---
标题: 一个频点四路并发：空分复用
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: 无线工程师最缺的东西只有一样：频谱。一段频率就那么宽，想在同样的带宽上跑出更高的速率，最直觉的思路有两条：一是加功率，二是加带宽。可惜这两条路都走不远。
---
# 一个频点四路并发：空分复用
## 一、频率不够用了，先加功率行不行？
无线工程师最缺的东西只有一样：频谱。一段频率就那么宽，想在同样的带宽上跑出更高的速率，最直觉的思路有两条：一是加功率，二是加带宽。可惜这两条路都走不远。
加功率的收益是残酷的对数曲线。香农公式告诉我们，容量与信噪比的关系是 $\log_2(1+SNR)$——信噪比翻十倍，速率只涨一小截。想让速率翻倍，你得把发射功率翻上许多倍，手机电池第一个不答应。而且功率加大，对邻近小区的干扰也同步加大，等于把邻居的路也堵了。
于是有人提出了一个看似疯狂的想法：**同一个频率、同一个时刻、同一个小区，两根天线同时发两路完全不同的数据。**
这在直觉上是自杀——两路信号在空中叠加，接收端收到的就是一团浆糊。传统观点里，这就是最恶劣的同频干扰。但上世纪九十年代，贝尔实验室的 Gerard Foschini 和斯坦福大学的 Arogyaswami Paulraj 等人证明：只要条件合适，这团浆糊不但能解开，还能让容量跟着天线数**线性**增长。这项技术今天有个标准名字：**空分复用（Spatial Multiplexing，SM）**，它是 MIMO 技术家族中最能“印速率”的一员。
要理解它为什么成立，得先给“多径”这个老对手翻案。
## 二、多径：从敌人到朋友
教科书里多径通常以反派形象出场：信号经多个物体反射，走不同路径先后到达，前后符号叠在一起造成码间串扰——你之前学过的循环前缀、信道均衡，全是为了对付它。
但空分复用看到的是多径的另一面：**多径让每一条发射天线到每一根接收天线之间的信道响应各不相同。**
想象基站有两根发射天线，手机有两根接收天线。天线1发出的信号经一片建筑群反射到达手机；天线2位置偏了半米，反射路径的组合完全不同。于是“天线1→手机接收天线1”“天线1→手机接收天线2”“天线2→手机接收天线1”“天线2→手机接收天线2”这四条链路，各自的增益和相位都不一样。
这四条链路组成一个 2×2 的信道矩阵 H。整个系统的输入输出关系可以写成一行极简的矩阵方程：
$$\mathbf{y} = \mathbf{H}\mathbf{x} + \mathbf{n}$$
其中 $\mathbf{x}$ 是两根发射天线同时发出的符号向量，$\mathbf{y}$ 是两根接收天线收到的混合信号，$\mathbf{n}$ 是噪声。展开来就是：
$$\begin{bmatrix} y_1 \\ y_2 \end{bmatrix} = \begin{bmatrix} h_{11} & h_{12} \\ h_{21} & h_{22} \end{bmatrix}\begin{bmatrix} x_1 \\ x_2 \end{bmatrix} + \begin{bmatrix} n_1 \\ n_2 \end{bmatrix}$$
也就是说，接收天线1收到的 $y_1$ 是 $h_{11}x_1 + h_{12}x_2$ 加噪声——两路数据真的搅在一起了。但搅的“方式”与接收天线2不同。**只要两根接收天线看到的混合方式存在足够差异，就有办法反推出 $x_1$ 和 $x_2$ 各是什么。** Wikipedia 的 MIMO 词条对此有一个精炼的概括：同频并发的各路信号到达接收阵列时，各自带有不同的“空间签名”（spatial signature，即在各接收天线上的增益相位图案），正是这些差异让接收端得以把同频信号分离开。
一个日常类比：鸡尾酒会上两对人同时在聊天，你的两只耳朵各收到两人的混合声波，但两只耳朵听到的“混合比例”略有不同——左耳离甲近一点，右耳离乙近一点——大脑就能据此把两个声音分开。多根接收天线就是那两只耳朵，MIMO 检测器就是大脑。
