当一座毫米波基站塞下 256 根天线时，工程师们并没有给每根天线都配一个"独立大脑"，而是给它们装上了廉价的"相位旋钮"，再让少数几颗大脑统一调度。这背后的妥协与智慧，就是混合波束赋形。
想象你有一支 256 人的合唱团，每个团员都是一个独立声源。现在你想要让他们的声音在某个方向上叠加成最强、在另一个方向上相互抵消（比如不让歌声漏到隔壁小区）。
最理想的做法是：256 个话筒各自进入调音台，每个通道都能独立调节音量（幅度）和时延（相位）。这样你可以对每个人的声音做任何想做的微调——想让谁大声、想让谁静音、想让谁和谁反相抵消，都随心所欲。这就是数字波束赋形的思路：每个天线背后都挂一条完整的射频链路（RF chain）和一套高速 ADC/DAC，所有加权运算都在基带数字域完成，理论上可以做任何复杂的矩阵运算。
但问题来了：一台 256 通道、每通道采样率上 GHz 的高精度调音台，造价堪比一架私人飞机，功耗堪比一台电暖气。而在毫米波频段，为了克服恐怖的路径损耗，天线数量动辄 128、256 甚至 512 根，每根都要配一条 RF 链——这笔账怎么算都划不来。
于是工程师做了一个折中：只保留少量 RF 链（比如 4 条、8 条），其余的"加权"工作交给一个由廉价移相器组成的模拟网络来完成。少数大脑做精细决策，大量机械旋钮执行粗略转向——这就是混合波束赋形（Hybrid Beamforming, HBF），当前 5G 毫米波基站和终端的事实标准架构。
在展开三种架构之前，我们先把"波束赋形"这件事拆到最底层。无论模拟还是数字，波束赋形本质上就是一句话：
把每个天线上的信号，乘上一个复数权重（幅度 + 相位），再加起来。
写成公式，对于发射端，最终从天线阵列辐射出去的信号可以表示为：
$$ \mathbf{x} = \mathbf{F}\,\mathbf{s} $$
其中 $\mathbf{s}$ 是我们要发的数据流（比如 4 个空间层），$\mathbf{F}$ 是一个 $N_{ant} \times N_s$ 的预编码矩阵，$\mathbf{x}$ 是送到每根天线口的实际信号。$\mathbf{F}$ 的每一行就是一个天线对一个数据流的"贡献量"——它的幅度决定贡献多少，相位决定在空间哪个方向叠加成峰。
数字波束赋形的 $\mathbf{F}$ 里的元素可以是任意复数（幅度相位都自由），所以理论上能让 $\mathbf{F}$ 逼近最优解 $\mathbf{F}_{opt}$（比如通过 SVD 奇异值分解得到的最优预编码），既能把能量聚到目标方向，又能在干扰方向"挖零陷"。
而模拟波束赋形受限于硬件，$\mathbf{F}$ 里的元素只能改变相位、幅度被固定为 1（这叫"恒模约束"）。这就是它"便宜但不灵活"的根源。
理解了这个本质，下面三种架构的差异就一目了然了。
| 维度 | 模拟波束赋形 | 数字波束赋形 | 混合波束赋形 |
|---|---|---|---|
| RF 链数量 | 1 条 | = 天线数 $N_{ant}$ | $N_{RF}$（远小于天线数，如 4–8） |
| ADC/DAC 数量 | 1 对 | $N_{ant}$ 对 | $N_{RF}$ 对 |
| 加权自由度 | 仅相位（恒模） | 幅度+相位全自由 | 数字全自由 + 模拟仅相位 |
| 能支持的空间流数 | 1 个 | ≤ 天线数 | ≤ $N_{RF}$ |
| 多用户 MIMO | 难以支持 | 完美支持 | 支持（受 RF 链数限制） |
| 零陷抗干扰 | 几乎做不到 | 可精确挖零陷 | 有限支持 |
| 宽带（beam squint） | 严重波束斜视 | 可频率选择性补偿 | 主要受模拟段拖累 |
| 成本 / 功耗 | 最低 | 最高（天价） | 中等 |
| 典型场景 | 早期相控阵雷达 | sub-6GHz Massive MIMO | 毫米波基站/终端 |
flowchart LR
subgraph A["模拟波束赋形"]
direction LR
S1["数据流"] --> DAC1["1 对 DAC"]
DAC1 --> PS1["移相器网络<br/>每天线 1 个"]
PS1 --> ANT1["N 根天线"]
end
subgraph B["数字波束赋形"]
direction LR
S2["数据流<br/>每天线一路"] --> DAC2["N 对 ADC/DAC<br/>N 条 RF 链"]
