当一个工程师第一次打开 5G 基站的配置，看到 64TR、128TR 这些大规模天线阵列时，心里多半会冒出一个疑问：这么多的天线，基站到底怎么知道每根天线到每个用户的那条"看不见的路"长什么样？ 要是让每个手机把几十根天线的信道状态全部反馈回来，那信令开销岂不是要爆炸？
答案藏在一个朴素到几乎反直觉的物理事实里——在同一条无线链路上，信号从 A 走到 B 的路径，和从 B 走回 A 的路径，本质上是同一条。这就是信道互易性（Channel Reciprocity）。它不是 5G 发明的新东西，而是电磁波与生俱来的对称性。但正是把这个"对称性"用到了极致，Massive MIMO 这台巨型波束机器才真正转动了起来。
这一篇，我们就把"互易性"这件事从头拆开：它为什么成立、它替工程师省了什么、它在哪里会失灵、以及调试时它如何"咬人"。
想象你站在一个空旷的山谷里喊了一声，声音撞到对面的崖壁弹回来，你听到回声。现在让崖壁上的人喊同样一声——声波走的路线，和你刚才喊过去时走的路线，是同一条（只是方向相反）。声波如此，电磁波也如此。
把这件事翻译成通信的语言：
中间那段"空间无线信道"，对上下行而言是同一个物理对象。只要上下行使用同一个频率、并且在信道还没来得及变化的时间窗内完成收发，那么从数学上就有：
$$\mathbf{H}{DL} = \mathbf{H}$$}^{T
也就是说，下行信道矩阵等于上行信道矩阵的转置。这一行公式，是后面所有故事的起点。
flowchart LR
subgraph UL["上行 (手机→基站)"]
A1["手机发射"] -->|"同一段空间信道 H"| A2["基站接收"]
end
subgraph DL["下行 (基站→手机)"]
B1["基站发射"] -->|"同一段空间信道 H"| B2["手机接收"]
end
UL -.->|"同频 + 相干时间内"| DL
H_note["核心事实：上下行共享同一段空间物理信道\nH_DL = H_UL 的转置"]
UL ~~~ H_note
这里有个关键词必须咬死：同频。TDD（时分双工）上下行用的是同一个频率，只是用时间把它们错开；而 FDD（频分双工）上下行用的是两个不同的频率。频率一不同，电波在空间里走的"折射、反射、散射路径"就会有细微差别，互易性这条对称性就被打破了。这就是为什么后面我们会反复看到：互易性是 TDD 的天赋，FDD 想用得费大力气。
理解互易性的价值，要先理解它要解决的"病"是什么。
波束赋形（你在前几篇里已经读过）的前提，是基站必须知道每根天线到用户的信道——也就是要有一张下行信道状态信息（CSI）的"地图"。没有这张地图，波束就不知道往哪儿指。
那这张地图怎么来？历史上分两派：
派别一：FDD 的"问终端"路线。 基站先在下行发一段已知的导频（CSI-RS），手机收到后，自己算出信道，再通过上行把信道信息反馈回基站。问题来了——Massive MIMO 基站动辄 64、128 根天线，下行信道矩阵的维度暴涨。手机要把这么高维的矩阵量化、编码、反馈回去，开销极其惊人，而且反馈一来一回还有时延，等反馈到基站手里，信道可能已经"过期"了。
派别二：TDD 的"自己量"路线。 既然上下行走的是同一段空间信道，基站何必麻烦手机？手机只要在上行发一段探测信号（SRS），基站自己就把上行信道量出来了，再利用互易性，转手就得到下行信道。天线再多也无所谓——因为量信道这件事发生在基站本地，跟天线数量无关。
flowchart TB
subgraph TDD["TDD：基于互易性（推荐路线）"]
direction TB
T1["手机发上行 SRS 探测信号"] --> T2["基站本地估计上行信道 H_UL"]
T2 --> T3["互易性换算 + RF校准"]
T3 --> T4["得到下行信道 H_DL"]
T4 --> T5["计算预编码矩阵 W，直接波束成形"]
end
subgraph FDD["FDD：基于反馈（昂贵路线）"]
direction TB
F1["基站下行发 CSI-RS 导频"] --> F2["手机测量并量化下行信道"]
F2 --> F3["手机编码并上行反馈 CSI（开销随天线数暴涨）"]
F3 --> F4["基站恢复下行信道（含量化误差与时延）"]
