当前位置：首页 > news >正文

迫零预编码算法（Zero Forcing Precoding, ZF Precoding）MATLAB实现

news 2026/5/12 13:07:56

迫零预编码（ZF Precodig）是MIMO系统中一种线性预编码技术，核心思想是通过预编码矩阵消除多用户/多流间的干扰，使接收端仅保留目标信号。以下从原理推导、MATLAB实现步骤、仿真案例三方面详细说明。

一、迫零预编码原理

1. 系统模型

考虑多用户MIMO下行链路：基站（BS）有\(N_t\)根发射天线，服务\(K\)个单天线用户（接收天线数\(N_r=1\)），信道矩阵\(H∈C^{K×N_t}\)（元素\(h_{k,i}∼CN(0,1)\)为瑞利衰落系数）。

发送信号：\(x=Ws\)，其中\(s∈C^{K×1}\)为用户符号向量（如QPSK调制），\(W∈C^{N_t×K}\)为预编码矩阵。
接收信号：\(yk=h_kx+n_k=h_kWs+n_k\)，其中\(n_k∼CN(0,σ^2)\)为噪声。

2. 迫零准则

目标：消除用户间干扰，使\(h_kW\)仅保留第k个用户的信号（即非对角元为0）。

当\(K≤N_t\)且H列满秩时，取\(W=H^†=(H^HH)^{−1}H^H\)（H的伪逆），则\(HW=I_K\)（单位矩阵），实现完全干扰消除。
功率约束：预编码后需归一化功率，避免发送功率过大，即（或按列归一化)。

二、MATLAB实现步骤

1. 参数设置

clear; clc;
Nt = 4;          % 基站发射天线数
K = 2;           % 用户数（单天线用户）
Nr = 1;          % 每用户接收天线数
SNR_dB = 0:5:30;  % 信噪比范围（dB）
mod_order = 4;    % QPSK调制（4QAM）
num_symbols = 1e4; % 每SNR点符号数

2. 信道生成（瑞利衰落）

% 生成K×Nt的瑞利信道矩阵（复高斯分布，方差1）
H = (randn(K, Nt) + 1j*randn(K, Nt))/sqrt(2);  % 元素h~CN(0,1)

3. 迫零预编码矩阵计算

% 计算伪逆：W = (H^H H)^(-1) H^H
H_pinv = pinv(H);  % MATLAB内置伪逆函数（等价于 (H'*H)\H'）% 功率归一化（确保E[||x||^2] = 1）
W = H_pinv / norm(H*H_pinv, 'fro');  % 按Frobenius范数归一化

4. 发送信号与接收信号

% 生成QPSK符号（归一化功率）
s = (randi([0, mod_order-1], K, num_symbols) - (mod_order-1)/2) + ...1j*(randi([0, mod_order-1], K, num_symbols) - (mod_order-1)/2);
s = s / sqrt(2);  % 功率归一化（QPSK平均功率1）% 预编码发送信号
x = W * s;  % Nt×num_symbols，发送信号% 接收信号（含噪声）
y = H * x;  % K×num_symbols，无噪声接收信号
noise_var = 1/(10^(SNR_dB/10));  % 噪声方差（SNR=1/σ²）
n = sqrt(noise_var/2)*(randn(K, num_symbols) + 1j*randn(K, num_symbols));
y_noisy = y + n;  % 加噪声后接收信号

5. 信号解调与误码率计算

% 迫零检测（接收端用W^H解调，因H*W=I，故s_hat = W^H y_noisy）
s_hat = W' * y_noisy;  % 伪逆的伴随矩阵解调% QPSK解调（判决门限0）
real_part = real(s_hat);
imag_part = imag(s_hat);
decisions = zeros(size(s_hat));
decisions(real_part > 0 & imag_part > 0) = 1+1j;
decisions(real_part < 0 & imag_part > 0) = -1+1j;
decisions(real_part < 0 & imag_part < 0) = -1-1j;
decisions(real_part > 0 & imag_part < 0) = 1-1j;% 误码率（BER）计算
errors = sum(sum(decisions ~= s));
ber = errors / (K*num_symbols);

6. 性能评估（BER vs SNR）

% 遍历所有SNR点
ber_results = zeros(size(SNR_dB));
for snr_idx = 1:length(SNR_dB)SNR = 10^(SNR_dB(snr_idx)/10);noise_var = 1/SNR;% （重复上述接收、解调、误码统计步骤）ber_results(snr_idx) = ber;
end% 绘制BER曲线
figure;
semilogy(SNR_dB, ber_results, 'b-o', 'LineWidth', 1.5);
grid on;
xlabel('SNR (dB)');
ylabel('BER');
title('迫零预编码QPSK系统误码率性能');
legend('Nt=4, K=2');

三、扩展与优化

1. 多流MIMO（单用户）

若单用户有Ns个数据流（Ns≤min(Nt,Nr)），信道H∈CNr×Nt，预编码矩阵W=H†，实现空间复用干扰消除。

2. 功率分配

注水法（Water-filling）：当总功率受限时，通过W=H†⋅diag(p1,...,pK)分配功率，提升和速率。

3. 大系统极限

当Nt,K→∞且K/Nt→α<1，ZF预编码的和速率趋近于log2det(IK+SNR⋅HHH/K)。

参考代码迫零预编码算法 www.youwenfan.com/contentcns/45660.html

四、完整MATLAB代码

% 迫零预编码MATLAB仿真（多用户MIMO下行，QPSK调制）
clear; clc; close all;% 参数设置
Nt = 4;          % 发射天线数
K = 2;           % 用户数（单天线）
mod_order = 4;    % QPSK调制
num_symbols = 1e4; % 符号数
SNR_dB = 0:5:30;  % SNR范围(dB)
ber_results = zeros(size(SNR_dB));% 主循环：遍历SNR
for snr_idx = 1:length(SNR_dB)SNR = 10^(SNR_dB(snr_idx)/10);  % 线性SNRnoise_var = 1/SNR;              % 噪声方差% 1. 生成瑞利信道（K×Nt）H = (randn(K, Nt) + 1j*randn(K, Nt))/sqrt(2);% 2. 计算迫零预编码矩阵（伪逆+功率归一化）W = pinv(H);  % 伪逆W = W / norm(H*W, 'fro');  % 功率归一化% 3. 生成QPSK符号（K×num_symbols）s = (randi([0, mod_order-1], K, num_symbols) - 1.5) + ...1j*(randi([0, mod_order-1], K, num_symbols) - 1.5);s = s / sqrt(2);  % 功率归一化% 4. 发送与接收信号x = W * s;  % 预编码发送信号y = H * x;  % 无噪声接收n = sqrt(noise_var/2)*(randn(K, num_symbols) + 1j*randn(K, num_symbols));y_noisy = y + n;  % 加噪声% 5. 迫零检测与解调s_hat = W' * y_noisy;  % 解调（W^H y）decisions = qamdemod(s_hat, mod_order, 'UnitAveragePower', true);  % QPSK解调s_qam = qammod(0:mod_order-1, mod_order, 'UnitAveragePower', true);  % 参考符号s_orig = s;  % 原始符号% 6. 误码率计算[~, ber] = biterr(real(s_orig), real(s_qam(decisions+1)));  % 简化计算ber_results(snr_idx) = mean(ber);
end% 绘图
figure;
semilogy(SNR_dB, ber_results, 'b-o', 'LineWidth', 1.5);
grid on;
xlabel('SNR (dB)');
ylabel('BER');
title('迫零预编码QPSK系统误码率性能 (Nt=4, K=2)');
legend('仿真结果');