<!-- title: MIMO与波束赋形原理图解 -->

# 从灯泡到手电筒：MIMO与波束赋形原理图解

## 一个直觉类比：为什么天线技术如此重要？

想象你站在一个大礼堂里讲话。如果你只是大声喊（全向辐射），声音向四面八方传播，远处的人听不清，近处的人觉得吵。但如果你拿一个扩音喇叭对着特定方向（定向波束），同样的力气，目标方向的人听得清清楚楚，其他方向几乎不受干扰。

这就是**波束赋形（Beamforming）**的核心思想——**把能量精确地送到需要的地方**。

再进一步：如果你和另外两个朋友同时对着各自的方向用喇叭喊话，互不干扰，那你们就在用**空分复用（Spatial Multiplexing）**——这正是**MIMO**技术要做到的事情。

整篇文章要回答的核心问题是：**多天线技术如何从"把信号发出去"进化到"精准地、并行地、高效地把信号送到每个用户手中"？**

---

## 第一章 MIMO技术全景：从单天线到大规模阵列

### 1.1 单天线的瓶颈

传统单天线系统（SISO：Single-Input Single-Output）的信道容量由香农公式决定：

$$C = B \cdot \log_2(1 + \text{SNR})$$

其中 $B$ 是带宽，SNR 是信噪比。要提升速率，只有两条路：
- **加带宽**：频谱资源有限且昂贵
- **提信噪比**：靠增大功率，但受法规和设备限制

**MIMO 的革命性在于：在不增加带宽和功率的前提下，利用空间维度成倍提升容量。**

### 1.2 MIMO的三种工作模式

MIMO 不是一种单一技术，而是三种核心模式的统称：

```mermaid
mindmap
  root((MIMO技术))
    空间分集
      目标：提升可靠性
      同一数据多天线发送
      抗衰落
      示例：Alamouti STBC
    空间复用
      目标：提升吞吐量
      不同数据流并行发送
      层数 = min(N_tx, N_rx)
      需要高SNR环境
    波束赋形
      目标：提升覆盖和干扰抑制
      调整相位/幅度形成定向波束
      需要信道状态信息CSI
      分模拟/数字/混合三种
```

| 模式 | 目标 | 原理 | 适用场景 | 代价 |
|------|------|------|----------|------|
| **空间分集** | 可靠性 | 同一信号多路传输，择优合并 | 覆盖受限、低SNR | 不提升速率 |
| **空间复用** | 吞吐量 | 不同数据流同时同频传输 | 高SNR、丰富散射 | 信道条件要求高 |
| **波束赋形** | 覆盖+抗干扰 | 定向发送/接收信号 | 干扰密集、边缘覆盖 | 需要CSI反馈 |

### 1.3 MIMO信道容量的数学本质

对于 $N_t$ 根发射天线、$N_r$ 根接收天线的MIMO系统，信道容量为：

$$C = B \cdot \log_2 \det\left(\mathbf{I}_{N_r} + \frac{\text{SNR}}{N_t} \mathbf{H} \mathbf{H}^H\right)$$

其中 $\mathbf{H}$ 是 $N_r \times N_t$ 的信道矩阵，$\mathbf{H}^H$ 是其共轭转置。

**直觉理解**：对 $\mathbf{H}$ 做奇异值分解（SVD）$\mathbf{H} = \mathbf{U} \boldsymbol{\Sigma} \mathbf{V}^H$，信道被分解为 $\min(N_t, N_r)$ 个并行的"空间管道"，每个管道承载独立的数据流。非零奇异值的个数就是**信道的秩（Rank）**，决定了最大可用的空间层数。

**为什么设计上要这样？** 因为实际无线环境充满了反射、折射、散射，信号通过多条路径到达接收端。MIMO 不是对抗多径，而是**利用多径**——把每条路径当作一个独立的空间通道。

---

## 第二章 天线阵列原理：波束是如何形成的？

### 2.1 从单振子到天线阵列

一根全向天线的辐射是均匀的——像灯泡一样360度发光。如果把多根天线排列在一起，并让它们同时发射信号，由于信号在空间中的**干涉效应**，某些方向的信号会叠加增强（**相长干涉**），某些方向会相互抵消（**相消干涉**）。

