《MATLAB实战训练营：从入门到工业级应用》高阶挑战篇-《5G通信速成：MATLAB毫米波信道建模仿真指南》

passionSnail2025-05-07 15:35

《MATLAB实战训练营：从入门到工业级应用》高阶挑战篇-5G通信速成：MATLAB毫米波信道建模仿真指南 🚀📡

大家好！今天我将带大家进入5G通信的奇妙世界，我们一起探索5G通信中最激动人心的部分之一------毫米波信道建模！本文将从基础概念讲起，带你一步步用MATLAB2016b实现完整的毫米波信道仿真。准备好你的MATLAB，让我们开始这段技术之旅吧！🚀

1. 为什么选择毫米波？🌊

1.1 为什么毫米波如此重要？

毫米波(30-300GHz)是5G通信的关键技术之一，它能提供超大带宽(想想Gb/s的速率！)，超低延迟，是未来VR/AR、自动驾驶等应用的基石。

有趣的事实：毫米波之所以叫"毫米"波，是因为它的波长在1-10毫米之间，比传统微波(厘米级)短得多！📏

1.2 毫米波信道的特点

5G网络之所以能提供超高速率和超低时延，很大程度上得益于毫米波(mmWave)技术的应用。毫米波通常指30GHz至300GHz频段的电磁波，具有以下特点：

  • 超大带宽：可提供高达2GHz的连续带宽
  • 超高速率：理论速率可达10Gbps以上
  • 极小时延：空口时延可低至1ms
  • 小型天线：毫米波波长短，天线尺寸小

不过，毫米波也面临一些挑战：

  • 传播损耗大：氧气吸收、雨衰等影响显著，特定频段(如60GHz)受氧气吸收影响
  • 穿透能力差：信号衰减快，容易被建筑物、人体等阻挡
  • 覆盖范围小：需要密集部署小基站
  • 方向性传输：不同于传统信道的丰富散射，需要波束成形

2. 毫米波信道建模基础 📚

在开始编码前，我们需要了解一些基本概念：

2.1 信道冲激响应 (Channel Impulse Response)

毫米波信道可以表示为：
h ( t , τ ) = ∑ α n ( t ) δ ( τ − τ n ( t ) ) h(t,\tau) = \sum \alpha_n(t) \delta(\tau - \tau_n(t)) h(t,τ)=∑αn(t)δ(τ−τn(t))

其中αₙ是第n条路径的复增益，τₙ是时延。

2.2 毫米波信道特性

  • 空间选择性：由于使用大规模MIMO，信道具有明显的空间特性
  • 时间选择性：用户移动导致信道时变
  • 频率选择性：宽带信号在不同频段经历不同衰落

2.3 常用的信道模型

  1. 3GPP TR 38.901模型：标准化模型，适合系统级仿真
  2. NYUSIM模型：纽约大学开发的基于测量的模型
  3. 射线追踪模型：基于几何光学原理，精度高但计算复杂

3. MATLAB实现步骤 🛠️

现在让我们动手实现一个简化的毫米波信道模型！我们将基于3GPP TR 38.901的室内办公室(Indoor Office)场景。

3.1 环境设置

首先，我们需要设置仿真参数：

matlab 复制代码 
clear all; close all; clc;

% 基本参数设置
fc = 28e9;          % 载波频率28GHz
BW = 100e6;         % 系统带宽100MHz
Ts = 1/BW;          % 采样间隔
c = 3e8;            % 光速
lambda = c/fc;      % 波长

% 天线配置
Nt = 8;             % 发射天线数
Nr = 8;             % 接收天线数
antennaSpacing = lambda/2;  % 天线间距

% 场景参数
roomSize = [20, 20, 3]; % 房间尺寸(长,宽,高)m
txPos = [2, 2, 1.5];    % 发射机位置
rxPos = [18, 18, 1.5];  % 接收机位置

