你站在一个漆黑的广场上，需要把一段话传递给远处的朋友。有两种方式：第一种，你用一个大喇叭朝四面八方喊——朋友听到了，但周围所有人都听到了，而且大部分声波能量浪费在了没有人影的方向。第二种，你用手电筒照向朋友，再用定向传声筒把声音汇聚成一束送过去——精准、高效、省力。
第二种方式，就是波束赋形（Beamforming） 的核心思想。而当你不只用一个传声筒，而是用几十个、上百个，同时对多个方向分别"喊话"时，这就是 Massive MIMO。
今天我们从物理直觉出发，搞清楚：多天线技术到底是怎么工作的？波束赋形的数学本质是什么？5G基站上那密密麻麻的天线阵列，为什么能让网速翻几倍？
在2G/3G时代，基站和手机各用一根天线收发信号。这种 SISO（Single-Input Single-Output）架构存在一个根本瓶颈：香农容量极限。
$$C = B \cdot \log_2\left(1 + \frac{S}{N}\right)$$
其中 $C$ 是信道容量（bps），$B$ 是带宽（Hz），$S/N$ 是信噪比。在带宽有限的前提下，提升容量的唯一方式就是提高信噪比——但发射功率不可能无限增大，这就遇到了天花板。
MIMO（Multiple-Input Multiple-Output）的核心洞察是：无线信号在空间中经过不同路径传播，这些不同的路径可以承载不同的数据流。
用一个生活类比：假设你和同事需要从A城到B城出差。如果只有一条高速公路（SISO），你们只能排队走。但如果有多条不同的路线（MIMO），你们可以各走一条，同时到达——总运输能力成倍提升。
graph TB
subgraph SISO["SISO：单天线收发"]
TX1["发射天线 📡"] -->|"单条路径"| RX1["接收天线 📱"]
end
subgraph MIMO["MIMO：多天线收发"]
TX2_1["发射天线1"] -->|"路径1"| RX2_1["接收天线1"]
TX2_1 -->|"路径2"| RX2_2["接收天线2"]
TX2_2["发射天线2"] -->|"路径3"| RX2_1
TX2_2 -->|"路径4"| RX2_2
end
style SISO fill:#ffe6e6
style MIMO fill:#e6ffe6
MIMO信道的容量公式变为：
$$C = \min(N_t, N_r) \cdot B \cdot \log_2\left(1 + \frac{S}{N}\right)$$
其中 $N_t$ 是发射天线数，$N_r$ 是接收天线数。关键点：容量与天线数量成线性关系——天线翻倍，理论容量翻倍。这就是MIMO被称为"空间频谱"的原因：它不消耗更多频率资源，而是利用空间维度。
MIMO技术实际上提供三种不同类型的增益，理解它们之间的区别是掌握多天线技术的关键。
| 增益类型 | 核心原理 | 效果 | 典型应用 |
|---|---|---|---|
| 波束赋形增益（Array Gain） | 多天线信号同相叠加 | 提升信噪比，扩大覆盖 | 5G Massive MIMO覆盖增强 |
| 空间分集增益（Diversity Gain） | 多路独立信号降低同时衰落的概率 | 提升可靠性，减少掉话 | 4G/5G控制信道传输 |
| 空间复用增益（Spatial Multiplexing） | 不同天线传输不同数据流 | 提升吞吐量，加倍速率 | 5G下行多流传输 |
当 $N$ 根天线发射相同信号、且在接收端同相叠加时，信号功率变为 $N$ 倍，而噪声功率不变（噪声互不相关）。这使得接收信噪比提升 $N$ 倍：
$$SNR_{array} = N \cdot SNR_{single}$$
这意味着64根天线的阵列，波束赋形增益可以达到 10·log₁₀(64) ≈ 18 dB——相当于把发射功率放大了64倍，但实际发射功率并没有增加！这不是凭空变出能量，而是把原本"散弹打鸟"的能量集中到了目标方向。
无线信道存在衰落——信号强度在短时间内可能剧烈波动。但如果两根天线之间的距离足够远（通常超过半个波长），它们经历的衰落就是独立的。两路信号同时陷入深衰落的概率是 $P^2$（$P$ 是单路深衰落的概率），大大降低了。
