【MATLAB源码】6G：XL-MIMO 混合场信道估计仿真平台

3GPP仿真实验室
4 阅读2分钟

Hybrid-Field XL-MIMO 混合场信道估计仿真平台

完整的混合场信道估计实现：建模 → 网格内恢复 → 离网细化 → 结果可视化

🚀 为什么选择本仿真平台？

痛点本平台解决方案
XL-MIMO 远近场共存，建模容易失配✅ 远场 DFT + 近场极域联合字典，统一建模混合传播机理
远场占比 (γ\gamma) 先验难以准确给定✅ 提供 无 (γ\gamma) 比例搜索，自动完成远近场路径分配
离网优化容易震荡或发散✅ SIGW 内置 单调下降 + 回溯线搜索 + 坐标回退 + 岭正则 稳定机制
只看均值曲线难以评估稳健性✅ 内置 CDF / Pareto / 相图 / 支撑图 四类强相关演示
复现实验路径分散✅ 提供 main_all_experiments 与图集脚本，支持一键复现

🌟 核心价值

📘 学术研究价值

  • 混合场（远场+近场）统一信道建模
  • 无先验 (\gamma) 的支撑搜索机制验证
  • 网格内估计与离网细化协同流程完整复现
  • 精度、复杂度、运行时间三维对比评估

🛠️ 工程应用价值

  • 单天线与多天线两套实验链路
  • 快速模式与完整模式双配置
  • 自动保存图像与结果数据（不带日期命名）
  • 中文详细注释，便于二次开发与教学演示

⚡ 技术亮点

1) Hybrid-Field 估计系统架构

┌───────────────────────────────────────────────────────────────────────────────┐
│                Hybrid-Field XL-MIMO 信道估计与可视化链路                     │
├───────────────────────────────────────────────────────────────────────────────┤
│                                                                               │
│  混合场信道生成 ──► 加噪观测 y ──► 联合字典构建 D=[Af, An]                   │
│      │                  │                   │                                  │
│  Far/Near/LoS       SNR 控制           远场 DFT + 近场极域                    │
│                                                                               │
│                 ┌──────────── 网格内恢复（On-grid）────────────┐              │
│                 │  Hybrid OMP / Hybrid SGP / 无γ比例搜索        │              │
│                 └────────────────────────────────────────────────┘              │
│                                       │                                       │
│                                       ▼                                       │
│                 ┌──────────── 离网细化（Off-grid SIGW）──────────┐            │
│                 │  数值梯度 + 回溯线搜索 + 坐标回退 + 岭回归      │            │
│                 └────────────────────────────────────────────────┘            │
│                                       │                                       │
│                                       ▼                                       │
│                 NMSE / SE / 复杂度 / CDF / Pareto / 相图 / 支撑图            │
└───────────────────────────────────────────────────────────────────────────────┘

2) 性能指标（本地 quick 配置实测，2026-02-12）

场景指标定义实测结果
单天线 SNR=0 dBHF-SGP(no-γ) 对比 Off-grid HF-SGP(no-γ)+3.79 dB NMSE 增益（-4.16 dB → -7.95 dB）
单天线 SNR=4 dBHF-SGP(no-γ) 对比 Off-grid HF-SGP(no-γ)+6.01 dB NMSE 增益（-3.66 dB → -9.67 dB）
demo_polar_support_map单样本离网收益+3.95 dB
demo_sigw_convergence单样本离网收益+4.39 dB
demo_snr_gamma_phase_map离网增益为正的网格占比100%
demo_nmse_cdf_paretoOff-grid 相对 HF-SGP 的均值收益/时延+1.56 dB / +21.04 ms

📌 说明：以上数据来自项目当前代码在本机快速配置下的直接运行结果，用于展示方法趋势与工程可复现性。

🖥️ 运行环境

最低要求

项目要求
MATLAB 版本R2021b 或更高
必需工具箱基础 MATLAB 即可（推荐安装常用信号处理相关工具箱）
操作系统Windows 10/11、macOS、Linux
内存8 GB+（大规模 Monte-Carlo 建议 16 GB+）

快速验证

% 进入项目根目录后
run_smoke_test

% 一键运行强相关图集
run_related_figure_gallery(true)

📐 算法原理（项目对应版）

1) 混合场信道模型

h=∑ℓ=1Lfβf,ℓ af(θf,ℓ)+∑ℓ=1Lnβn,ℓ an(rℓ,θn,ℓ)+hLoS.\mathbf{h}=\sum_{\ell=1}^{L_f} \beta_{f,\ell}\,\mathbf{a}_f(\theta_{f,\ell}) +\sum_{\ell=1}^{L_n} \beta_{n,\ell}\,\mathbf{a}_n(r_{\ell},\theta_{n,\ell}) +\mathbf{h}_{\mathrm{LoS}}.

2) 联合字典建模

D=[Af,An],min⁡g∥y−Dg∥22  s.t.  ∥g∥0≤K.\mathbf{D}=[\mathbf{A}_f,\mathbf{A}_n], \qquad \min_{\mathbf{g}}\|\mathbf{y}-\mathbf{D}\mathbf{g}\|_2^2 \;\text{s.t.}\;\|\mathbf{g}\|_0\le K.