3.2 生成信道系数

接下来，我们实现一个简化的空间信道模型：

matlab 复制代码 
function [h, tau, AoD, AoA] = generateMmWaveChannel(Nt, Nr, fc, txPos, rxPos, roomSize)
    % 生成毫米波信道系数
    % 输入:
    %   Nt - 发射天线数
    %   Nr - 接收天线数
    %   fc - 载波频率(Hz)
    %   txPos - 发射机位置[x,y,z]
    %   rxPos - 接收机位置[x,y,z]
    %   roomSize - 房间尺寸[x,y,z]
    % 输出:
    %   h - 信道冲激响应
    %   tau - 路径时延
    %   AoD - 离开角(方位角,仰角)
    %   AoA - 到达角(方位角,仰角)
    
    c = 3e8;  % 光速
    lambda = c/fc;  % 波长
    
    % 1. 计算直射路径(LOS)
    d_los = norm(txPos - rxPos);
    tau_los = d_los / c;
    
    % 2. 生成反射路径(NLOS) - 这里简化为4条反射路径
    numReflections = 4;
    tau_nlos = zeros(1, numReflections);
    for i = 1:numReflections
        % 简化的反射路径计算
        reflectPoint = roomSize .* rand(1,3);  % 随机反射点
        d_nlos = norm(txPos - reflectPoint) + norm(reflectPoint - rxPos);
        tau_nlos(i) = d_nlos / c;
    end
    
    % 合并所有路径时延
    tau = [tau_los, tau_nlos];
    [tau, idx] = sort(tau);  % 按时延排序
    
    % 3. 生成路径增益(简化模型)
    PL_los = freeSpacePathLoss(fc, d_los);  % 自由空间路径损耗
    alpha_los = (randn(1) + 1i*randn(1)) / sqrt(2) * 10^(-PL_los/20);
    
    alpha_nlos = zeros(1, numReflections);
    for i = 1:numReflections
        d = tau_nlos(i) * c;
        PL_nlos = freeSpacePathLoss(fc, d) + 10;  % NLOS比LOS多10dB损耗
        alpha_nlos(i) = (randn(1) + 1i*randn(1)) / sqrt(2) * 10^(-PL_nlos/20);
    end
    
    alpha = [alpha_los, alpha_nlos];
    alpha = alpha(idx);  % 按时延排序增益
    
    % 4. 生成角度信息(简化)
    AoD = zeros(2, length(tau));  % 每列是一个路径的[方位角;仰角]
    AoA = zeros(2, length(tau));
    
    % LOS路径角度
    [az_los, el_los] = computeAngles(txPos, rxPos);
    AoD(:,1) = [az_los; el_los];
    AoA(:,1) = [-az_los; -el_los];
    
    % NLOS路径角度
    for i = 2:length(tau)
        AoD(:,i) = [rand()*2*pi-pi; rand()*pi-pi/2];  % 随机角度
        AoA(:,i) = [rand()*2*pi-pi; rand()*pi-pi/2];
    end
    
    % 5. 构建MIMO信道矩阵
    h = zeros(Nr, Nt, length(tau));
    for p = 1:length(tau)
        % 发射端阵列响应向量
        a_t = getArrayResponse(AoD(:,p), Nt, lambda);
        % 接收端阵列响应向量
        a_r = getArrayResponse(AoA(:,p), Nr, lambda);
        
        h(:,:,p) = alpha(p) * (a_r * a_t');
    end
end

function PL = freeSpacePathLoss(fc, d)
    % 自由空间路径损耗计算
    lambda = 3e8/fc;
    PL = 20*log10(4*pi*d/lambda);
end

function [az, el] = computeAngles(txPos, rxPos)
    % 计算从tx到rx的方位角和仰角
    vec = rxPos - txPos;
    az = atan2(vec(2), vec(1));
    el = atan2(vec(3), sqrt(vec(1)^2 + vec(2)^2));
end

function a = getArrayResponse(angle, N, lambda)
    % 生成阵列响应向量
    % angle: [方位角; 仰角]
    % N: 天线数
    % lambda: 波长
    
    az = angle(1);  % 方位角
    el = angle(2);  % 仰角
    
    d = lambda/2;   % 天线间距
    positions = (0:N-1)*d;
    
    % 阵列响应向量
    a = exp(-1i*2*pi*positions'*sin(az)*cos(el)/lambda);
    a = a / sqrt(N);  % 归一化
end

3.3 信道可视化

现在让我们可视化生成的信道：

matlab 复制代码 
% 生成信道
[h, tau, AoD, AoA] = generateMmWaveChannel(Nt, Nr, fc, txPos, rxPos, roomSize);