```mermaid
flowchart TD
A["一路高速数据"] --> B["串并转换
拆成两层"]
B --> C1["层1符号流 x1"]
B --> C2["层2符号流 x2"]
C1 --> D["预编码矩阵 W
闭环时对两流整形"]
C2 --> D
D --> E1["天线1发射"]
D --> E2["天线2发射"]
E1 --> F["空气信道 矩阵H"]
E2 --> F
F --> G1["接收天线1
收到两流的加权和"]
F --> G2["接收天线2
收到另一种加权"]
G1 --> H["MIMO检测器
分离 x1 与 x2"]
G2 --> H
H --> I1["还原层1数据"]
H --> I2["还原层2数据"]
```
## 三、车道真的存在吗？——秩与条件数
空分复用有一条硬上限。若发射端有 $N_t$ 根天线、接收端有 $N_r$ 根，可并行传输的层数为：
$$N_s = \min(N_t, N_r)$$
4根发、2根收，最多跑2层——因为分离发生在接收端，接收天线不够，“耳朵”再灵也分不出比耳朵数更多的声音。基站64根天线对着一个只有2根接收天线的手机，单用户最多也只能开2层。
但 $\min(N_t, N_r)$ 只是**理论上限**。能不能真正开满，取决于信道矩阵 H 的**秩（rank）**——它代表 H 里真正独立的方向数。回到车道的类比：
- **H 满秩且条件良好**：几条车道都宽而直，各走各的，互不挤压。
- **H 秩亏损**：两条车道挤到了一起。典型场景是强视距（LOS）环境——走廊、隧道、高架直道，信号几乎只从一个方向来，H 的各列高度相关，数学上接近“两条方程说同一件事”，解不出两个未知数。
- **H 满秩但病态（条件数大）**：车道都在，一条宽一条窄。窄车道上信号弱得和噪声一个量级，硬解出来的全是错的。
这一点非常反直觉却极其重要：**无线环境太“干净”反而开不了多流**。城市峡谷里反射体林立、角度扩散充分的地方，才是空分复用的福地。这也是为什么 Wikipedia 的空间复用词条特别指出：实际可获得的复用增益受**空间相关性**限制——相关性一高，部分并行流的信道增益会弱到没有价值。天线间距、极化方式（±45°交叉极化天线的两路天然去相关）这些工程设计，本质上都是在给信道矩阵“挣秩”。
## 四、最精彩的部分：接收端怎么解方程
矩阵方程 $\mathbf{y} = \mathbf{H}\mathbf{x} + \mathbf{n}$ 摆在面前，已知 $\mathbf{y}$ 和 $\mathbf{H}$（导频信道估计得到），求 $\mathbf{x}$——这就是 **MIMO 检测**问题，是整个空分复用体系里算法含量最高的环节。几十年来工程师们造出了一条由简到繁的检测器谱系。
### 迫零检测（ZF）：快刀斩乱麻，代价是放大噪声
最暴力的做法是把 H 直接求逆（伪逆），一步把两路信号解耦：
$$G_{ZF} = (\mathbf{H}^H\mathbf{H})^{-1}\mathbf{H}^H$$
用 $G_{ZF}$ 乘以 $\mathbf{y}$，流间干扰被彻底清零，每层各回各家。但天下没有免费的午餐：求逆操作在消除干扰的同时，会把噪声也按同样的权重重新缩放——**当信道病态（条件数大）时，噪声会被放大到淹没信号**。某百科 MIMO 词条对此的原文评价是“尽管实现简单，这种方法苦于噪声增强（noise enhancement）”。类比：为了把两股拧在一起的绳子分开，你把整股绳子使劲抻细——绳子分开了，但每股都细得快断了。
### 最小均方误差检测（MMSE）：留一点干扰，换噪声安宁
MMSE 的思路是不追求干扰清零，而是在“残留多少流间干扰”和“放大多少噪声”之间找总误差最小的折中点。它的检测矩阵只比 ZF 多了一项：
$$G_{MMSE} = \left(\mathbf{H}^H\mathbf{H} + \frac{1}{\rho}\mathbf{I}\right)^{-1}\mathbf{H}^H$$
