简介：MATLAB实现的MIMO波束赋形仿真脚本，面向无线通信与信号处理方向的初学者和研究人员，帮助解决从算法理论到代码实现的落地问题。压缩包仅含1个MIMOBeamforming.m脚本，文件类型为m，大小仅2KB，代码紧凑、无冗余文件，便于快速阅读和二次开发。目前已有154人学习下载。脚本内容涵盖瑞利衰落与多径信道建模、收发天线配置、独立数据流生成、预编码矩阵设计、信道估计（如训练序列）、信号传播及接收端解码等完整流程，并支持调整天线数量、预编码算法（如MMSE、最大功率）及信道条件。通过运行脚本并修改参数，读者可对比不同方案下的误码率、符号误码率与信道容量，直观理解波束赋形如何增强目标方向信号、抑制干扰，同时掌握MATLAB在阵列信号处理中的典型实现方法。无论是课程设计还是科研预研，这份脚本都能提供可运行的参考基准与优化起点。
1. MIMO beamforming 这套工程到底在解决什么
如果你下载过 MIMOBeamforming.rar 这类资源包，大概率是冲着仿真代码去的。MIMO beamforming 说的是同一件事的两个侧面：MIMO（多天线）解决的是空间自由度，beamforming 解决的是怎么把这些自由度聚成一股定向的能量。说白了，就是在发端或收端用多根天线，把信号按某个方向“对齐”，该方向获得阵列增益，其他方向被压低。这个方向可以用在 Wi-Fi、4G/5G 基站侧向用户打窄波束，也可以用在雷达端抑制干扰。适合谁？两类人：一类是刚接触阵列信号处理、想在一个 MATLAB 例子里把“发端预编码、收端合并、方向图”一次看懂的学生；另一类是做系统级仿真、需要快速验证波束指向和信干噪比增益的工程师。下文不聊 PPT 上的概念，直接按源码包的工程结构，从原理到可复现脚本，再到最容易翻车的参数细节，逐步拆开。
2. MIMO 波束成形的数学骨架：先从接收信号表达式看懂方向性增益
2.1 从窄带假设出发，理解“相位差就是方向信息”
MIMO beamforming 的数学起点是窄带远场模型。假设发端或收端是 M 个阵元的均匀线阵，阵元间距为 d，一个平面波从 θ 方向入射。因为波到每个阵元的路径长度不同，同一时刻各阵元收到的信号之间存在一个相位差，这个相位差只由 θ、d 和载波波长 λ 决定。把这 M 个相位差写成向量，就是导向矢量（steering vector），也就是阵列流型矩阵的一列。
a(θ) = [1, e^{j2π d sinθ/λ}, e^{j4π d sinθ/λ}, …, e^{j2π (M-1) d sinθ/λ}]^T
接收信号可以写成 x = a(θ)·s + n，其中 s 是源信号，n 是噪声。这里的关键是：信号本身是标量，但经过多根天线之后变成了向量，而这个向量的“模样”恰好携带了方向信息。beamforming 做的就是用一个权重向量 w 对 x 做加权求和，y = w^H·x。如果 w 选得和 a(θ) 匹配，各阵元的信号在复数域同相叠加，幅度就放大 M 倍（功率域得到 M 倍增益）；不匹配的方向则叠加时相位互相抵消。
这就是波束成形的全部物理本质——不是“凭空增强信号”，而是用相位对齐把分散在阵列孔径上的能量在目标方向对齐。理解了这个，后面调试代码时任何一个相位单位写错，你都能知道症状会是什么。
2.2 接收端合并方式怎么选：MRC、ZF 还是 MMSE
接收端做 beamforming 的常见做法是选择一个权向量 w，使得输出 y 的某个指标最优。经典方案有三种，每种对应不同的负载和适用场景：
- 最大比合并（MRC）：w = a(θ)，直接把权向量设为信号方向对应的导向矢量。它最大化输出 SNR，但对干扰没有抑制能力，适合只有噪声、没有强干扰的场景。
- 迫零（ZF）：w 由信道矩阵的伪逆得到，可以把干扰方向完全置零，代价是放大噪声，适合干扰较多但信噪比尚可的场景。
- 最小均方误差（MMSE）：w 是干扰协方差矩阵和噪声功率的函数，在“压干扰”和“不放大噪声”之间取折中，实际系统里用的最多。
写代码时你只需要实现一个函数：输入是接收信号矩阵 X（M×N，N 为快拍数）、参考信号或信道估计值，输出是权向量 w。三者的区别最终体现在 y 的 SINR 上。很多人拿到一个 beamforming 例程就问“为什么我换了信道矩阵之后效果变差”，十有八九是没搞清例程里用的是哪种合并方式，直接把 MRC 的场景套到了有强干扰的数据上。
