假设你管理一条高速公路，车流量已经饱和。想扩容，你会怎么办？正常人的答案：修第二条路。但无线电工程师面前只有一条“路”——同一段频谱、同一个时刻、同一片空间。按经典信息论的观点，这条路一旦修好，容量上限就锁死了：
$$C = W\log_2\left(1 + \frac{S}{N}\right)$$
其中 $W$ 是带宽，$S/N$ 是信噪比。这就是香农公式，它宣判了单天线系统的死刑：带宽花光了、功率加不动了，速率就到顶了。功率每翻一倍，速率只增加不到15%，性价比惨不忍睹。
上世纪90年代，贝尔实验室的 Foschini、Gans 和后来 AT&T 实验室的 Telatar 给出了一个惊人的答案：如果你在收发两端都放多根天线，“路”的数量可以凭空变多。理论容量随天线数近似线性增长，上限由收发天线数的较小者决定：
$$C \le \min(N_t, N_r)\cdot \log_2(1+\rho)$$
$N_t$ 根发射天线、$N_r$ 根接收天线，容量上界就是 $N_t$ 与 $N_r$ 中较小者的 $C$ 倍。2×2 天线容量翻倍，4×4 翻两倍——而频谱一点没多花。这就是 MIMO（多输入多输出）被称为“移动通信史上罕见的免费午餐”的原因：它不是把功率换速率，而是把空间维度换速率。
这套理论落地成了今天的一切：LTE 的 4×4、5G NR 的 64 通道 AAU、Wi-Fi 的 4×4、甚至你手机里的 2×2 接收。理解它，是理解现代无线网的门票。
在 MIMO 出现之前，教科书把多径视为公敌：信号经建筑物反射后走多条路径到达，不同路径相互叠加抵消，产生深衰落和码间串扰，均衡器、RAKE接收机的全部工作就是“消灭”它。
MIMO 的革命性在于换了一个视角：多条路径既然存在，为什么不让它们各干各的活？
在富散射环境（城市街区、室内）里，从发射天线 1 出发的波，和从发射天线 2 出发的波，经过不同建筑物的反射，到达接收天线 1 和天线 2 时，各自的衰落几乎相互独立。也就是说，空间里天然存在好几条互不相关的“影子信道”——MIMO 把它们并行利用起来，每条跑一路数据。
这就是为什么城市峡谷里 MIMO 效果最好，而旷野、海面这种视距（LOS）干净的场景反而发挥不出来——后面讲“秩”的时候你会看到这个反直觉现象的数学本质。
我们把 2×2 MIMO 的物理图景翻译成数学。发射端两根天线同时发、同一频段，接收端两根天线同时收，每根接收天线收到的都是两路信号的叠加（只是各自的幅度衰减和相位旋转不同）：
$$\begin{aligned} r_1 &= h_{11}t_1 + h_{21}t_2 + n_1 \ r_2 &= h_{12}t_1 + h_{22}t_2 + n_2 \end{aligned}$$
写成矩阵形式，就是 MIMO 最核心的一个式子：
$$\mathbf{y} = \mathbf{H}\mathbf{x} + \mathbf{n}$$
初看这是灾难——两路数据在天线口混成了一锅粥。但换个角度：这就是一个二元一次联立方程组。只要接收端知道 $\mathbf{H}$（通过导频做信道估计），就能像初中生解方程一样把 $t_1$、$t_2$ 分离出来：$\hat{\mathbf{x}} = \mathbf{H}^{-1}\mathbf{y}$（实际系统用更稳健的 MMSE/ZF 检测，见后文）。
MIMO 空间复用的全部魔法，就是把“多路信号混叠”这个物理难题，变成了“解方程组”这个数学练习题。 前提只有一个：方程组得有唯一解，也就是 $\mathbf{H}$ 必须可逆——这句话埋下了“秩”的伏笔。
flowchart TD
subgraph TX["发送端（基站）"]
A["高速数据流<br>(如1000 Mbps)"] --> B["串并拆分<br>→ 2个码字"]
