标题: 立交桥是怎么算出来的？MIMO 容量 作者: 爱卫生 封面: "[[封面1.png]]" 封面裁剪: false 原文地址: 打开评论: true 仅粉丝可评论: false 摘要: 想象你负责一条城市主干道，早晚高峰堵成停车场。上级问你：运力怎么翻倍？你大概有三个选择。
想象你负责一条城市主干道，早晚高峰堵成停车场。上级问你：运力怎么翻倍？你大概有三个选择。
第一种，把路拓宽一倍——对应无线通信里加带宽。可行，但频谱是稀缺资源，运营商花几百亿竞拍的牌照就那么宽，你想拓也没地可拓。
第二种，让所有车跑更快——对应加发射功率。同样有天花板：路限速60，你再踩油门也没用。无线里对应的是功率“边际收益递减”：功率翻一倍，速率只涨一点点，后面会算给你看。
第三种，不拓路、不提速，在原地上修立交桥——同一块地、同一条路的地面投影，分层开出多条互不干扰的通道。这就是MIMO（多天线技术）的思路：不增加频谱，不增加功率，用多根天线在同一片空气里开出多条并行的“车道”。
这个比喻要强调一个反直觉的地方：立交桥的多层车道，地面投影是重叠的；MIMO的多个数据流，占用的是同一个频率、同一个时刻。它不是把频谱切开分着用（那是OFDMA干的事），而是真正意义上的“同频同时，互不打架”。
为什么这可能成立？直觉告诉我们：空气里同一频率只有一个电磁场，两路信号叠在一起不就搅成一锅粥了吗？这正是本文要讲透的核心。答案是：搅在一起是真的，但搅的方式每次都不一样，而这个“不一样”本身就是可以计算的——算得清，就拆得开。
一切要从通信第一性原理说起。1948年香农给出了一条信道的容量上限：
$$C = B\log_2\left(1 + \frac{S}{N}\right)$$
其中 $C$ 是容量（bit/s），$B$ 是带宽，$S/N$ 是信噪比。这个公式里只有两个“旋钮”可拧：带宽 $B$ 和信噪比 $S/N$。我们分别拧一下，感受一下手感。
拧带宽：容量随带宽线性增长，带宽翻倍容量翻倍，看起来很美。但前面说了，频谱是牌照管制的稀缺资源，而且总带宽就那么多——从3GHz到6GHz，全人类可以商用的“好频谱”就几百MHz，这是物理和行政的双重天花板。
拧功率：坏消息来了。对数函数的长相决定了功率的收益惨淡。假设当前信噪比为20dB（即 $S/N=100$），功率翻倍后：
$$\log_2(101) - \log_2(100) \approx 0.014 \ \text{bit/s/Hz}$$
功率翻一倍，频谱效率只涨0.014bit/s/Hz。基站发射功率从40W翻到80W，电费翻倍，容量几乎纹丝不动。这就是3G时代工程师们撞上的南墙——CDMA系统里靠加功率扩容的路走到头了。
第三个旋钮在哪？ 1996年Foschini、1999年Telatar的两篇经典论文给出了石破天惊的答案：如果收发两端都装多根天线，信道容量会变成：
$$C = \log_2\det\left(\mathbf{I}_N + \frac{\rho}{M}\mathbf{H}\mathbf{H}^{\mathrm H}\right)$$
别慌，先看结论：在高信噪比下，这个式子可以近似为
$$C \approx r \cdot \log_2\frac{\rho}{M} + \sum_{i=1}^{r}\log_2\sigma_i^2$$
其中 $r$ 是信道矩阵的秩，理想情况下等于 $\min(M, N)$（$M$ 根发射天线、$N$ 根接收天线）。翻译成人话：在功率和带宽都不变的前提下，容量随天线对数近似线性增长。装2对天线容量约翻倍，装4对约翻两番。
这是香农公式提出近50年后，人类在无线容量问题上找到的第三个、也是最后一个能线性扩展的维度——空间维度。2x2 MIMO下行、4x4 MIMO成为LTE的标配，5G更是把基站天线推到64收发，理论根源全在这两篇论文里。
现在回答那个反直觉的问题：同一个频率、同一个时刻，两路信号在空气里必然叠加成一个电磁场，凭什么说这是“两条车道”？
关键在于换一个视角：空气里的确只有一锅混合信号，但每根接收天线“尝到”的这锅粥，味道是不一样的。
以最简单的2x2 MIMO为例：基站两根发射天线各发一路独立数据流 $s_1$、$s_2$，手机两根接收天线各收一路混合信号。由于发射天线之间隔着几个波长的距离、接收天线之间也隔着距离，每一条“发射天线→接收天线”的路径都有不同的距离、反射点和衰落，于是4条路径的增益各不相同，用4个复数描述：
