MIMO 信道容量与天线数量关系的理论分析与 MATLAB 仿真

1. 摘要

MIMO 是 Multiple Input Multiple Output 的缩写，中文通常称为多输入多输出技术。它通过在发射端和接收端配置多根天线，使无线信道从传统的单一路径扩展为多个空间传输通道。与传统 SISO 单输入单输出系统相比，MIMO 系统可以在不额外增加频谱带宽的情况下提高信道容量，因此在 4G、5G 以及后续无线通信系统中都有重要作用。

本文围绕“MIMO 信道容量与天线数量的关系”展开分析。首先介绍信道容量的基本概念，然后建立 MIMO 信道模型，并从互信息角度推导 MIMO 信道容量公式。接着，从信道矩阵秩、特征值和空间自由度角度分析天线数量为什么会影响容量。最后，利用 MATLAB 对 1x1、2x2、4x4、8x8 以及不对称天线配置下的平均信道容量进行仿真。结果表明，在独立瑞利衰落信道条件下，MIMO 信道容量通常会随着天线数量增加而提高，但这种提高并不是简单的线性增长，而是受到信道矩阵秩、信噪比、空间相关性以及收发天线数量匹配程度等因素影响。

2. 研究背景

在通信系统中，信道容量表示在一定噪声和带宽条件下，系统能够可靠传输信息的最大速率。对于传统的 SISO 高斯信道，单位带宽容量可以写成：

C = log2(1 + rho)

其中，C 表示信道容量，单位通常为 bit/s/Hz；rho 表示信噪比。

这个公式说明，信道容量会随着信噪比增加而提高。但是它们之间不是线性关系，而是对数关系。也就是说，当信噪比已经比较高时，继续增加发射功率，容量提升会逐渐变慢。

在实际无线通信系统中，频谱资源有限，不能无限增加带宽；发射功率也受到能耗、干扰和硬件条件限制。因此，仅靠增加带宽或提高功率来提升容量并不现实。

MIMO 技术提供了另一种方法：利用空间维度来提高容量。它在发射端和接收端使用多根天线，使无线信道由一个单独通道变成一个矩阵形式的多维信道。如果不同天线之间的信道相互独立，MIMO 系统就可以在同一时间、同一频率上传输多路数据流，从而显著提高频谱效率。

因此，研究 MIMO 信道容量与天线数量之间的关系，可以帮助理解信息论中的信道容量概念，也能说明为什么现代无线通信系统会大量采用多天线技术。

3. MIMO 信道模型

假设 MIMO 系统有 Nt 根发射天线和 Nr 根接收天线，则其窄带平坦衰落信道模型可以表示为：

y = Hx + n

其中：

x 表示发射信号向量，维度为 Nt 行 1 列 y 表示接收信号向量，维度为 Nr 行 1 列 H 表示 MIMO 信道矩阵，维度为 Nr 行 Nt 列 n 表示加性高斯白噪声向量，维度为 Nr 行 1 列

信道矩阵 H 可以理解为所有发射天线到所有接收天线之间信道增益的集合。对于一个 Nr 接收天线、Nt 发射天线的系统，H 可以写成：

H = [ h11 h12 ... h1Nt h21 h22 ... h2Nt ... hNr1 hNr2 ... hNrNt ]

其中，hij 表示第 j 根发射天线到第 i 根接收天线之间的信道增益。

以 2x2 MIMO 系统为例，信道模型可以写成：

[ y1 ] [ h11 h12 ] [ x1 ] [ n1 ] [ y2 ] = [ h21 h22 ] [ x2 ] + [ n2 ]

从这个模型可以看出，MIMO 和 SISO 的根本区别在于：SISO 信道只有一个信道系数，而 MIMO 信道由一个矩阵 H 描述。这个矩阵包含了所有发射天线和接收天线之间的传播路径。

因此，MIMO 信道容量不仅与信噪比有关，还与 H 的秩、特征值分布以及不同天线之间信道的独立性有关。

本文后续分析和仿真采用以下基本假设：

1. 信道为窄带平坦衰落信道。 2. 噪声为加性复高斯白噪声。 3. 接收端知道信道状态信息。 4. 发射端不知道瞬时信道状态信息。 5. 发射功率在各发射天线上平均分配。 6. 仿真中采用独立瑞利衰落信道，即 hij 服从 CN(0,1)。

4. MIMO 信道容量公式推导

MIMO 信道容量可以从互信息角度推导。MIMO 信道模型为：

y = Hx + n

设发射信号协方差矩阵为：

Q = E[x x^H]