2.3 发射端预编码和接收端合并其实是同一个数学问题
发射端 beamforming 通常叫预编码，接收端叫合并。两者的数学结构完全对称。发射端有 M 根天线，要发给单天线用户，就是把数据符号 s 乘上一个 M 维预编码向量 f，发射信号是 f·s。接收端收到的是 h^H·f·s + n，其中 h 是信道向量。要让接收端功率最大，f 应该取 h 的归一化共轭，这就是最大比发射（MRT）。如果同时服务多个用户，f 就要考虑用户间的干扰，ZFB 和 MMSE 预编码的推导和接收端一模一样，只是把信道矩阵转置过来用。
所以你在一个 MIMOBeamforming 例程里看到的代码，往往是同一套核心函数被调了两次：一次算发射权，一次算接收权。理解对称性之后，你改代码会顺手很多。
3. 拿到 MIMOBeamforming.rar 之后：文件组织与最小复现脚本
3.1 rar 包里通常能看到的文件结构
这类源码包解压之后，常见的组织方式是几个 .m 文件加一个 README：一个主脚本（通常是 main.m 或 demo.m），几个核心函数（阵列响应生成、波束形成器、方向图绘制），可能还有一组保存信道参数或导频符号的 .mat 数据文件。如果你看到的包结构不是这样，也不用慌，只要找到“生成导向矢量”和“计算权向量”这两个函数，主逻辑就能拼出来。
我一般会先做三件事：第一步，在 MATLAB 里help每一个 .m 文件，看注释是否完整，这能快速判断代码质量；第二步，跑一遍主脚本，看它默认参数下画出的方向图和 SINR 数值是否和注释一致；第三步，把脚本里的随机种子固定住（rng(0)），确保每次运行结果可复现。第三步特别重要，因为很多 beamforming 例程用随机信道或随机噪声，不改种子的话，你调参时看到的曲线变化有一部分其实是随机波动。
3.2 最小复现：8 阵元 ULA，MATLAB 跑通波束成形全链路
下面这段代码是我按典型例程结构重写的最小可运行版本，覆盖信道生成、权向量计算、波束方向图和输出 SINR 四个环节。你可以直接存成minimal_bf_demo.m跑一遍，也可以对照你自己的包找到对应模块。
% minimal_bf_demo.m % 功能：8 阵元 ULA 接收端波束成形最小复现 % 场景：单目标信号从 30 度入射，一个干扰从 -40 度入射，加性高斯白噪声 % 用途：理解权向量（MRC / MMSE）、方向图、SINR 三者间的关系 clear; clc; close all; rng(0); % 固定随机种子，保证可复现 % ---- 系统参数 ---- M = 8; % 阵元数 fc = 3.5e9; % 载波频率 3.5GHz lambda = 3e8 / fc; % 波长（米） d = lambda / 2; % 阵元间距：半波长 N = 1000; % 快拍数（采样点数） % ---- 信号参数 ---- theta_sig = 30; % 目标信号方向（度） theta_int = -40; % 干扰方向（度） snr_dB = 10; % 信噪比（线性域用信噪比计算噪声功率） inr_dB = 20; % 干噪比：干扰比噪声高 20dB % ---- 生成目标信号和干扰信号 ---- s_sig = randsn(1, N) + 1j*randsn(1, N); % 目标信号：复基带随机信号 s_int = randsn(1, N) + 1j*randsn(1, N); % 干扰信号：复基带随机信号 % ---- 生成导向矢量 ---- % 角度转弧度，注意 sin() 在 MATLAB 中以弧度为输入 a_sig = exp(1j*2*pi*d/lambda*(0:M-1)'*sind(theta_sig)); a_int = exp(1j*2*pi*d/lambda*(0:M-1)'*sind(theta_int)); % ---- 构造接收数据 ---- Psig = 1; % 目标信号功率归一化为 1 Pint = 10^(inr_dB/10); % 干扰功率（线性域） Pnoise = 10^(-snr_dB/10); % 噪声功率（线性域） X = sqrt(Psig)*a_sig*s_sig + sqrt(Pint)*a_int*s_int + ... sqrt(Pnoise/2)*(randn(M,N) + 1j*randn(M,N)); % ---- 计算权向量 ---- % 这里给出 MRC 和 MMSE 两种，后续可对比 w_mrc = a_sig / norm(a_sig); % MRC：权指向目标方向 Rxx = (X*X')/N; % 接收数据的样本协方差矩阵 w_mmse = (Rxx \ a_sig); % MMSE：用协方差矩阵解线性方程 w_mmse = w_mmse / norm(w_mmse); % 归一化，方向图可对比 % ---- 计算输出 SINR ---- calc_sinr = @(w) (abs(w'*a_sig)^2*Psig) / ... (abs(w'*a_int)^2*Pint + w'*w*Pnoise); sinr_mrc_dB = 10*log10(calc_sinr(w_mrc)); sinr_mmse_dB = 10*log10(calc_sinr(w_mmse)); fprintf('MRC 输出 SINR: %.2f dB\n', sinr_mrc_dB); fprintf('MMSE 输出 SINR: %.2f dB\n', sinr_mmse_dB); % ---- 绘制波束方向图 ---- theta_scan = -90:0.5:90; A_scan = exp(1j*2*pi*d/lambda*(0:M-1)'*sind(theta_scan)); % 全角度扫描矩阵 pattern_mrc = abs(w_mrc' * A_scan); pattern_mmse = abs(w_mmse' * A_scan); figure; plot(theta_scan, 20*log10(pattern_mrc/max(pattern_mrc)), 'b-', 'LineWidth', 1.5); hold on; plot(theta_scan, 20*log10(pattern_mmse/max(pattern_mmse)), 'r--', 'LineWidth', 1.5); xline(theta_sig, 'k:', '目标方向'); xline(theta_int, 'g:', '干扰方向'); xlabel('扫描角度（度）'); ylabel('归一化方向图（dB）'); legend('MRC', 'MMSE', 'Location', 'best'); grid on; title('8 阵元 ULA 波束方向图对比');代码的逻辑分四段。第一段设参数，其中阵元间距 d 用半波长，这是后面方向和栅瓣行为的关键；第二段用导向矢量构造接收数据，注意干扰功率比噪声高 20dB，这样 MRC 和 MMSE 的差异才会明显；第三段计算两种权向量，MRC 直接用导向矢量，MMSE 用样本协方差矩阵求解，Rxx \ a_sig这一步在 MATLAB 里是解线性方程，比直接inv(Rxx)*a_sig数值稳定；第四段画方向图，用 0.5 度的扫描步进。
参数说明：M 控制阵列孔径，孔径越大主瓣越窄、增益越高；d 超过半波长会出现栅瓣，小于半波长主瓣变宽；N 是快拍数，影响协方差矩阵估计精度，N 太小 MMSE 会和理论值差很多；snr_dB 和 inr_dB 决定 MRC 和 MMSE 的差距——干扰越强，MRC 越“翻车”，MMSE 的优势越明显。如果你想看 MRC 对干扰的抑制能力有多差，把 inr_dB 改成 30 再跑一次，输出 SINR 会明显恶化。
3.3 运行结果怎么读
跑完这段代码，你会在命令行看到类似“MRC 输出 SINR: 15.3 dB”“MMSE 输出 SINR: 30+ dB”的数值，这个差距是正常的。在 20dB 干噪比下，MRC 权向量等于目标方向导向矢量，意味着干扰方向也有不小的增益泄漏；MMSE 则会在干扰方向自动形成一个零陷。方向图里，MRC 的红色曲线在 -40 度附近仍保持一定电平，MMSE 的蓝色曲线会在那里凹下去。这个“凹下去”就是空间滤波的落点。
