想象你站在一个嘈杂的广场上，对面50米外有个朋友在和你说话。你听不清——周围太吵了。怎么办？
一种办法是让对方大声喊（增加发射功率），但这不仅费力，还让噪声更大。另一种办法更聪明：让对方拿一个扩音喇叭对准你。声波能量集中在一个方向，你听得清了，旁边的人受到的干扰也小了。
这就是波束赋形（Beamforming）的核心思想：不增加总功率，而是让信号能量集中在需要的地方。
在5G网络中，基站不再是"路灯式"的全向辐射，而是变成了一个拥有64根甚至更多天线的"智能聚光灯阵列"——它能同时追踪多个用户，为每个用户定制一条专属的无线链路。这就是Massive MIMO技术的本质。
传统单天线发送信号时，电磁波向四面八方扩散——就像灯泡发光。这意味着：
多天线（MIMO，Multiple-Input Multiple-Output）技术的引入，给无线通信带来了三个维度的收益：
| 增益类型 | 核心思想 | 类比 | 效果 |
|---|---|---|---|
| 阵列增益 | 多天线信号相干叠加 | 多人一起推车 | 信噪比提升，覆盖范围扩大 |
| 分集增益 | 多条独立路径传输同一数据 | 走多条路送货，总有一条到 | 抗衰落，链路更稳定 |
| 空间复用增益 | 不同天线同时传不同数据 | 多车道并行通车 | 吞吐量成倍提升 |
这三种增益的关系可以用下面的公式量化：
图表 1
波束赋形的物理基础是波的干涉原理。当两列波相遇时：
关键在于相位差。对于天线阵列中第 $n$ 个天线单元，如果它的信号相位被设置为：
$$\phi_n = -\frac{2\pi}{\lambda} \cdot n \cdot d \cdot \sin(\theta_0)$$
其中： - $\lambda$ 是波长 - $d$ 是天线间距 - $\theta_0$ 是目标波束方向 - $n$ 是天线编号
那么所有天线发出的信号将在 $\theta_0$ 方向上同相叠加（相长干涉），形成主波束；而在其他方向上，不同天线的信号相位不一致，部分抵消（相消干涉），形成旁瓣和零陷。
天线数量越多，波束越窄，指向性越强。波束的半功率波束宽度（HPBW）近似为：
$$\theta_{HPBW} \approx \frac{0.886\lambda}{N \cdot d}$$
其中 $N$ 是天线数量。这意味着：
| 天线数量 | 波束宽度（近似） | 类比 |
|---|---|---|
| 2根 | ~50° | 台灯 |
| 8根 | ~12° | 手电筒 |
| 64根 | ~1.5° | 激光笔 |
| 256根 | ~0.4° | 激光瞄准器 |
这就是为什么5G Massive MIMO用64根甚至更多天线——波束越窄，能量越集中，干扰越小，能同时服务的用户越多。
图表 2
假设基站有4根天线，手机有2根天线。基站可以在4根天线上同时发送不同的数据流，手机通过2根天线接收。
关键问题是：接收端怎么区分来自不同天线的数据流？
答案是信道矩阵的可逆性。如果4根发射天线到2根接收天线之间经历了不同的传播路径（即信道矩阵H的各列线性无关），就可以通过矩阵运算把混合在一起的信号分离开来。
用数学表达：
$$\mathbf{y} = \mathbf{H}\mathbf{x} + \mathbf{n}$$
其中： - $\mathbf{x}$ 是发射信号向量（$N_t \times 1$） - $\mathbf{y}$ 是接收信号向量（$N_r \times 1$） - $\mathbf{H}$ 是信道矩阵（$N_r \times N_t$） - $\mathbf{n}$ 是噪声向量
接收端通过估计 $\mathbf{H}$，然后求逆运算恢复出 $\mathbf{x}$。这就是空间复用的数学本质。
不是所有场景都能用空间复用。它需要：
| 条件 | 原因 | 不满足时的后果 |
|---|---|---|
