想象一条连接两座城市的高速公路。早期车少,单车道就够用;后来车越来越多,单车道堵成一锅粥。工程师的解决办法有两种:要么加宽路面(加带宽),要么提高限速(加功率、改编码)。但这两种办法都有天花板——频谱资源是有限的,功率也不 能无限加,香农公式早早地把天花板焊死了:
$$C = B \log_2(1 + \mathrm{SNR})$$
带宽 $B$ 和信噪比 $\mathrm{SNR}$ 都吃紧,容量却还在涨,怎么办?工程师们突然想到一个被忽视的维度——空间。
为什么不修一条"立体高架"?在同一条路面上方,再架设几层并行的车道,车流分流到不同层,路面没变宽,但通行能力翻倍了。这正是 MIMO(Multiple-Input Multiple-Output,多输入多输出)的核心思想:用多根天线,在同一时间、同一频率上,开辟出多条并行的"空间车道"。
MIMO 的革命性不在于某一项新算法,而在于它把"空间"从背景变成了资源。在 MIMO 之前,空间只是信号传播的场所;在 MIMO 之后,空间本身成了一种可以被"切分"和"复用"的维度,与时间、频率并列,成为通信系统的第三大资源轴。
我们先回顾传统单天线系统(SISO,Single-Input Single-Output)。发射一根、接收一根,信号在空中走一条"逻辑通道"。它的瓶颈很明确:无论你怎么编码、怎么调制,容量都被香农公式锁死。
更头疼的是多径衰落。信号从基站发出后,会撞上建筑物、地面、树木,反射、散射、绕射,形成无数条路径先后到达接收端。这些路径的信号相位杂乱地叠加,有时互相增强,有时互相抵消,导致接收功率剧烈起伏——这就是瑞利衰落(Rayleigh fading)。在很长一段时间里,多径是工程师的"敌人",是必须用均衡、分集、交织去对抗的麻烦。
MIMO 的天才之处在于反客为主:既然多径不可避免,不如利用它。当环境中有丰富的散射体时,每根发射天线到每根接收天线之间,会形成统计独立的信道。也就是说,一个 $N_t$ 发 $N_r$ 收的系统,天然就提供了 $N_t \times N_r$ 条略有差异的"子通道"。这些子通道彼此独立,就构成了所谓的空间自由度(spatial degrees of freedom)。多天线的本质,就是把这些自由度"激活"出来。
graph LR
subgraph SISO["传统 SISO（单车道）"]
A1["发射天线"] -->|一条逻辑信道| B1["接收天线"]
end
subgraph MIMO["MIMO（多层高架）"]
T1["发1"] -.-> R1["收1"]
T1 -.-> R2["收2"]
T2["发2"] -.-> R1
T2 -.-> R2
end
style SISO fill:#fff3f3,stroke:#c0392b
style MIMO fill:#f3f9ff,stroke:#2980b9
需要强调一个关键前提:多天线的增益并不是天线数量本身带来的,而是独立信道带来的。如果两根发射天线靠得太近(小于半个波长),或者环境完全没有散射(比如纯视距的自由空间),那么它们的信道几乎一模一样,矩阵"秩"为 1,再多的天线也只能当一根用。这就是为什么 MIMO 在城市密集散射环境中如鱼得水,而在空旷平原或视距对海链路里效果大打折扣。
MIMO 有三大"绝技",其中最直接提升速率的就是空间复用(Spatial Multiplexing,SM)。
空间复用的做法很直观:把一路高速数据流,拆成多路低速子流,每路子流从不同的发射天线同时发出,走同一个频段、同一个时隙。接收端的多根天线收到的,是这些子流的线性混合——每根接收天线都同时"听到"所有发射天线的声音。接收机再通过信号处理,把这个"鸡尾酒会"般的混合信号解耦还原出各路子流。
打个比方:你和朋友在嘈杂的派对上,需要同时传递 4 句话。如果只有一张嘴(SISO),只能一句句说,慢。但如果有 4 个朋友(4 根发射天线),每人同时说一句不同的话,对方那边的 4 个人(4 根接收天线)各自擅长分辨不同的声纹,就能同时听清 4 句话。派对上的"噪音混叠"在这里反而成了区分不同声源的线索——这正是多径被利用的体现。
数学上,MIMO 系统可以写成矩阵形式:
$$\mathbf{y} = \mathbf{H}\mathbf{x} + \mathbf{n}$$
