如果你在 4G 时代做过路测，一定对这样的曲线不陌生：手机原地不动，接收电平却像过山车一样上下跳动——前一秒还有 -70 dBm，下一秒突然跌到 -105 dBm 的深衰落谷底。这就是小尺度衰落（快衰落）的威力：哪怕终端只挪动半个波长（Sub-6G 频段下也就几厘米），信号的相位关系就会剧变，多径叠加的结果从"相长"瞬间变成"相消"。
但当你走进 5G 的 64T64R、128R 基站覆盖区，会发现一件怪事：同样的终端、同样的位置，信噪比曲线变得"平"了很多，深衰落谷底几乎消失，链路稳得像有线。基站侧什么复杂的干扰抑制算法都没上，只是用了一个朴素到家的"共轭相乘"预编码。随机起伏的无线信道，怎么突然就"听话"了？
这个现象在学术界有一个专门的名字——信道硬化（Channel Hardening）。它和它的孪生兄弟有利传播（Favorable Propagation），是大规模 MIMO（Massive MIMO）之所以"又快又稳又简单"的理论基石。今天我们就来把这两个概念彻底讲透：它们是什么、为什么会出现、以及它们如何重塑了工程师做波束赋形和调度时的思维方式。
在堆公式之前，先用一个生活类比建立直觉。
抛硬币：抛 1 枚硬币，正反面完全随机，你没法预测。但抛 1000 枚硬币再取平均，正面比例几乎必然落在 0.5 附近，波动小到可以忽略。这就是大数定律（Law of Large Numbers, LLN）的朴素版本：大量独立随机变量取平均后，结果趋向于一个确定值，方差随数量增大而缩小。
数学上，若 $X_1, X_2, \dots, X_M$ 是独立同分布、均值为 $\mu$、方差为 $\sigma^2$ 的随机变量，则
$$\frac{1}{M}\sum_{m=1}^{M} X_m \xrightarrow{M\to\infty} \mu, \qquad \text{Var}!\left(\frac{1}{M}\sum_{m=1}^{M} X_m\right) = \frac{\sigma^2}{M}$$
注意那个 $\sigma^2/M$——方差与天线数成反比。这正是后面所有奇迹的根源。
Massive MIMO 做的事情，本质上就是"抛很多次硬币"。基站有 $M$ 根天线，每根天线经历一个独立的小尺度衰落系数 $h_m$。当 $M$ 从 2 增大到 64、128，系统的统计行为就从"单次赌博"变成了"大样本平均"，随机性被大自然自己抹平了。
考虑上行链路。用户到基站的某一根天线 $m$ 的信道系数记为 $h_m$，它是一个复数，包含了这条多径的幅度衰减和相位旋转。在富散射环境下，$h_m$ 服从瑞利衰落，可以建模为
$$h_m \sim \mathcal{CN}(0, \beta)$$
其中 $\beta = \mathbb{E}[|h_m|^2]$ 是大尺度衰落（路径损耗 + 阴影）决定的平均功率。注意：$\beta$ 随距离缓慢变化，但 $|h_m|$ 本身是剧烈随机起伏的——这就是快衰落的来源。
把 $M$ 根天线的信道堆成一个向量 $\mathbf{h} = [h_1, h_2, \dots, h_M]^T \in \mathbb{C}^{M}$。
基站侧做多天线合并时，最朴素也最有效的做法是最大比合并/最大比传输（MRC/MRT），即按信道的共轭加权：
$$\mathbf{w} = \mathbf{h}^*$$
合并后的等效信道增益为
$$|\mathbf{h}|^2 = \sum_{m=1}^{M} |h_m|^2$$
这是一个随机变量。但根据大数定律，把它归一化后：
$$\boxed{\frac{1}{M}|\mathbf{h}|^2 = \frac{1}{M}\sum_{m=1}^{M}|h_m|^2 \xrightarrow{M\to\infty} \mathbb{E}[|h_m|^2] = \beta}$$
也就是说，当天线数 $M$ 足够大时，等效增益 $|\mathbf{h}|^2 \approx M\beta$，变成了一个确定性的常数。它只跟天线数 $M$ 和大尺度衰落 $\beta$（也就是距离）有关，快衰落消失了。
