先看一个很多工程师都遇到过的场景：同一款四天线的手机，在城区街区测速能跑出单流四倍的成绩，可一到空旷的高架或者笔直的郊区大道，网速立刻“打回原形”，只比单天线强一点点。信号满格、CQI（信道质量指示）也不差，速率却上不去——这是什么鬼？
如果你会看后台或者路测软件里的 RI（秩指示，Rank Indicator），谜底就写在那一栏：城区里 RI 常常是 3、4，空旷处 RI 掉到 1。RI 每差 1，并行流就少一路，速率就少一份。
这背后的原理，就是多天线技术中最精妙、也最反直觉的部分：空间复用（Spatial Multiplexing）。它承诺“几根天线就翻几倍速率”，但兑现这份承诺有一个苛刻的前提条件——信道的“秩”要够。本文就从直觉到公式，把“为什么多天线能凭空造出并行通道”和“为什么它有时候又造不出来”讲透。
先建立一个日常类比。想象你和朋友在嘈杂的餐厅里，邻桌两个人同时开口说话。两路声波在空气中早已经混成一路，可你和朋友的四只耳朵配合大脑，依然能把两个人的话分开。为什么能分开？
因为两个人的声音到达你左耳和右耳的“方式”不同：一个偏左，一个偏右，音色、到达强度和相位也不一样。大脑拿到左耳、右耳两组数据，等于握住了两条线索，反推出两个声源各自说了什么。
空间复用干的就是这件事：
这里的“混合比例”，用接收到的相位和幅度差异来刻画——它就是每路信号的空间签名。类比里“一个人偏左、一个人偏右”，换成天线语言，就是“信号从哪个方向、经哪些路径抵达”。
把这套关系写成公式，就是 MIMO 系统里最核心的一个式子：
$$\mathbf{y} = \mathbf{H}\mathbf{x} + \mathbf{n}$$
两天线发、两天线收，$\mathbf{H}$ 就是一个 2×2 的表，里面有四个数。接收端要做的，本质上是“已知混合结果 $\mathbf{y}$ 和混合规则 $\mathbf{H}$，反解原始输入 $\mathbf{x}$”——一个解方程问题。
整个空间复用能否成立，就取决于这张表长什么样。于是问题从“天线有几根”变成了一个线性代数问题：这个矩阵的秩是多少？
矩阵的秩，直观地说，就是“这个矩阵里真正独立的信息有几分”。对 MIMO 来说，秩 $r$ 直接给出一个工程结论：
秩为几，就能同时可靠地跑几路互不拖累的数据流。
为什么？看两个极端例子。
好矩阵（满秩）：两根发射天线发出的信号，到达两根接收天线时混合比例截然不同——比如一个流“左强右弱”，另一个流“左弱右强”。这时 $\mathbf{H}$ 的两列方向截然不同，方程组有两个独立方程，两个未知数，唯一解，两路数据干净分离。相当于天然存在两条平行通道。
坏矩阵（秩塌缩）：反过来，如果不管哪根天线发，信号都以几乎相同的方式抵达所有接收天线——两个“空间签名”完全一样，$\mathbf{H}$ 的两列就成比例了。数学上矩阵的秩退化为 1，方程组里两个方程实际是同一个方程的抄写。你手里名义上有两份混合测量值，却只有一份有效信息——想解两个未知数？一个未知数都未必解得稳。
教科书里更严谨的工具是奇异值分解（SVD）。任何信道矩阵都能分解为：
$$\mathbf{H} = \mathbf{U}\boldsymbol{\Sigma}\mathbf{V}^{H}$$
别被符号吓住，它的几何直觉非常好：$\mathbf{V}$ 是发送端的“旋转”，$\mathbf{U}$ 是接收端的“旋转”，夹在中间的 $\boldsymbol{\Sigma}$ 是一个对角阵，对角线上的奇异值 $\sigma_1 \geq \sigma_2 \geq \dots$ 就是信道真正的“门宽”。