多出来的 $\frac{1}{\rho}\mathbf{I}$（$\rho$ 为信噪比）就是“噪声账本”：信噪比越低，这一项权重越大，检测器越保守，宁可留点干扰也不把噪声放大。信噪比趋于无穷时，MMSE 退化为 ZF。由于它在各种信噪比下表现均衡、复杂度又低，是实际系统中最常用的线性检测器。
### 串行干扰消除（OSIC，即 V-BLAST）：解一层，减一层
线性检测器把所有层“一锅端”，而非线性的 OSIC（Ordered Successive Interference Cancellation，贝尔实验室 V-BLAST 方案的核心）选择逐层蚕食：先用线性方法解出信号最强、最有把握的那一层，硬判决得到符号，然后把这一层的信道贡献从接收信号里**减掉**，剩下的信号就“干净”了一些，再解下一层。
```mermaid
flowchart TD
A["收到混合信号 y"] --> B["挑信号最强的一层"]
B --> C["线性检测解出该层"]
C --> D["判决得到符号"]
D --> E["从 y 中减去
该层的信道贡献"]
E --> F{"还有没解的层?"}
F -->|是| B
F -->|否| G["输出全部数据"]
```
它有一个经典的软肋：**错误传播**。如果第一层判错了，减掉的“干扰”本身就是错的，错误会顺着链条污染后面所有层。所以 OSIC 在高信噪比下明显优于线性检测，低信噪比下反而更差——某百科明确指出，实际系统中会按信噪比在两者之间切换以获得最优误码率。这有点像叠罗汉拆货：从最上面（最有把握的）开始拆，一旦手滑，下面的箱子全跟着倒。
### 最大似然检测（ML）与球体译码：最优，但昂贵
理论最优解是最大似然检测：把所有可能的发送符号组合都试一遍，挑出让 $\|\mathbf{y}-\mathbf{H}\mathbf{x}\|^2$ 最小的那个。但代价是复杂度随层数和调制阶数**指数增长**——4层64QAM的组合数是天文数字，实时实现不现实。工程上的救星是球体译码（Sphere Decoder）：不必搜索整个星座空间，只在一个半径为 d 的超球面内搜，配合树搜索剪枝，能在平均复杂度大幅下降的情况下逼近 ML 性能。
四条路线一张表看清：
| 检测器 | 核心思路 | 复杂度 | 强项 | 弱点 |
|---|---|---|---|---|
| 迫零 ZF | 伪逆一步解耦，干扰清零 | 低 | 实现最简单 | 病态信道下噪声被放大 |
| MMSE | 消干扰与压噪声之间取折中 | 低 | 全信噪比表现均衡，现网主力 | 留有残余流间干扰 |
| OSIC / V-BLAST | 解一层减一层，串行剥离 | 中 | 高信噪比下优于线性检测 | 低信噪比下错误会逐层传染 |
| ML / 球体译码 | 在候选组合中找整体最近点 | 高（球译码可大幅缓解） | 检测性能理论最优 | 复杂度随层数与调制阶数暴涨 |
## 五、容量账本：为什么天线比功率划算
Foschini、Gans 与 Telatar 在上世纪九十年代中期的经典工作给出了答案：MIMO 信道的各态历经容量上限，不超过 SISO 容量的 $\min(N_t, N_r)$ 倍。高信噪比下的近似式非常直观：
$$C \approx \min(N_t, N_r)\,\log_2\left(1 + \frac{\rho}{N_t}\right)$$
对照 SISO 的 $\log_2(1+\rho)$：括号里的部分仍是对数增长，但**前面的乘数随天线数线性增长**。2×2 MIMO 在高信噪比下容量约是 SISO 的两倍，4×4 约四倍。而靠加功率，容量只按 $\log_2$ 爬坡。一句话总结这笔账：**买信噪比按对数付账，装天线按个数回本。**
若发射端还知道信道（闭环），可以做更精细的账目管理：对信道矩阵做奇异值分解，把 MIMO 信道拆成若干条互不干扰的平行子信道，再按“注水（waterfilling）”原则分配功率——条件好的子信道多分功率，条件差的少分甚至不分，让每一瓦电都花在刀刃上。