3) 无 (γ\gamma) 比例搜索

γ^=arg⁡min⁡γ∈Γ(min⁡g:supp⁡(g)∈S(γ)∥y−Dg∥22),Γ={L−1L,L−2L,…,0}.\hat{\gamma} =\arg\min_{\gamma\in\Gamma} \left( \min_{\mathbf{g}:\operatorname{supp}(\mathbf{g})\in\mathcal{S}(\gamma)} \|\mathbf{y}-\mathbf{D}\mathbf{g}\|_2^2 \right), \quad \Gamma=\left\{\frac{L-1}{L},\frac{L-2}{L},\dots,0\right\}.

4) SIGW 离网细化目标

J(Θ,g)=∥y−A(Θ)g∥22+λ∥g∥22,J(\Theta,\mathbf{g})=\|\mathbf{y}-\mathbf{A}(\Theta)\mathbf{g}\|_2^2 + \lambda\|\mathbf{g}\|_2^2,
g∗(Θ)=(AHA+λI)−1AHy.\mathbf{g}^*(\Theta)=\left(\mathbf{A}^H\mathbf{A}+\lambda\mathbf{I}\right)^{-1}\mathbf{A}^H\mathbf{y}.

通过“回溯线搜索 + 坐标回退”保证优化过程稳定，缓解高 SNR 区域的网格失配误差。

📁 项目结构

hmimo ce/
├── main_all_experiments.m             # 一键总入口（主实验+演示）
│
├── src/
│   ├── common/                        # 配置、字典、信道、流形、路径、存图
│   │   ├── hf_default_config.m
│   │   ├── hf_build_dictionaries_single.m
│   │   ├── hf_build_dictionaries_multi.m
│   │   ├── hf_qua_codebook.m
│   │   ├── hf_generate_hybrid_channel_single.m
│   │   ├── hf_generate_hybrid_channel_multi.m
│   │   └── ...
│   │
│   ├── estimators/                    # OMP / SGP / Hybrid / SIGW
│   │   ├── hf_hybrid_omp.m
│   │   ├── hf_hybrid_omp_nogamma.m
│   │   ├── hf_hybrid_sgp.m
│   │   ├── hf_hybrid_sgp_nogamma.m
│   │   ├── hf_sigw_single.m
│   │   ├── hf_sigw_multi.m
│   │   └── ...
│   │
│   └── metrics/                       # NMSE / SE / 复杂度
│       ├── hf_compute_complexity.m
│       └── hf_compute_se_mr.m
│
├── experiments/                       # 主实验脚本
│   ├── run_single_snr_experiment.m
│   ├── run_multi_snr_experiment.m
│   ├── run_multi_se_experiment.m
│   ├── run_complexity_experiment.m
│   └── ...
│
├── demos/                             # 强相关演示图
│   ├── demo_polar_support_map.m
│   ├── demo_sigw_convergence.m
│   ├── demo_nmse_cdf_pareto.m
│   ├── demo_snr_gamma_phase_map.m
│   └── run_related_figure_gallery.m
│
├── docs/
│   ├── 算法文档.md
│   ├── 代码文档.md
│
└── results/
    ├── data/                          # .mat 结果文件
    └── figures/                       # 自动保存图像（无日期命名）

代码统计（当前工程）：

  • 40 个 .m 文件
  • 约 4085 行 MATLAB 代码
  • 核心模块全部中文详细注释

🧪 仿真演示

multi_se_vs_snr.pngsingle_nmse_vs_paths.pngsingle_nmse_vs_snr.pngdemo_nmse_cdf.pngdemo_pareto_tradeoff.pngdemo_polar_support_dual.pngdemo_far_support_compare.png

✅ 您将获得

内容说明
完整混合场源码远场/近场字典、信道生成、OMP/SGP、离网细化全覆盖
双层文档体系算法文档.md/.docx + 代码文档.md + 本 项目文档.md
强相关演示图集支撑图、收敛图、CDF/Pareto、SNR-γ 相图
可复现实验脚本单天线、多天线、SE、复杂度、一键总入口
工程化输出机制自动存图、自动存 mat、命名稳定（无日期）
可扩展开发骨架新算法、新配置、新图表可按现有接口平滑扩展

▶️ 一键运行建议

% 1) 基础冒烟验证
run_smoke_test

% 2) 单天线核心性能
run_single_snr_experiment(false)

% 3) 多天线核心性能
run_multi_snr_experiment(false)

% 4) 频谱效率与复杂度
run_multi_se_experiment(false)
run_complexity_experiment

% 5) 强相关图集
run_related_figure_gallery(true)

% 6) 全部任务一键执行
main_all_experiments

🛒 获取方式

本文代码仅为核心片段，完整版工程已整理好。 关注公众号 【3GPP仿真实验室】进行获取。

avatar
文章
阅读
粉丝