B --> C["层映射<br>→ 2个并行空间层"]
C --> D1["天线端口0<br>同一频段发流1"]
C --> D2["天线端口1<br>同一频段发流2"]
end
subgraph CH["无线信道（富散射环境）"]
D1 -- "h11" --> R1
D1 -- "h12" --> R2
D2 -- "h21" --> R1
D2 -- "h22" --> R2
end
subgraph RX["接收端（终端）"]
R1["接收天线1"] --> E["信道估计得H<br>MIMO检测=解联立方程"]
R2["接收天线2"] --> E
E --> F["合串还原<br>→ 2×500 Mbps数据流"]
end
注意图中所有箭头用的是同一个频段——这就是它与“加带宽”的本质区别：频谱效率翻倍，而不是频谱翻倍。
方程组有唯一解的条件是系数矩阵满秩。放到物理世界里，信道矩阵的秩 = 真正可用的并行“虚拟车道”数。
考虑两种极端场景：
场景A：富散射（城市、室内）。 建筑物把电磁波反射得四面八方都是，天线1和天线2“看”到的信道截然不同，$h_{11}$ 与 $h_{12}$ 相关系数很低。矩阵“胖瘦均匀”，满秩，两条车道都畅通。
场景B：强视距（郊区直射、海面）。 信号几乎沿同一方向直达，两根发射天线发出的波到达终端时角度几乎相同，信道矩阵的两列向量近似平行（只差一个常数因子）：
$$\mathbf{H} = \begin{bmatrix} h_{11} & \alpha h_{11} \ h_{21} & \alpha h_{21} \end{bmatrix} \quad \Rightarrow \quad \det(\mathbf{H}) = 0$$
行列式为零，矩阵“瘪”了，秩为1。方程组退化，两条流在接收端无法分离——物理上车是发出去了，但到达后撞在一起。
工程上用条件数 $\kappa = \lambda_{max}/\lambda_{min}$（信道矩阵奇异值的最大最小之比）衡量“车道质量”：$\kappa$ 接近1说明各条子信道均衡好用；$\kappa$ 很大说明有的车道是“高速路”、有的是“烂泥塘”，强行双流反而互相拖累。终端会把这个信息通过秩指示（RI）上报给基站：我这条信道现在支持几层并行传输。
这也解释了一个现网经典现象：为什么开阔地带、基站正对方向的用户，双流速率有时反而不如城区拐角里的用户——不是信号差，是散射不够，秩上不去。
flowchart LR
subgraph LOS["视距场景：秩亏"]
B0["基站天线阵"] -- "所有径同一角度到达<br>矩阵列向量近似平行" --> U0["H 秩≈1<br>双流无法分离"]
end
subgraph NLOS["富散射场景：满秩"]
B1["基站天线阵"] -- "多径来自不同方向<br>各天线经历独立衰落" --> U1["H 满秩=2<br>两条并行虚拟车道"]
end
另一个保持低相关的实用技巧藏在天线设计里：终端内部空间狭小，两根天线放不下足够间距，于是采用交叉极化（一根+45°、一根−45°）——不同极化的电磁波在空间中天然正交，即使天线挨在一起，相关性也能做得很低。你手机的“两根天线”，多半就是这么布置的。
空间复用追求“并行提速”，但它是激进派：要求高信噪比、满秩信道。如果终端在小区边缘，信号弱、衰落深呢？这时该用保守派——发射分集。
分集的直觉来自一句老话：不要把鸡蛋放在一个篮子里。无线信道的衰落是随机的，两根天线位置不同，一根陷进深衰落谷底时，另一根大概率还好好的。把同一份数据经过精心设计的编码从多根天线发出，接收端合并，出错概率断崖式下降。$N$ 个独立衰落支路选择最强时，其分集增益（功率比形式）为 $\sum_{k=1}^{N} 1/k$，$N$ 越大越接近 $1+\frac{1}{2}+\frac{1}{3}+\cdots$ 的累积——多一份独立路径，就多一份保险。