整套分解的含义是：只要发送端先把信号按 $\mathbf{V}$ 预先旋转一下，接收端再按 $\mathbf{U}$ 反向旋转回来，中间剩下的就是 $\boldsymbol{\Sigma}$ 条互不干扰的平行通道，每条通道的增益恰好是一个奇异值。 非零奇异值有几个，秩就是几，并行通道就有几条。
还有一个顺带的收获：奇异值大小不同，意味着这些平行通道宽窄不一。把发射功率像倒水一样，多灌给宽通道、少灌给窄通道，就是经典的最大化容量策略——注水（water-filling）。这也是为什么现网里即便 RI=2，两层也不一定平分功率。
把 SVD 结果代入香农容量公式，两天线系统的容量可以写成各平行通道容量之和：
$$C = \sum_{i=1}^{r} \log_2\left(1 + \frac{\rho}{N_t}\sigma_i^2\right)$$
其中 $\rho$ 是总信噪比，$N_t$ 是发射天线数。写成矩阵形式就是文献里最常见的：
$$C = \log_2\det\left(\mathbf{I} + \frac{\rho}{N_t}\mathbf{H}\mathbf{H}^{H}\right)$$
上个世纪九十年代末，贝尔实验室的 Foschini 与 Gans、以及后来的 Telatar 先后从这套公式得出一个震动业界的结论：在散射足够丰富（矩阵保持满秩）的信道里，只要总功率和带宽不变，多天线系统的容量随 $\min(N_t, N_r)$ 线性增长——四发四收，容量约是单天线的四倍。这打破了当时“容量靠加带宽、加功率”的固有认知，因为加功率只换来对数增长，而加天线换来的是线性增长。这是空间维度送给通信的第一份免费午餐（代价是硬件和信号处理）。
但是请注意结论里那个前提——“矩阵保持满秩”。什么情况下它会不保持？这正是开头那个路测怪现象的病根。
考虑最典型的场景：基站和手机之间空空荡荡，没有反射体，信号沿一条直线走。此时无论从哪根发射天线出发，电磁波都沿着几乎同一条路径、同一个方向到达手机。
后果是什么？对每一根接收天线来说，来自天线1和天线2的信号，相位差只取决于两根天线固定的几何位置，幅度比也固定不变——两列空间签名完全成比例。用类比说：两个人站在你正前方的同一条直线上说话，声音从同一个方向传来，左右耳听到的方向线索一模一样，空间上再无差别可循。
$\mathbf{H}$ 的两列向量共线，第二个奇异值趋于零，秩塌缩为 1。空口并没有坏，信号甚至更强了（视距路径衰减小），但“两条平行通道”这件事本身消失了。 这也解释了开头的现象：空旷高架信号满格却 RI=1——不是没路，是只剩一条路。
还有一个工程上少见但理论上著名的极端情况：发射端周围散射丰富，接收端周围散射也丰富，但两组多径必须挤过同一个狭窄孔洞（比如长走廊尽头的门洞、隧道口）。所有波先在孔洞处“重新排队”，到达角信息被抹成一维，信道矩阵各元素退化成外积形式，秩恒为 1。哪怕两侧都“彩旗飘飘”，也救不回来。这也是室内长廊场景吞吐量常常上不去的一个深层原因。
flowchart TD
ENV["同样的四发四收配置"] --> A["城市街区<br/>反射体丰富"]
ENV --> B["空旷大道<br/>纯视距"]
ENV --> C["狭长走廊<br/>钥匙孔信道"]
A -->|各行向量彼此独立| A1["满秩<br/>四路并行真翻倍"]
B -->|两列向量成比例| B1["秩塌缩<br/>多天线只跑一路"]
C -->|所有波挤过同一个孔| C1["秩恒为1<br/>最冤枉的失效"]