其中，x^H 表示 x 的共轭转置。系统满足总发射功率约束：

tr(Q) <= P

这里，P 表示总发射功率，tr(Q) 表示矩阵 Q 的迹，也就是所有发射天线上的总平均功率。

在给定信道矩阵 H 的条件下，输入 x 和输出 y 之间的互信息可以写成：

I(x; y | H) = h(y | H) - h(y | x, H)

这句话的含义是：接收信号 y 中包含的信息量，等于 y 本身的不确定性减去在已知 x 和 H 之后 y 仍然存在的不确定性。

由于：

y = Hx + n

当 x 和 H 已知时，y 中剩下的不确定性只来自噪声 n，因此：

h(y | x, H) = h(n)

假设噪声 n 为复高斯白噪声，其协方差矩阵为：

N0 * I_Nr

其中，N0 表示噪声功率，I_Nr 表示 Nr 阶单位矩阵。

所以噪声熵可以写成：

h(n) = log2 [ (pi * e)^Nr * det(N0 * I_Nr) ]

另一方面，接收信号 y 的协方差矩阵为：

E[y y^H] = H Q H^H + N0 * I_Nr

因此，接收信号熵为：

h(y | H) = log2 [ (pi * e)^Nr * det(H Q H^H + N0 * I_Nr) ]

将两部分相减，可以得到：

I(x; y | H) = log2 { det(H Q H^H + N0 * I_Nr) / det(N0 * I_Nr) }

进一步整理为：

I(x; y | H) = log2 det( I_Nr + (1 / N0) * H Q H^H )

因此，在总功率约束下，MIMO 信道容量为：

C = max log2 det( I_Nr + (1 / N0) * H Q H^H ) 约束条件为： tr(Q) <= P

如果发射端知道瞬时信道状态信息，就可以根据不同空间子信道质量进行最优功率分配，例如采用水填充算法。但是本文主要研究天线数量对容量的影响，为了使问题更清晰，假设发射端不知道瞬时信道状态信息，因此发射功率平均分配到每根发射天线上。

平均功率分配时，有：

Q = (P / Nt) * I_Nt

设总信噪比为：

rho = P / N0

将 Q 代入容量公式，可得：

C = log2 det( I_Nr + (rho / Nt) * H H^H )

这就是本文后续仿真采用的 MIMO 信道容量公式。

其中：

C 表示 MIMO 信道容量 rho 表示总信噪比 Nt 表示发射天线数量 Nr 表示接收天线数量 H 表示 Nr 行 Nt 列的信道矩阵 H^H 表示 H 的共轭转置 I_Nr 表示 Nr 阶单位矩阵 det 表示矩阵行列式

5. 天线数量影响容量的理论分析

为了更直观地理解天线数量为什么会影响 MIMO 容量，可以从特征值角度分析。

MIMO 容量公式为：

C = log2 det( I_Nr + (rho / Nt) * H H^H )

对矩阵 H H^H 进行特征值分解。假设它的非零特征值为：

lambda_1, lambda_2, ..., lambda_r

其中：

r = rank(H)

并且有：

r <= min(Nt, Nr)

根据矩阵行列式与特征值之间的关系：

det(I + A) = 所有 (1 + lambda_i) 的乘积

所以 MIMO 容量可以写成：

C = sum_{i=1}^{r} log2(1 + (rho / Nt) * lambda_i)

这个公式非常重要。它说明 MIMO 信道可以等效为多个并行的空间子信道，每一个非零特征值 lambda_i 对应一个有效空间子信道。

换句话说，MIMO 容量提升的本质不是简单的“天线变多”，而是多天线系统有可能形成更多独立的空间子信道。空间子信道越多，系统可以同时传输的信息流越多，信道容量就越高。

但是，MIMO 能够形成的独立空间子信道数量受到限制：

最大空间自由度 <= min(Nt, Nr)

例如：

2x2 MIMO 最多形成 2 条空间子信道 4x4 MIMO 最多形成 4 条空间子信道 8x8 MIMO 最多形成 8 条空间子信道 8x2 MIMO 最多形成 2 条空间子信道

所以，MIMO 容量提升不是由天线总数 Nt + Nr 决定的，而是主要由 Nt 和 Nr 中较小的那个值决定。

在高信噪比条件下，如果：

(rho / Nt) * lambda_i 远大于 1

则：

log2(1 + (rho / Nt) * lambda_i) 约等于 log2((rho / Nt) * lambda_i)