最经典的发射分集方案是 1998 年 Alamouti 提出的空时分组码（STBC），它优雅到能写进一页纸：
$$\begin{array}{c|cc} & \text{天线0} & \text{天线1} \ \hline \text{时刻}\ t & s_1 & s_2 \ \text{时刻}\ t+1 & -s_2^ & s_1^ \end{array}$$
两个符号、两个时隙、两根天线，构成一组正交编码。接收端只需简单的线性合并就能译码，完全不需要把信道状态反馈给发射端——这在反馈链路有限或信道变化快的场景下是巨大优势。它的代价同样明显：两个时隙只送出了两个符号，速率和单天线一样。分集买的是“稳”，不是“快”。
flowchart LR
S["符号流 s1, s2"] --> ENC["Alamouti 空时编码"]
ENC --> A0["天线0：<br>t时刻发 s1<br>t+1时刻发 −s2*"]
ENC --> A1["天线1：<br>t时刻发 s2<br>t+1时刻发 s1*"]
A0 --> CH["两路经历相互独立的衰落<br>（独立性与分集增益的来源）"]
A1 --> CH
CH --> RX["接收端线性合并译码<br>无需发射端知道信道"]
看到这里你可能想问：能不能既要并行提速、又要分集保稳？Zheng 和 Tse 在2003年证明了：在给定天线资源下，分集增益与复用增益是一根跷跷板的两头。渐近的最优权衡曲线为：
$$d^*(r) = (N_t - r)(N_r - r)$$
$r$ 是复用增益（用了几条并行流），$d$ 是分集增益（误码率随信噪比下降的陡峭程度）。以 2×2 系统为例：
同样的天线自由度，不能同时吃干榨净两次。 这就是现代系统把“选择权”做成自适应机制的根本原因——不是设计者懒，而是数学上不允许一劳永逸。
把前几节的知识串起来，就是现网里每时每刻都在发生的资源决策。终端周期性上报三个量，基站据此选择传输方式：
| 反馈量 | 全称 | 含义 | 决定什么 |
|---|---|---|---|
| CQI | 信道质量指示 | 当前信道能承受的调制编码档位 | 用什么 MCS（QPSK/16QAM/64QAM+码率） |
| PMI | 预编码矩阵指示 | 推荐的预编码权值索引 | 发射端怎么“预扭曲”信号 |
| RI | 秩指示 | 信道支持的并行层数 | 用单流还是双流 |
flowchart TD
A["基站收到UE的CSI反馈<br>RI / PMI / CQI"] --> B{"RI ≥ 2？"}
B -- "否：信道相关/秩亏" --> C["发射分集（如TM2）<br>单流、稳、抗深衰落"]
B -- "是：支持多流" --> D{"信道变化快？<br>反馈是否老化？"}
D -- "高速移动/反馈过期" --> E["开环空间复用（如TM3）<br>双流大延时CDD<br>不依赖精确PMI"]
D -- "低速/反馈新鲜" --> F["闭环空间复用（如TM4）<br>按PMI预编码<br>双流谱效最高"]
C --> G["信道变化后<br>重新评估升秩/降秩"]
E --> G
F --> G
G --> A
| 维度 | 空间复用 | 发射分集 |
|---|---|---|
| 发送内容 | 不同数据流并行发送 | 同一数据流的编码副本 |
| 目标 | 提高峰值速率/频谱效率 | 提高可靠性、扩大覆盖 |
| 需要的条件 | 高SNR + 满秩信道 + 低相关天线 | 天线间衰落相互独立即可 |