% 绘制功率时延谱
figure;
powers = squeeze(sum(sum(abs(h).^2, 1), 2));
stem(tau*1e9, 10*log10(powers), 'filled');
xlabel('时延 (ns)');
ylabel('功率 (dB)');
title('功率时延谱 (PDP)');
grid on;

% 绘制角度谱
figure;
subplot(1,2,1);
polarscatter(AoD(1,:), AoD(2,:), 50, 'filled');
title('发射端角度谱 (AoD)');

subplot(1,2,2);
polarscatter(AoA(1,:), AoA(2,:), 50, 'filled');
title('接收端角度谱 (AoA)');

% 绘制信道矩阵幅度
figure;
H = sum(h, 3);  % 对所有路径求和
imagesc(abs(H));
colorbar;
xlabel('发射天线');
ylabel('接收天线');
title('MIMO信道矩阵幅度');

4. 完整仿真示例 📊

让我们把这些整合成一个完整的仿真示例，包括移动性建模和信道时变性：

matlab 复制代码 
% 5G毫米波信道建模完整示例 - MATLAB 2016b兼容版本
clear all; close all; clc;

%% 1. 参数设置
fc = 28e9;          % 载波频率28GHz
BW = 100e6;         % 系统带宽100MHz
Ts = 1/BW;          % 采样间隔
c = 3e8;            % 光速
lambda = c/fc;      % 波长

% 天线配置
Nt = 8;             % 发射天线数
Nr = 8;             % 接收天线数
antennaSpacing = lambda/2;  % 天线间距

% 场景参数
roomSize = [20, 20, 3]; % 房间尺寸(长,宽,高)m
txPos = [2, 2, 1.5];    % 发射机位置
rxSpeed = 1;           % 接收机移动速度 m/s
rxDirection = [1, 1, 0]; % 接收机移动方向
rxDirection = rxDirection/norm(rxDirection); % 归一化

% 仿真参数
numSnapshots = 100;    % 快拍数
snapshotInterval = 0.01; % 快拍间隔(s)

%% 2. 信道仿真循环
H = zeros(Nr, Nt, numSnapshots);  % 存储每个时刻的信道矩阵
rxPositions = zeros(3, numSnapshots); % 存储接收机位置

rxPos = 0;
for t = 1:numSnapshots
    % 更新接收机位置
    rxPos = rxPos + rxSpeed * rxDirection * snapshotInterval;
    rxPositions(:,t) = rxPos;
    
    % 确保接收机在房间内
    rxPos = max([0.5, 0.5, 1], min(roomSize-[0.5,0.5,1], rxPos));
    
    % 生成信道
    [h, tau, AoD, AoA] = generateMmWaveChannel(Nt, Nr, fc, txPos, rxPos, roomSize);
    
    % 存储信道矩阵(对所有路径求和)
    H(:,:,t) = sum(h, 3);
end

%% 3. 结果可视化
% 3.1 接收机轨迹
figure;
plot3(rxPositions(1,:), rxPositions(2,:), rxPositions(3,:), 'b-o');
hold on;
plot3(txPos(1), txPos(2), txPos(3), 'rp', 'MarkerSize', 10, 'MarkerFaceColor', 'r');
xlabel('X (m)'); ylabel('Y (m)'); zlabel('Z (m)');
title('收发机位置和移动轨迹');
legend('接收机轨迹', '发射机位置');
grid on; axis equal;

% 3.2 信道容量随时间变化
SNR_dB = 20;  % 假设信噪比
capacity = zeros(1, numSnapshots);
for t = 1:numSnapshots
    % 计算信道容量
    sigma2 = 1/(10^(SNR_dB/10));  % 噪声功率
    capacity(t) = log2(det(eye(Nr) + (1/sigma2)*H(:,:,t)*H(:,:,t)'));
end

figure;
plot((1:numSnapshots)*snapshotInterval, capacity, 'LineWidth', 2);
xlabel('时间 (s)');
ylabel('信道容量 (bps/Hz)');
title('毫米波MIMO信道容量随时间变化');
grid on;

% 3.3 最后一个快拍的信道矩阵幅度和相位
figure;
subplot(1,2,1);
imagesc(abs(H(:,:,end)));
colorbar;
xlabel('发射天线');
ylabel('接收天线');
title('信道矩阵幅度');

subplot(1,2,2);
imagesc(angle(H(:,:,end)));
colorbar;
xlabel('发射天线');
ylabel('接收天线');
title('信道矩阵相位');