| 丰富的多径环境 | 需要信道矩阵各列线性无关 | 视距（LOS）场景下空间相关性高，复用增益下降 |
| 足够的天线数 | 复用层数 ≤ min(Nt, Nr) | 手机只有2根天线，基站4根也最多传2层 |
| 足够高的信噪比 | 每层数据流分享总功率 | SNR低时，分层后每层SNR不够，不如用分集 |
图表 3
SU-MIMO：所有天线资源集中服务一个用户，提升单用户速率。适合覆盖场景。
MU-MIMO：天线资源分成多组，同时服务多个用户。适合容量热点（如体育场、商场）。
现网中，64T64R Massive MIMO在MU-MIMO模式下，下行可支持多达16层同时传输（Samsung在商用网络中已验证），这意味着同一个时频资源上，16个用户可以同时接收不同的数据。
这是理解5G波束赋形硬件实现的核心知识点。
| 特性 | 模拟波束赋形 | 数字波束赋形 | 混合波束赋形 |
|---|---|---|---|
| 处理域 | 射频（RF） | 基带（Baseband） | 基带 + 射频 |
| 关键器件 | 移相器 | ADC/DAC + 数字处理器 | 两者都用 |
| 每用户波束数 | 1个（同一时刻） | 理论上等于天线数 | 少于天线数 |
| 硬件成本 | 低 | 高（每根天线需独立RF链路） | 中等 |
| 灵活性 | 低 | 高 | 中高 |
| 功耗 | 低 | 高 | 中等 |
| 典型应用 | 毫米波FR2 | Sub-6G FR1 | 两者兼顾 |
全数字波束赋形是最理想的——每根天线都有独立的基带处理链路，可以实现最灵活的波束控制。但问题是：64根天线就需要64条RF链路，每条包含ADC/DAC、滤波器、放大器，成本和功耗惊人。
混合波束赋形的解决方案是：用少量的RF链路（比如8条），通过移相器网络连接到大量天线（比如64根）。基带在8条链路上做"粗粒度"的数字预编码，射频移相器做"细粒度"的模拟波束调整。
图表 4
| 拓扑结构 | 连接方式 | 优点 | 缺点 |
|---|---|---|---|
| 全连接 | 每条RF链路连到所有天线 | 波束赋形增益最大 | 移相器数量 = RF链路 × 天线数，硬件量大 |
| 子连接 | 每条RF链路只连到一部分天线 | 硬件量大幅减少 | 波束赋形增益略低 |
5G Sub-6G（FR1）的64T64R基站通常采用全数字架构（64条独立RF链路），因为Sub-6G的带宽和器件成熟度允许。而毫米波（FR2）由于带宽极大、器件成本高，普遍采用混合架构。
Massive MIMO是传统MIMO的"放大版"——基站天线数量从4G时代的2、4、8根，扩展到5G的32、64、128甚至256根。
但这不仅仅是天线多了。天线数量的量变引发了质变：
| 特性 | 传统MIMO（4G） | Massive MIMO（5G） |
|---|---|---|
| 天线数量 | 2-8根 | 32-256根 |
| 典型配置 | 2T2R, 4T4R | 32T32R, 64T64R, 128T128R |
| 波束宽度 | 15°-50° | 1.5°-5° |
| 空间分辨率 | 低（难以区分用户） | 高（精确区分用户） |
| 多用户复用 | 2-4用户 | 8-16用户 |
| 信道硬化效应 | 不明显 | 明显（大数定律） |
| 小区边缘性能 | 差 | 显著改善 |
当天线数量足够多时，一个有趣的现象出现了：信道的随机波动趋于消失，信道看起来变得"确定"了。
这就是信道硬化（Channel Hardening）效应。数学上，当 $N_t \to \infty$ 时：
$$\frac{1}{N_t}|\mathbf{h}|^2 \to \mathbb{E}[|\mathbf{h}|^2 / N_t]$$
这意味着： - 信道增益变得稳定，不再有深衰落 - 调度器可以更准确地分配资源 - 链路自适应的效率更高