这就像两条独立的快递路线——一条堵车了另一条大概率还通。控制信道（如PDCCH）对可靠性要求极高，所以通常使用分集方式传输。
空间复用是MIMO最具革命性的能力：不同的天线同时发送不同的数据流，接收端通过信号处理把它们分离出来。
graph TD
subgraph 发射端["发射端（4天线）"]
L1["数据流1 🔵"]
L2["数据流2 🟢"]
L3["数据流3 🟡"]
L4["数据流4 🔴"]
end
subgraph 空间信道["无线空间信道"]
H11["h₁₁"] --- H14["h₁₄"]
H21["h₂₁"] --- H24["h₂₄"]
H31["h₃₁"] --- H34["h₃₄"]
H41["h₄₁"] --- H44["h₄₄"]
end
subgraph 接收端["接收端（4天线）"]
R1["天线1"]
R2["天线2"]
R3["天线3"]
R4["天线4"]
end
发射端 --> 空间信道 --> 接收端
接收信号可以写成矩阵形式：
$$\mathbf{y} = \mathbf{H} \cdot \mathbf{x} + \mathbf{n}$$
其中 $\mathbf{H}$ 是 $N_r \times N_t$ 的信道矩阵，每个元素 $h_{ij}$ 代表从发射天线 $j$ 到接收天线 $i$ 的信道响应。接收端的任务就是从混合信号 $\mathbf{y}$ 中恢复出原始数据 $\mathbf{x}$——这要求信道矩阵 $\mathbf{H}$ 是"足够不同"的（数学上称为"满秩"），这样不同的数据流才能被区分开。
关键理解：空间复用的前提是丰富的多径环境。在空旷的沙漠里（几乎没有多径），信道矩阵的各行高度相似，无法区分不同数据流。在城市环境中（大量反射、散射），多径丰富，空间复用效果很好。这就是为什么5G在城市区域的表现往往优于开阔地带。
假设你有两根天线，间距为 $d$，要向角度 $\theta$ 方向发射信号。电磁波到达目标时，从两根天线出发的波走过的路程有差异：
$$\Delta d = d \cdot \sin(\theta)$$
这段路程差对应的相位差为：
$$\Delta \phi = \frac{2\pi}{\lambda} \cdot d \cdot \sin(\theta)$$
要让两个波在 $\theta$ 方向同相叠加（最大增强），我们需要预先补偿这个相位差——给第二根天线额外加一个相位偏移 $-\Delta \phi$。
当有 $N$ 根天线排成均匀线阵（ULA），间距 $d$ 时，阵列因子（Array Factor）为：
$$AF(\theta) = \sum_{n=0}^{N-1} w_n \cdot e^{j \cdot n \cdot \frac{2\pi d}{\lambda} \sin(\theta)}$$
其中 $w_n$ 是第 $n$ 根天线的权重（包含幅度和相位控制）。通过选择合适的 $w_n$，我们能让 $AF(\theta)$ 在目标方向最大，在其他方向接近零。
直觉理解：想象N个人一起推一扇门。如果所有人同时发力（同相），门会被推开——这是建设性干涉。如果一半人推、一半人拉（反相），门不动——这是破坏性干涉。波束赋形就是精确控制每个"人"（天线）发力的时间和力度，让能量集中在想要的方向。
graph TB
subgraph 波束赋形原理["波束赋形：相位控制实现定向"]
direction TB
S["数据信号 s(t)"]
subgraph 权重控制["天线权重向量 W"]
W1["w₁ = a₁·e^(jφ₁)"]
W2["w₂ = a₂·e^(jφ₂)"]
W3["w₃ = a₃·e^(jφ₃)"]
WN["wₙ = aₙ·e^(jφₙ)"]
end
subgraph 天线阵列["天线阵列"]
A1["天线1 📡"]
A2["天线2 📡"]
A3["天线3 📡"]
AN["天线N 📡"]
end
subgraph 波束效果["合成辐射方向图"]
B1["目标方向：信号叠加增强 ✅"]
B2["非目标方向：信号抵消 ➖"]
end
S --> W1 --> A1
S --> W2 --> A2
S --> W3 --> A3