F4 --> F5["计算预编码矩阵 W"]
end
TDD -.->|"开销与天线数无关"| note1["天线越多越划算"]
FDD -.->|"开销随天线数线性增长"| note2["天线越多越沉重"]
这一对比就能解释一个现网里"约定俗成"的现象：5G 的 Massive MIMO 大规模商用部署，几乎清一色落在 TDD 频段（比如 2.6GHz、3.5GHz、4.9GHz 这些 TDD 大带宽频段）。这不是运营商偏爱 TDD，而是互易性让 Massive MIMO 在 TDD 下具备了工程可行性。FDD 也能做大规模天线，但要付出沉重得多的反馈与码本设计代价，性价比立刻拉开。
一句话记住它：互易性把"下行信道估计"这件随天线数变贵的事，变成了"上行信道估计"这件与天线数无关的事。天线越多，这笔账越划算。
把互易性放进一个真实的下行调度周期里，整个链条是这样的：
sequenceDiagram
participant UE as 手机(UE)
participant gNB as 基站(gNB)
Note over UE,gNB: 阶段1：上行探测
UE->>gNB: 发送 SRS 探测参考信号
gNB->>gNB: 估计上行信道矩阵 H_UL
Note over UE,gNB: 阶段2：互易性换算(含RF校准)
gNB->>gNB: H_DL = 校准函数(H_UL)
Note over UE,gNB: 阶段3：预编码计算
gNB->>gNB: 按 MRT/ZF/MMSE 计算预编码矩阵 W
Note over UE,gNB: 阶段4：下行数据发送
gNB->>UE: 发送预编码后的数据 x = W·s
Note over UE,gNB: 阶段5：周期重复(每几个时隙)
UE->>gNB: 再次发送 SRS（刷新信道）
逐步拆解：
阶段 1，上行探测。 手机周期性发送 SRS（Sounding Reference Signal）。这是一段双方都"认识"的已知序列，基站收到后，通过与本地副本比对，就能反解出每根基站天线到手机的上行信道系数。注意——这个估计是基站自己干的，手机不需要知道结果，也不需要反馈。
阶段 2，互易性换算。 基站把上行的 $\mathbf{H}{UL}$ 转置（再加上我们下一节要讲的射频校准），就得到下行信道 $\mathbf{H}$。这一步是纯本地计算，零空口开销。
阶段 3，预编码计算。 拿到下行信道后，基站要决定"怎么把数据信号分配到各根天线上发射"，这一步叫预编码（Precoding）。预编码矩阵 $\mathbf{W}$ 的设计直接决定波束指向、用户间干扰水平。下一节会给三种经典方案。
阶段 4，下行发送。 基站把要发的数据符号 $\mathbf{s}$ 乘上预编码矩阵 $\mathbf{W}$，从天线阵列发出去：$\mathbf{x} = \mathbf{W}\mathbf{s}$。多根天线发出的信号在空中相干叠加，在目标用户方向上加强、在其它方向上抵消——一束定向波束就此成型。
阶段 5，刷新。 信道不是静态的，手机一动、环境一变，$\mathbf{H}$ 就变了。所以 SRS 要周期性地重发，让基站手里的"信道地图"保持新鲜。这个"新鲜度"问题，正是后面要讲的信道老化。
同一个下行信道 $\mathbf{H}$，可以有不同的"加工方式"，对应三种预编码准则。它们的差别，本质上是对信号功率和用户间干扰这对矛盾的取舍。
| 预编码方案 | 数学形式 | 设计目标 | 特点与适用场景 |
|---|---|---|---|
| MRT 最大比传输 | $\mathbf{W} = \mathbf{H}^{H}$ | 最大化目标用户接收功率 | 实现简单、增益高，但不管用户间干扰；适合用户少、信噪比低的场景 |
| ZF 迫零 | $\mathbf{W} = \mathbf{H}^{H}(\mathbf{H}\mathbf{H}^{H})^{-1}$ | 完全消除多用户间干扰 | 干净利落地把干扰压到零，但会放大噪声；适合用户多、高信噪比场景 |