这就是天线阵列形成方向性波束的基本原理。

### 2.2 阵列因子：数学描述

对于一个均匀线阵（ULA），$N$ 个天线单元等间距排列，间距为 $d$，阵列因子为：

$$AF(\theta) = \sum_{n=0}^{N-1} w_n \cdot e^{jnkd\sin\theta}$$

其中：
- $w_n = a_n \cdot e^{j\phi_n}$ 是第 $n$ 个天线单元的**复数权重**（幅度 $a_n$ + 相位 $\phi_n$）
- $k = 2\pi/\lambda$ 是波数
- $\theta$ 是偏离阵列法线的角度

**波束指向控制的核心**：通过调整每根天线的相位偏移 $\phi_n$，可以让所有天线信号在目标方向 $\theta_0$ 上同相叠加。所需相位为：

$$\phi_n = -nkd\sin\theta_0$$

**通俗解释**：想象几个人同时向池塘里扔石子。如果所有人同时丢，波纹只在一个方向叠加。但如果让远处的人稍微早一点丢（相位超前），波纹就可以向特定方向集中——这就是**相控阵**的原理。

### 2.3 波束宽度与天线数量的关系

阵列越大，波束越窄、指向越精准。半功率波束宽度（HPBW）近似为：

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

| 天线数 N | 波束宽度（法线方向） | 阵列增益 |
|----------|----------------------|----------|
| 2 | ~50° | 3 dB |
| 4 | ~25° | 6 dB |
| 8 | ~13° | 9 dB |
| 16 | ~6.4° | 12 dB |
| 32 | ~3.2° | 15 dB |
| 64 | ~1.6° | 18 dB |

**这就是为什么 5G Massive MIMO 要用 64 甚至 128 根天线**——天线越多，波束越窄，能量越集中，同时服务的用户越多。

### 2.4 波束赋形的完整信号流

```mermaid
flowchart TB
    A[数据符号流 s1, s2, ..., sK] --> B[预编码矩阵 W]
    B --> C[加权后的信号 W·s]
    C --> D{天线阵列}
    D --> E[天线1: w1·s]
    D --> F[天线2: w2·s]
    D --> G[...]
    D --> H[天线N: wN·s]

    E --> I[空间叠加]
    F --> I
    G --> I
    H --> I

    I --> J{空间传播}
    J --> K[✅ 目标用户方向: 相长干涉<br/>信号增强]
    J --> L[❌ 非目标方向: 相消干涉<br/>信号抑制]

    M[信道估计 CSI] --> B

    style K fill:#4CAF50,color:white
    style L fill:#f44336,color:white
    style M fill:#2196F3,color:white
```

---

## 第三章 波束赋形的三种实现方式

### 3.1 模拟波束赋形（Analog Beamforming）

**原理**：在射频（RF）域通过移相器调整每根天线的相位。

```
数据流 → DAC → 上变频 → [移相器阵列] → 天线阵列
```

| 特性 | 说明 |
|------|------|
| 优点 | 硬件简单、功耗低、成本低 |
| 缺点 | 只能控制相位不能控制幅度，一个RF链只能形成一个波束 |
| 适用 | mmWave高频段（28/39GHz），天线数量极大但数据流少 |
| 典型 | 5G NR FR2波束管理 |

### 3.2 数字波束赋形（Digital Beamforming）

**原理**：在基带（数字域）对每根天线独立进行信号处理，每根天线有独立的RF链路。

```
数据流 → [数字预编码矩阵] → 多个DAC → 多个上变频 → 天线阵列
```

| 特性 | 说明 |
|------|------|
| 优点 | 每根天线独立控制（幅度+相位），可同时形成多个波束，灵活性最高 |
| 缺点 | 每根天线需要独立的ADC/DAC和RF链，成本和功耗极高 |
| 适用 | Sub-6GHz频段，天线数适中（如64T64R） |
| 典型 | 5G NR FR1 Massvie MIMO |