所以容量可以近似写成：

C 约等于 r * log2(rho) + 与特征值有关的常数项

这说明，在高信噪比区域，容量曲线增长的斜率主要由 r 决定，也就是由有效空间子信道数量决定。天线数量越多，且信道越独立，r 越可能变大，容量增长越明显。

在低信噪比条件下，可以使用近似：

log2(1 + x) 约等于 x / ln(2)

则 MIMO 容量近似为：

C 约等于 (rho / (Nt * ln(2))) * tr(H H^H)

如果信道矩阵 H 中的元素独立同分布，并且服从 CN(0,1)，则平均情况下有：

E[tr(H H^H)] = Nt * Nr

因此低信噪比下的平均容量近似为：

E[C] 约等于 rho * Nr / ln(2)

这个结果说明，在低信噪比区域，增加接收天线带来的阵列增益比较明显，而空间复用增益还没有完全发挥出来。到了中高信噪比区域，多个空间子信道的作用才会更加明显。

6. 不同天线配置下的容量变化规律

MIMO 信道容量与天线数量之间的关系，可以从 SISO、SIMO、MISO 和 MIMO 四种配置进行理解。

SISO 是最基本的单输入单输出系统，例如 1x1 系统。它只有一根发射天线和一根接收天线，只有一条空间信道，容量主要由信噪比决定。其容量为：

C = log2(1 + rho)

由于 SISO 没有多天线结构，所以不能获得空间复用增益。

SIMO 是单输入多输出系统，例如 1x2、1x4、1x8。它只有一根发射天线，但有多根接收天线。由于发射端只有一根天线，系统不能同时发送多路独立数据流，因此空间复用能力有限。但是，接收端可以利用多根天线接收同一个信号，并通过信号合并提高有效信噪比。因此，SIMO 的容量提升主要来自接收分集和阵列增益。

MISO 是多输入单输出系统，例如 2x1、4x1、8x1。它有多根发射天线，但只有一根接收天线。如果发射端不知道瞬时信道状态信息，只能平均分配功率，那么 MISO 的容量提升通常不如 SIMO 明显。如果发射端知道信道状态信息，则可以通过波束赋形提高接收端信号质量。

真正典型的 MIMO 是多输入多输出系统，例如 2x2、4x4、8x8。它既有多根发射天线，也有多根接收天线。在理想独立信道条件下，MIMO 可以同时获得空间复用增益和阵列增益。

当天线数量从 1x1 增加到 2x2、4x4、8x8 时，系统可用的空间自由度逐渐增加，因此容量通常也会明显提高。但是这种提升并不是无限的，主要受到以下因素限制：

第一，最大空间自由度受到 min(Nt, Nr) 限制。 第二，如果天线间距过小，信道相关性增强，容量提升会变差。 第三，总发射功率固定时，发射天线越多，每根天线分到的功率越少。 第四，如果发射端不知道信道状态信息，不能进行最优功率分配。 第五，实际环境中的散射条件会影响信道矩阵 H 的秩和特征值分布。

因此，MIMO 容量与天线数量之间不是简单的线性关系。增加天线通常有利于提高容量，但容量最终能提高多少，还要看信道是否足够独立、收发天线数量是否匹配以及信噪比条件是否合适。

7. MATLAB 仿真方案与完整代码

为了验证理论分析，本文使用 MATLAB 对不同天线配置下的 MIMO 平均信道容量进行仿真。

仿真采用独立瑞利平坦衰落信道，信道矩阵 H 中每个元素满足：

hij 服从 CN(0,1)

容量计算公式为：

C = log2 det( I_Nr + (rho / Nt) * H H^H )

由于无线信道是随机的，单次仿真不能代表平均性能。因此，对每个 SNR 点进行多次随机仿真，然后取平均容量：

C_average = 多次容量结果之和 / 仿真次数

仿真设置如下：

信道模型：独立瑞利平坦衰落信道 SNR 范围：-10 dB 到 30 dB 仿真次数：3000 次 方阵配置：1x1、2x2、4x4、8x8 不对称配置：1x4、4x1、2x4、4x2 容量单位：bit/s/Hz