| MMSE 最小均方误差 | $\mathbf{W} = \mathbf{H}^{H}(\mathbf{H}\mathbf{H}^{H}+\sigma^{2}\mathbf{I})^{-1}$ | 最小化接收总误差 | 在"压干扰"与"防噪声放大"间折中，鲁棒性最好；现网最常用 |
这里 $\mathbf{H}^{H}$ 表示矩阵的共轭转置，$\sigma^{2}$ 是噪声功率。
这段公式的直觉是这样的：
现网商用基站里，多用户（MU-MIMO）场景下用得最多的就是 MMSE 类预编码，因为它在高负载、多用户、非理想信道下的鲁棒性最好。
到这里，你可能会觉得互易性简直完美。但工程师的直觉会提醒你：$\mathbf{H}{DL} = \mathbf{H}$ 这个等式，严格成立的只有中间那段"空间无线信道"，两端的射频硬件并不对称。}^{T
把上下行链路完整写开：
中间的 $\mathbf{H}$ 是对称的空间信道，没问题。但 $\mathbf{T}$（发射射频链路）和 $\mathbf{R}$（接收射频链路）这两端，是有源硬件——功放、滤波器、收发开关、线缆，它们的增益和相位在收发两个方向上并不相等。这种不对称，会"污染"互易性。
于是出现了一个关键的工程动作：互易性校准（Reciprocity Calibration）。它的目的，就是估算出收发射频链路的不对称，然后在校准函数里把它补偿掉，让基站手里那个"由上行推下行"的结果，重新逼近真实的下行信道。
| 失配来源 | 说明 | 典型处理 |
|---|---|---|
| 基站侧 RF 不对称 | 基站各天线收发链路的增益/相位不一致 | 基站自校准（基站内部天线间互发互收即可，工业上常用） |
| 终端侧 RF 不对称 | 手机收发链路不对称 | 相对校准 / 在算法中一并估计（终端侧难以要求用户配合） |
| 时变性 | RF 器件特性随温度、老化漂移 | 校准需周期性重复，不能一劳永逸 |
| 硬件非线性 | 功放在不同功率下的非对称失真 | 高级校准算法或预失真补偿 |
这里有个现网调试中非常常见的坑：互易性校准做不好，最直接的症状不是"完全失败"，而是多用户配对时吞吐量上不去、或边缘用户掉话增多。因为校准误差会让本该精确抵消的用户间干扰残留下来——单用户时看不太出，一上多用户就原形毕露。所以有经验的网优工程师排查 MU-MIMO 性能问题时，会优先怀疑校准状态。
校准是互易性从"理论成立"到"工程可用"的必经桥。没有它，公式再漂亮，波束也是歪的。
互易性的成立还有一个隐含前提：上行测量和下行传输，必须发生在信道还没变的"相干时间"内。
问题在于，从手机发 SRS、到基站算完预编码、再到真正把下行数据发出去，中间有一段处理时延。如果手机移动得快（比如高铁、车联网场景），这段时延里信道已经变了，基站手里那张"信道地图"就过期了。这种现象叫信道老化（Channel Aging）。
信道老化带来两个后果：
这就是为什么在高铁等高速场景下，即便用了 Massive MIMO，性能提升也会打折——不是 Massive MIMO 不行，是互易性"追不上"信道变化的速度。工程上会用更密集的 SRS 周期、信道预测/外推等手段来缓解。
| 影响互易性可用性的关键因素 | 物理含义 | 工程对策 |
|---|---|---|
| 相干时间 | 信道可视为不变的时间长度，与移动速度反相关 | 缩短 SRS 周期，加快刷新 |
| 相干带宽 | 信道可视为不变的频带宽度 | 宽带 SRS，分段子带估计 |
| 校准精度 | RF 不对称的补偿程度 | 周期自校准 |
| 处理时延 | 从测量到发送的链路处理时间 | 硬件加速、预测外推 |
把前面所有讨论收束成一张对比表，你会对"为什么 5G 大规模天线偏爱 TDD"有结构性的理解：
| 维度 | TDD（时分双工） | FDD（频分双工） |
|---|---|---|
| 上下行频率 | 同一频率，时间区分 | 两个不同频率 |
| 信道互易性 | 天然成立（同频同空间信道） | 不成立（不同频，路径有差异） |
| 下行 CSI 获取 | 上行 SRS 估计 + 互易性换算 | 下行发导频 + 终端反馈 |
| 反馈开销 | 与基站天线数无关（核心优势） | 随天线数线性增长，代价沉重 |
| Massive MIMO 契合度 | 极高，商用主力（2.6/3.5/4.9GHz） | 可用但需重型码本设计，性价比低 |