## 六、开环与闭环：终端要“打报告”
上面的讨论默认发射端对信道一无所知（开环）：数据直接分层往天线上灌，分离全靠接收端。但既然终端能估计出 H，为什么不把信息反馈给基站，让它在发射前就把信号整形好？这就是**闭环空分复用**：
$$\mathbf{y} = \mathbf{H}\mathbf{W}\mathbf{s} + \mathbf{n}$$
$\mathbf{W}$ 是预编码矩阵——发射前先对 $N_s$ 层数据做一次线性变换。好处的直觉是：与其让两路信号在空中随机混合、留给接收端硬解，不如发射时就让它们以近乎正交的形态到达接收端，把难题在源头化解大半。
```mermaid
sequenceDiagram
participant gNB as 基站
participant UE as 终端
gNB->>UE: 周期发送导频信号
UE->>UE: 估计信道矩阵 H
UE->>gNB: 上报 RI 建议并行层数
UE->>gNB: 上报 PMI 建议预编码矩阵
UE->>gNB: 上报 CQI 可用调制编码
gNB->>gNB: 综合选定层数与预编码
gNB->>UE: 控制信道指示调度结果
gNB->>UE: 按选定预编码发射数据
UE->>UE: 检测分离各层数据
```
终端上报的三件套各司其职：**RI（秩指示）**说“我觉得现在能开几层”，**PMI（预编码矩阵指示）**说“从码本里选哪个预编码矩阵最合适”，**CQI（信道质量指示）**说“每层能用多高的调制编码”。基站可以采纳也可以自行决定。这份反馈机制的代价是上行开销和时延——信道变化快时，报告到手上已经过期，所以低时延大容量的场景对反馈周期极其敏感。标准也允许多种实现与配置方式，具体行为以各厂家官方文档为准。
闭环系统的另一个隐含命题是**分集与复用的权衡**（Zheng 与 Tse 在 2003 年给出了著名的理论刻画）：同一副天线阵列，资源可以用来“稳”——同一份数据经空时编码（如 Alamouti 码）从多天线发出，对抗衰落；也可以用来“快”——拆成独立数据流并行传输，搏取容量。复用增益拉满时抗衰落能力必然让位，反之亦然。现代系统的做法是不做单选题：信道好就多开层，信道差就降秩，把天线在“快”与“稳”之间动态调拨。
| 技术 | 天线发的内容 | 追求目标 | 典型场景 | 依赖条件 |
|---|---|---|---|---|
| 发射分集 | 同一份数据编码后分发 | 稳，抗深衰落 | 小区边缘、控制信道 | 无需信道信息 |
| 波束赋形 | 同一份数据加权后定向发射 | 远，聚拢能量 | 覆盖增强、用户定向服务 | 需要信道方向信息 |
| 空分复用 | 不同数据同时同频分发 | 快，容量翻倍 | 近中距离、富散射环境 | 信道矩阵满秩、接收端可分离 |
## 七、现网里的它：调试者视角
理解原理的最终目的，是让你在网管界面和路测数据前能看懂它在说什么。
**为什么信号满格，吞吐却只有单流水平？** 路测里 RSRP、SINR 都漂亮，终端却上报 RI=1，最常见的原因不是信号差，而是信道矩阵“没秩”：用户站在长走廊尽头、隧道里、或正对基站无遮挡的视距路径上，来波角度高度集中，两路信道相关系数逼近1，基站再想开双流也开不动。此时最合理的动作是接受单流，靠更高的调制阶数和波束赋形增益找补速率。
**双流是不是一定比单流快一倍？** 不是。开两层意味着同样的功率分给两路，每流的信噪比各降约一半，每层能支撑的调制编码阶数随之下降；参考信号和控制信令的开销也随层数增加；公共信道始终单流。所以双流的实际增益通常明显小于2倍，且**只在信噪比足够高时才为正**——信噪比低时强行开双流，两层互相干扰，速率反而不如老老实实单流。现网的自适应秩调整（上报机制天然支持）就是在自动做这笔账。
**吞吐曲线为什么周期性大幅抖动？** 终端移动中环境不断变化：走进富散射区，秩升到2，速率台阶式上升；转过街角进入LOS走廊，秩塌回1，速率跳水。