[论文解读] Maximum Entropy MIMO Wireless Channel Models

Maxime Guillaud, Mérouane Debbah+1 more|ArXiv.org|Dec 20, 2006

Advanced MIMO Systems Optimization参考文献 21被引用 11

一句话总结

本文通过在通道能量和空间相关性中引入不确定性，并应用最大熵原理，推导出最大熵MIMO信道模型。结果表明，协方差矩阵的熵最大分布为Wishart分布，从而得到仅依赖于Frobenius范数的信道概率密度函数（PDF），该模型能够捕捉阴影衰落和相关性，而无需假设固定参数，其平均互信息低于i.i.d.高斯模型，且方差更高。

ABSTRACT

In this contribution, models of wireless channels are derived from the maximum entropy principle, for several cases where only limited information about the propagation environment is available. First, analytical models are derived for the cases where certain parameters (channel energy, average energy, spatial correlation matrix) are known deterministically. Frequently, these parameters are unknown (typically because the received energy or the spatial correlation varies with the user position), but still known to represent meaningful system characteristics. In these cases, analytical channel models are derived by assigning entropy-maximizing distributions to these parameters, and marginalizing them out. For the MIMO case with spatial correlation, we show that the distribution of the covariance matrices is conveniently handled through its eigenvalues. The entropy-maximizing distribution of the covariance matrix is shown to be a Wishart distribution. Furthermore, the corresponding probability density function of the channel matrix is shown to be described analytically by a function of the channel Frobenius norm. This technique can provide channel models incorporating the effect of shadow fading and spatial correlation between antennas without the need to assume explicit values for these parameters. The results are compared in terms of mutual information to the classical i.i.d. Gaussian model.

研究动机与目标

• 在对传播参数（如信道能量和空间相关性）了解有限的条件下，开发解析的MIMO信道模型。
• 解决i.i.d.高斯模型的局限性，后者忽略了长期衰落和空间相关性。
• 通过为不确定参数（如能量、相关性矩阵）分配熵最大分布并进行边缘化，实现信道建模的泛化。
• 在协方差结构秩亏的情况下，推导出仅依赖于信道矩阵Frobenius范数的闭式概率密度函数（PDF）。
• 从互信息统计特性（尤其是中断容量和方差）角度，将所提模型与经典i.i.d.高斯模型进行比较。

提出的方法

• 使用最大熵原理，在已知约束（如平均信道功率或空间相关性矩阵）下推导MIMO信道元素的联合分布。
• 在固定信道能量或空间相关性矩阵的条件下，使用熵最大分布对信道矩阵进行条件建模。
• 在迹（能量）约束下，将Wishart分布作为协方差矩阵的熵最大分布。
• 通过为其分配熵最大先验并积分，对未知参数（如信道能量、相关性矩阵的特征值）进行边缘化。
• 利用各向同性和特征值分解，推导出最终信道PDF作为信道矩阵Frobenius范数的函数。
• 利用酉不变性和变换技术，证明信道向量的分布仅依赖于其范数，从而得到紧凑的解析形式。

实验结果

研究问题

• RQ1 当仅掌握信道能量或空间相关性的部分信息时，如何构建MIMO信道模型？
• RQ2 当空间相关性矩阵未知但其迹受约束时，MIMO信道矩阵的熵最大分布是什么？
• RQ3 与i.i.d.瑞利衰落相比，随机空间相关性和阴影衰落的引入如何影响互信息分布？
• RQ4 在相关性秩亏的情况下，能否推导出仅依赖于信道矩阵Frobenius范数的闭式解析信道PDF？
• RQ5 所提出的MaxEnt模型与经典i.i.d.高斯模型在互信息性能的统计特性上存在哪些差异？

主要发现

• 在迹约束下，MIMO信道协方差矩阵的熵最大分布为Wishart分布。
• 由此得到的信道矩阵PDF仅依赖于信道矩阵的Frobenius范数，从而实现紧凑的解析形式。
• 对于秩亏的协方差矩阵，信道PDF被表示为范数的函数，其显式表达式涉及修正贝塞尔函数。
• 所提模型的互信息方差高于i.i.d.高斯模型，反映出阴影衰落的影响。
• 平均互信息低于i.i.d.情况，与相关性导致容量降低的已知效应一致。
• 在低中断概率下，所提模型的中断容量显著低于i.i.d.模型，尤其在低秩相关结构下更为明显。