| 配套需求 | 必须做互易性校准 | 必须做精细的码本与反馈设计 |
| 典型短板 | 上下行时隙需全局同步、远距离有干扰 | 反馈时延与量化误差、开销大 |
一个常被忽略的点：FDD 理论上也不是完全没有互易性——上下行频率挨得近时，部分信道特征是相关的，所以学术界一直在研究"FDD 部分互易性"和"基于 AI 的 CSI 反馈压缩"。但这些都是在补 FDD 的天生短板，而 TDD 是天生就有这把刀。
落到一个 1–3 年经验的工程师日常，互易性这条线在以下几个场景会"现身"：
1. MU-MIMO 吞吐排查。 单用户正常、多用户上量后吞吐不达标，怀疑波束间干扰残留。排查路径之一：检查基站的互易性校准状态和 SRS 配置（周期、带宽、端口数）。校准告警或 SRS 覆盖不足，都会让基于互易性的预编码失准。
2. 高速移动场景性能分析。 高铁、高速公路沿线基站，明明配置了大规模天线，增益却不及预期。这往往不是配置错，而是信道老化——相干时间太短，SRS 刷新追不上。对策是加密 SRS、评估信道预测能力。
3. 边缘覆盖与波束校准。 边缘用户反馈信号不稳，排查时不要只盯功率，要看波束是否真正对准。基于互易性的波束如果校准漂移，会出现"中心好、边缘差"的典型分布。
4. TDD 上下行配比与干扰。 TDD 全网必须上下行时隙严格同步，否则相邻基站的下行会砸到本站的上行接收（交叉时隙干扰），这会直接污染上行 SRS 的信道估计，进而通过互易性传染给下行波束。所以调 TDD 网络时，SRS 质量是互易性这条生命线的"源头水质"，值得优先看。
常见误解澄清：有人说"既然互易性这么好，那 FDD 直接抄过来用不就行了？"——不行。互易性是同频才有的对称性，FDD 上下行不同频，强行套用会让"由上行推下行"的结果系统性地偏离真实，越大规模的天线阵列偏离越严重。这就是为什么 FDD 大规模天线必须走另一条"码本 + 反馈"的重路。
回过头看，互易性不发明信号、不产生增益，它做的是一件更基础的事——它让基站信任"反向的测量"。
这四句话，串起了 Massive MIMO 从"理论可行"到"工程好用"的全部秘密。下次你看到 64TR、128TR 的基站指标时，不妨想想：那成百上千条波束的精准指向，背后真正支撑它的，不是某根特别强的天线，而是这条朴素到不能再朴素的物理契约——来回，是同一条路。
Q1：信道互易性是不是 TDD 独有的？FDD 完全用不了吗？ A：严格意义上，互易性要求上下行同频，所以它是 TDD 的"天赋"。FDD 上下行不同频，严格互易性不成立。但学术界有"FDD 部分互易性"研究——利用上下行频率相近时的信道相关性来辅助，加上 AI 压缩反馈，可以在 FDD 上部分受益。不过这些都是在"补短板"，远不如 TDD 用得自然。
Q2：互易性校准到底在校准什么？是校准空间信道吗？ A：不是。空间信道本身是对称的，不需要校准。校准的是两端射频硬件（发射链路与接收链路）的不对称——功放、滤波器、收发开关、馈线在收发方向上的增益和相位差。校准就是把这些硬件差测出来再补偿掉。
Q3：基站天线数从 64 增加到 128，互易性的优势会变化吗？ A：会，而且优势随天线数增大而放大。因为基于反馈的方案开销随天线数线性增长，而基于互易性的方案开销与天线数无关。所以天线越多，TDD 互易性路线"省下来"的开销就越多，性价比越突出。这也是 Massive MIMO 主力在 TDD 的根本原因。
Q4：信道老化和校准误差，哪个对性能影响更大？ A：视场景而定。低速场景下信道变化慢，校准精度是主导因素（直接影响波束指向和用户间干扰）；高速场景下信道老化会快速侵蚀互易性增益，即便校准完美也追不上。两者不冲突——前者是"硬件层面"的精度问题，后者是"时间层面"的新鲜度问题。
Q5：MRT、ZF、MMSE 该选哪个？ A：没有绝对最优，看场景。单用户、低信噪比偏 MRT（简单、增益高）；多用户、高信噪比偏 ZF（彻底压干扰）；多用户、噪声不可忽略的现网最常用 MMSE（鲁棒折中）。商用基站的多用户调度普遍以 MMSE 类为主。
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。