MIMO与波束赋形：从单根天线到大规模阵列的通信革命

从一个日常场景说起

想象你在嘈杂的演唱会现场，想跟远处的朋友说句话。如果你只有一张嘴，声音会被周围的噪声淹没。但如果你有64张嘴，每张嘴的声波经过精确计算后同时发出，它们就能在朋友那个方向叠加成一个"声束"——朋友听得清清楚楚，旁边的人却几乎听不到。

这就是波束赋形（Beamforming）的核心直觉：用多根天线协同工作，把信号能量聚焦到目标方向。而MIMO（多输入多输出）技术更进一步——不仅能聚焦信号，还能在同一频率上同时传输多路独立数据，就像在同一根光纤里跑多个波长。

今天我们不讲参数配置，不讲信令流程，而是回到第一性原理，拆解多天线技术背后的物理本质：为什么多根天线比一根好？波束赋形的数学本质是什么？Massive MIMO为什么是质变而非量变？

一、单天线的瓶颈：为什么需要多天线？

1.1 无线信道的三个敌人

在理解MIMO之前，先看单天线系统面临的三个核心瓶颈：

单天线系统的根本问题在于：它只在时间维度和频率维度上做文章，而无线信道的物理空间——包含丰富的角度、极化、多径信息——完全被浪费了。

MIMO技术的革命性在于：打开了空间维度。就好比高速公路原来只有时间维度（什么时候走）和车道维度（哪个车道走），现在突然多了"空间走廊"——同一时间、同一车道，可以在不同高度并行跑多辆车。

1.2 一个直观的类比

把无线通信想象成在一个大教室里传纸条：

• SISO（单输入单输出）：一个人写纸条扔给另一个人，效率低，容易被截获
• SIMO（单输入多输出）：一个人扔纸条，对面多个人接——接到的概率更大了（接收分集）
• MISO（多输入单输出）：多个人同时往同一个方向扔纸条——信号更强了（发送分集/波束赋形）
• MIMO（多输入多输出）：多个人同时扔多个不同的纸条，对面多个人同时接收——效率成倍提升（空间复用）

二、MIMO的三重增益

多天线系统带来的好处可以归纳为三种"增益"，理解它们是掌握整个MIMO体系的基石。

graph TB
    A[MIMO多天线增益] --> B[阵列增益<br/>Array Gain]
    A --> C[分集增益<br/>Diversity Gain]
    A --> D[空间复用增益<br/>Spatial Multiplexing Gain]

    B --> B1[多根天线相干叠加<br/>信号功率提升N倍]
    B --> B2[效果：覆盖延伸<br/>或发射功率降低]

    C --> C1[多条独立路径传输<br/>同时衰落概率极低]
    C --> C2[效果：可靠性提升<br/>抗深衰落]

    D --> D1[同一时频资源<br/>传输多路独立数据]
    D --> D2[效果：吞吐量成倍增长]

    style A fill:#1a73e8,color:#fff
    style B fill:#34a853,color:#fff
    style C fill:#fbbc04,color:#333
    style D fill:#ea4335,color:#fff

2.1 阵列增益（波束赋形增益）

核心原理：N根天线发送相同信号，通过调整各天线信号的相位，使它们在目标方向上同相叠加。

$$G_{array} = 10\log_{10}(N) \text{ dB}$$

这意味着： - 2根天线 → 3 dB增益（功率翻倍） - 4根天线 → 6 dB增益（功率翻两番） - 64根天线 → 18 dB增益（相当于覆盖距离扩大一倍多！）

通俗理解：一个人喊话声音传100米，64个人同时同声喊，声音能传到200米外还能听清。而且不需要每个人喊得更大声——只需要喊得"齐"。这就是"相干叠加"的威力。

2.2 分集增益

核心原理：利用多条统计独立的传播路径传输同一信息的不同副本。即使某条路径深衰落，其他路径仍然可能良好。

为什么需要分集？ 无线信号在空间中存在"衰落"现象——在某些位置信号强度会突然降低20-30 dB，就像路上突然出现一个大坑。如果你只有一条路，碰上大坑就断了。但如果有8条独立路线，8条同时塌方的概率极低。

分集阶数 = 独立路径数 = min(发送天线数, 接收天线数)