如果你的输出 SINR 数值和这里差很远，先检查随机种子和参数是否一致。然后看方向图：如果主瓣没对准 30 度，多半是sind()和sin()混用；如果方向图全乱了，检查矩阵维度，a_sig应该是 M×1 列向量，A_scan是 M×360 的矩阵，权重向量做共轭转置后维度才能匹配。
4. 波束方向图和信道容量图像的量化验证：四个必调参数
4.1 方向图的三要素：主瓣、副瓣和栅瓣
波束方向图是判断 beamforming 效果的“第一现场”。归一化方向图里有几个关键读数：主瓣峰值对应的角度就是当前波束指向；第一副瓣电平决定了旁瓣区域会不会放大干扰；如果阵元间距大于半波长，还会看到栅瓣——和主瓣等高的假波束。栅瓣的危害在于，一个从栅瓣方向进来的干扰会获得和主瓣同等的增益，beamforming 直接失效。
我用方向图做验证时有一个固定流程：先看主瓣指向是否和目标角度一致，误差超过 0.5 度就要查相位计算；再看干扰方向对应的方向图电平，MRC 不指望它有深零陷，MMSE 至少要有 20dB 以上的凹陷；最后扫一眼整个角度域的副瓣，如果副瓣电平高于 -13dB（8 阵元均匀线阵的理论第一副瓣电平约 -13.3dB），说明权和理论值有偏差。
4.2 阵元间距 d：半波长定律和栅瓣的边界
阵元间距是第一个要调的参数。理论上均匀线阵不出现栅瓣的条件是 d≤λ/2。实际调试中我发现，即便 d=λ/2，在接近端射方向（θ=±90°）时栅瓣风险也最高。所以工程上常用 d=λ/2 作为上限，而不是推荐值。如果你把 d 调到 0.8λ，方向图上会在某个角度出现一个和主瓣几乎等高的栅瓣，这时候 beamforming 的空间滤波能力已经打折了。
调 d 的办法很直接：在d = lambda/2那一行改成d = 0.8*lambda，重新跑方向图。你会看到除了栅瓣，主瓣宽度也变窄了——这是大孔径的收益，但你付出的代价是角度模糊。这个权衡就是 MIMO 阵列设计中“要分辨率还是要无模糊角度范围”的经典博弈。
4.3 载波频率 fc：同一个阵列换频段之后行为完全变样
beamforming 的所有相位计算都依赖波长，而波长由 fc 决定。同一个 8 阵元阵列，工作在 3.5GHz 时是教科书级的方向图；改到 28GHz（毫米波），λ 变小，d=λ/2 也变小，阵列物理孔径变小，主瓣变宽，方向图“糊”了。这是仿真里最容易忽略的事：代码中lambda = 3e8/fc是自动算的，但如果你从某个例程里抄了固定 d 的写法（比如 d=0.5），换频率后 d 就不再是半波长，栅瓣随之出现。正确做法是始终用 d = lambda/2 这种相对值，而不是绝对数值。
我在做 5G 基站侧仿真时，通常把 fc 设为 3.5GHz 或 28GHz 各跑一遍，对比两种情况下的有效波束增益。毫米波场景里天线数要翻到 32 或 64 才能恢复 3.5GHz 下 8 阵元的波束锐度。
4.4 SNR 和快拍数 N：它们决定的是“下限”而不是“峰值”
方向图的主瓣宽度和副瓣电平由阵列几何决定，和信噪比无关。信噪比影响的是实际输出 SINR 有多接近理论值。快拍数 N 影响的是协方差矩阵估计质量，进而影响 MMSE 权向量。N 越小，MMSE 的零陷越浅、位置越偏；N 越大，越接近理论解。实践中有个经验值：N 至少要是 M 的 10 倍，才不至于让样本协方差矩阵的病态性毁掉权向量。你在例程里看到 N=1000 对 M=8 是绰绰有余的，但如果把 M 改成 32，N=1000 仍够用；改成 M=128，N 就要相应提升。
做完以上四步调整，你可以把角度扫描范围内的方向图响应保存下来，和信道容量图像对照看——波束对准主径方向时信道容量峰值最明显，偏离主径时容量快速下降。这个可视化是判断“波束对齐是否生效”最直观的证据。
5. 避坑指南：MIMO beamforming 仿真里最常见的 5 个翻车点
5.1 相位单位混用：方向图整个指向对不上