看懂了秩的波动，你就不会把这类抖动误判为基站故障或参数问题。
**一个常见误解**：把 MIMO 等同于波束赋形，以为多天线的作用就是“信号更好”。两者其实回答不同的问题——波束赋形解决“能量往哪打”，所有天线发的是同一份数据；空分复用解决“怎么塞进更多数据”，各天线发的是**不同**数据。Massive MIMO 基站的能力是两者的叠加：对每个用户可以赋形，也可以在赋形的同时向多个用户各发一路独立数据（多用户 MIMO），把“一人多车道”扩展成“多人各占一条车道”。
## 常见问题
**Q: 空分复用和波束赋形到底是什么关系？**
A: 它们是多天线的两种不同用法。波束赋形是所有天线携带**同一份数据**、按信道加权后发射，让能量在目标方向同相叠加，追求“打得远打得准”；空分复用是各天线携带**不同数据**同频同时发射，靠信道矩阵的空间差异让接收端分离，追求“车道更多”。现代基站两者并用：先赋形对准用户，再在赋形通道上叠开多层。
**Q: 为什么 RSRP 和 SINR 都很好，终端却只报 RI=1？**
A: RI 反映的不是信号强度而是信道矩阵的秩。视距主导的环境（长走廊、隧道、直路对射）中，多径角度扩散小，各收发天线对的信道高度相关，矩阵两列近似平行，数学上解不出两个独立流。信号再强，车道理论上就只有一条。这时应依赖单流高阶调制和波束增益，而非强开双流。
**Q: 双流的速率为什么达不到单流的两倍？**
A: 三个折扣：总功率摊到两流，每流信噪比下降，可用调制编码阶数变低；参考信号开销翻倍；公共控制信道仍是单流。高信噪比下双流增益通常在1.6～1.9倍附近，低信噪比下增益进一步缩水甚至为负——这就是基站只在“好信道”时才开多流的原因。
**Q: 手机只有两根接收天线，基站几十根天线的空分复用能力不就浪费了？**
A: 单用户场景下确实受 $\min(N_t, N_r)$ 限制，最多两三层。但基站的多天线可以在**空域同时服务多个用户**——多用户 MIMO：每个用户占一条空间车道，基站在上行利用多根天线分离各用户的信号，下行对各用户分别预编码。单用户的层数瓶颈，被转化成了用户数乘层数的系统总容量。
**Q: 迫零检测噪声放大，是不是就该彻底弃用？**
A: 不。高信噪比下噪声本来就不是瓶颈，ZF 以最低复杂度换取干扰完全消除，反而干净利落；Massive MIMO 场景中天线数远超用户数时，信道矩阵天然良态，简单的迫零类方案就能工作得很好。检测器的选择从来是复杂度与性能的动态权衡，没有全局最优，只有场景最优。
## 参考来源
3. [Fifty Years of MIMO Detection: The Road to Large-Scale MIMOs (Yang & Hanzo, IEEE Communications Surveys & Tutorials, 2015)](https://arxiv.org/abs/1507.05138) — MIMO 检测算法五十年发展全景综述
4. [Zheng & Tse, Diversity and Multiplexing: A Fundamental Tradeoff in Multiple-Antenna Channels (IEEE Trans. Inf. Theory, 2003)](https://doi.org/10.1109/TIT.2003.810646) — 分集增益与复用增益权衡的奠基性理论
5. [Foschini, Layered Space-Time Architecture for Wireless Communication in a Fading Environment (Bell Labs Technical Journal, 1996)](https://doi.org/10.1002/bltj.2015) — BLAST 分层空时结构原始论文，空分复用工程化的起点
---
> 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]]