$$\begin{cases} y_1 = h_{11}s_1 + h_{12}s_2 + n_1 \ y_2 = h_{21}s_1 + h_{22}s_2 + n_2 \end{cases}$$
写成矩阵就是无线工程师都认识的 $\mathbf{y} = \mathbf{H}\mathbf{x} + \mathbf{n}$。
图：2x2 MIMO的四条空中路径
flowchart TD
subgraph TX["发端两根天线"]
T1["天线1 发数据流s1"]
T2["天线2 发数据流s2"]
end
subgraph AIR["空中信道矩阵H"]
P1["路径h11"]
P2["路径h12"]
P3["路径h21"]
P4["路径h22"]
end
subgraph RX["收端两根天线"]
R1["天线1 收混合信号y1"]
R2["天线2 收混合信号y2"]
end
T1 --> P1
T1 --> P3
T2 --> P2
T2 --> P4
P1 --> R1
P2 --> R1
P3 --> R2
P4 --> R2
手机拿到两个方程 $y_1$、$y_2$，里面有两个未知数 $s_1$、$s_2$。只要 $h_{11}h_{22} - h_{12}h_{21} \neq 0$（矩阵行列式不为零），这就是一个普普通通的二元一次方程组，解出来就行。
看出门道了吗？MIMO能工作，靠的不是什么魔法，而是初中学的“两个方程解两个未知数”。空气把两路信号搅在一起，但搅法在每条路径上不同，只要接收端知道这4个系数（信道估计干的事），联立求解就能把两路原始数据干净地拆出来。
两种天线配置的对比：
| 配置 | 天线结构 | 容量怎么变 | 通俗类比 | 典型场景 |
|---|---|---|---|---|
| SISO | 1发1收 | 基线 | 独木桥 | 蓝牙、早期对讲机 |
| SIMO | 1发多收 | 分集增益，抗深衰落更稳 | 一张嘴，多只耳 | 基站上行接收分集 |
| MISO | 多发1收 | 发射分集或波束赋形 | 多张嘴，一只耳 | 广播信道、波束赋形 |
| MIMO | 多发多收 | 空间复用，容量约乘以 $\min(M,N)$ | 空中立交桥 | LTE/5G下行主力 |
这里有个通信史上著名的“反转”。老一辈的无线观点里，多径是敌人：直射波和反射波走的路程不同，到达时有先有后，在单载波系统里符号会“叠罗汉”（码间干扰），2G时代花了大量力气做均衡器来对抗它。
MIMO把观点彻底反转：多径是资源。城市里高楼越多、反射体越丰富，$h_{11}$ 到 $h_{22}$ 这4个系数就越互不相干，矩阵就越“满秩”，车道就越修得开。反过来，如果基站和手机之间是一片空旷的水面、唯一的路径就是直射波，那么4个系数高度相关，方程组“退化”成 essentially 一个方程——秩为1，只能开一条车道。
所以在网络规划里有个反直觉的经验：市中心吵架一样的密集城区，MIMO性能反而比沿海笔直公路好，因为散射丰富。多径这个曾经的公敌，被OFDM收编去抗码间干扰，被MIMO收编去开车道。
上面说“解方程”，工程上的完整版是信道矩阵的SVD分解（奇异值分解）。这个数学工具做的事情非常物理：
任何信道矩阵 $\mathbf{H}$ 都可以分解为 $\mathbf{H} = \mathbf{U}\boldsymbol{\Sigma}\mathbf{V}^{\mathrm H}$。直观理解：这条MIMO信道不管多乱，总能等效成若干条互不干扰的并行子信道，每条子信道的增益是 $\mathbf{H}$ 的一个奇异值 $\sigma_i$。
图：把搅在一起的信道拆成并行虚拟管道
flowchart TD
H["信道矩阵H<br/>四条路径搅在一起"] --> A["发端预编码<br/>按V矩阵旋转数据流"]
A --> B["等效并行管道<br/>奇异值σ1与σ2"]
B --> C1["管道1 增益大<br/>多分点功率"]
B --> C2["管道2 增益小<br/>少分点功率"]
C1 --> D["收端按U矩阵合并<br/>两路流彻底解耦"]
C2 --> D
这解释了MIMO系统里一个天天在信令里出现、却很少有人真正理解的参数——秩（RI, Rank Indicator）：
不同场景下手机的秩报告差异巨大：
| 场景 | 典型秩 | 能开的流数 | 物理原因 |
|---|---|---|---|
| 密集城区/室内 | 高（接近满秩） | 2～4流 | 反射体多，各路径差异大 |
| 高架桥/郊区开阔地 | 中低 | 1～2流 | 视距主导，路径相关性高 |
