<!-- title: 多用户波束赋形：波束为何不串扰 -->

# 多用户波束赋形：波束为何不串扰

## 一、从一个嘈杂酒馆说起

想象一家生意爆满的酒馆，一个服务员要同时端着好几杯酒，穿过人群分别送到不同桌的客人手上。难点不在于他一次能端几杯酒，而在于：**怎么保证送到张三桌的那杯酒，不会被李四桌的客人顺手拿走？**

服务员靠的是"认识每桌客人的位置"——他走路线时特意绕开、或者背对着不相关的桌子，让每一杯酒物理上只到达目标客人面前。

基站面对的是一模一样的难题。在一个 5G 小区里，成百上千部手机同时在上网。频谱是稀缺资源，运营商恨不得让尽可能多的手机**在同一毫秒、同一小段频率上**同时收发数据。可频率相同、时间相同，信号不就撞车了吗？

MU-MIMO（Multi-User MIMO，多用户多输入多输出）就是这道难题的答案：**它让基站在同一块时频资源上，同时和好几个手机说话，而它们彼此听不见对方。** 做到这件事的不是别的，正是"波束赋形"里一个常被一笔带过的关键招式——**零陷（null steering）**。

今天这一篇，我们就把"波束为什么不会串扰到别人"这件事，从直觉一直拆到数学公式。

## 二、先分清：它和你以为的"空间复用"不是一回事

很多工程师会把 MU-MIMO 和"空间复用"混为一谈，因为两者都依赖多天线、都叫 MIMO。但它们解决的根本不是同一个问题，**搞混了，后面所有调试都会跑偏**。

| 对比维度 | SU-MIMO（空间复用） | MU-MIMO（多用户波束赋形） |
|---|---|---|
| 服务对象 | **一个**用户，多个数据流 | **多个**用户，各自的数据流 |
| 接收端是否协作 | 同一用户的多根天线**能**联合处理 | 不同用户**无法**协作，各自独立解码 |
| 提升的是什么 | 单用户**峰值速率** | 系统**扇区容量**（吞吐量） |
| 干扰由谁消除 | 接收端（多天线联合检测） | **发射端**（基站预编码预先消除） |
| 对 CSI 的要求 | 接收端知道即可 | 基站**必须**精确知道所有用户的信道 |
| 典型前提 | 信道"富散射"、矩阵满秩 | 用户之间信道**足够正交（远离）** |

一句话总结：**SU-MIMO 是"一个人多拿几份快递"，MU-MIMO 是"快递员一趟车同时给不同的人送件、还互不送错"。**

下图把两者的架构差异画出来，对比会非常直观：

```mermaid
flowchart LR
    subgraph SU["SU-MIMO：一个用户，多流并行"]
        direction TB
        S1["基站 4 天线"] -->|"流1"| U1A["用户A 天线1"]
        S1 -->|"流2"| U1B["用户A 天线2"]
        S1 -->|"流3"| U1A
        S1 -->|"流4"| U1B
        NOTE1["接收端 = 同一用户，可联合解码<br/>提升：单用户峰值速率"]
    end
    subgraph MU["MU-MIMO：多个用户，同频同时"]
        direction TB
        S2["基站 64 天线"] -.->|"用户A的数据，主瓣对准A"| A1["用户A"]
        S2 -.->|"用户B的数据，零陷避开A"| B1["用户B"]
        S2 -.->|"用户C的数据，零陷避开A、B"| C1["用户C"]
        NOTE2["接收端 = 不同用户，无法协作<br/>干扰必须基站预编码消除<br/>提升：系统容量"]
    end
```

关键区别在"接收端能否协作"。SU-MIMO 里，张三的两根天线长在同一个手机上，它们可以把收到的混合信号拿来做矩阵求逆，把多流分开。但 MU-MIMO 里，张三的信号要送进李四的耳朵，这件事**李四的手机根本帮不上忙**——李四只想听自己的数据，他不会去帮张三"解码然后扔掉"。