完整 MATLAB 代码如下：

clc; clear; close all; % MIMO信道容量与天线数量关系仿真 % 信道模型：独立瑞利平坦衰落信道 % 容量公式：C = log2 det(I + rho/Nt * H*H^H) rng(2026); % 固定随机种子，便于复现实验 snr_dB = -10:2:30; % SNR范围，单位dB snr_linear = 10.^(snr_dB/10); % dB转线性值 numIter = 3000; % 蒙特卡洛仿真次数 % 第一组：比较 1x1、2x2、4x4、8x8 configs1 = [1 1; 2 2; 4 4; 8 8]; labels1 = {'1x1 SISO', '2x2 MIMO', '4x4 MIMO', '8x8 MIMO'}; Cavg1 = zeros(size(configs1, 1), length(snr_dB)); for cfg = 1:size(configs1, 1) Nt = configs1(cfg, 1); Nr = configs1(cfg, 2); for s = 1:length(snr_linear) rho = snr_linear(s); capacity_sum = 0; for k = 1:numIter % 生成 Nr x Nt 的独立瑞利衰落信道矩阵 H = (randn(Nr, Nt) + 1j * randn(Nr, Nt)) / sqrt(2); % 计算 H*H^H 的特征值 lambda = eig(H * H'); lambda = real(lambda); lambda(lambda < 0) = 0; % 利用特征值形式计算容量 C = sum(log2(1 + (rho / Nt) * lambda)); capacity_sum = capacity_sum + C; end Cavg1(cfg, s) = capacity_sum / numIter; end end figure; hold on; grid on; box on; for cfg = 1:size(configs1, 1) plot(snr_dB, Cavg1(cfg, :), 'LineWidth', 1.8); end xlabel('SNR / dB'); ylabel('Average Capacity / bit/s/Hz'); title('不同天线数量下MIMO信道容量对比'); legend(labels1, 'Location', 'northwest'); % 第二组：比较不对称天线配置 configs2 = [1 4; 4 1; 2 4; 4 2]; labels2 = {'1x4 SIMO', '4x1 MISO', '2x4 MIMO', '4x2 MIMO'}; Cavg2 = zeros(size(configs2, 1), length(snr_dB)); for cfg = 1:size(configs2, 1) Nt = configs2(cfg, 1); Nr = configs2(cfg, 2); for s = 1:length(snr_linear) rho = snr_linear(s); capacity_sum = 0; for k = 1:numIter H = (randn(Nr, Nt) + 1j * randn(Nr, Nt)) / sqrt(2); lambda = eig(H * H'); lambda = real(lambda); lambda(lambda < 0) = 0; C = sum(log2(1 + (rho / Nt) * lambda)); capacity_sum = capacity_sum + C; end Cavg2(cfg, s) = capacity_sum / numIter; end end figure; hold on; grid on; box on; for cfg = 1:size(configs2, 1) plot(snr_dB, Cavg2(cfg, :), 'LineWidth', 1.8); end xlabel('SNR / dB'); ylabel('Average Capacity / bit/s/Hz'); title('不对称天线配置下MIMO信道容量对比'); legend(labels2, 'Location', 'northwest'); % 输出典型SNR点的容量结果 selected_snr = [0 10 20 30]; fprintf('\n方阵MIMO容量结果：\n'); fprintf('配置\t\t0dB\t\t10dB\t\t20dB\t\t30dB\n'); for cfg = 1:size(configs1, 1) fprintf('%s\t', labels1{cfg}); for idx = 1:length(selected_snr) [~, pos] = min(abs(snr_dB - selected_snr(idx))); fprintf('%.3f\t\t', Cavg1(cfg, pos)); end fprintf('\n'); end fprintf('\n不对称天线配置容量结果：\n'); fprintf('配置\t\t0dB\t\t10dB\t\t20dB\t\t30dB\n'); for cfg = 1:size(configs2, 1) fprintf('%s\t', labels2{cfg}); for idx = 1:length(selected_snr) [~, pos] = min(abs(snr_dB - selected_snr(idx))); fprintf('%.3f\t\t', Cavg2(cfg, pos)); end fprintf('\n'); end

代码中没有直接使用 det 函数计算容量，而是使用特征值形式：

C = sum log2(1 + (rho / Nt) * lambda_i)

这样做的原因是：

log2 det(I + A) = 所有 log2(1 + lambda_i) 的和

其中 lambda_i 是矩阵 A 的特征值。使用特征值形式计算更加稳定，也更容易和前面的空间子信道理论对应起来。

8. 仿真结果分析

运行上述程序后，可以得到两张图。第一张图比较 1x1、2x2、4x4、8x8 四种方阵系统的平均信道容量。第二张图比较 1x4、4x1、2x4、4x2 四种不对称天线配置的平均信道容量。