注意一个容易忽略的细节：秩塌缩不等于天线白装。即使 RI=1，多根天线仍然提供接收分集和合并增益，单流的 SINR 更稳、误块率更低——只是“并行提速”这份收益归零了。多天线在秩 1 的时候，自动从“复用模式”退回“分集模式”打工。
理解了“能不能分”取决于秩，下一个自然是“怎么分”。假设导频已经帮我们估出了 $\mathbf{H}$（这部分是信道估计的活儿，本文不展开），剩下的是纯数学题：已知 $\mathbf{y} = \mathbf{H}\mathbf{x} + \mathbf{n}$，求 $\mathbf{x}$。工程上有四种经典解法，各有性格。
把所有可能的发射向量组合挨个试一遍，看哪个最像收到的 $\mathbf{y}$。性能最优，但候选数随流数和调制阶数指数爆炸：两流、每流 256QAM，候选就是 $256^2 = 65536$ 种，每符号都要算一遍。仿真里是明星，现网里是奢望。
一步线性代数直接求逆，把串扰彻底归零：
$$\mathbf{W}_{ZF} = (\mathbf{H}^{H}\mathbf{H})^{-1}\mathbf{H}^{H}$$
乘上这个加权矩阵，两路信号各自“掰直”回到自己的坐标轴，串扰清零。但代价藏在一个细节里：求逆在压掉串扰的同时，等比例放大了噪声——奇异值越小（通道越窄），噪声被放得越狠。矩阵“病态”时（最大奇异值与最小奇异值之比过大），ZF 输出的信噪比会惨不忍睹。
MMSE 换了一个问问题的方式：不追求“串扰为零”，而追求“总误差（串扰+噪声）最小”。加权矩阵只比 ZF 多了一项噪声方差的正则：
$$\mathbf{W}_{MMSE} = (\mathbf{H}^{H}\mathbf{H} + \sigma^2\mathbf{I})^{-1}\mathbf{H}^{H}$$
直觉上，它对窄通道“不强求掰直”——宁可留一点串音，也不把底噪放大到失控。信噪比低时它明显优于 ZF，计算量却几乎一样，因此是实际接收机的默认主力。
贝尔实验室的 V-BLAST 原型让这个思路出名：不解方程，改玩“逐个抓捕”——先用线性方法解出当前信噪比最高的那一流，依据判决结果在接收信号里把它重构并减掉，剩下的信号里就少了一个干扰源，再解下一流，如法炮制。据当年贝尔实验室论文报告，其室内原型曾演示出约 20 bit/s/Hz 的频谱效率，在单天线一两个比特的年代近乎天方夜谭。SIC 的软肋是错误传播：第一层判错了，减出去的就是错误信号，污染后面所有层——所以“先剥哪一层”的排序至关重要。
顺带一提：ZF/MMSE 与单载波时代的均衡器是数学上的近亲——均衡对付的是时间维度的码间重影，MIMO 检测对付的是空间维度的流间串音，核心都是“用信道知识加权抵消”，连噪声放大的毛病都是一脉相承。
flowchart TD
Y["收到各天线混合信号"] --> E["导频辅助<br/>估出信道矩阵H"]
E --> CHK{"矩阵满秩且良态吗"}
CHK -->|是| MMSE["MMSE加权<br/>各流同时解出"]
CHK -->|否 病态| DROP["降秩改发单流<br/>功率灌进唯一宽门"]
MMSE --> SIC["可选串行抵消<br/>先解强流再减掉再解弱流"]
SIC --> OUT["恢复各流原始比特"]
DROP --> OUT1["单流恢复<br/>速率低但稳定"]
四种方法放在一起看更清楚：
| 算法 | 思路 | 复杂度 | 性能 | 一句话点评 |
|---|---|---|---|---|
| ML 最大似然 | 穷举所有候选组合 | 随流数×调制阶数指数增长 | 最优 | 仿真爱它，芯片养不起 |