5. 进阶扩展 🚀

现在你已经掌握了基本的毫米波信道建模方法，可以尝试以下扩展：

5.1 加入更真实的路径损耗模型

matlab 复制代码 
function PL = mmWavePathLoss(fc, d, scenario)
    % 3GPP TR 38.901路径损耗模型
    % scenario: 'UMi' (城市微蜂窝), 'UMa' (城市宏蜂窝), 'InH' (室内热点)
    
    c = 3e8;
    lambda = c/fc;
    
    switch scenario
        case 'UMi'
            % 城市微蜂窝场景
            if d <= 18
                PL = 32.4 + 21*log10(d) + 20*log10(fc/1e9);
            else
                PL = 32.4 + 40*log10(d) + 20*log10(fc/1e9) ...
                    - 9.5*log10(18^2 + (txPos(3)-rxPos(3))^2);
            end
        case 'InH'
            % 室内热点场景
            PL = 32.4 + 17.3*log10(d) + 20*log10(fc/1e9) ...
                + 0.5*d*randn();  % 加入随机阴影衰落
        otherwise
            % 默认使用自由空间路径损耗
            PL = 20*log10(4*pi*d/lambda);
    end
end

5.2 加入空间一致性

在移动场景中，相邻时刻的信道应该具有相关性。我们可以通过以下方式实现：

matlab 复制代码 
% 在信道生成函数中加入空间一致性
function [h, tau, AoD, AoA] = generateMmWaveChannelWithSC(...)
    % 参数与之前相同，但加入空间一致性
    
    persistent last_AoD last_AoA last_tau;
    
    if isempty(last_AoD)
        % 第一次调用，随机生成
        [h, tau, AoD, AoA] = generateMmWaveChannel(...);
    else
        % 基于上次结果生成，加入小扰动
        AoD = last_AoD + 0.1*randn(size(last_AoD));
        AoA = last_AoA + 0.1*randn(size(last_AoA));
        tau = last_tau + 1e-9*randn(size(last_tau));
        
        % 重新生成信道系数
        h = zeros(Nr, Nt, length(tau));
        for p = 1:length(tau)
            a_t = getArrayResponse(AoD(:,p), Nt, lambda);
            a_r = getArrayResponse(AoA(:,p), Nr, lambda);
            h(:,:,p) = alpha(p) * (a_r * a_t');
        end
    end
    
    % 保存当前状态
    last_AoD = AoD;
    last_AoA = AoA;
    last_tau = tau;
end

6. 完整代码整合 📜

以下是完整可运行的MATLAB 2016b兼容代码：

matlab 复制代码 
% 5G毫米波信道建模完整仿真 - MATLAB 2016b兼容
function mmWaveChannelModeling()
    %% 主函数
    clear all; close all; clc;
    
    %% 1. 参数设置
    fc = 28e9;          % 载波频率28GHz
    BW = 100e6;         % 系统带宽100MHz
    Ts = 1/BW;          % 采样间隔
    c = 3e8;            % 光速
    lambda = c/fc;      % 波长
    
    % 天线配置
    Nt = 8;             % 发射天线数
    Nr = 8;             % 接收天线数
    antennaSpacing = lambda/2;  % 天线间距
    
    % 场景参数
    roomSize = [20, 20, 3]; % 房间尺寸(长,宽,高)m
    txPos = [2, 2, 1.5];    % 发射机位置
    rxSpeed = 1;           % 接收机移动速度 m/s
    rxDirection = [1, 1, 0]; % 接收机移动方向
    rxDirection = rxDirection/norm(rxDirection); % 归一化
    
    % 仿真参数
    numSnapshots = 100;    % 快拍数
    snapshotInterval = 0.01; % 快拍间隔(s)
    
    %% 2. 信道仿真循环
    H = zeros(Nr, Nt, numSnapshots);  % 存储每个时刻的信道矩阵
    rxPositions = zeros(3, numSnapshots); % 存储接收机位置
    
    rxPos = 0;
    for t = 1:numSnapshots
        % 更新接收机位置
        rxPos = rxPos + rxSpeed * rxDirection * snapshotInterval;
        rxPositions(:,t) = rxPos;
        