所以 MU-MIMO 把消除干扰的重担，整个扛到了**发射端（基站）**肩上。这就引出了本文的主角——零陷预编码。

## 三、核心问题：同一块资源上，凭什么不打架？

答案藏在"空间"这个维度里。

一根天线发出的电磁波，是朝四面八方均匀扩散的（全向）。但当你把多根天线排成一排、并且让它们发出的信号**带上不同的相位加权**时，它们的电磁场在某些方向会相长叠加（叠加增强）、在某些方向会相消叠加（彼此抵消）。这就是天线阵列能"拧出"一束方向性波束的物理本质。

波束赋形利用了"相长叠加"——把能量集中到目标方向，让目标用户收到强信号。

而**零陷**利用的是硬币的另一面——"相消叠加"。它**故意**在那些"不想让他听到"的用户所在方向上，让各天线的信号相位互相抵消，形成一个个深陷下去的"黑洞"（null）。在那个方向上，电磁能量近乎为零。

打个比方：波束赋形像是用聚光灯照亮台上某个演员（主瓣）；零陷则像是同时给台下另外几个不该被照到的位置**拉上黑布**。一束光，既照得亮该亮的，又**精确地避开了**不该亮的——这就是 MU-MIMO 的全部魔法。

下面这张图展示一个基站同时服务 3 个用户时，针对用户 A 的那一路信号在空间上如何"既照 A，又躲 B、C"：

```text
flowchart LR
    BS["📡 基站 64T 天线阵列<br/>正在发射用户A的数据流 s₁"]
    BS ==>"主瓣（能量最强）<br/>对准用户A方向":::main --> A["👤 用户A<br/>收到强信号"]
    BS -.->|"零陷①：能量≈0<br/>相消抵消"| B["👤 用户B<br/>几乎收不到A的信号"]
    BS -.->|"零陷②：能量≈0<br/>相消抵消"| C["👤 用户C<br/>几乎收不到A的信号"]
    classDef main fill:#ffd166,stroke:#d62828,stroke-width:3px;
```

注意：上图只是用户 A 这一路的"视角"。实际上基站同时对 A、B、C 三路数据各做一套这样的预编码。最终**叠加后从天线发出去**的是三路加权信号的合成。妙就妙在——经过精心的加权矩阵设计，A 的信号到了 A 那里强、到了 B/C 那里为零；B、C 同理。三路人马在同一块频率上各行其道、互不相扰。

## 四、数学引擎：ZF 预编码为什么是"伪逆"

现在我们把直觉翻译成公式。设基站有 $N_t$ 根天线，同时服务 $K$ 个单天线用户（为简化，先假设每用户单天线）。记所有用户的下行信道组成一个矩阵 $H \in \mathbb{C}^{K \times N_t}$，其中第 $k$ 行 $h_k$ 是用户 $k$ 的 $1 \times N_t$ 信道向量。

基站要发射的数据符号向量记为 $s = [s_1, s_2, \dots, s_K]^T$。基站用一个**预编码矩阵** $W \in \mathbb{C}^{N_t \times K}$ 对 $s$ 加权，实际发射的信号是：

$$x = W s$$

用户 $k$ 收到的信号是：

$$y = H W s + n = H W s + n$$

理想的境界是什么？是 $H W = I$（单位阵）。那样的话，$y = s + n$，每个用户收到的就**恰好是自己的数据**，毫无串扰。这等价于要求：

$$H W = I \quad\Longrightarrow\quad W = H^{-1}\ \text{（如果 H 可逆）}$$

但问题来了：$H$ 是 $K \times N_t$ 的"矮胖"矩阵（用户数 $K$ 通常远小于天线数 $N_t$），**没有逆矩阵**。数学上，对一个"行满秩"的非方阵，最接近"逆"的东西叫**伪逆（Moore-Penrose 伪逆）**：

$$W_{ZF} = H^{H}\left(H H^{H}\right)^{-1}$$

这里 $H^H$ 表示共轭转置。把它代回去验证：$H W_{ZF} = H H^H (H H^H)^{-1} = I$。**完美命中**——每个用户的干扰被"强行归零（Zero-Forcing）"，这就是 ZF 预编码得名的由来。