| 维度 | 传统 MIMO（小 $M$） | Massive MIMO（大 $M$，硬化生效） |
|---|---|---|
| 等效增益 $|\mathbf{h}|^2$ | 随机波动，有深衰落 | 近似 $M\beta$，几乎确定 |
| 深衰落概率 | 较高，链路频繁中断 | 趋近于零 |
| 链路自适应依赖 | 必须实时追踪瞬时 CSI | 只需缓慢的大尺度 $\beta$ |
| 调度复杂度 | 按瞬时信道机会调度 | 按路径损耗调度即可 |
| 误码率曲线 | 有"地板效应" | 更陡峭，接近 AWGN |
一句话：信道被"硬化"成了一个不再波动的稳定管道。这就是你做路测时看到 SNR 曲线变平的根因。
信道硬化讲的是"一个用户的增益变确定"，有利传播讲的是"不同用户之间互不干扰"。两者是同一枚大数定律硬币的两面。
假设基站同时服务 $K$ 个用户，第 $k$ 个用户的信道向量为 $\mathbf{h}_k \in \mathbb{C}^{M}$。基站要做空间复用，理想情况下每个用户的信号只落到自己头上，不串到别人那里。数学上，这要求不同用户的信道向量正交：
$$\mathbf{h}_i^H \mathbf{h}_j = 0 \quad (i \neq j)$$
在传统 2 天线、4 天线的系统里，$M$ 太小，$K$ 个用户在高维空间里挤在低维子空间，信道向量几乎不可能正交，多用户干扰（MUI）很大，必须靠复杂的迫零（ZF）预编码去硬算消除。
但在 Massive MIMO 里，$M$ 动辄几十上百。两个独立的高维随机向量，归一化内积几乎必然趋于零：
$$\boxed{\frac{1}{M}\mathbf{h}_i^H \mathbf{h}_j \xrightarrow{M\to\infty} 0 \quad (i \neq j)}$$
而自相关项收敛到确定值：
$$\frac{1}{M}\mathbf{h}_k^H \mathbf{h}_k \xrightarrow{M\to\infty} \beta_k$$
这同样是大数定律在起作用：$\mathbf{h}i^H \mathbf{h}_j = \sum_m h$ 是 $M$ 个独立零均值随机变量的和，平均后趋于零（均值）；而自相关项的均值是 $\beta_k$，所以趋于确定值。}^* h_{j,m
直觉理解：想象在二维平面上随机画两条线，它们恰好垂直的概率不高。但在 100 维空间里随机画两个向量，它们几乎必然"接近垂直"——因为维度太高，两个独立方向要"撞"在一起的概率被稀释了。 Massive MIMO 就是把用户信道抛到了高维空间，正交是大自然免费送的。
下面用一张图对比这两种现象的关系：
flowchart TD
A[基站配置 M 根天线<br/>M 趋向很大] --> B[大数定律 LLN<br/>大量独立随机变量平均]
B --> C[信道硬化<br/>1/M * --> |h| ² → β<br/>单用户增益变确定]
B --> D[有利传播<br/>1/M * h_i^H h_j → 0<br/>用户间信道正交]
C --> E[收益1：深衰落消失<br/>链路稳定、调度简化]
D --> F[收益2：多用户干扰消失<br/>线性预编码即近最优]
E --> G[共轭波束赋形 MRT<br/>变得近乎最优]
F --> G
G --> H[高谱效 + 高能效<br/>简单可靠的大规模 MIMO]
style B fill:#fff3cd,stroke:#856404
style G fill:#d4edda,stroke:#155724
style H fill:#cce5ff,stroke:#004085
理解了上面两个现象，一个深刻的设计哲学就浮现出来了。
传统 MIMO 里有三种典型预编码：
$$\text{MRT}: \mathbf{W} = \mathbf{H}^* \quad\text{（最大化信号，不管干扰）}$$