其中 $\mathbf{x}$ 是发射信号向量,$\mathbf{y}$ 是接收信号向量,$\mathbf{n}$ 是噪声,$\mathbf{H}$ 是 $N_r \times N_t$ 的信道矩阵,每个元素 $h_{ij}$ 描述"第 $j$ 根发射天线到第 $i$ 根接收天线"的信道增益。
接收端要"解出"$\mathbf{x}$,本质上就是求解这个线性方程组。能解出多少路独立子流,取决于 $\mathbf{H}$ 的秩(rank)。秩等于几,就能并行传几路独立数据。在富散射环境下,$\mathbf{H}$ 接近满秩,秩 $\approx \min(N_t, N_r)$,于是容量近似随 $\min(N_t, N_r)$ 线性增长:
$$C \approx B \cdot \min(N_t, N_r) \cdot \log_2!\left(1 + \frac{\mathrm{SNR}}{N_t}\right)$$
这就是 MIMO 被称为"容量倍增器"的来历:2×2 MIMO 理论上翻倍,4×4 翻四倍(实际受限于信道秩和信噪比,达不到理想值,但增益依然可观)。
空间复用有两种工作方式:
闭环复用效率更高,这也是为什么 LTE/5G 普遍采用基于 CSI 反馈的预编码复用方案。
flowchart TD
SRC["高速数据流"] --> SPLIT["串并转换<br/>拆成 N 路子流"]
SPLIT --> PRE["预编码<br/>（闭环时用 CSI 调整）"]
PRE --> TX1["发射天线1"]
PRE --> TX2["发射天线2"]
PRE --> TXN["发射天线N"]
TX1 -.多径混合.-> CH["无线信道 H<br/>（富散射→高秩）"]
TX2 -.多径混合.-> CH
TXN -.多径混合.-> CH
CH --> RX1["接收天线1"]
CH --> RX2["接收天线2"]
CH --> RXM["接收天线M"]
RX1 --> DET["检测/解耦<br/>（V-BLAST / MMSE / ML）"]
RX2 --> DET
RXM --> DET
DET --> OUT["还原 N 路子流<br/>→ 合并为高速数据"]
style PRE fill:#e8f5e9,stroke:#2e7d32
style DET fill:#fff8e1,stroke:#f57f17
空间复用追求"快",空间分集(Spatial Diversity)追求"稳"。两者目标不同,甚至互相竞争资源。
分集的做法是:发送同一份数据的多个副本,让它们经过不同的空间路径到达接收端,然后合并。由于不同路径的衰落是独立的,这条路深衰落时,那条路可能正好信号很好,合并后总体就稳健得多。
再用快递类比:你要寄一份重要文件,同时找顺丰、京东、圆通三家寄(三重分集),只要有一家送到就算成功,丢件概率大幅下降。这里付出的代价是——三份快递只送了"一份文件的价值",速率没有提升,可靠性却上去了。
分集带来的不是"容量翻倍",而是对抗深衰落、降低误码率。在低信噪比、信道恶劣的场景(比如小区边缘、高速移动),空间复用因为信道秩低而效果差,这时切换到分集模式,用可靠性换吞吐,反而能让通信"不掉线"。
空间复用和空间分集都消耗"空间自由度",但方向相反:复用拿自由度换速度,分集拿自由度换可靠性。同一时刻,一根天线资源要么用来传新数据(复用),要么用来传副本(分集),不能兼得。这就是著名的分集-复用折中(Diversity-Multiplexing Trade-off,DMT)。
| 对比维度 | 空间复用 | 空间分集 |
|---|---|---|
| 核心目标 | 最大化吞吐量(速率) | 最大化可靠性(降误码) |
| 传输内容 | 不同数据流并行 | 相同数据的多个副本 |
| 代价 | 可靠性下降,对信道敏感 | 速率不增加 |
| 依赖条件 | 高信噪比、信道秩高(富散射) | 任意信噪比,尤其恶劣信道 |
| 代表技术 | V-BLAST、SVD 预编码 | Alamouti STBC、MRC |
| 典型场景 | 小区中心、静止、宽带 | 小区边缘、高速移动、控制信道 |
实际系统(LTE/5G)从不会二选一死磕,而是自适应切换:信道好时多用复用冲速率,信道差时退回分集保可靠,中间状态还可以混合传输(一部分层复用、一部分层分集)。调度器在每个传输时间间隔(TTI)根据 CSI、业务类型、QoS 要求动态决策,这正是无线资源管理的核心难点。