S --> WN --> AN
A1 --> 波束效果
A2 --> 波束效果
A3 --> 波束效果
AN --> 波束效果
end
一个重要关系：天线数量越多，波束越窄，增益越高。
半功率波束宽度（HPBW）的近似公式：
$$HPBW \approx \frac{0.886 \lambda}{N \cdot d} \text{（弧度）}$$
这意味着： - 4根天线：波束宽度约 25°，增益约 6 dB - 8根天线：波束宽度约 12.5°，增益约 9 dB - 64根天线：波束宽度约 1.6°，增益约 18 dB
64天线阵列的波束就像一把"激光剑"——极窄、极强、极精准。但也因此需要精确的跟踪能力：用户移动时，波束必须实时跟随，否则"激光"一偏，信号反而不如全向天线。
这是工程实现中最核心的选择。三种架构各有优劣，5G中根据频段和成本采用了不同方案。
| 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/模拟端 | 基带/数字端 | 基带 + 射频联合 |
| 核心器件 | 模拟移相器 | DAC/ADC + 数字信号处理器 | 两者兼有 |
| RF链路数量 | 1条（或少量） | 等于天线数 | 远小于天线数 |
| 控制精度 | 仅相位可控 | 幅度+相位完全可控 | 近似全可控 |
| 同时波束数 | 1个（或少量） | 等于数据流数 | 等于RF链路数 |
| 成本 | 低 | 高（随天线数线性增长） | 中等 |
| 功耗 | 低 | 高 | 中等 |
| 灵活性 | 差 | 最优 | 较好 |
| 典型应用 | mmWave终端 | Sub-6GHz基站 | 5G mmWave基站 |
模拟波束赋形在射频域通过模拟移相器调整每根天线的相位，所有天线共享一条RF链路（含DAC/ADC、混频器、滤波器等）。
优点：硬件成本低、功耗小。 缺点：只能控制相位不能控制幅度；一个时刻只能形成一个波束；宽带系统中无法对不同子载波单独赋形。
类比：就像一个只能转动的手电筒——你可以调整照射方向，但光束形状和亮度是固定的。
数字波束赋形在基带数字域处理，每根天线有独立的RF链路。信号在数字域经过预编码矩阵 $\mathbf{W}$ 加权后，分别送到各天线发射。
$$\mathbf{y} = \mathbf{W} \cdot \mathbf{s}$$
优点：每个天线的幅度和相位完全可控；可以同时形成多个独立波束；支持宽带频率选择性赋形。 缺点：当天线数很大时（如64、128根），需要同样数量的RF链路——每条链路包含高速DAC/ADC，成本和功耗随天线数线性增长。
混合波束赋形是5G的核心创新之一，它将赋形操作分成两级：
$$\mathbf{x} = \mathbf{F}{RF} \cdot \mathbf{F}$$} \cdot \mathbf{s
关键约束：$N_s \leq N_{RF} \leq N_{ant}$。例如 64天线、8条RF链路、4个数据流。
为什么这样设计？ 用少量RF链路（8条）的数字处理提供灵活的多流控制，再用大量移相器（64个）的模拟处理提供波束增益。性能接近全数字方案，但成本和功耗大幅降低。
graph LR
subgraph 全数字["全数字波束赋形"]
direction TB
DS1["数据流"] --> BB1["数字预编码器<br/>(64×4)"]
BB1 --> RF1_1["RF链路#1"]
BB1 --> RF1_2["RF链路#2"]
BB1 --> RF1_dot["..."]
BB1 --> RF1_64["RF链路#64"]
RF1_1 --> A1_1["天线1"]
RF1_2 --> A1_2["天线2"]
RF1_dot --> A1_dot["..."]
RF1_64 --> A1_64["天线64"]
end
subgraph 混合["混合波束赋形"]
direction TB
DS2["数据流"] --> BB2["数字预编码器<br/>(8×4)"]
BB2 --> RF2_1["RF链路#1"]
BB2 --> RF2_2["RF链路#2"]
BB2 --> RF2_dot["..."]