$$\text{ZF}: \mathbf{W} = \mathbf{H}^*(\mathbf{H}^H\mathbf{H})^{-1} \quad\text{（强制消除干扰，放大噪声）}$$
$$\text{MMSE}: \mathbf{W} = \mathbf{H}^*(\mathbf{H}^H\mathbf{H} + \sigma^2\mathbf{I})^{-1} \quad\text{（折中）}$$
但在 Massive MIMO 中，由于有利传播，$\mathbf{H}^H\mathbf{H}$ 已经接近对角阵（非对角元趋零），求逆几乎就是对角线取倒数；又由于信道硬化，噪声放大效应被 $M$ 倍的阵列增益压了下去。结果是：
当 $M$ 足够大时，最朴素的 MRT（共轭波束赋形）性能逼近最优的 ZF/MMSE。
这就是设计的妙处：用物理规模（堆天线）去换取算法的简化。基站不用做复杂的矩阵运算，按信道共轭加权就能把波束对准用户、把干扰压到地板。这一发现来自 Marzetta 2010 年的奠基性工作，它从理论上证明了"天线数无上限时，容量可以无限增长，且只需最简单的线性处理"。
要实现共轭波束赋形，基站必须知道下行信道 $\mathbf{h}$。在 TDD（时分双工） 系统中，上下行用同一频率，根据信道互易性，基站通过上行导频估计出的 $\mathbf{h}$，可以直接当作下行 $\mathbf{h}$ 用（共轭下发即可），无需下行 CSI 反馈。这把上下行都简化了。
下面这张时序图展示了一个 TDD Massive MIMO 帧的结构，以及"上行估计 → 共轭下发"的闭环：
sequenceDiagram
participant UE as 用户终端 UE
participant BS as 基站 M 根天线
Note over UE,BS: === 上行：导频估计 ===
UE->>BS: 发送上行导频（正交序列）
BS->>BS: 估计上行信道 h（每根天线一个系数）
Note over BS: 大数定律生效<br/>||h||² ≈ Mβ（硬化）<br/>不同用户 h_i⊥h_j（有利传播）
Note over UE,BS: === 下行：共轭波束赋形 ===
BS->>BS: 计算预编码 w = h*（无需 CSI 反馈）
BS->>UE: 下行数据按 w 加权发射
Note over UE: 波束自动对准自己<br/>干扰自动趋零
UE->>BS: 享受稳定高 SNR（深衰落消失）
信道硬化不是"要么有要么没有"的开关，而是一个随 $M$ 增长而渐进的过程。学术界常用信道硬化指标来量化：
$$\mathcal{H} = 1 - \frac{\mathbb{E}[|\mathbf{h}|^2] - \mathbb{E}[|\mathbf{h}|]^2 / ...}{...}$$
我们不需要纠结精确公式，关键是记住它的标度行为：信噪比的相对波动（变异系数）大致按 $1/\sqrt{M}$ 衰减。
| 天线数 $M$ | 增益相对波动（约） | 深衰落是否明显 | 典型场景 |
|---|---|---|---|
| 2 | ~70% | 频繁深衰落 | LTE 2T2R |
| 8 | ~35% | 仍有明显起伏 | LTE 8T8R |
| 32 | ~18% | 起伏减小 | 5G 早期 AAU |
| 64 | ~12% | 基本消失 | 5G Sub-6G 主流 64T64R |
| 128 | ~9% | 近乎恒定 | 5G 高容量城区 |
| 256+ | <6% | 完全硬化 | 6G 实验系统 |
注：上表波动比例为定性估计，用于理解趋势，实际数值受信道相关性和场景影响。可以看到，从 2 天线到 64 天线，是"质变"的临界区——这也是为什么 5G 把 64T64R 作为 Massive MIMO 的入门配置。
但要警惕：上表假设了各天线独立衰落。现实中天线间距有限、存在角扩展受限，信道会相关，硬化效果打折。这就是为什么基站要尽量拉开天线间距、采用双极化来增加独立性——本质都是为了"让硬币更独立地抛"。