DAC2 --> ANT2["N 根天线<br/>每根独立加权"]
end
subgraph C["混合波束赋形"]
direction LR
S3["少量数据流"] --> DAC3["N_RF 对 ADC/DAC<br/>N_RF 条 RF 链"]
DAC3 --> DIG["数字预编码 F_BB"]
DIG --> PS3["模拟移相器网络 F_RF"]
PS3 --> ANT3["N 根天线<br/>N >> N_RF"]
end
style A fill:#e8f5e9
style B fill:#ffebee
style C fill:#fff8e1
这张图揭示了混合架构的核心位置：它既不是模拟那种"单通道、傻乎乎转向"的简陋，也不是数字那种"每根天线一条链、贵到肉疼"的奢华，而是用少量数字通道做大脑、用大量模拟移相器做手脚的中间路线。
很多人会问：既然数字波束赋形那么强大，为什么毫米波不用全数字？答案藏在两个工程现实里。
第一个现实：高速 ADC/DAC 是功耗怪兽。 模数转换器的功耗大致随采样率和分辨率呈数量级增长。毫米波系统带宽动辄 400 MHz 甚至 1 GHz 以上，要求 ADC 采样率达到数 GHz、有效位数还要够高（否则量化噪声会吃掉信号）。一个这样的 ADC 功耗可能在一两瓦量级。乘上 256 根天线，光数据转换器就要烧掉几百瓦——这已经超过一个基站射频前端的散热极限了。
flowchart TD
A["全数字架构功耗/成本账"] --> B{天线数 N}
B -->|N=64 sub-6| C["64 条 RF 链<br/>可承受"]
B -->|N=256 mmWave| D["256 条 RF 链<br/>256 对 GHz-ADC<br/>功耗与成本爆炸 💥"]
D --> E["必须减少 RF 链数量"]
E --> F["混合架构：<br/>N_RF = 4~8 条 RF 链<br/>移相器承担其余加权"]
style D fill:#ffcdd2
style F fill:#c8e6c9
第二个现实：毫米波必须靠波束增益"续命"。 毫米波频率高（24–52 GHz），自由空间路径损耗远大于 sub-6GHz，绕射能力差、穿透墙体困难。如果不靠大规模天线阵列把能量聚成尖锐的笔形波束，信号根本传不远。这就是为什么毫米波设备的天线数量天然就大——而天线一多，全数字方案的成本就被迅速放大成天文数字。
反过来，sub-6GHz 频段路径损耗小、天线数相对少（典型 32 或 64），全数字波束赋形完全吃得消，所以你看到 5G 中低频段的 Massive MIMO 基站大多是全数字架构，而到了毫米波（FR2），就普遍切换到混合架构。这两者不是谁更先进，而是不同频段、不同天线规模下的工程最优解。
理解了动机，我们来看混合波束赋形是怎么把加权工作"切成两半"的。发射端的最终预编码矩阵被分解为：
$$ \mathbf{F} = \mathbf{F}{RF}\,\mathbf{F} $$
设计的目标，是让两者的乘积尽可能逼近最优的全数字预编码 $\mathbf{F}_{opt}$：
$$ \min_{\mathbf{F}{RF},\mathbf{F}}} \;\big| \mathbf{F{opt} - \mathbf{F}}\,\mathbf{F{BB} \big|_F \quad \text{s.t.} \quad |(\mathbf{F}| = 1 $$})_{i,j
那个恒模约束 $|(\mathbf{F}{RF})|=1$ 就是模拟移相器的物理限制——它把一个本该"幅度相位都自由"的优化问题，变成了一个受约束的难题。工程师们为此发明了多种算法：基于 SVD 的几何分解、交替最小化（alternating minimization）、以及借鉴稀疏恢复的 OMP（正交匹配追踪）算法。它们的目标都是同一句话：用受限的模拟权重 + 自由的数字权重，拼凑出无限自由度下才能达到的最优波束。
打个比方：数字层像是有全套调音台的录音师，模拟层像是只会拧相位旋钮的助理。录音师（数字）先把每路信号的精细配比定好，再交给助理（模拟）做最后的空间定向——虽然助理手法粗糙，但只要方向大体对，靠数量众多的天线还是能把能量聚拢。
flowchart TD