| 海边基站朝海面 | 低 | 常见1流 | 几乎纯直射，无散射 |
| 屏蔽房/电波暗室 | 趋近1 | 1流 | 没有多径，矩阵奇异 |
秩不满，车道白修——这是MIMO性能调优的第一句话。
上面的推导默认了一个前提：发射端和接收端都知道信道矩阵 $\mathbf{H}$。接收端知道 $\mathbf{H}$ 就够解方程了（信道估计），但发射端要不要知道？知道多少？这分出了两大流派，也决定了不同MIMO模式的性格。
| 维度 | 开环：发射分集 | 闭环：空间复用+预编码 |
|---|---|---|
| 发射端信道信息 | 不需要 | 需要（反馈或互易性获得） |
| 目标 | 求稳：抗深衰落 | 求快：提峰值速率 |
| 发送内容 | 1路数据的多个巧妙副本 | 多路互相独立的数据流 |
| 代表技术 | Alamouti时空码 | PMI反馈预编码、TDD互易赋形 |
| 代价 | 频谱效率不提升 | 依赖信道信息准确性 |
开环的代表是Alamouti码（1998年提出）：两根天线发同一份数据的两种正交编码版本，无论哪条路径深衰落，接收端都能从另一半恢复出来。它不提速，但把“突然掉沟里”的概率大幅降低。适合信道变化太快、来不及反馈的场景。
闭环才是现代网络的主角：手机先测信道，把“建议发射端怎么加权”通过上行报告给基站，基站据此做预编码——预先把各天线上的信号加权旋转，使得信号经过空气里的信道后，在接收端“恰好”解耦成独立车道。相当于发车前先拿到地形图，把车道方向提前修好。
图：闭环MIMO的一次完整握手
sequenceDiagram
participant UE as 手机
participant BS as 基站
UE->>BS: 上报RI 空气里能开两条道
UE->>BS: 上报PMI 建议的预编码矩阵
Note over BS: 按RI和PMI生成加权系数
BS->>UE: 同频同时发两路空间流
Note over UE: 信道估计后均衡拆分两流
UE->>BS: ACK 确认接收成功
这里藏着5G大规模天线的一个关键设计选择：FDD系统里，上行和下行频率不同，信道长得不一样，手机测不到下行信道就无法帮基站预编码，只能靠反馈——而反馈量随天线数暴涨，64天线的完整信道信息反馈足以淹没上行。TDD系统则吃了大便宜：上下行同频率，电磁传播路径天然相同（互易性），基站测一下上行信道，就“免费”知道了下行信道，零反馈开销。这就是为什么5G中频大带宽（3.5GHz附近）普遍采用TDD，且大规模天线几乎都长在TDD上——互易性让基站用64根天线时，信道信息获取的成本不随天线数增长。
LTE时代的手机标配2收、基站2发或4发；5G的中频AAU（有源天线单元）一台就是64收发，天线振子数达数百个量级（据主流设备商公开产品资料，常见192振子配置）。天线数涨一个数量级后，发生的事情远不止“波束能量更集中”，而是出现了三个质变红利。
图：Massive MIMO的三个质变红利
flowchart TD
M["64收发大规模天线"] --> A["红利1 赋形增益<br/>能量对准单个用户"]
M --> B["红利2 信道硬化<br/>起伏抹平 调度变稳"]
M --> C["红利3 多用户MIMO<br/>空分服务多个用户"]
C --> U1["用户1 一条独立波束"]
C --> U2["用户2 同频同时不干扰"]
C --> U3["用户3 再一条独立波束"]
红利一：赋形增益。 64根天线用相位加权把能量合成一束对准用户，能量集中度大约提升 $10\log_{10}(64) \approx 18$dB。注意这不是“加功率”——总功率没变，只是原来向四面八方浪费的能量被收拢到了用户头上。干扰邻区的能量也随之下降，这是5G中频能在密集城区撑起大流量的根本原因之一。
红利二：信道硬化。 天线少的时候，每条信道像股票——深衰落一来信号骤降，调度器必须时刻救火。天线数上百之后，64条独立路径同时深衰落的概率趋近于零，各路径的起伏相互抵消，信道容量收敛到一个几乎不波动的常数，就像把100只个股打包成一个指数基金。这带来一个工程上极舒服的结果：调度器不用再为某个用户的“倒霉时刻”紧急兜底，链路自适应的误差变小，整个小区的吞吐从“心电图”变成“水平线”。
红利三：多用户MIMO（MU-MIMO）——真正的杀招。 前面讲的2x2复用，两根发射天线服务于一个用户的两天线，称之为单用户MIMO（SU-MIMO）。手机体积决定了最多装4根天线，SU-MIMO的空间维度到头了。Massive MIMO换了个思路：64根天线分别对准小区里不同的用户——用户1的波束、用户2的波束、用户3的波束，在相同频域资源、相同时隙上同时传输。每个用户只占用“一条波束”，但小区总容量随天线数和用户数近似线性增长。