由于信道硬化，Massive MIMO 基站做链路自适应（AMC）和调度时，可以主要依赖大尺度参数（RSRP/路径损耗、业务量），而不必像 4G 那样死盯每 TTI 的瞬时 CQI。这让调度器更稳定，也降低了 CSI 反馈开销。如果你在做网优，看到 5G 小区的 MCS/CQI 波动明显比 4G 平稳，这就是硬化在起作用——不是测量出错了。
共轭波束赋形依赖上下行信道互易，而 TDD 的收发射频链路（滤波器、功放、收发开关）在物理上不完全对称，会破坏互易。所以 Massive MIMO 基站必须做互易性校准（reciprocity calibration），定期估计并补偿收发链路的失配。如果校准做得差，下行波束就会"对歪"，硬化效果被破坏，表现为小区边缘吞吐量骤降、波束指向错误。这是现网排查 Massive MIMO 性能问题时的第一个怀疑对象。
信道硬化要求"每根天线独立地看信道"，而信道估计靠导频。当邻区复用同一组导频时，基站会把邻区用户的导频也当成自己的信道来估计，导致估计出的 $\mathbf{h}$ 混入了"污染"。此时即使 $M\to\infty$，有利传播也不再成立，用户间干扰收敛到一个非零地板，容量不再无限增长。这就是著名的导频污染问题——它是 Massive MIMO 的硬天花板，也是为什么工程上要精心规划导频分配的原因。
误解 1："天线越多，一定越能抗衰落。" 不完全对。如果天线高度相关（比如间距太小、或处于纯净视距 LOS 无散射环境），大数定律的前提被破坏，硬化效果大打折扣。天线数是必要条件，独立性才是充分条件。
误解 2："既然信道硬化了，就不用做 CSI 反馈了。" 这只在 TDD + 互易性良好 + 校准到位时成立。FDD 系统上下行频差大，互易性破坏，仍需下行 CSI-RS 测量与反馈（通常用码本量化）。别把 TDD 的结论套到 FDD 上。
误解 3："MRT 性能不行，必须上 ZF。" 这是小 $M$ 时代的思维。在大 $M$ 下，由于有利传播，MRT 与 ZF 的差距迅速收窄，而 MRT 的硬件/算力开销低得多。实际产品常在两者间折中，或用 MMSE 平衡。
陷阱：路测发现某 Massive MIMO 小区吞吐量不如预期，先查三件事——(1) 互易性校准是否正常；(2) 天线阵子是否有硬件故障（导致相关性异常）；(3) 导频复用是否过密。这三者都会"悄悄"破坏硬化。
Q1：信道硬化和波束赋形是一回事吗？ 不是。信道硬化是信道本身的统计特性（增益变确定、用户变正交），是"大自然的免费礼物"；波束赋形是基站主动施加的信号处理。前者是后者的"靠山"——正是因为硬化，简单的波束赋形算法才能逼近最优。
Q2：FDD 能享受信道硬化吗？ 能享受信道硬化和有利传播（它们只依赖天线数大、衰落独立，与双工方式无关），但 FDD 难以直接用共轭波束赋形，因为上下行频段不同、互易性差，仍需下行 CSI 反馈。硬化是物理现象，双工方式只影响怎么用它。
Q3：天线数要大到多少才算"硬化生效"？ 没有绝对门槛，工程上一般认为 $M$ 在几十量级（如 32~64）开始进入"硬化的甜区"。更关键的是天线间的衰落独立性——稀疏散布、双极化、富散射环境能让较小 $M$ 就达到良好硬化。
Q4：信道硬化为什么能提升频谱效率？ 两条路径：(1) 有利传播让多用户干扰趋零，可以在同一时频资源上空分复用更多用户（空分复用增益）；(2) 信道增益确定性提升，链路更稳，可以长期工作在高阶 MCS，且调度开销小。两者叠加，谱效随 $M$ 对数增长。
Q5：近场通信会破坏信道硬化吗？ 传统信道硬化模型假设远场平面波（用户到各天线是平行射线）。当阵面极大或用户极近（6G 超大阵列的近场区），球面波效应显现，信道不再满足简单模型，需用近场信道硬化理论。这是当前 6G 研究的前沿方向之一。
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。