普通 MIMO 是 2×2、4×4,天线数量有限。而 5G 引入的 Massive MIMO(大规模天线),把基站侧天线数推到了 64、128 甚至更高(通常以 64T64R、AAU 形式部署)。天线数量从"个位数"跃升到"海量",量变引发了质变,产生了两个奇妙的现象。
普通 MIMO 下,信道矩阵 $\mathbf{H}$ 的元素随小尺度衰落剧烈波动,接收信号忽强忽弱,需要频繁测量和反馈 CSI,调度复杂。
但当基站天线数 $M$ 趋于很大时,根据大数定律,大量独立信道的增益求和后会趋近于其算术平均值。体现在数学上,矩阵 $\mathbf{H}^H\mathbf{H}$ 的对角线元素会收敛到一个稳定的确定值,波动被"平均掉"了。这就是信道硬化:原本随机的信道增益,在 Massive MIMO 下"凝固"成一个几乎确定的值。
正如 WirelessPi 教程所讲:"Channel hardening implies the channel fluctuations due to small-scale fading smooth out"(信道硬化意味着由小尺度衰落引起的信道波动被平滑掉了)。好处是显而易见的:信道质量变得几乎确定,基站不再需要频繁地精确反馈 CSI,资源分配和调度大幅简化。
Massive MIMO 能在同一时频资源上同时服务几十个用户(多用户 MIMO,SDMA)。这听起来会互相干扰,但海量天线帮了忙:当 $M$ 很大时,不同用户的信道向量会渐近正交。也就是说,用户 A 的空间特征(信道向量)和用户 B 的几乎垂直,基站很容易区分谁是谁。
WirelessPi 这样描述:"favorable propagation is how massive MIMO achieves user separation in a cell through identifying their different spatial signatures"(有利传播是 Massive MIMO 通过识别不同用户的不同空间特征来实现小区内用户分离的机制)。换句话说,每个用户在空间上有了独一无二的"指纹",基站凭借这个指纹就能把信号精准地送到目标用户,同时压低对其他用户的干扰。
信道硬化和有利传播这两大现象叠加,产生了一个工程上极为诱人的结果:简单的线性预编码/合并(如最大比发射 MRT、最大比合并 MRC、迫零 ZF)就能逼近最优性能。要知道,最优的脏纸编码或最大似然检测复杂度极高,根本无法实时实现;而线性算法复杂度低,可在海量天线下工程落地。这正是 Massive MIMO 从理论走向商用的关键钥匙。
graph TB
MM["Massive MIMO<br/>基站 M 根天线（M→∞）"]
MM -->|"大数定律"| CH["信道硬化<br/>H^H·H 对角线收敛<br/>小尺度衰落被抹平"]
MM -->|"用户信道渐近正交"| FP["有利传播<br/>用户空间指纹互不干扰"]
CH --> R1["收益1: CSI 反馈简化<br/>调度变简单"]
FP --> R2["收益2: 多用户 SDMA<br/>同频同时服务多用户"]
R1 --> OUT["线性处理 MRT/MRC/ZF<br/>即可逼近最优 → 工程可落地"]
R2 --> OUT
style CH fill:#e3f2fd,stroke:#1565c0
style FP fill:#e8f5e9,stroke:#2e7d32
style OUT fill:#fff3e0,stroke:#e65100
Marzetta 在奠基性工作中证明,当天线数足够多时,Massive MIMO 的容量可以不受小区内干扰限制而持续增长(在合适的导频复用下)。结合波束赋形(能量聚焦,我们上一篇已专门讲解)和空间复用,Massive MIMO 把频谱效率提升到传统 SISO 的数倍乃至数十倍,这也是 5G 相比 4G 频谱效率翻番的核心功臣之一。
前面讲的空间复用,主要是单用户 MIMO(SU-MIMO):所有子流都服务同一个用户。而 Massive MIMO 的真正威力在于多用户 MIMO(MU-MIMO),也叫空分多址(SDMA,Space Division Multiple Access)。