        % 确保接收机在房间内
        rxPos = max([0.5, 0.5, 1], min(roomSize-[0.5,0.5,1], rxPos));
        
        % 生成信道
        [h, tau, AoD, AoA] = generateMmWaveChannel(Nt, Nr, fc, txPos, rxPos, roomSize);
        
        % 存储信道矩阵(对所有路径求和)
        H(:,:,t) = sum(h, 3);
    end
    
    %% 3. 结果可视化
    % 3.1 接收机轨迹
    figure;
    plot3(rxPositions(1,:), rxPositions(2,:), rxPositions(3,:), 'b-o');
    hold on;
    plot3(txPos(1), txPos(2), txPos(3), 'rp', 'MarkerSize', 10, 'MarkerFaceColor', 'r');
    xlabel('X (m)'); ylabel('Y (m)'); zlabel('Z (m)');
    title('收发机位置和移动轨迹');
    legend('接收机轨迹', '发射机位置');
    grid on; axis equal;
    
    % 3.2 信道容量随时间变化
    SNR_dB = 20;  % 假设信噪比
    capacity = zeros(1, numSnapshots);
    for t = 1:numSnapshots
        % 计算信道容量
        sigma2 = 1/(10^(SNR_dB/10));  % 噪声功率
        capacity(t) = log2(det(eye(Nr) + (1/sigma2)*H(:,:,t)*H(:,:,t)'));
    end
    
    figure;
    plot((1:numSnapshots)*snapshotInterval, capacity, 'LineWidth', 2);
    xlabel('时间 (s)');
    ylabel('信道容量 (bps/Hz)');
    title('毫米波MIMO信道容量随时间变化');
    grid on;
    
    % 3.3 最后一个快拍的信道矩阵幅度和相位
    figure;
    subplot(1,2,1);
    imagesc(abs(H(:,:,end)));
    colorbar;
    xlabel('发射天线');
    ylabel('接收天线');
    title('信道矩阵幅度');
    
    subplot(1,2,2);
    imagesc(angle(H(:,:,end)));
    colorbar;
    xlabel('发射天线');
    ylabel('接收天线');
    title('信道矩阵相位');
end

%% 信道生成函数
function [h, tau, AoD, AoA] = generateMmWaveChannel(Nt, Nr, fc, txPos, rxPos, roomSize)
    c = 3e8;  % 光速
    lambda = c/fc;  % 波长
    
    % 1. 计算直射路径(LOS)
    d_los = norm(txPos - rxPos);
    tau_los = d_los / c;
    
    % 2. 生成反射路径(NLOS) - 这里简化为4条反射路径
    numReflections = 4;
    tau_nlos = zeros(1, numReflections);
    for i = 1:numReflections
        % 简化的反射路径计算
        reflectPoint = roomSize .* rand(1,3);  % 随机反射点
        d_nlos = norm(txPos - reflectPoint) + norm(reflectPoint - rxPos);
        tau_nlos(i) = d_nlos / c;
    end
    
    % 合并所有路径时延
    tau = [tau_los, tau_nlos];
    [tau, idx] = sort(tau);  % 按时延排序
    
    % 3. 生成路径增益(简化模型)
    PL_los = freeSpacePathLoss(fc, d_los);  % 自由空间路径损耗
    alpha_los = (randn(1) + 1i*randn(1)) / sqrt(2) * 10^(-PL_los/20);
    
    alpha_nlos = zeros(1, numReflections);
    for i = 1:numReflections
        d = tau_nlos(i) * c;
        PL_nlos = freeSpacePathLoss(fc, d) + 10;  % NLOS比LOS多10dB损耗
        alpha_nlos(i) = (randn(1) + 1i*randn(1)) / sqrt(2) * 10^(-PL_nlos/20);
    end
    
    alpha = [alpha_los, alpha_nlos];
    alpha = alpha(idx);  % 按时延排序增益
    
    % 4. 生成角度信息(简化)
    AoD = zeros(2, length(tau));  % 每列是一个路径的[方位角;仰角]
    AoA = zeros(2, length(tau));
    
    % LOS路径角度
    [az_los, el_los] = computeAngles(txPos, rxPos);
    AoD(:,1) = [az_los; el_los];
    AoA(:,1) = [-az_los; -el_los];
    