理解 ZF，不必死记公式，记住三个直觉就行：

1. **它解的是"反向方程"**：发射端预先把信道将要造成的混叠"抵消掉"，相当于把信道的影响从结果里"减回去"。
2. **伪逆 = 最小二乘解**：当方程无精确解时，伪逆给出在"最小能量代价"下最接近满足条件的 $W$。它付出的代价是——为了让某些方向的能量归零，**不得不在另一些方向上多花功率**。
3. **ZF 是"硬归零"**：它眼里只有"消干扰"，不顾噪声。当用户信道彼此接近（相关性高）时，伪逆会算出**极大的加权值**，把发射功率疯狂放大却收益甚微——这就是 ZF 在低信噪比、用户相关场景下表现拉胯的根因。

正因为 ZF 的这个毛病，工程上还会用它的"温和版" MMSE 预编码（也叫 RZF，正则化零陷），在"消干扰"和"压噪声"之间折中：

$$W_{MMSE} = H^{H}\left(H H^{H} + \alpha I\right)^{-1}$$

那个 $\alpha$ 是噪声相关的正则项。$\alpha \to 0$ 时退化为 ZF（彻底消干扰）；$\alpha$ 大时趋向于 MRT（最大比发送，只管把信号加强、不管干扰）。三者各有适用场景：

| 预编码算法 | 核心目标 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|---|
| **MRT**（最大比发送） | 最大化目标用户信号 | 简单、低复杂度、阵列增益最大 | **不抑制**用户间干扰 | 用户少、信噪比低 |
| **ZF**（迫零） | 彻底消除用户间干扰 | 干扰为零，高信噪比下吞吐量最优 | 放大噪声、浪费功率、对 CSI 极敏感 | 高信噪比、用户信道正交 |
| **MMSE/RZF**（正则化迫零） | 干扰与噪声折中 | 鲁棒性好，实际工程主流 | 仍有残余干扰 | **现网默认选择** |
| **BD**（块对角化） | 多天线用户的 ZF 推广 | 支持每用户多流 | 复杂度高 | 每用户多接收天线 |

## 五、用户配对：MU-MIMO 成败的隐藏开关

有了 ZF 预编码，是不是随便挑几个用户塞进同一块资源就行了？**绝对不是。** 这是工程师最容易踩的坑。

回想上一节：当两个用户的信道向量 $h_1$、$h_2$ 几乎平行（空间方向接近、相关性高）时，$H H^H$ 接近奇异，伪逆会爆炸。这意味着——**基站为了让用户 1 的信号在用户 2 方向归零，要付出天价的发射功率，结果两路信号都做不好。**

所以 MU-MIMO 有一个比预编码本身更前置、也更关键的步骤：**用户配对（User Pairing / Scheduling）**。调度器的任务，是从成百上千个等待调度的用户里，挑出**彼此空间信道尽量正交**的几个，绑成一组同时调度。

```mermaid
sequenceDiagram
    participant UE as 多个用户终端
    participant BS as 基站(gNB)
    participant SCH as 调度器
    UE->>BS: 上报 CSI（PMI/CQI/RI，含空间信道特征）
    BS->>SCH: 汇集所有待调度用户的信道
    Note over SCH: ①计算两两用户信道相关性/正交性<br/>②挑选相关性最低的一组（例如 K=4）<br/>③对高相关用户降级为SU-MIMO或推迟
    SCH->>BS: 输出配对用户组 + 资源分配
    Note over BS: ④对该组计算 ZF/MMSE 预编码矩阵 W<br/>⑤加权后发射：x = W·s
    BS->>UE: 同频同时下发各组数据（主瓣对准、零陷避让）
```

一个直观的经验法则：**两个用户的方向角差得越开，配对效果越好。** 比如一个在基站正北、一个在正东，它们的信道几乎正交，ZF 几乎不费力就能分开；而两个挤在同一栋楼同一层的用户，空间信道高度相关，强行配对反而拖累彼此。