SDMA 的妙处在于:在同一份时频资源上,基站用不同的"空间波束"同时和多个用户通信。每个用户就像独占了一个虚拟的"空间管道"。这相当于在不增加频谱、不增加时间的情况下,成倍提升了小区的容量和接入用户数。结合有利传播带来的用户正交性,SDMA 成为 5G 高密度人群场景(体育场、商场)的关键武器。
这里有一个直观的对比:
| 维度 | SU-MIMO(单用户) | MU-MIMO(多用户/SDMA) |
|---|---|---|
| 空间管道归属 | 全部给一个用户 | 分配给多个用户 |
| 目标 | 单用户峰值速率翻倍 | 小区总容量/用户数提升 |
| 依赖 | 该用户终端多天线、高秩 | 基站多天线、用户信道正交 |
| 典型场景 | 宽带下载、回传 | 密集城区、海量连接 |
理论讲完,我们看看工程师在日常工作中会怎么"撞见"MIMO 原理。
1. 调网优时看"秩"(Rank Indicator,RI)。 测试终端上报的 RI 反映了当前信道能支持几路并行子流。RI=1 说明信道只能走分集或单流,容量受限,工程师会排查是不是天线隔离度不够、环境散射不足,或者终端被遮挡。RI 上不去,速率就上不去——这是排查"单用户速率不达标"的第一指标。
2. 看调制阶数和层数(Layer)。 5G DCI 调度里会指示本次传输用几层(layer)、什么调制。层数本质就是空间复用的并行流数。配合 MIMO 增益,层数 × 调制阶数 × 码率 × 带宽 ≈ 实际速率。理解这条链路,才能从抓包/日志反推"为什么速率只有理论值的一半"。
3. Massive MIMO 权值与广播波束。 AAU 的广播信道(SSB)用宽波束覆盖,业务信道用窄波束跟踪用户。工程师在做覆盖优化时,调的就是天线权值(幅度/相位),这背后正是预编码和波束赋形的原理。波束打歪了,RI 和 SINR 都会塌掉。
4. 常见调试陷阱。 新手常误以为"天线越多速率一定越高"。实际上如果信道秩低(比如纯视距、用户只有一个反射体),64T64R 也可能只跑出 1~2 层。另一个陷阱是信道互易性(TDD 系统靠上行测量下行信道)校准不准,导致预编码失准、用户间干扰飙升,这时虽然有海量天线,容量反而上不去。
Q1:空间复用和载波聚合都能提升速率,区别是什么? A:载波聚合是在频率维度上捆绑多个载波,每个载波独立处理,需要额外的频谱资源;空间复用是在空间维度上,用同一份频谱并行传多路数据,不占额外带宽。两者可以叠加使用(既聚合载波又在每载波上做 MIMO),是现网提速率的常用组合拳。
Q2:既然天线越多容量越大,为什么不在手机上也装几十根天线? A:空间复用的增益受限于信道秩,而手机体积小、天线间距难以做到足够大(需大于半个波长才能保证信道独立),且手持时天线互相遮挡,导致手机侧信道秩通常只有 2~4。真正堆天线的是基站侧(Massive MIMO),手机侧保持少量天线即可,通过 MU-MIMO 让基站的众多天线分头服务多个手机。
Q3:信道硬化和有利传播,会不会因为天线不够多而失效? A:会。"渐近"性质意味着天线数越大效果越明显。64 天线只能算"准 Massive",硬化还不够彻底;而理论研究中的"海量"往往指 100 甚至更多。所以工程上 Massive MIMO 的增益是渐进释放的,并非上了多天线就立刻翻倍,这也是为什么 5G Massive MIMO 的实际增益因部署条件而异。
Q4:Massive MIMO 一定要用 TDD 吗? A:TDD 有天然优势——上下行同频,可以利用信道互易性,用上行测量直接得到下行信道,无需终端反馈海量 CSI,大幅节省开销,非常适合 Massive MIMO。FDD 也能做 Massive MIMO,但 CSI 反馈开销大、互易性弱,工程实现更复杂,所以现网 Massive MIMO 以 TDD 为主。
Q5:分集和复用,现网到底是自动选还是人工配? A:基本是基站调度器自动选。调度器根据每个 TTI 上报的 RI、CQI、PMI 等测量量,结合业务 QoS,在"传更多层(复用)"和"传更稳(分集)"之间动态决策,并以传输模式(TM/Rank)的形式下发。工程师通常通过配置传输模式参数和门限来施加影响,但不会手动逐 TTI 指定。
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。