现象：权向量按 30 度设计，方向图主瓣却出现在 17 度或指向 90 度附近。原因：MATLAB 里sind()返回角度计算结果，sin()要求弧度输入，两者混写后导向矢量相位全错。有人还会把d/lambda算成波长数，再乘以 2π，此时如果 d 已经是半波长，系数就多余了。解决：全代码统一用exp(1j*2*pi*d/lambda*(0:M-1)'*sind(theta))这一种写法，不要在某处换成sin(theta*pi/180)混用。检查方法是打印a_sig的相邻元素相位差，理论上应该等于2*pi*d/lambda*sind(theta)，用angle(a_sig(2)/a_sig(1))核对。
5.2 阵元间距超过半波长，栅瓣“骗”走了信号
现象：方向图出现多个等高主瓣，beamforming 后输出 SINR 上不去，怎么调权向量都没用。原因：d>λ/2 时阵列响应在空间上周期重复，目标方向的导向矢量和栅瓣方向的入射信号有相同的相位差。解决：把 d 改回 λ/2 或更小。如果你必须用大于半波长的间距（比如物理安装受限），就要配合阵元位置校准和角度模糊解算，不要在普通 beamforming 例程里尝试硬扛。排查方法是让扫描角度范围覆盖 -90 到 90 度，栅瓣一定会在方向图上现形。
5.3 把复数信号当成实数处理，增益凭空消失了一半
现象：输出信噪比比理论值低 3~6dB，方向图形状还行但幅度不对。原因：基带信号是复信号，实部和虚部各带一半噪声功率。有人写sqrt(Pnoise)*randn(M,N)只加实噪声，或把复信号real()之后再做权值相乘，结果丢掉正交分量。解决：噪声要写成sqrt(Pnoise/2)*(randn(M,N)+1j*randn(M,N))，两边各分一半功率；信号处理全程保持复数类型，不要对数据调用real()。
5.4 天线增益和阵列增益混淆，指标虚高
现象：报告里写“beamforming 带来 8 倍增益”，实测系统级仿真中却只有 3~4 倍。原因：阵列增益 M 的理论前提是每根天线都是全向天线且权向量完美匹配，但实际天线阵元本身有方向图，边缘阵元的有效增益低于中心阵元；此外导向矢量失配也会吃掉增益。解决：系统级仿真中要把阵元方向图乘到导向矢量上，而不是直接用理想导向矢量。如果你的源码包里没有阵元方向图函数，至少要意识到理想模型和真实场景的差距，报告里不要写“预期 9dB 阵列增益”这种话。
5.5 SNR 定义不一致，你的调参结果无法和论文对齐
现象：参考论文里的 SINR 曲线和你的仿真曲线对不上，不是平移而是形状不同。原因：SNR 有多种定义方式——是按符号能量还是比特能量，按总发射功率还是单天线功率，按复基带信号还是实带通信号。同一组数据，换成不同定义，线性和 dB 值差很多。解决：在代码头部写清楚你的 SNR 定义。我常用的是“每根天线上信号总功率与噪声功率之比，信号功率归一化到 1”，对应代码中Pnoise = 10^(-snr_dB/10)。如果你对标的论文用了另一种定义，先把公式换算到同一基准再比较。
6. 进阶验证：从 AWGN 到多径信道，用失配实验校准你的权向量
把信道从 AWGN 换成频率选择性信道之前，先说一个更便宜就见效的验证：角度失配测试。做法很简单，设计波束时假设目标在 30 度，实际信号从 31 度入射，看你设计的波束还剩多少增益。8 阵元 ULA 在 3.5GHz、d=λ/2 时的 3dB 波束宽度约 12 度，1 度失配几乎无损；但如果你用 64 阵元，波束宽度缩到 1.5 度左右，同样失配 1 度就损失约 3dB。这是所有波束成形系统“口径越大、指向精度要求越高”的代价。
多径场景的做法是在第 3 章代码的基础上做两处改动：把直达径换成 3 条不同角度、不同复增益的路径，再把噪声换成相关噪声或保持白噪声。你会立刻发现，MRC 在强多径下性能急剧下降，因为权向量只对准了其中一条路径；MMSE 因为用数据协方差矩阵，会自动在多径角度间做折中。这种对比能帮你判断一个例程的适用范围——如果你的系统真实场景多径严重，就不要用只支持单径的演示版波束成形。
我自己做项目时有一个习惯：每次跑完仿真，先把权向量和方向图存下来，再做一次“权向量-数据匹配度”检查——计算权向量与各路径导向矢量的相关系数，看能量是否集中在期望方向。这个方法不花时间，但它能在我把所有现象都归咎于“多径信道玄学”之前，先排掉相位计算和维度处理这类低级错误。希望这个验证思路对你有实际帮助。
本文还有配套的精品资源，点击获取