    % NLOS路径角度
    for i = 2:length(tau)
        AoD(:,i) = [rand()*2*pi-pi; rand()*pi-pi/2];  % 随机角度
        AoA(:,i) = [rand()*2*pi-pi; rand()*pi-pi/2];
    end
    
    % 5. 构建MIMO信道矩阵
    h = zeros(Nr, Nt, length(tau));
    for p = 1:length(tau)
        % 发射端阵列响应向量
        a_t = getArrayResponse(AoD(:,p), Nt, lambda);
        % 接收端阵列响应向量
        a_r = getArrayResponse(AoA(:,p), Nr, lambda);
        
        h(:,:,p) = alpha(p) * (a_r * a_t');
    end
end

%% 辅助函数
function PL = freeSpacePathLoss(fc, d)
    % 自由空间路径损耗计算
    lambda = 3e8/fc;
    PL = 20*log10(4*pi*d/lambda);
end

function [az, el] = computeAngles(txPos, rxPos)
    % 计算从tx到rx的方位角和仰角
    vec = rxPos - txPos;
    az = atan2(vec(2), vec(1));
    el = atan2(vec(3), sqrt(vec(1)^2 + vec(2)^2));
end

function a = getArrayResponse(angle, N, lambda)
    % 生成阵列响应向量
    % angle: [方位角; 仰角]
    % N: 天线数
    % lambda: 波长
    
    az = angle(1);  % 方位角
    el = angle(2);  % 仰角
    
    d = lambda/2;   % 天线间距
    positions = (0:N-1)*d;
    
    % 阵列响应向量
    a = exp(-1i*2*pi*positions'*sin(az)*cos(el)/lambda);
    a = a / sqrt(N);  % 归一化
end

7. 总结与展望 🎯

通过本教程，我们实现了一个简化的毫米波MIMO信道模型，包括：

  1. 多径效应建模：考虑了LOS和NLOS路径
  2. 空间特性建模：使用阵列响应向量捕捉空间特性
  3. 时变特性：模拟了移动场景下的信道变化
  4. 可视化分析：功率时延谱、角度谱、信道矩阵等

要进一步改进模型，可以考虑：

  • 加入更精确的3GPP信道模型
  • 实现更复杂的空间一致性模型
  • 考虑极化效应和天线方向图
  • 加入阻塞(blockage)效应建模

希望这篇教程能帮助你快速入门5G毫米波信道建模！如果有任何问题，欢迎留言讨论。Happy coding! 🚀👨‍💻

相关推荐
A旧城以西27 分钟前
MySQL----数据库的操作
java·开发语言·数据库·sql·学习·mysql
珹洺1 小时前
C++从入门到实战（十三）C++函数模板与类模板初阶讲解
开发语言·数据结构·c++·算法
LiLiYuan.1 小时前
关于Stream
java·开发语言·windows·python
hongyanwin5 小时前
cmake qt 项目编译（win）
开发语言·qt
元亓亓亓7 小时前
Java后端开发day42--IO流（二）--字符集&字符流
java·开发语言
JANYI20188 小时前
在c++中老是碰到string&，这是什么意思?
开发语言·c++
passionSnail8 小时前
《MATLAB实战训练营：从入门到工业级应用》趣味入门篇-用声音合成玩音乐：MATLAB电子琴制作（超级趣味实践版）
开发语言·matlab
shenyan~9 小时前
关于Python：9. 深入理解Python运行机制
开发语言·python
天堂的恶魔9469 小时前
C++ - 仿 RabbitMQ 实现消息队列（1）（环境搭建）
开发语言·c++·rabbitmq
殇淋狱陌9 小时前
【Python】常用命令提示符
开发语言·python·虚拟环境
热门推荐
01【SpeedAI科研小助手】2分钟极速解决知网维普重复率、AIGC率过高，一键全文降！文件格式不变，公式都保留的！02KGG转MP3工具|非KGM文件|解密音频03从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑04YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】05YOLOv8目标检测在RK3588部署全过程06西电B测-计算机网络综合实验(含验收问题)07苍穹外卖面试总结08DeepSeek各版本说明与优缺点分析09Coze扣子平台完整体验和实践（附国内和国际版对比）10yolov8，yolo11，yolo12 服务器训练到部署全流程 笔记