在实际的64T64R系统中，信道硬化效应已经比较明显——用户感受到的信号波动比4G小很多，小区边缘的体验也显著改善。
5G基站的天线阵列通常采用平面阵列（UPA, Uniform Planar Array）结构，由水平方向和垂直方向的天线单元组成。
以典型的64T64R为例：
| 参数 | 典型值 |
|---|---|
| 水平方向天线数 | 8 |
| 垂直方向天线数 | 8 |
| 双极化 | 2（每个位置有±45°两个极化方向） |
| 总天线单元数 | 8 × 8 × 2 = 128（物理单元） |
| 逻辑天线端口 | 64（每对双极化合为1个逻辑端口） |
水平方向的8个天线控制水平面波束扫描（左右），垂直方向的8个天线控制垂直面波束扫描（上下）。这就是为什么Massive MIMO能实现三维波束赋形（3D Beamforming）——不仅能左右扫描，还能上下扫描，为高楼不同楼层提供不同的波束。
图表 5
5G NR引入了一套完整的波束管理（Beam Management）框架，用于建立和维护基站与终端之间的波束对。这个过程分为三个阶段：
终端开机或进入新小区时，需要找到最佳波束。基站通过SS/PBCH Block（SSB）进行波束扫描：
| 步骤 | 过程 | 说明 |
|---|---|---|
| 1 | 基站在不同方向依次发送SSB | 每个SSB对应一个宽波束方向 |
| 2 | 终端测量所有SSB的RSRP | 选择信号最强的SSB |
| 3 | 终端在PRACH信道用对应的RO发起接入 | SSB和PRACH资源有映射关系 |
| 4 | 基站从PRACH使用的RO推断出最佳SSB | 确定初始波束方向 |
在FR2（毫米波）中，一个SSB周期内最多可以发送64个SSB（Lmax=64），覆盖整个扇区。在FR1（Sub-6G）中，Lmax=8或4。
初始SSB波束较宽（可能是10°-20°），精炼阶段使用CSI-RS进行更精细的波束训练：
终端将测量结果通过CSI报告反馈给基站，包括： - CQI（Channel Quality Indicator）：信道质量 - RI（Rank Indicator）：推荐的空间复用层数 - PMI（Precoding Matrix Indicator）：推荐的预编码矩阵 - CRI（CSI-RS Resource Indicator）：最佳CSI-RS资源索引
当服务波束因遮挡或移动而质量下降时，5G有专门的波束失败恢复（BFR）机制：
这个过程在毫秒级完成，用户几乎感知不到中断。
波束赋形的效果取决于预编码矩阵W的选择。在商用网络中，权值优化是最重要的调优参数之一：
| 权值模式 | 原理 | 适用场景 |
|---|---|---|
| 广播权值 | 固定宽波束覆盖整个扇区 | SSB广播、公共信道 |
| 窄带扫描权值 | 按预定义方向图切换 | SSB波束扫描 |
| 自适应权值 | 基于实时CSI计算 | 业务信道（PDSCH/PUSCH） |
| 静态权值 | 基于网络规划固定设置 | 特殊覆盖场景 |
Massive MIMO阵列中，每条RF链路的幅度和相位响应不可能完全一致。这种不一致性会直接降低波束赋形的精度。
基站需要定期执行天线校准（Antenna Calibration）： 1. 基站内部通过耦合回路发送校准信号 2. 测量每条RF链路的幅度/相位偏差 3. 计算补偿因子 4. 在波束赋形计算中应用补偿
工程实践中，校准精度直接决定MU-MIMO的性能——如果校准不好，预编码矩阵无法精确消除用户间干扰，MU-MIMO的增益会大打折扣。
TDD系统的上下行使用同一频段，可以利用信道互易性——通过终端发送的SRS信号，基站可以直接推断出下行信道状态，无需终端反馈大量的CSI。
但互易性不是完美的： - 校准误差：上下行RF链路的差异 - 时延：SRS发送到下行数据传输之间的信道变化 - 干扰不对称：上行干扰和下行干扰可能不同