BB2 --> RF2_8["RF链路#8"]
RF2_1 --> PS2_1["移相器组<br/>(8个)"]
RF2_2 --> PS2_2["移相器组<br/>(8个)"]
RF2_8 --> PS2_8["移相器组<br/>(8个)"]
PS2_1 --> A2_all["64根天线"]
PS2_2 --> A2_all
PS2_8 --> A2_all
end
style 全数字 fill:#ffe6e6
style 混合 fill:#e6f0ff
4G LTE基站通常使用2T2R或8T8R（2发2收或8发8收）的天线配置。5G NR将这个数字推到了 64T64R 甚至 128T128R。但这不是简单地把更多天线拼在一起——天线数量的质变带来了系统行为的根本变化。
Massive MIMO的关键变化在于：
3D波束赋形：传统天线只在水平面控制波束方向。Massive MIMO使用二维平面阵列（如8行8列=64天线），可以在水平和垂直两个维度同时控制波束，实现对不同楼层用户的精准覆盖。
多用户MIMO（MU-MIMO）：同一时频资源同时服务多个空间分离的用户。64天线理论上可以同时服务16个以上的用户，频谱效率成倍提升。
信道硬化效应：当天线数量远大于用户数时（如64天线服务4个用户），信道矩阵的随机性大幅降低，趋于确定性——这意味着系统性能更加稳定可预测。
典型的5G Massive MIMO基站天线阵列结构：
| 参数 | 典型值 | 说明 |
|---|---|---|
| 阵列规模 | 8×8 = 64阵子 | 8行8列的平面阵 |
| 双极化 | 每个阵子含2个极化方向 | 总共128天线端口 |
| 天线间距 | 半波长（λ/2） | 3.5GHz约43mm |
| 阵列尺寸 | 约34cm × 34cm | 在一个天线面板内 |
| 最大数据流 | 16层（Layer） | 下行MU-MIMO |
系统自由度（DoF）限制了波束赋形增益和复用增益的折中。在一个 $N_t$ 发 $N_r$ 收的系统中：
$$\text{总增益} = \text{波束赋形增益} + \text{复用增益}$$
现网中，5G基站在小区中心通常采用MU-MIMO（用户多，信道条件好，适合复用），在小区边缘采用SU-MIMO with BF（用户少，信道差，需要波束增益来保持连接）。
波束赋形不是"盲打"——它需要精确的信道状态信息（CSI，Channel State Information）。没有CSI，波束赋形就是瞎指挥，可能还不如全向发射。
| 方式 | 方向 | 原理 | 准确度 |
|---|---|---|---|
| CSI-RS（下行） | 手机测量→上报基站 | 基站发送参考信号，手机测量并反馈 | TDD：高；FDD：中 |
| SRS（上行） | 基站直接测量 | 手机发送探测参考信号，基站直接测量信道 | TDD：高（信道互易性） |
| DM-RS（解调参考信号） | 接收端测量 | 嵌入在数据中，用于实时信道估计 | 最高 |
TDD（时分双工）系统中，上下行使用相同频率，只是在不同时隙传输。根据电磁波的可逆性原理：
$$\mathbf{H}{UL} = \mathbf{H}^T$$
这意味着基站可以通过测量手机发来的SRS信号直接获得下行信道信息——手机无需反馈复杂的信道矩阵，基站自己就能算出来。这就是为什么5G Massive MIMO在TDD模式下效果最好。
FDD（频分双工）系统中，上下行使用不同频率，信道互易性不成立。手机需要测量下行CSI-RS后，把信道信息通过UCI反馈给基站。反馈开销大、延迟高，赋形精度受限。
实战要点：在5G网络优化中，SRS的配置（周期、带宽、功率）直接影响波束赋形性能。SRS配置不当会导致CSI过时或不准确，波束方向偏离用户，性能严重下降。
5G引入了波束管理的概念——因为Massive MIMO的波束很窄，必须动态跟踪用户。
在路测中，如果你看到RSRP忽高忽低、频繁在几个波束之间切换，很可能是波束管理参数需要优化——比如SSB波束宽度、切换迟滞等。
陷阱1：天线数≠数据流数