| 对信道信息的依赖 | 接收端必须估计H；闭环方式还需反馈 | 接收端估计H即可，无需上行反馈 |
| 典型场景 | 小区中心、富散射、轻载 | 小区边缘、深衰落、高速移动 |
| 主要风险 | 秩亏时两流互扰，MCS崩塌 | 速率与单天线相同，不提速 |
| 类比 | 多车道并行跑车 | 同一货物走多条路线保交付 |
1. 路测速率排障的第一把钥匙就是 RI。 用户投诉“5G速率上不去”，先看探针/路测软件里的秩上报：如果 RI 长期为 1，问题不在参数配置，而在无线环境——天线相关性高（共站天线隔离不足、合路器问题）、或用户处于视距路径。此时调 MCS、调调度权重都是缘木求鱼。
2. “4T4R小区为什么用户只有2×2速率？” 因为并行层数受 $\min(N_t, N_r, \text{UE能力})$ 约束。基站4根天线是必要条件，不是充分条件：手机只有2根接收天线，上限就是2层。这是最常见的新人误解。
3. 检测算法的工程取舍。 接收端解方程不是只有 $\mathbf{H}^{-1}$ 一种解法：ZF（迫零）检测能完全消除流间干扰，但会放大噪声——信道接近奇异时，$\mathbf{H}^{-1}$ 元素巨大，噪声被等比放大，误码率恶化；MMSE（最小均方误差）检测在“消干扰”和“不放大噪声”之间折中，是实际芯片的主流选择。看仿真/实测误码曲线时，低SNR段 MMSE 明显优于 ZF 就是这个原因。
4. FDD 大速度场景的反馈老化陷阱。 闭环空间复用依赖 PMI 反馈，但反馈到达基站时信道已经变了——终端 120 km/h 时 PMI 早已过期，按过期权值预编码等于对着昨天的靶子开枪。所以高速场景（高铁、高速公路）现网倾向开环方式或干脆回落分集，宁稳勿险。
5. 通道健康检查。 双流速率莫名劣化时，除了看秩，还要查射频通道：某一路功放驻波异常、通道校正失效，会让 $\mathbf{H}$ 的估计失真，等效于人为制造了秩亏。
Q: 空间复用和波束赋形是什么关系？谁更重要？ A: 二者在不同维度发力。波束赋形解决“能量往哪个方向指”——把功率集中到用户方向，提升 SNR、抑制对邻区的干扰，属于“能量管理”；空间复用解决“同一时刻能否并行传多流”——属于“车道管理”。5G 的 64 通道 AAU 里两者是合作者：先赋形锁定用户，再在波束域内做多流或多用户配对。
Q: 码字、层、天线端口到底什么区别？ A: 码字是信道编码后的独立数据流（LTE 下行最多2个，对应 HARQ 独立重传）；层是码字经层映射后的并行空间流，层数等于秩；天线端口是实际发射通道。关系是：码字（业务视角）→ 层（空间维度视角）→ 天线端口（射频硬件视角），预编码负责把层“贴”到端口上。
Q: 为什么视距（LOS）环境下 MIMO 反而不如城区好用？ A: 空间复用依赖不同天线“看”到不同的信道。LOS 时所有信号沿同一角度到达，信道矩阵列向量近似平行，秩退化，多条流在数学上不可分。城区的反射散射让各天线经历独立衰落，矩阵满秩，并行车道才是真的。
Q: MMSE 和 ZF 检测器怎么选？ A: ZF 结构最简单、能完全消流间干扰，但噪声增强严重，信道病态时性能崩塌；MMSE 在目标函数里引入了噪声项，牺牲少量干扰抑制换取噪声不被放大，低 SNR 下优势明显。实际芯片几乎都用 MMSE 及其改进（如串行干扰消除结合）。
Q: 4×4 MIMO 和 MU-MIMO 是什么关系？ A: SU-MIMO 把多条流给同一个用户，要求用户能力跟得上；MU-MIMO 把多条流分给空间上可分的多个用户，每个用户只需 1~2 根天线。手机天线数受限的今天，MU-MIMO 是把基站多天线红利“批发”出去的主要方式，也是 5G 大规模天线的核心打法。
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。