### 3.3 混合波束赋形（Hybrid Beamforming）

**原理**：结合数字域和模拟域，数字域做少量数据流的预编码，模拟域通过移相器扩展到大量天线。

```
数据流 → [数字预编码] → 少量RF链 → [模拟移相器阵列] → 大量天线
```

| 特性 | 说明 |
|------|------|
| 优点 | RF链数量远小于天线数，成本可控，灵活性接近全数字 |
| 缺点 | 设计复杂，需要在数字和模拟之间做优化 |
| 适用 | mmWave大规模阵列（128/256天线） |
| 典型 | 5G NR FR2 + 6G研究热点 |

```mermaid
flowchart LR
    subgraph 模拟波束赋形
        direction TB
        A1[1个数据流] --> A2[1条RF链]
        A2 --> A3[移相器阵列]
        A3 --> A4[N根天线]
    end

    subgraph 数字波束赋形
        direction TB
        B1[K个数据流] --> B2[K条RF链]
        B2 --> B3[基带加权]
        B3 --> B4[K=N根天线]
    end

    subgraph 混合波束赋形
        direction TB
        C1[K个数据流] --> C2[K条RF链<br/>K远小于N]
        C2 --> C3[数字预编码]
        C3 --> C4[模拟移相器]
        C4 --> C5[N根天线]
    end

    style 模拟波束赋形 fill:#FFF3E0
    style 数字波束赋形 fill:#E3F2FD
    style 混合波束赋形 fill:#E8F5E9
```

**为什么设计成三种？** 这是一个**成本 vs 灵活性**的工程权衡：
- 低频段（Sub-6G）：天线数量适中，能负担全数字方案，灵活性最大化
- 高频段（mmWave）：天线数量巨大（路径损耗严重，需要高增益），全数字成本不可接受，混合方案是最佳折中

---

## 第四章 Massive MIMO：从理论到5G现实

### 4.1 Massive MIMO的核心思想

Massive MIMO 最早由 Thomas Marzetta 在2010年提出。其核心洞察是：**当基站天线数 N 远远大于用户数 K 时（N >> K），会涌现出几个神奇的数学特性**。

#### 特性一：信道硬化（Channel Hardening）

随着天线数增多，信道矩阵 $\mathbf{H}\mathbf{H}^H$ 的对角线元素远大于非对角线元素，等效信道变得**确定化**——衰落几乎消失了。

$$\frac{1}{N}\mathbf{H}\mathbf{H}^H \xrightarrow{N \to \infty} \mathbf{I}_K$$

**通俗理解**：原来无线信号像"忽大忽小的风"，有了Massive MIMO后变成"稳定的水流"。

#### 特性二：有利传播（Favorable Propagation）

不同用户的信道向量变得近似正交：

$$\mathbf{h}_i^H \mathbf{h}_j \approx 0 \quad (i \neq j)$$

这意味着用户之间的干扰**自然消失**——不需要复杂的干扰消除算法，简单的线性预编码就够了。

#### 特性三：阵列增益

$N$ 根天线的阵列增益为 $10\log_{10}(N)$ dB。64根天线 = **18 dB**的额外增益——相当于发射功率增强了63倍！

### 4.2 Massive MIMO的信号处理流程

```mermaid
sequenceDiagram
    participant UE1 as 用户1
    participant UE2 as 用户2
    participant BS as 基站(N根天线)
    
    Note over BS,UE1: 步骤1: 信道估计
    UE1->>BS: 发送SRS参考信号（上行）
    UE2->>BS: 发送SRS参考信号（上行）
    BS->>BS: 利用TDD互易性<br/>估计下行信道H
    
    Note over BS: 步骤2: 预编码计算
    BS->>BS: 根据CSI计算预编码矩阵W<br/>(ZF/MMSE算法)
    
    Note over BS,UE1: 步骤3: 数据传输
    BS->>UE1: W·s1 → 空间叠加 → 波束指向用户1
    BS->>UE2: W·s2 → 空间叠加 → 波束指向用户2
    Note over UE1: UE1主要收到自己的信号
    Note over UE2: UE2主要收到自己的信号
    
    Note over BS,UE1: 步骤4: 反馈与更新
    UE1->>BS: PMI/RI/CQI反馈
    UE2->>BS: PMI/RI/CQI反馈
    BS->>BS: 动态调整预编码
```