64T64R基站不是同时发64个数据流。实际下行通常最多16层（16个数据流），因为空间自由度受限于信道秩（Rank）。在信道条件差时（比如高速移动场景），Rank可能只有1-2，此时64天线的价值主要体现在波束赋形增益而非复用增益。
陷阱2：波束赋形增益被过度期待
波束赋形增益理论值是 $10\log_{10}(N)$ dB，但实际增益通常低3-5dB。原因包括：CSI不完美、天线互耦效应、通道校准误差、用户移动导致的波束偏移等。在网规网优中，不要按理论增益做链路预算。
陷阱3：MU-MIMO的理想与现实
理论上MU-MIMO可以大幅提升小区吞吐量，但实际现网中MU-MIMO的配对成功率通常不高。因为需要找到信道条件好、空间分离度高的用户组合——在用户分布不均或信道相关性高时，很难找到好的配对。这也是为什么很多运营商的5G网络实际上以SU-MIMO为主。
| 场景 | 传统2D赋形 | 3D赋形 | 效果 |
|---|---|---|---|
| 高层建筑 | 信号"仰射不足"，高层覆盖差 | 垂直波束上翘，精准覆盖各楼层 | 室内覆盖提升10-15dB |
| 体育场馆 | 水平波束互相干扰 | 垂直分层，不同层服务不同区域 | 容量提升3-5倍 |
| 高铁覆盖 | 波束跟踪不上列车速度 | 窄波束沿铁轨方向"照射" | 覆盖距离延伸30% |
5G Massive MIMO主要是基站侧的技术（手机受限于体积和功耗，通常2×2或4×4 MIMO）。6G有几个值得关注的演进方向：
超大规模MIMO（XL-MIMO）：天线数量从百级扩展到千级，天线阵列尺寸可能达到几米甚至十几米。利用近场效应（球面波而非平面波），可以实现更高精度的波束聚焦。
可重构智能表面（RIS/IRS）：在环境中部署可编程的反射面，动态改变电磁波的传播方向。相当于把"被动"的传播环境变成"主动"可控的——这是6G最有潜力的新技术之一。
全息波束赋形：利用超材料（Metamaterial）实现全息原理的波束赋形，省去传统移相器，功耗和成本大幅降低。
Q: MIMO和波束赋形是同一个东西吗？
A: 不是。MIMO是"多天线收发"的统称，包含三种增益：空间复用（不同数据流）、空间分集（提高可靠性）、波束赋形（定向增强）。波束赋形是MIMO技术的一个子集。你可以用MIMO不做波束赋形（纯空间复用），也可以用波束赋形不一定要MIMO（比如单流波束赋形）。
Q: 4G的MIMO和5G的Massive MIMO有什么本质区别？
A: 4G LTE最多支持8天线（8T8R），且波束赋形主要在水平面。5G NR的Massive MIMO将天线数扩展到64/128，并引入3D波束赋形（水平和垂直维度同时控制）。更重要的是天线数量的量变带来了质变——信道硬化效应使得系统在高天线数下表现出更稳定的性能，MU-MIMO的配对也更容易。
Q: 为什么TDD比FDD更适合Massive MIMO？
A: 核心原因是信道互易性。TDD的上下行使用相同频率，基站可以通过测量上行SRS直接获得下行信道信息，无需手机反馈。在Massive MIMO中，64天线的下行信道矩阵包含64×N_r个复数元素，如果用FDD的方式让手机反馈，开销巨大。TDD利用互易性完美解决了这个问题，这也是为什么全球5G中频段（3.5GHz）普遍采用TDD模式。
Q: 波束赋形和预编码是一回事吗？
A: 在数字域基本等同。"预编码"（Precoding）是在发射端对信号做线性加权（乘以一个矩阵），使得在接收端信号质量最优。波束赋形是预编码的一种通俗说法——但"预编码"通常指数字域操作，而"波束赋形"可以发生在模拟域、数字域或混合域。在学术文献中，预编码是更精确的术语；在工程实践中，波束赋形使用更广泛。
Q: 手机能做波束赋形吗？
A: 可以，但能力有限。手机体积受限，5G手机通常有2-4根天线，可以形成简单的2-4天线波束赋形。在毫米波频段（28/39GHz），天线尺寸很小（毫米级），手机也可以集成小规模天线阵列（如4×2），实现模拟波束赋形。不过手机侧的波束赋形能力远不如基站侧。
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。