2.3 空间复用增益

核心原理：利用多天线创造多个空间上可分离的并行信道，在同一时频资源块上同时传输多路独立数据流。

这是MIMO最"值钱"的增益。设发送天线数为 $N_t$，接收天线数为 $N_r$，则：

$$C = \min(N_t, N_r) \cdot \log_2\left(1 + \frac{P}{\sigma^2}\right)$$

即信道容量是单天线的 $\min(N_t, N_r)$ 倍！这就是4×4 MIMO能让峰值速率翻4倍的理论基础。

通俗理解：两个人在房间里同时说话，如果你只有一只耳朵，你很难分辨。但如果你有四只耳朵（分布在房间不同位置），你就能利用声波到达各耳朵的微小差异，把两个人的话分离出来。MIMO接收机做的正是这件事——利用空间信道的差异分离并行数据流。

2.4 三种增益的权衡

这里有一个关键洞察：三种增益不能同时最大化。你必须在"覆盖（阵列增益）"、"可靠性（分集增益）"和"速率（复用增益）"之间做选择。

这就是为什么5G基站需要根据终端的信道条件，实时切换传输模式——它本质上是在三种增益之间做动态博弈。

三、波束赋形的数学本质

3.1 从相位对齐说起

波束赋形的核心操作极其简洁：给每根天线的信号乘一个复数权重 $w_n$。

$$y_n(t) = w_n \cdot s(t), \quad n = 1, 2, ..., N$$

其中 $w_n = a_n \cdot e^{j\phi_n}$，$a_n$ 控制幅度，$\phi_n$ 控制相位。

所有天线发出的信号在空间中叠加。在某个方向 $\theta$ 上，接收到的总信号为：

$$r(\theta) = \sum_{n=1}^{N} w_n \cdot e^{-j\frac{2\pi}{\lambda}nd\sin\theta} \cdot s(t)$$

这里 $e^{-j\frac{2\pi}{\lambda}nd\sin\theta}$ 是第 $n$ 根天线到方向 $\theta$ 的空间相位延迟。

波束赋形的目标就是选择 ${w_n}$，使得 $r(\theta_0)$ 在目标方向 $\theta_0$ 上最大化，同时在其他方向上尽量小。

3.2 一个4天线的数值例子

假设4根天线，间距 $\lambda/2$，目标方向 $\theta_0 = 30°$：

$$\Delta\phi = \frac{2\pi}{\lambda} \cdot \frac{\lambda}{2} \cdot \sin(30°) = \frac{\pi}{2} = 90°$$

所以各天线权重为：

在30°方向，所有信号同相叠加，功率是单天线的16倍（$4^2 = 16$，即12 dB增益）。在其他方向，信号部分抵消，功率大幅降低。

这就是"聚焦"的数学本质——通过精确的相位补偿，让所有天线在目标方向"对齐"，在非目标方向"互消"。

3.3 波束宽度与天线数的关系

天线越多，波束越窄，能量越集中。对于均匀线阵，半功率波束宽度（HPBW）近似为：

$$\text{HPBW} \approx \frac{0.886\lambda}{Nd\cos\theta_0} \text{ (弧度)}$$

这就是为什么5G Massive MIMO（64/128/256天线）能实现"精准波束"——64天线的波束宽度只有1.5°，相当于手电筒变成了激光笔。

四、三种波束赋形架构

4.1 架构对比全景

graph LR
    subgraph Analog["模拟波束赋形"]
        direction TB
        A1[基带信号] --> A2[DAC]
        A2 --> A3[1个RF链]
        A3 --> A4[模拟移相器网络]
        A4 --> A5[天线阵列<br/>N个振子]
    end

    subgraph Digital["数字波束赋形"]
        direction TB
        D1[基带信号] --> D2[数字预编码矩阵]
        D2 --> D3[N个DAC]
        D3 --> D4[N个RF链]
        D4 --> D5[天线阵列<br/>N个振子]
    end

    subgraph Hybrid["混合波束赋形"]
        direction TB
        H1[基带信号] --> H2[数字预编码<br/>K个流]
        H2 --> H3[K个DAC]
        H3 --> H4[K个RF链]
        H4 --> H5[模拟移相器网络]
        H5 --> H6[天线阵列<br/>N个振子<br/>K < N]
    end

    style Analog fill:#4285f4,color:#fff
    style Digital fill:#34a853,color:#fff
    style Hybrid fill:#fbbc04,color:#333