### 4.3 TDD与FDD的信道估计差异

这是工程实践中的一个**关键设计选择**：

| 对比项 | TDD（时分双工） | FDD（频分双工） |
|--------|------------------|------------------|
| 上下行信道 | **相同频率**，互易 | 不同频率，**不互易** |
| 信道估计方式 | 上行SRS → 推断下行 | 终端测量CSI-RS → 反馈PMI |
| Massive MIMO适配 | ✅ 天然适配，开销小 | ❌ 反馈开销巨大 |
| 典型应用 | 5G NR 3.5GHz TDD | 5G NR 2.1GHz FDD、LTE |

**为什么5G Massive MIMO主推TDD？** 因为TDD利用了信道互易性——基站通过接收上行SRS信号就能知道下行信道状态，不需要终端反馈庞大的信道矩阵。对于64甚至128根天线，如果用FDD方式反馈完整CSI，开销将占据大量资源，得不偿失。

### 4.4 预编码算法：从简单到复杂

基站拿到CSI后，需要计算预编码矩阵 $\mathbf{W}$。主流算法有：

| 算法 | 公式思路 | 特点 |
|------|----------|------|
| **MRT（最大比传输）** | $\mathbf{W} = \mathbf{H}^H$ | 最简单，最大化信号功率，但干扰抑制差 |
| **ZF（迫零）** | $\mathbf{W} = \mathbf{H}^H(\mathbf{H}\mathbf{H}^H)^{-1}$ | 完全消除用户间干扰，但可能放大噪声 |
| **MMSE（最小均方误差）** | $\mathbf{W} = \mathbf{H}^H(\mathbf{H}\mathbf{H}^H + \sigma^2\mathbf{I})^{-1}$ | 在干扰抑制和噪声放大之间取平衡，**工程最常用** |

**直觉类比**：
- MRT = 用大喇叭喊，自己声音大但会吵到别人
- ZF = 精确对准每个用户，消除所有串扰，但可能让信号变弱
- MMSE = 聪明的折中——在信号强度和干扰之间找到最佳平衡

---

## 第五章 SU-MIMO与MU-MIMO：一人独享 vs 多人共享

### 5.1 SU-MIMO（单用户MIMO）

基站把所有空间层都分配给**一个用户**。例如 4×4 MIMO 可以给一个终端传4层数据，峰值速率提升4倍。

**前提条件**：终端必须有多个天线（4T4R手机现在很常见），且信道条件好（高Rank）。

### 5.2 MU-MIMO（多用户MIMO）

基站把不同的空间层分配给**不同用户**。例如 64T64R 基站可以同时给16个用户各传2层——总吞吐量大幅提升。

| 对比项 | SU-MIMO | MU-MIMO |
|--------|---------|---------|
| 服务对象 | 单个用户 | 多个用户同时 |
| 空间层数 | 全部给一个用户 | 分配给多个用户 |
| 调度复杂度 | 低 | 高（需要配对用户） |
| 峰值速率 | 单用户最高 | 系统总吞吐量最高 |
| 对终端要求 | 多天线终端 | 不需要高端终端 |
| 实际效果 | 近点用户受益 | 全小区受益 |

**为什么5G重点推MU-MIMO？** 因为在实际网络中，大部分终端只有2-4根天线。如果只做SU-MIMO，64T64R基站的大部分天线就浪费了。MU-MIMO让基站可以同时服务多个普通终端，真正发挥Massive MIMO的价值。

### 5.3 现网中的参数映射

在5G NR中，MIMO参数的映射关系如下：

```
码字 (Codeword) → 加扰 → 层映射 (Layer Mapping) → 预编码 (Precoding) → 天线端口 (Antenna Port) → 物理天线
```

| 参数 | 含义 | 典型值 |
|------|------|--------|
| Rank（秩） | 空间独立数据流数 | 1-4（终端侧） |
| Layer（层） | 空间数据流，等于Rank | = Rank |
| Codeword（码字） | 独立编码的数据块 | 1-2个（Rank≤4时最多2个码字） |
| PMI | 预编码矩阵指示 | 码本中的索引 |
| RI | Rank指示 | 终端反馈 |
| CQI | 信道质量指示 | 调制方式和编码率的依据 |