| ZF 迫零 | 一次求逆掰直 | 低 | 串扰归零但噪声放大 | 快而糙，怕病态矩阵 |
| MMSE | 求逆时给噪声留余量 | 低 | 低信噪比下稳健 | 现网接收机默认主力 |
| SIC 串行抵消 | 解强流、减掉、再解下一层 | 中 | 接近 ML | 怕第一层判错层层污染 |
前面都是接收端在“解题”，但空间复用是一场收发配合的双人舞，发射端的戏份同样关键。
第一步，收端汇报“我能跑几路”。 手机通过 RI 告诉基站：以我此刻看到的信道矩阵，秩是几。注意 RI 反映的不是信号强弱，而是空间独立性——强信号配低秩完全可能（空旷视距就是典型）。基站据此决定调度几层：信道肥沃就多路齐发，矩阵病态就果断降秩，把功率集中到一条宽通道上跑出高质量单流。这叫秩自适应，本质上就是那句工程格言：宁可一路饱满，不要两路虚胖。
第二步，发射端先“整形”再发。 回顾 SVD：接收端那两次旋转中，靠发送端的一次（乘 $\mathbf{V}$）完全可以前移到发射侧完成，这就是预编码（Precoding）。手机通过 PMI（预编码矩阵指示）向基站建议“往哪组空间方向上发、接收端分得最开”。形象地说，预编码是把数据流预先变换到信道的“宽门”方向上再出门——数学上是矩阵旋转，工程效果上则与波束赋形一脉相承，只是视角不同：波束赋形关心能量指哪，预编码关心多流之间的空间正交。
第三步，视距下的Plan B：把流分给不同的人。 单用户在纯视距下撑死秩 1，但不同用户站在不同位置，空间签名天然不同。基站把几路并行流分别发给不同用户——单用户复用熄火，多用户复用接棒。这正是 Massive MIMO 在高频、视距多的场景依然能撑起容量的关键：容量从“一人多路”改走“多人各一路”（多用户配对的调度细节另有专文，此处只立骨架）。
最后把多天线的几种用法放在一起，你会发现它们用的是同一批天线，换的却是完全不同的资源：
| 维度 | 接收/发射分集 | 空间复用 | 波束赋形 |
|---|---|---|---|
| 核心思想 | 同一份数据发多份副本 | 不同数据各走一路 | 能量集中指向用户 |
| 用多天线换什么 | 可靠性（低误块率） | 速率（频谱效率） | 覆盖与干扰抑制 |
| 对信道的要求 | 天线间低相关即可 | 矩阵满秩、散射丰富 | 信道已知、可校准 |
| 典型失效场景 | 天线强相关 | 视距/钥匙孔秩塌缩 | 校准误差自我伤害 |
| 现网标志 | BLER 稳、速率平平 | RI 大于 1、速率翻倍 | 窄波束、远覆盖 |
分集的代表——Alamouti 空时编码，用两根发射天线发同一份数据的正交两个版本，接收端合并后等效于把差错概率曲线“变陡”；它和空间复用是一对亲兄弟，走的却是相反的路：分集押注“不要错”，复用押注“要多快”。理论研究表明两者存在此消彼长的根本权衡——同样的天线，投给分集多一分，留给复用就少一分。现代系统的聪明之处在于动态切换：看 RI 和 CQI 的脸色行事，信道肥时跑复用抢速率，信道贫时切分集保可靠。
这套原理落到日常工作中，有几个高频出现的场景：
路测看 RI/CQI 组合，而不是只看 RSRP。 RSRP 只回答“信号强不强”，RI 回答“空间上能并行几路”。RSRP 很好但 RI 长期为 1，先查空间相关性：终端接收天线间的隔离度、天线极化方式（交叉极化天线在紧凑面板里实现低相关，是现网四收面板能做小的关键）、周边有没有形成视距或走廊效应。
“加天线没提速”的排查清单。 依次核对：终端实际接收支路数是否够（不是标四根就一定四路工作）、当前 RI 上报值、基站侧配的层数、以及信道环境是否天然低秩。很多人卡在第一步就误判为基站故障。
