在一张图里就是完整的天线对比实验。信噪比范围也能改，默认为0:2:30，如果改成-10:2:30，还能看到低信噪比区间的容量起步情况，曲线更完整。

进阶一点可以加信道相关性。实际天线阵列中天线间距有限，信道之间不会是理想独立。给H乘一个相关矩阵R，比如H_corr = H * sqrtm(R)，观察容量下降，这就是“信道相关性对MIMO容量的影响”，在报告里能写出一个完整的小章节。再进阶可以改成莱斯信道，加入视距分量，用K因子控制视距径和散射径的功率比，和瑞利衰落结果对比，就是另一个完整实验。

这些改动几乎都集中在参数区和信道生成函数里，不需要动核心容量计算逻辑，性价比非常高。

5. 常见问题与排查实录

5.1 矩阵维度与复数运算报错

最常碰到的错误是矩阵维度不匹配。比如det里用了eye(Nt)而信道矩阵维度是Nr×Nr，或者把H*H'写成了H'*H。报错信息通常是"Matrix dimensions must agree"。

排查思路很固定：先在命令行运行size(H)，确认H是Nr×Nt；再检查eye(Nr)和H*H'的维度是否为Nr×Nr。另一个高频坑是转置符号，前面已经强调过，复数信道矩阵一旦用普通转置.'代替共轭转置'，结果直接错得离谱，而且不报错。遇到容量数值异常离谱的情况，优先检查这里。

我还帮人调过一个“仿真结果忽大忽小”的问题，最后发现是变量名和MATLAB内置函数冲突了。比如把循环变量命名为rank，直接覆盖了矩阵的秩函数。排查方法是用who看工作区变量，检查有没有使用rank、det、trace这类内置名。

5.2 曲线不平滑与仿真次数选择

曲线毛刺特别多，基本就是迭代次数不够。随便跑几十次几百次求均值，结果当然抖。Niter取10000是比较常规的选择，想更平滑就上50000，但要同时注意耗时会显著增加。

还有一个容易被误会的点：容量均值来自信道随机性，只要信道是随机生成的，两次运行结果就不可能完全相同。只要曲线形态稳定、数值落在合理区间，就是正常现象。但如果报告里希望数字完全可复现，可以在主脚本开头加一行rng(2024)，这样每次运行都得到同一组随机信道，结果完全可复现，也省得评审老师质疑两次运行结果不一致。

5.3 结果与理论不吻合的排查路径

仿真容量明显低于或高于理论预期时，按照下面这个顺序排查，能解决90%的问题：

1. 检查信道归一化。用mean(mean(abs(H).^2))验证H元素平均功率是否接近1。如果不接近，就是generate_channel里的归一化出了问题。
2. 检查SNR的定义。等功率容量公式里是(SNR/Nt)*H*H'，Nt在分母上。漏掉Nt的话，4×4仿真的容量会整体偏大。
3. 检查天线维度。H*H'维度是Nr×Nr，det里就必须是eye(Nr)，天线数一多特别容易把Nt和Nr搞混。
4. 检查注水实现。验证sum(P_alloc)是否等于P_total，注水容量在理论上不应该小于等功率容量。如果注水反而更低，说明功率分配代码里肯定有bug。

按照这个顺序逐项查，基本都能定位问题。

最后分享一点我个人的体会。做MIMO信道容量仿真，重点不是把几条曲线画出来，而是在画曲线的过程中，把空间复用、注水分配、信道自由度这些抽象概念变成你手里能调能玩的工具。我每次带人做这个项目，都会要求他们至少把4×4改成2×2跑一遍、把等功率改成注水跑一遍，亲手感受曲线的变化。代码能跑只是及格线，能解释清楚每一个拐点和斜率，才叫真正掌握了。如果你正在做这个项目，建议把重心放在第2章的公式推导和第3章的det、svd两行代码上，弄懂它们，整份源码就通透了大半。