---

## 第六章 工程实战：Massive MIMO在现网中的体现

### 6.1 典型设备参数

以主流厂商的5G 3.5GHz Massive MIMO AAU为例：

| 参数 | 典型配置 |
|------|----------|
| 天线阵列 | 64T64R（192个天线振子） |
| 阵列布局 | 12行×8列×2极化 |
| 工作频段 | 3.5GHz（n78频段） |
| 带宽 | 100MHz |
| 最大输出功率 | 200W（53dBm） |
| 波束数 | 上行32个，下行动态 |
| 最大MU-MIMO用户数 | 16用户 |

### 6.2 工程师会遇到的场景

**场景一：Rank自适应异常**

现象：用户在信号很好（RSRP > -80dBm）的位置，但速率上不去。检查发现Rank一直锁定在1。

排查思路：
1. 检查SRS配置是否正确（周期、带宽）
2. 检查终端能力——是否支持4×4 MIMO
3. 检查基站RI自适应参数——最小Rank门限是否过高
4. 检查是否存在外部干扰导致SINR低，基站主动降Rank

**场景二：MU-MIMO配对失败**

现象：小区用户多但吞吐量没有提升，MU-MIMO调度占比很低。

排查思路：
1. 检查用户配对算法是否开启
2. 检查用户间信道正交性——如果用户集中在同一方向，配对效果差
3. 检查PMI反馈是否正常
4. 检查调度器参数——MU配对门限是否过于保守

**场景三：波束管理问题（FR2）**

现象：mmWave小区的覆盖忽好忽坏，切换频繁。

排查思路：
1. 检查SSB波束扫描配置（SSB个数、方向）
2. 检查CSI-RS波束管理是否正常
3. 检查波束恢复定时器设置
4. 终端移动速度过快，波束跟踪不上

### 6.3 常见调试陷阱

1. **误把RSRP低归因为覆盖差**：在Massive MIMO中，波束赋形增益使得实际业务信道的SINR可能远好于广播信道的RSRP暗示的水平。**要看SS-RSRP结合SINR综合判断。**

2. **忽略TDD配比对MIMO的影响**：TDD上下行配比（如DSUDD）决定了SRS的发送机会。如果上行子帧太少，信道估计会过时，MIMO性能退化。

3. **混淆天线端口和物理天线**：天线端口是逻辑概念，5G中导频信号对应的天线端口数可能远小于物理天线数。在DMRS配置中看到的端口数才是实际可用的空间层数上限。

---

## 第七章 从5G到6G：天线技术的演进方向

### 7.1 技术演进路线

```mermaid
flowchart TB
    A[4G LTE<br/>2T2R / 4T4R<br/>SU-MIMO为主] --> B[5G NR FR1<br/>64T64R Massive MIMO<br/>MU-MIMO + 波束赋形]
    B --> C[5G NR FR2<br/>混合波束赋形<br/>mmWave波束管理]
    C --> D[5G-Advanced<br/>512天线 Ultra MIMO<br/>AI辅助波束预测]
    D --> E[6G<br/>超大规模阵列ELAA<br/>RIS智能反射面<br/>全息MIMO]

    style A fill:#BBDEFB
    style B fill:#64B5F6
    style C fill:#42A5F5
    style D fill:#2196F3,color:white
    style E fill:#1565C0,color:white
```

### 7.2 关键演进方向

| 方向 | 核心思想 | 潜在增益 |
|------|----------|----------|
| **ELAA（超大规模天线阵列）** | 天线数扩展到512甚至1024 | 波束更窄、用户更多 |
| **RIS（可重构智能表面）** | 无源反射阵列辅助覆盖 | 低成本扩展覆盖 |
| **AI辅助波束管理** | 用机器学习预测最佳波束 | 降低时延和开销 |
| **全息MIMO** | 连续孔径天线，空间任意场合成 | 理论最优空间自由度 |