工程建议： - SRS周期在低速场景可设为20-40ms，高速场景建议10ms或更低 - SRS带宽应尽可能覆盖整个系统带宽 - 对于高速移动用户，建议同时开启CSI-RS反馈作为补充
| 场景 | 天线配置 | 关键参数 | 典型效果 |
|---|---|---|---|
| 密集城区（容量热点） | 64T64R, 3.5GHz | MU-MIMO, 8-16层复用 | 小区容量提升3-5倍 |
| 普通城区 | 32T32R或64T64R | SU+MU混合, 4-8层 | 覆盖和容量均衡 |
| 高铁/高速 | 8T8R或32T32R | 高移动性波束跟踪 | 覆盖稳定，切换优化 |
| 室内覆盖 | 4T4R或8T8R小站 | 室内3D波束 | 精准覆盖楼层 |
| 郊区/农村 | 4T4R, 2.1GHz | 广播波束优化 | 降低建站成本 |
正确理解：天线越多，波束越窄、指向性越强，但总发射功率是受限的（法规限制）。Massive MIMO的优势是空间分辨率和多用户复用，而不是简单地"信号更强"。
正确理解：Massive MIMO对上行同样有巨大价值。多根天线做接收分集，可以显著提升上行信噪比。对于物联网等上行为主的场景，Massive MIMO的上行增益非常重要。
正确理解：虽然TDD可以利用信道互易性通过SRS获取下行CSI，但终端的CSI-RS反馈（CQI/PMI/RI）仍然是必要的补充，特别是在： - 高速移动场景（信道快速变化） - FDD系统（上下行频段不同，互易性差） - MU-MIMO场景（需要更精确的CSI来消除用户间干扰）
在工程调试中，遇到过这样的案例：某小区Massive MIMO性能不如预期，排查发现天线安装时机械下倾角设置错误，导致数字波束赋形的波束方向与实际覆盖区域不匹配。数字权值再精确，如果机械安装偏了，效果也会大打折扣。
教训：Massive MIMO的性能是"机械安装 + 数字权值"共同决定的，两者必须协同优化。
Q1: 4T4R和64T64R的Massive MIMO在实际性能上差距有多大？
A: 在单用户场景下，差距约2-3倍（通过更多层的空间复用）。但在多用户密集场景（如体育场），64T64R的MU-MIMO可以将小区容量提升到4T4R的5-8倍。关键区别在于空间复用层数：4T4R最多4层，64T64R可以达到16层。
Q2: 毫米波和Sub-6G的波束赋形有什么本质区别？
A: 毫米波（FR2）波长极短（~5mm），天线可以做得很小，256根天线阵列只有巴掌大。但由于硬件成本高，通常用混合波束赋形。Sub-6G（FR1）波长约10-15cm，天线阵列较大（整面天线面板），但可以用全数字波束赋形，灵活性更高。
Q3: 信道互易性校准不达标会有什么后果？
A: 最直接的后果是MU-MIMO性能下降。因为预编码矩阵依赖精确的CSI，校准误差会导致用户间干扰无法被完全消除。严重时，MU-MIMO可能还不如SU-MIMO。这也是为什么运营商在验收Massive MIMO设备时，天线校准精度是必测项目。
Q4: Massive MIMO会增加终端的复杂度吗？
A: 终端侧的复杂度增加有限。5G终端通常有2-4根天线，需要支持CSI-RS测量和CSI反馈，但不需要做复杂的波束赋形计算。基站承担了绝大部分计算负担，这也是Massive MIMO设计的核心思想——把复杂度集中在网络侧，保持终端的简洁性。
Q5: 未来6G的天线技术会怎样演进？
A: 6G的天线演进方向包括：(1) 超大规模天线阵列（上千根天线），工作在更高频段（Sub-THz）；(2) 可重构智能表面（RIS），通过在环境表面部署大量无源反射单元实现"被动波束赋形"； (3) AI辅助的波束管理，用机器学习替代传统的穷举搜索，实现更快的波束跟踪。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。