4.2 模拟波束赋形

工作原理：只有一套基带处理单元（1个RF链），通过模拟移相器给每根天线施加不同的相位偏移。

优点：硬件简单、功耗低、成本低。一个RF链就能驱动整个天线阵列。

致命限制：一次只能形成一个波束。因为只有一个RF链，所有天线只能发送同一信号的不同相位版本——无法同时服务多个用户或传输多路数据。

典型应用：毫米波终端（手机），因为毫米波终端面积有限，放不下太多RF链。

4.3 数字波束赋形

工作原理：每根天线都有独立的RF链（含DAC/ADC），波束赋形在数字基带完成——通过一个预编码矩阵 $W$ 同时处理所有数据流。

$$\mathbf{y} = W \cdot \mathbf{x}$$

其中 $\mathbf{x}$ 是待发送的数据向量，$W$ 是预编码矩阵，$\mathbf{y}$ 是各天线发出的信号。

优点：每个天线独立控制，可以同时形成多个独立波束（MU-MIMO），可以在不同频段使用不同波束（频率选择性波束赋形），灵活性最高。

代价：64根天线就要64套RF链+高速ADC/DAC。在毫米波频段（如28 GHz），每套RF链的功耗和成本都极高。这也是为什么Sub-6 GHz的Massive MIMO（如3.5 GHz 64T64R）使用数字波束赋形，而毫米波通常用混合波束赋形。

4.4 混合波束赋形：折中的艺术

工作原理：用 $K$ 个RF链服务 $N$ 根天线（$K < N$），数字域处理 $K$ 个数据流的预编码，模拟域通过移相器网络形成 $K$ 个波束。

$$\mathbf{y} = W_{RF} \cdot W_{BB} \cdot \mathbf{x}$$

• $W_{BB}$：数字基带预编码矩阵（$K \times K$），灵活但维度受限
• $W_{RF}$：模拟移相器矩阵（$N \times K$），只有相位自由度

设计哲学：用少量RF链获得接近全数字波束赋形的性能，同时大幅降低硬件成本和功耗。

两种子架构：

graph TB
    subgraph FullyConnected["全连接混合架构"]
        FC_BB[数字预编码] --> FC_RF1[RF链1]
        FC_BB --> FC_RF2[RF链2]
        FC_RF1 --> FC_PS11[移相器→天线1]
        FC_RF1 --> FC_PS12[移相器→天线2]
        FC_RF1 --> FC_PS13[移相器→天线3]
        FC_RF1 --> FC_PS14[移相器→天线4]
        FC_RF2 --> FC_PS21[移相器→天线1]
        FC_RF2 --> FC_PS22[移相器→天线2]
        FC_RF2 --> FC_PS23[移相器→天线3]
        FC_RF2 --> FC_PS24[移相器→天线4]
    end

    subgraph SubArray["子阵列混合架构"]
        SA_BB[数字预编码] --> SA_RF1[RF链1]
        SA_BB --> SA_RF2[RF链2]
        SA_RF1 --> SA_PS1[移相器→天线1-2]
        SA_RF2 --> SA_PS2[移相器→天线3-4]
    end

    style FullyConnected fill:#e8f0fe
    style SubArray fill:#fef7e0

4.5 三种架构的工程权衡

五、Massive MIMO：为什么"多"是质变？

5.1 从MIMO到Massive MIMO

传统MIMO（4×4、8×8）的思路是"精心设计"——用有限的天线数，通过复杂算法逼近理论极限。Massive MIMO的思路完全不同：当天线数远大于用户数时，很多棘手的问题会自动消失。

这听起来不可思议，但背后有严谨的数学支撑。

5.2 信道硬化（Channel Hardening）

在传统MIMO中，信道矩阵 $H$ 是随机的——每个时刻、每个子载波的信道都不同，系统需要不断跟踪信道变化。

但当天线数 $M \to \infty$ 时（$M$ 远大于用户数 $K$），一个神奇的效应出现了：

$$\frac{1}{M}H^H H \to I_K$$

即信道矩阵的列趋于正交。这意味着：

• 多用户干扰自动消失——不同用户的信道变得完全正交，不需要复杂的干扰消除算法
• 信道变得"确定性"——快衰落的影响被平均掉，等效信道几乎不再随时间波动
• 简单的线性处理就够了——最大比合并（MRC）和最大比发送（MRT）就能逼近最优性能

通俗类比：想象你在一个有1000面镜子的房间里照手电筒。每面镜子的反射角度是随机的，但有1000面镜子时，光线的总体分布变得非常稳定和可预测。个别镜子的晃动对整体几乎没影响。这就是"信道硬化"——信道的不确定性被大量天线"平均"掉了。