---

## 常见问题

**Q1: 波束赋形（Beamforming）和预编码（Precoding）是一回事吗？**

A: 广义上，预编码是波束赋形在数字域的实现方式。狭义上，波束赋形通常指形成指向性波束（一根或几根窄波束），侧重覆盖增强；预编码则强调多用户空间分离（MU-MIMO中的干扰抑制），侧重空分复用。在实际系统中，两者在同一套预编码矩阵中同时完成。

**Q2: 为什么Massive MIMO主要部署在TDD频段而非FDD？**

A: 核心原因是**信道互易性**。TDD上下行同频，基站通过上行SRS就能获得下行CSI，无需终端反馈庞大的信道矩阵。FDD上下行不同频，信道不互易，需要终端反馈PMI/CSI，64天线的反馈开销无法承受。这也是为什么5G 3.5GHz（TDD）成为Massive MIMO的首选频段。

**Q3: 8T8R和64T64R的实际体验差异有多大？**

A: 在典型城区场景下，64T64R相比8T8R：小区平均吞吐量提升约2-3倍，边缘用户体验提升约3-5倍。但增益高度依赖于用户分布——用户越分散、方向越多样，MU-MIMO配对效果越好，增益越明显。如果小区只有一两个用户，增益主要体现在波束赋形带来的覆盖改善（约6-9dB），而非容量提升。

**Q4: 手机只有2-4根天线，为什么基站需要64根？**

A: 基站天线多不是为单个用户服务的，而是为了**同时服务多个用户**。64根天线可以形成16个独立波束，同时服务16个用户（MU-MIMO）。此外，天线越多，波束越窄，能量越集中，覆盖越好。这叫做"以基站复杂度换系统容量"——基站承担计算和硬件成本，终端保持轻量。

**Q5: 模拟波束赋形和数字波束赋形能同时用吗？**

A: 能，这就是**混合波束赋形（Hybrid Beamforming）**。在5G mmWave中，数字域做少量流的预编码（比如4个数据流），然后通过模拟移相器映射到大量天线（比如128根）。这样既有多流能力，又控制了RF链的成本。

---

## 参考来源

1. [Massive MIMO and Beamforming: The Signal Processing Behind the 5G Buzzwords — Analog Devices](https://www.analog.com/en/resources/analog-dialogue/articles/massive-mimo-and-beamforming-the-signal-processing-behind-the-5g-buzzwords.html) — ADI技术文章，详细介绍了Massive MIMO的信号处理原理和波束赋形实现
2. [MIMO Technology: How It Works, Massive MIMO, Beamforming — RF Page](https://www.rfpage.com/mimo-technology-in-wireless-communication/) — 全面介绍MIMO技术演进、空间复用和分集原理
3. [Massive MIMO in 5G: How Beamforming, Codebooks, and Feedback Enable Spatial Multiplexing — IEEE](https://ieeexplore.ieee.org/document/10375688) — IEEE论文，深入分析5G NR中码本、反馈机制与空间复用的关系
4. [What is the Difference between Analog, Digital and Hybrid Beamforming — WirelessPi](https://wirelesspi.com/what-is-the-difference-between-analog-digital-and-hybrid-beamforming/) — 三种波束赋形方式的详细对比分析
5. [8T8R vs 64T64R: Understanding Massive MIMO Antennas — RF Wireless World](https://www.rfwireless-world.com/terminology/8t8r-vs-64t64r-massive-mimo-antennas) — 8T8R与64T64R天线参数对比
6. [Massive MIMO: Practical Field Guide for RAN Engineers — HiCellTek](https://hicelltek.com/en/blog/massive-mimo-practical-field-guide/) — 面向RAN工程师的Massive MIMO实战指南

---

> 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。

![51学通信知识星球海报-扫码加入](https://wiki.500nian.com/images/zhixingqiu_qrcode.png)