DATA["数据流 s<br/>N_s 个层"] -->|"数字预编码 F_BB<br/>幅度+相位全自由"| RFCHAIN["N_RF 条 RF 链<br/>含 DAC/上变频"]
RFCHAIN -->|"模拟预编码 F_RF<br/>仅相位(移相器)"| PSN["移相器网络"]
PSN --> ANT["N_ant 根天线"]
NOTE["数字层：决定'谁和谁'<br/>多用户/干扰抑制/空间复用<br/>模拟层：决定'往哪指'<br/>阵列增益/路径损耗补偿"] -.-> RFCHAIN
NOTE2["目标：F_RF · F_BB ≈ F_opt"] -.-> PSN
style DATA fill:#bbdefb
style RFCHAIN fill:#fff9c4
style PSN fill:#ffe0b2
模拟网络怎么把 $N_{RF}$ 条链路接到 $N_{ant}$ 根天线上？这里有两种主流接法，工程上的取舍非常实在——就是数移相器的个数。
| 架构 | 连接方式 | 移相器数量 | 灵活性 | 复杂度/功耗 |
|---|---|---|---|---|
| 全连接 | 每条 RF 链接所有天线 | $N_{ant} \times N_{RF}$ | 最高，逼近数字性能 | 最高（连线/馈电密集） |
| 子连接（固定子阵列） | 每条 RF 链接一个不重叠的子阵列 | $N_{ant}$ | 较低，损失部分阵列增益 | 最低 |
举例：256 根天线、8 条 RF 链，全连接架构需要 $256 \times 8 = 2048$ 个移相器；而子连接架构只需要 256 个（每 32 根天线一组，各成一簇）。移相器数量差了 8 倍——这直接体现在芯片面积、馈电网络复杂度和功耗上。
flowchart TB
subgraph FULL["全连接架构：每链接所有天线"]
direction TB
L1a["RF链1"] --> PA1["移相器→天1..天256"]
L2a["RF链2"] --> PA2["移相器→天1..天256"]
L3a["..."] --> PA3["..."]
L4a["RF链8"] --> PA4["移相器→天1..天256"]
NA["移相器总数 = 256×8 = 2048"]
end
subgraph SUB["子连接架构：每链接一个子阵列"]
direction TB
L1b["RF链1"] --> SB1["子阵列1: 天1..天32"]
L2b["RF链2"] --> SB2["子阵列2: 天33..天64"]
L3b["..."] --> SB3["..."]
L4b["RF链8"] --> SB4["子阵列8: 天225..天256"]
NB["移相器总数 = 256"]
end
style FULL fill:#fff3e0
style SUB fill:#e8f5e9
实际产品里，子连接（也叫子阵列分区）架构因为省硬件、走线简单，在毫米波商用芯片里更常见；全连接多见于对性能要求极致的科研原型。还有一种"动态子阵列"方案，用开关网络让每条 RF 链动态组合不同子阵列，灵活性更高但控制更复杂——这是 6G 时代的研究热点之一。
混合架构虽然聪明，但模拟段带来了两个绕不开的妥协。
第一个软肋：恒模约束。 移相器只能转相位，幅度永远是 1。这意味着模拟权重不能像数字权重那样随意缩放。当系统想要在某方向挖一个深零陷来抑制强干扰时，纯靠相位调整很难挖得干净——你只有"角度"这一个旋钮，却想同时控制叠加结果的幅度和相位。这就是为什么混合架构的抗干扰能力弱于全数字。
第二个软肋：波束斜视（Beam Squint）。 移相器产生的是固定的相移，但天线的相位差本应由时延产生。在窄带下两者近似等价；可毫米波系统带宽动辄几百兆到一吉赫兹，宽带下"固定相移"和"真实时延"的偏差会让不同频率分量的波束指向发生漂移——高频端的波束往左偏、低频端的波束往右偏，就像透镜产生了色散。这就是 beam squint，它会侵蚀宽带系统的阵列增益。数字波束赋形因为是频率选择性的（每个子载带都能单独算权重），基本没有这个问题；而混合架构的模拟段会拖累整体，成为它的内在代价。
讲到这里你可能会觉得混合架构处处妥协。但它有一个被低估的好处，恰恰解释了"为什么省电"——这就是动态范围红利。