5.3 有利传播（Favorable Propagation）

Massive MIMO的另一个核心优势：信道矩阵的各行（对应不同用户）自然趋于正交。

这意味着基站可以同时服务10个甚至更多用户，每个用户的信号几乎不受其他用户干扰。这不是通过复杂的信号处理实现的，而是大量天线带来的"天然去相关"效应。

5.4 Massive MIMO的系统级优势

graph TD
    A[Massive MIMO<br/>大量天线阵列] --> B[信道硬化]
    A --> C[有利传播]
    A --> D[阵列增益]

    B --> B1[信道确定性增强<br/>调度简化]
    B --> B2[快衰落被平均<br/>无需频繁CSI反馈]

    C --> C1[用户信道正交化<br/>MU-MIMO零干扰]
    C --> C2[简单线性预编码<br/>替代复杂非线性算法]

    D --> D1[波束更窄更聚焦<br/>能量效率提升]
    D --> D2[空间分辨率更高<br/>更多用户并行]

    B1 & B2 & C1 & C2 & D1 & D2 --> E[结果：<br/>容量提升10倍以上<br/>能效提升100倍<br/>延迟大幅降低]

    style A fill:#1a73e8,color:#fff
    style E fill:#ea4335,color:#fff

5.5 从理论到现实：5G Massive MIMO产品化

当前5G基站的典型Massive MIMO配置：

3D波束赋形是5G Massive MIMO相对于4G的一个重要升级。4G天线阵列主要是一维（水平方向），波束只能在水平面内扫描。5G的面阵天线可以同时在水平和垂直方向调整波束方向——这对高楼覆盖尤其重要，可以把波束"向上"指向高层用户。

六、预编码：波束赋形的"大脑"

6.1 什么是预编码？

波束赋形在实际系统中体现为"预编码"（Precoding）操作——基站根据信道状态信息（CSI），为每个用户的每个数据流计算一组权重向量。

$$\mathbf{y} = \mathbf{W}\mathbf{x} = \sum_{k=1}^{K}\mathbf{w}_k x_k$$

其中 $\mathbf{w}_k$ 是第 $k$ 个用户的预编码向量，$x_k$ 是给第 $k$ 个用户的数据。

6.2 常见预编码算法

类比： - MRT像一个只管自己声音大不管别人的演讲者——信号强但可能干扰邻居 - ZF像一个小心翼翼不踩任何人脚的舞者——零干扰但动作受限 - MMSE像一个经验丰富的主持人——在自己说话和不打扰别人之间找到最佳平衡

在Massive MIMO中（天线数远大于用户数），三种算法的性能差距很小——这也是Massive MIMO"以量取胜"的体现：当天线足够多时，简单的MRT就能获得接近最优的性能。

6.3 CSI获取：波束赋形的前提

预编码的前提是基站要知道信道状态。在5G NR中，获取CSI的方式取决于双工模式：

TDD的天然优势：在Massive MIMO场景下，TDD只需终端发送SRS，基站就能获得完整的下行信道信息。而FDD模式下，终端需要反馈一个巨大的矩阵——64天线×4天线=256个复数元素，反馈开销巨大。这也是为什么5G的大规模MIMO部署以TDD为主。

七、实战连接：工程师需要知道的事

7.1 调试Massive MIMO的典型场景

场景一：小区边缘速率偏低

不要盲目增加发射功率。检查： - SRS覆盖率——如果边缘用户SRS质量差，基站无法准确获取CSI，波束赋形增益大打折扣 - 波束权重配置——确认预编码模式是否从SU-MIMO切换到了分集/波束赋形模式 - 天线校准——TDD系统依赖信道互易性，如果收发通道校准不准，互易性被破坏

场景二：MU-MIMO配对成功率低

• 检查用户间信道正交性——两个用户如果位置很近（角度接近），信道高度相关，配对后互相干扰严重
• 查看PMI反馈——如果两个用户报告的PMI指向同一方向，说明不适合配对
• 评估调度器策略——有些厂商只允许同极化方向的用户配对

7.2 常见误解

误解一："天线越多，信号越强"

不完全对。天线越多，波束赋形增益越大（$10\log_{10}(N)$ dB），但这个增益只在"有波束指向"的方向有效。不在波束覆盖范围内的用户不会受益。实际网络中，Massive MIMO的价值更多在于空间复用（同时服务更多用户）而非单纯增强信号。

