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 \($\gamma$\) 先验难以准确给定 | ✅ 提供 无 \($\gamma$\) 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 dB |
HF-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 dB |
HF-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_pareto |
Off-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
$$ \mathbf{h}=\sum {\ell=1}^{Lf} \beta {f,\ell}\,\mathbf{a}f(\theta {f,\ell}) +\sum{\ell=1}^{L n} \beta{n,\ell}\,\mathbf{a} n(r{\ell},\theta {n,\ell}) +\mathbf{h}{\mathrm{LoS}}. $$
2) 联合字典建模
$$ \mathbf{D}=[\mathbf{A} f,\mathbf{A}n], \qquad\min {\mathbf{g}}\|\mathbf{y}-\mathbf{D}\mathbf{g}\|2^2\;\text{s.t.}\;\|\mathbf{g}\|_0\le K. $$
3) 无 \($\gamma$\) 比例搜索
$$ \hat{\gamma} =\arg\min {\gamma\in\Gamma} \left( \min{\mathbf{g}:\operatorname{supp}(\mathbf{g})\in\mathcal{S}(\gamma)}\|\mathbf{y}-\mathbf{D}\mathbf{g}\|_2^2 \right), \quad \Gamma=\left\{\frac{L-1}{L},\frac{L-2}{L},\dots,0\right\}. $$
4) SIGW 离网细化目标
$$J(\Theta,\mathbf{g})=\|\mathbf{y}-\mathbf{A}(\Theta)\mathbf{g}\| 2^2 + \lambda\|\mathbf{g}\|2^2, $$$$ \mathbf{g}^*(\Theta)=\left(\mathbf{A}^H\mathbf{A}+\lambda\mathbf{I}\right)^{-1}\mathbf{A}^H\mathbf{y}. $$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
✅ 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。