在全数字架构里，每根天线的 RF 链都要独自承受完整的信号环境：既包括你想要的用户信号，也包括来自四面八方的强干扰和邻区泄漏。这意味着 ADC 的输入动态范围（最大信号与最小信号之比）必须做得很高，否则要么强信号把 ADC 撑爆，要么弱信号淹没在量化噪声里。高动态范围 = 高分辨率 ADC = 高功耗。
而在混合架构里，一组天线先在模拟域把信号合并，干扰信号在进入 ADC 之前就被波束的"零陷方向"部分挡掉了。等信号真正进入数字域时，动态范围已经被大大压缩——于是 ADC 不需要那么高的分辨率，功耗自然下来。这是一种"先粗筛、再精筛"的智慧：用廉价的模拟移相器做第一道闸门，让后面昂贵的数字器件轻松很多。
在 5G 毫米波基站（AAU）里，混合波束赋形是看得见摸得着的硬件。一块毫米波 AAU 的射频板上有几颗 RFIC（射频集成电路），每颗 RFIC 内部就封装了少量 RF 链和上百个移相器——典型的"数字少、模拟多"的混合形态。基带芯片算出数字预编码权重，RFIC 内部的移相器网络执行模拟权重，两者协同形成最终的波束。
工程师调试时会撞上这些点： - 波束权重调试：当某个波束方向增益不达标，要排查是数字权重算错了（SRS 信道估计不准），还是移相器量化误差太大（比如用了 4-bit 低精度移相器，相位只能 16 档，分辨率不够）。 - 移相器量化误差：低精度移相器会让波束方向"指不准"，表现为 SINR 抖动。调试时要权衡移相器分辨率与芯片成本。 - 波束斜视排查：宽带场景下若发现边缘子载带的吞吐量明显低于中心，可能就是 beam squint 在作怪，需要在模拟段补偿时延或调整子阵列规模。 - 多用户配对受 RF 链数限制：当 $N_{RF}=4$ 时，空间复用层数上限就是 4，再多用户也无法同时空分——这是混合架构的硬天花板，调度器必须考虑。
常见误解：不少人以为"混合波束赋形是过渡技术，迟早被全数字取代"。这个说法只对了一半。确实，随着 RF sampling ADC/DAC 和芯片集成度的进步，毫米波全数字波束赋形正在逼近实用；但在天线数迈向 512、1024 的未来（6G 的超大规模阵列），RF 链的成本墙依然存在，混合架构很可能长期是主流——只是 RF 链数量会随摩尔定律慢慢增加，"混"的比例逐步变化。它不是过渡，而是在成本和性能的天平上长期存在的工程平衡点。
Q: 混合波束赋形和 Massive MIMO 是一回事吗？ A: 不是。Massive MIMO 描述的是"天线数量很多"这个特征，可以是全数字（sub-6GHz 常见）也可以是混合（毫米波常见）。混合波束赋形描述的是"加权如何实现"的架构方案。一个 sub-6GHz 的 64T64R Massive MIMO 基站，用的是全数字波束赋形；一个毫米波的 256 天线基站，用的多半是混合波束赋形——两者都是 Massive MIMO，但架构不同。
Q: 全数字波束赋形既然性能最好，为什么终端（手机）很少用？ A: 终端的天线数虽然比基站少（毫米波手机通常 4–8 个天线模块），但终端对功耗、体积、成本极度敏感。给每根毫米波天线都配一条 GHz 采样率的 RF 链，会让手机电池和散热不堪重负。所以毫米波手机普遍也用混合架构（少数 RF 链 + 移相器），只是在层数较少时退化为接近模拟的简化形态。
Q: 全连接架构性能更好，为什么商用产品多用子连接？ A: 因为"性能好一点点"换来的代价是移相器数量翻几倍。全连接的 RFIC 走线密集、馈电复杂、功耗高、良率低，而子连接架构只损失一小部分阵列增益，却换来芯片面积和成本的大幅下降。在商用市场，成本和功耗的权重往往高于极致性能。
Q: 混合波束赋形能做零陷抗干扰吗？ A: 能，但能力受限。数字段可以设计零陷，但因为 RF 链数远小于天线数，能同时挖出的独立零陷数量受 $N_{RF}$ 限制；而且模拟段的恒模约束让零陷深度做不深。这就是为什么混合架构在强干扰场景下的表现弱于全数字。
Q: 数字预编码和模拟预编码的权重是怎么算出来的？ A: 基本思路是先用 SRS（探测参考信号）估计出完整信道，算出理想的全数字最优预编码 $\mathbf{F}{opt}$（常用 SVD），然后用算法把它拆解成 $\mathbf{F}} \cdot \mathbf{F{BB}$。主流算法包括交替最小化、OMP 稀疏分解等，核心目标都是在恒模约束下让两者的乘积尽可能逼近 $\mathbf{F}$。
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。