误解二："Massive MIMO就是64根天线绑在一起"

远不止。64根天线需要64套RF链（或混合架构中的等效处理），需要实时信道估计，需要每毫秒更新预编码矩阵，需要处理天线校准、互耦效应、热噪声一致性等工程问题。硬件成本中，天线振子只占一小部分，真正贵的是RF链和信号处理芯片。

误解三："波束赋形后就不需要功率控制了"

恰恰相反。Massive MIMO的波束赋形使小区内干扰格局变得复杂——窄波束虽然在目标方向增益高，但旁瓣泄漏可能对其他用户造成干扰。功率控制仍然是必要的，而且需要更精细的空间维度功率分配。

八、从4G到5G：多天线技术的演进

5G引入的关键变化：

1. 参考信号重新设计：4G的CRS是"全向广播"，每个子帧都发，开销大。5G引入CSI-RS，可以针对每个用户配置不同的波束参考信号，按需发送，大幅降低开销。

2. Type II CSI反馈：4G的PMI反馈只能选择一个预编码矩阵索引。5G Type II CSI反馈多个基向量的加权组合，等效于反馈一个"定制化"的预编码矩阵，精度大幅提升。

3. 波束管理流程：5G引入了完整的波束管理框架（P-1/P-2/P-3/Beep失败恢复），这是4G完全没有的新能力。

常见问题

Q: 波束赋形和预编码是一回事吗？

A: 广义上相关但不同。波束赋形（Beamforming）侧重于形成空间方向性的波束——把能量聚焦到某个方向。预编码（Precoding）是更广义的概念，包括波束赋形，也包括空间复用的多流处理。简单说：单流传输时预编码就是波束赋形；多流传输时预编码同时完成波束赋形和流间干扰抑制。

Q: 为什么5G毫米波必须用波束赋形？

A: 毫米波（28/39 GHz）的路径损耗远大于Sub-6 GHz。自由空间路径损耗公式 $L = 20\log_{10}(4\pi d/\lambda)$ 中，波长 $\lambda$ 越小，损耗越大。28 GHz的路径损耗比3.5 GHz高出约18 dB。不使用波束赋形，毫米波信号的覆盖范围只有几十米。使用64天线波束赋形获得18 dB增益后，覆盖才能扩展到数百米。而且毫米波波长极短（约1 cm），天线尺寸极小，在很小的面积内可以放大量天线。

Q: TDD和FDD哪个更适合Massive MIMO？

A: TDD有明显优势。TDD利用信道互易性（上下行同频），基站只需终端发一个SRS信号就能获得完整的下行信道矩阵，无需终端反馈。FDD模式下，上下行频率差几十甚至上百MHz，信道不互易，终端需要反馈一个巨大的预编码矩阵（64天线场景下有数千个参数），反馈开销惊人。这也是为什么全球5G的Massive MIMO部署以TDD频段（如n78、n41）为主。

Q: Massive MIMO的"大规模"到底是多少根天线？

A: 学术上通常定义为"基站天线数远大于同时服务用户数"。实际产品中，Sub-6 GHz通常是64T64R（64收64发），毫米波可能到256甚至512个天线振子。但关键不在于绝对数量，而在于天线数与用户数的比值——比值越大，信道硬化和有利传播的效果越明显。当比值超过10:1时，Massive MIMO的理论优势就能充分体现。

Q: 手机也需要多天线吗？

A: 是的，但受限于尺寸。手机通常配置2×2或4×4 MIMO。手机的多天线主要获取分集增益和空间复用增益，而不是波束赋形。毫米波手机可能会在天线罩周围嵌入4-8个天线振子，使用模拟波束赋形来补偿高频段的巨大路径损耗。

参考来源

1. Massive MIMO and Beamforming: The Signal Processing Behind the 5G Buzzwords — ADI技术文章，详细解析Massive MIMO信号处理原理
2. MIMO与波束成形核心原理剖析：从空间维度到精准定向 — 搜狐技术文章，空间维度与定向控制的分析
3. On Massive MIMO, Channel Hardening and Favorable Propagation — WirelessPi博客，信道硬化与有利传播现象的数学推导
4. Precoding Matrix Indicator in the 5G NR Protocol: A Tutorial — arXiv论文，5G NR预编码矩阵指示器的完整教程

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。