对于第一组方阵配置，仿真结果通常会表现出明显规律：在相同 SNR 下，1x1 SISO 系统的容量最低，2x2 MIMO 容量明显高于 1x1，4x4 MIMO 容量进一步提高，8x8 MIMO 容量最高。

这说明在独立瑞利衰落信道中，随着发射天线和接收天线数量同时增加，系统能够形成更多独立空间子信道，因此平均容量明显提高。

在低 SNR 区域，不同天线配置之间的容量差距相对较小。这是因为系统主要受到噪声限制，即使存在多根天线，空间复用能力也没有完全发挥出来。

在中高 SNR 区域，多天线系统的容量增长速度明显快于单天线系统。这是因为当信噪比较高时，MIMO 系统可以更充分地利用多个空间子信道同时传输数据，空间复用增益更加明显。因此，4x4 和 8x8 MIMO 在高 SNR 区域的优势更加突出。

但是，容量并不是严格按照天线数量成倍增加。例如，4x4 MIMO 的容量不一定严格等于 1x1 SISO 的 4 倍。原因是 MIMO 容量不仅与空间子信道数量有关，还与每个空间子信道的强弱有关，也就是与 H H^H 的特征值分布有关。如果某些空间子信道较弱，它们对总容量的贡献也会较小。

对于第二组不对称配置，1x4 SIMO 系统只有一根发射天线，因此不能同时发送多路独立数据流。但是它有 4 根接收天线，接收端可以利用多根天线进行合并，从而提高有效信噪比。因此，1x4 SIMO 的容量通常高于 1x1 SISO。

4x1 MISO 系统有 4 根发射天线，但只有 1 根接收天线。在发射端不知道瞬时信道状态信息并采用平均功率分配的情况下，4 根发射天线不能很好地形成多条独立空间数据流。因此，4x1 MISO 的容量提升通常不如 1x4 SIMO 明显。

对于 2x4 和 4x2 系统，它们的最大空间自由度都是：

min(2, 4) = 2

因此它们最多都只能形成 2 条主要空间子信道。虽然两者天线总数相同，但由于发射天线数量和接收天线数量不同，平均功率分配和接收阵列增益也不同，所以两者的容量曲线会存在一定差异。

综合来看，MIMO 信道容量通常会随着天线数量增加而提高，但真正决定容量提升上限的是有效空间自由度，也就是 min(Nt, Nr)，而不是天线总数。同时，信道矩阵是否满秩、信道之间是否独立，也会直接影响容量提升效果。

9. 结论

本文围绕 MIMO 信道容量与天线数量之间的关系进行了理论分析和 MATLAB 仿真。通过分析可以得到以下结论。

首先，MIMO 技术通过在发射端和接收端引入多根天线，使无线信道由一个单独通道扩展为矩阵形式的多维空间信道。相比传统 SISO 系统，MIMO 可以利用空间维度传输信息，从而提高信道容量。

其次，在发射端不知道瞬时信道状态信息、接收端知道信道状态信息并采用平均功率分配的条件下，MIMO 信道容量可以表示为：

C = log2 det( I_Nr + (rho / Nt) * H H^H )

从特征值角度看，MIMO 容量可以进一步写成：

C = sum_{i=1}^{r} log2(1 + (rho / Nt) * lambda_i)

其中：

r = rank(H) r <= min(Nt, Nr)

这说明 MIMO 容量提升的关键不是天线总数，而是信道能够提供多少个有效独立空间子信道。

再次，仿真结果表明，在独立瑞利衰落信道下，1x1 SISO 容量最低，2x2、4x4、8x8 MIMO 容量依次提高。在低 SNR 区域，多天线优势不太明显；在中高 SNR 区域，空间复用增益逐渐发挥作用，多天线系统容量提升更加明显。

最后，MIMO 容量提升也会受到实际因素限制。如果天线间距过小，或者传播环境中散射不足，不同天线之间的信道可能高度相关，导致信道矩阵 H 的秩降低。此时即使继续增加天线数量，容量提升也会受到明显限制。此外，发射功率限制、CSI 获取误差、天线硬件条件和实际传播环境也都会影响 MIMO 系统容量。

总体来说，MIMO 信道容量与天线数量之间存在密切关系。增加天线数量通常有利于提高容量，但容量提升不是简单线性增长，而是由天线配置、信道矩阵特性、信噪比和实际传播环境共同决定。