速率不达标先分清“宽门窄了”还是“门少了”。 CQI 低说明每条通道质量差（覆盖/干扰问题），RI 低说明通道条数少（空间环境问题），两者的药方完全不同——前者优化功率与干扰，后者优化天线部署位置和方向。混着治，白忙一场。
把常见误解归拢成一张表：
| 常见误解 | 实际情况 |
|---|---|
| 天线多一倍，速率就翻一倍 | 取决于秩：RI=1 时，四发四收与单流同速，多出的天线只贡献分集 |
| RI 低说明信号差 | 恰恰相反：视距场景信号常更强，但空间签名趋同，秩反而塌缩 |
| 复用比分集“先进” | 二者换的是不同资源：高速靠复用，高可靠靠分集，并不互相替代 |
| ZF 把串扰清零，一定最好 | 完全对消同时放大噪声，病态矩阵下 MMSE 反而显著更稳 |
| 空口慢就一定是基站故障 | 先看 RI 与 CQI 的组合定位问题维度，再谈故障与否 |
回到标题的问题：四根天线为什么跑不出四倍速？因为速率的倍数从来不写在天线上，而写在信道矩阵的秩里。空间复用的全部魔法，是把散射环境的“杂乱”从敌人变成资产——反射越多，空间签名差异越大，平行通道越多；而视距的“干净”恰恰抹平了这些差异。理解了这一点，再看路测里的 RI 从 4 掉到 1，你看到的就不是一个异常值，而是信道矩阵在你眼前完成了一次塌缩。多天线系统真正的设计哲学是：天线上限决定“最多几条路”，信道秩决定“实际几条路”，调度器决定“这几条路给谁跑”。 三层各管一段，缺一层，倍速就只是一句广告词。
Q: 空间复用和波束赋形到底是什么关系？ A: 同一批天线的两种用法。波束赋形回答“能量往哪指”，追求把功率集中到用户方向、压低对别人的干扰；空间复用回答“几路数据并行跑”，追求利用散射环境的空间独立性。5G 大规模天线里两者同时工作：赋形决定波束指向，预编码在指向内再保证多流（或多用户）之间空间正交。信道低秩时赋形照常有效，复用则先行失效——这是二者的关键分水岭。
Q: 4×4 MIMO 为什么实测只有两倍多，不是四倍？ A: 四倍需要 RI 稳定为 4，即四重空间独立同时保持高质量，这在宏站下行很难长期成立。典型城区秩在 2~3 之间波动，且第二、三个奇异值明显小于第一个（通道更窄），加上调度给其他用户的空口时间，实测两倍多是非常合理的账本。
Q: ZF 检测和均衡器是什么关系？ A: 数学上的近亲。均衡器对付时间维度的码间串扰，MIMO 线性检测对付空间维度的流间串扰，核心都是“用估计的信道做加权抵消”，ZF 对应“完全对消”、MMSE 对应“兼顾噪声”的取舍在两个领域里一一对应。看懂其中一个，另一个就是换个坐标轴重演。
Q: 频率越高，空间复用越容易还是越难？ A: 分两面看。高频绕射差、多径少、波束又窄，单用户看到的有效路径趋于稀疏，秩容易偏低——复用更难；但高频波长短，同样尺寸的面板能塞下多得多的天线单元，配合多用户调度把流分给不同人，容量照样起得来。所以高频系统普遍走“低秩×多用户”路线，而不是执着于给一个用户开四路。
Q: 路测里看到 RI 频繁跳变，正常吗？ A: 本身正常，秩就是随信道实时起伏的，移动中每穿过一个反射体都可能变化。需要警惕的是两类异常：RI 长期钉死在 1（查天线相关性与视距），或 RI 高而 CQI 极低且吞吐量差（矩阵满秩但通道质量差，或测量/上报环节有问题），这两种才值得立案深挖。
注：本次编写环境外网访问受限，第 3–5 条给出的是论文检索入口链接而非原文直链，文献题名与出处以原始论文为准。
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。