这也是为什么 Massive MIMO（大规模天线）对 MU-MIMO 是革命性的——天线数 $N_t$ 越多，能同时容纳的**正交用户数**越多（理论上限随天线数增长），而且每个用户的信道在超高维空间里更容易"恰好"彼此正交（这正是"信道硬化"现象的功劳）。所以 Massive MIMO 的真正价值，不是单用户变快，而是**能在同一块资源上同时服务几十个用户**，把扇区容量成倍放大。

## 六、现网怎么体现？调试时哪里会用到？

理解了上面这些，你就能解释现网里这些现象：

**1. 为什么繁华商圈、体育场馆特别依赖 Massive MIMO？**
这些场景用户密度极高，单用户速率反而不是首要矛盾——首要矛盾是"海量用户挤在小范围频谱上"。MU-MIMO 的多用户空分复用正好把容量维度打开：同一块 100MHz 带宽，原本只能喂饱 1 个用户的资源，现在可以同时喂 8 个、16 个甚至更多。这就是运营商在大型场馆部署 64T64R、128T128R Massive MIMO 的核心动机。

**2. 工程师调试时的常见陷阱：**

- **"配了 MU-MIMO，扇区吞吐量却没涨"** → 第一反应不是怀疑预编码，而是去查**用户配对策略**。如果调度器为了公平性把相邻方向的两个用户硬配对，ZF 算出的预编码会把功率浪费在"互相抵消"上，吞吐量不升反降。看日志时要重点关注**配对用户的空间相关性指标**（如信道相关系数），而不是只看 CQI。

- **"上行 CQI 很好，下行 BLER 却偏高"** → 在 TDD 系统里，下行预编码依赖上行 SRS 估计的信道（靠信道互易性）。如果**SRS 加权或天线校准**没做好，基站拿到的 CSI 就是"失真"的，ZF 在错误的方向上挖零陷，自然干扰消不干净。这是 Massive MIMO 调测最容易出问题、也最容易被忽视的一环。相关知识可以回顾[[信道互易性：海量MIMO的隐形基石]]。

- **"用户数一多，边缘用户体验急剧恶化"** → 这往往是配对用户数 $K$ 设得太激进。$K$ 越接近 $N_t$，ZF 的"功率放大效应"越严重，留给每个用户的有效增益越小。现网通常会动态限制同时配对的用户数，在高负载时主动回退。

**3. 一个常被误解的点**：很多人以为"波束越窄、增益越高就是越好"。在 MU-MIMO 里，**波束窄不等于零陷深**。真正决定多用户性能的，是预编码在**其他用户方向上挖出的零陷有多深、多精准**，而不是主瓣有多尖。一个对准目标但零陷不到位的设计，照样会让邻用户遭殃。

## 七、原理回顾：三个层次递进

最后，用三句话把 MU-MIMO 的设计哲学串起来：

1. **资源争用的破局点在"空间"**——时域、频域、码域都已被 SU-MIMO、OFDM 占满，唯一剩下的自由度是"用户所处的空间方向"。
2. **空间隔离靠"零陷"实现**——发射端预编码，在目标用户方向相长叠加（主瓣）、在非目标用户方向相消叠加（零陷），让多个用户共享同一块时频资源而互不可见。
3. **性能上限取决于"正交性 + CSI"**——用户配对决定空间正交性（能配几个、配得多干净），CSI 准确性决定零陷挖得准不准。两者是 MU-MIMO 工程实现的两大命脉。

从波束赋形只管"照亮目标"（MRT），到加上"还要躲开别人"（ZF/MMSE），多用户 MIMO 把天线阵列的潜力真正榨干。理解了零陷，你才理解为什么 Massive MIMO 是 5G 容量跃迁的根基，而不是单纯"天线多一些、信号强一些"那么简单。