这就是开篇立交桥比喻的完整版：单用户MIMO是给一辆车开多层车道（车得有多条轴才能同时用），多用户MIMO是把多层车道分给多辆车。后者才是5G小区容量翻倍的真正主力——现网中频小区的空分复用倍数，主要来自MU-MIMO配对。
路测发现手机始终只报 RI=1，双流锁死、速率腰斩。按原理倒推排查链：环境上，是否在高架/海面/隧道等低散射场景（查地图）；工程上，基站两路天线是否存在安装缺陷导致强相关（比如一面板内振子级联异常、两通道接反）；参数上，PMI是否被锁死在单流、TM模式是否配错。理解“秩=环境+工程+参数”三层来源，就不会一上来就盲改参数。
后台看MU-MIMO配对率只有百分之几，小区容量上不去。原理上，配对的前提是两个用户的空间信道足够不相关（波束打得开、分得清）。两用户如果方位角接近、或都处于视距直射，信道向量高度相关，强行配对会互相抬升干扰，调度器会拒绝配对。优化方向是调整权值/下倾角拉开用户空间隔离，而不是硬调配对开关。
TDD大站波束方向莫名“打歪”，赋形增益劣化。互易性有个前提：各收发通道的射频特性必须完全一致。实际硬件各通道有温漂、老化差异，会破坏互易假设，需要定期做通道校准。另外，手机端不存在互易性优势（手机天线通道数少，且FDD手机测不准），所以下行MU-MIMO的配对决策质量，直接取决于基站侧校准的精度。
误解一：“天线越多，信号功率越强。” 不准确。空间复用本身不产生功率增益，它开的是车道不是加油站；功率增益来自赋形（能量收拢）。多天线首先买的是“容量维度”，其次才是能量集中。
误解二：“4x4 MIMO就该快4倍。” 峰值测试里接近4倍的前提是：基站发4流、手机收4流、信道秩够4、信噪比足够高，四者缺一不可。日常弱场里秩常为1～2，4x4的价值更多体现在接收分集带来的稳定性。
误解三：“波束赋形是天线转过去指向用户。” 数字赋形时代没有机械转动，64个振子全部固定，靠给每个振子的信号乘不同相位权重，在空间合成出指向性波束——“转动”发生在数学里，不在物理上。
Q: MIMO和波束赋形是什么关系？是一回事吗？ A: 不是一回事，但是包含关系。MIMO是“多天线提升性能”的总框架，它有两种主要用法：空间复用（多天线发独立数据流，求快）和波束赋形（多天线相位加权集中能量，求准求稳）。一套64收发系统可以同时干两件事——对每个用户的波束内做赋形，用户之间做空分复用。你在信令里看到的PMI、RI属于复用那条线，赋形权值属于另一条线。
Q: WiFi路由器上标的“4x4 MIMO”和5G基站的64T64R，原理一样吗？ A: 底层数学完全一样（都是 $\mathbf{y}=\mathbf{H}\mathbf{x}+\mathbf{n}$ 那套）。区别在主要玩法：家用WiFi天线少（4根），靠SU-MIMO的多条空间流给一台设备提速，所以叫“4x4才能跑满2402Mbps”；5G基站天线多一个数量级，核心价值在MU-MIMO——同时给十几个用户空分服务，提升的是整个小区的容量。
Q: 为什么手机不多装点天线，比如装64根？ A: 物理限制。天线的空间独立性要求间距在半个波长以上，3.5GHz对应约4厘米，手机里塞4根天线已经是工程极限，还要给电池、主板留地方。所以空分维度的大头只能放在基站侧——这正是“大规模天线”长在基站而不是手机上的根本原因。
Q: FDD不能做大规模天线吗？ A: 能做，但贵在信道信息获取上。FDD上下行频率不同、信道不互易，基站想知道下行信道只能靠手机逐子带反馈，反馈开销随天线数爆炸性增长，64天线的完整反馈会占满上行。所以FDD上的大规模天线通常用降维方案（如基于角度信息的码本设计），性能和规模普遍不及TDD的互易性方案。这也是5G中频主用TDD的深层原因之一。
Q: 单用户MIMO和MU-MIMO，现网哪个贡献大？ A: 小区容量主要靠MU-MIMO。SU-MIMO受手机天线数限制（2或4流封顶），且只惠及单个用户；MU-MIMO把空间维度摊给多个用户，小区级空分倍数可以远超手机天线数。看一个指标就能感受差异：中频基站单用户峰值速率往往和4G拉不开数量级差距，但小区平均吞吐翻了几倍——差值大部分来自MU-MIMO空分。
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。
![[知识星球二维码.png]]