## 常见问题

**Q1：MU-MIMO 和 SU-MIMO 能不能同时存在？**
A：能，而且现网天天在切换。基站每个调度时刻都会根据当前用户的信道状况做判断：如果某个用户信道"富散射"、矩阵满秩（适合多流），就给他单独开 SU-MIMO 拉峰值；如果有多个用户彼此正交、适合空分，就把它们配成 MU-MIMO 组提升容量。这就是"秩自适应"和"动态配对"在做的事——**同一个基站、同一帧里，不同资源块上可以分别用 SU 和 MU。**

**Q2：为什么 ZF 预编码要把干扰"硬归零"，不留一点余地？**
A：因为 ZF 只看干扰、不看噪声。在信噪比足够高时，干扰是主要矛盾，硬归零能换来最干净的多用户分离，吞吐量最优。但在低信噪比下，硬归零所需的极大加权会同时把噪声放大，得不偿失——这时 MMSE/RZF 留一点残余干扰、换噪声抑制，整体反而更好。工程上几乎清一色用 MMSE，ZF 更多是理论基准和教学样本。

**Q3：零陷的方向是固定的吗？用户移动了怎么办？**
A：不是固定的。预编码矩阵 $W$ 是**根据实时 CSI 每个调度周期重新计算**的，零陷方向跟随用户移动而实时调整。但这也带来严格要求：CSI 必须足够"新"、足够"准"。在 FDD 系统里 CSI 靠终端反馈（PMI/CQI），存在量化误差和时延；TDD 系统靠 SRS + 互易性，时延更小但依赖校准。**CSI 过期或失真，零陷就会"挖偏"，这是移动场景下 MU-MIMO 性能下降的头号原因。**

**Q4：天线数越多，能同时服务的用户数就线性增长吗？**
A：基本是，但有上限和折中。理论上 MU-MIMO 可同时支持的用户数受限于基站天线数 $N_t$（线性增长），且 Massive MIMO 借助信道硬化让用户更易正交。但实际同时配对用户数 $K$ 不会无限逼近 $N_t$：一是用户空间分布随机，找到大量两两正交的用户本身就难；二是 $K$ 越接近 $N_t$，ZF 功率放大越严重。现网典型 64T 基站，下行 MU-MIMO 同时配对用户数多在 4～16 之间，远小于天线数。

**Q5：上行能不能也用 MU-MIMO？**
A：能，叫"上行 MU-MIMO"或"多用户联合检测"。区别在于：下行是基站单点预编码（集中算 $W$），上行是多个手机各自独立发射、基站在接收端用多天线做联合检测（同样是 ZF/MMSE 思路，但作用在接收侧）。5G 上行尤其受益——手机发射功率小，靠基站多天线接收合并既提升信号又分离多用户，是 TDD 大规模天线的一大收益点。

## 参考来源

2. [Zero-Forcing Beamforming (ZFBF) — emergentmind.com](https://www.emergentmind.com/topics/zero-forcing-beamforming-zfbf) — 系统梳理 ZFBF 在多用户系统中的原理与性能特性。
3. [Massive MIMO and Beamforming in 5G NR: Techniques and Implementation (IJFMR, 2024)](https://www.ijfmr.com/papers/2024/3/54993.pdf) — 5G NR 中 Massive MIMO 与波束赋形实现技术的完整综述。
4. [Performance Analysis of Zero-Forcing Beamforming Strategies for MU-MIMO (arXiv 2509.23921)](https://arxiv.org/html/2509.23921v1) — 针对 MU-MIMO 上/下行 ZF 波束赋形策略的性能评估，含用户选择与功率分配分析。
5. [多用户MIMO系统中各种预编码性能比较（ZF/BD/MMSE/SLNR/MF/SVD）— 知乎专栏](https://zhuanlan.zhihu.com/p/694157143) — 中文语境下多种线性预编码算法的横向对比与 MATLAB 仿真，便于建立直觉。
6. [5G 中的多用户 MIMO：赋予无线通信更高效率 — 华为云社区](https://bbs.huaweicloud.com/blogs/436311) — 面向工程视角的 5G MU-MIMO 应用与挑战解读。

---
> 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)