6.1 多天线技术MIMO
6.1 多天线技术MIMO
MIMO 用收发两端多根天线，在同一频谱上调出容量与可靠性的两笔横财。本节先把一根天线的容量扩张到多天线的"信道矩阵 + 并行子信道"视角（SVD/特征值），再分清空间分集（挣可靠性）与空间复用（挣速率）两条路线各自的数学判据。
观测台上先开"空间"这套被冷落的三房
前面几章我们把一根天线能做的——编码、调制、成形、滤波、均衡——都做足了，可到头来容量还撞在香农的天花板上。你不禁要问：信号还能从哪再抠出一点来？答案藏在没人占用的"空间"这一维。一次发射接收，本质是一个点对点的单通道；如果我在发射端和接收端各多支几根天线，波就在里面走出一张网，同一块频谱、同一段时刻，可以并排多传几路。这就是 MIMO 的开场白。这一节把"为什么多两根就能多传一路"讲得像个账本，而不是玄学。
学习目标
阅读完本节，你应当能够：
- 写出 MIMO 收发关系 y=H·x+n，并说清 H 的每个元素代表哪两根天线的耦合。
- 用特征值/奇异值看信道矩阵，解释"并行子信道只到矩阵的秩那么多"。
- 区分空间分集与空间复用：目标不同、用天线的维度榜单不同。
- 用一段代码演示：发射数、接收数决定能并行的数据流数。
一、同一块地怎么再种一季
单天线系统里，香农说容量追带宽和信噪比。可带宽用尽、功率受限时，路似乎到头了。MIMO 的灵感很朴素：我多栽几根发射天线、几根接收天线，传播路径就是一阵网络，信号在这些路线上各走各的，运气好能错开。于是"空间"这个第五维没用上的资源，被MIMO 用起来：同频、同时，却能并行传好几路数据。
其中核心是把一次发射一次接收，升级成一对多、多对多的信道矩阵 H：H 的第 (i,j) 个元素是第 j 根发射天线到第 i 根接收天线的复信道增益。收发关系写成 y = H·x + n——从第1章的标量 y=h·x+n，升级成向量与矩阵的一次自然扩张。这一笔正是第1.4 曾经埋下的线性代数伏笔，现在回填。
把这段矩阵视角先在脑子里固定住：它不再是一个"发一个收一个"的独木桥，而是一张"你算什么，我这边全联通"的网。凡是说到某根发射天线只影响某根接收天线、某两根天线之间的路好不好走，都能在 H 的某个位置找到对应的元素。复杂，但也意味着信息更全——只要我们后面有能力把它解开，多出来的每一格都可能变成一条额外的路。这就给"分集"和"复用"这两招留足了施展空间。
二、SVD：把信道拆成一排"水管"
对 H 做奇异值分解（SVD），它等于 U·Σ·Vᴴ。Σ 对角上是一串奇异值，对应 MIMO 信道可分解出来的并行子信道——每个子信道的增益就是对应奇异值。有几个奇异值、大小如何，取决于 H 的秩。若散射丰富，H 满秩，奇异性都够用，能同时灌多流数据；若两条天线互相"看见"几乎一样的信道，奇异值塌掉一列，并行度就缩水。
这条"秩等于并行水流路数"的直觉，直接决定 MIMO 能吃多少红利。散射越充分、天线分得越开，秩越高，容量越大——这也是为什么室内贴着墙、天线挤一起的 MIMO 往往长不出好看的数字。
顺着"散射 = 红利"还能推出一条反直觉的工程结论：想让 MIMO 吃满，反而要"把环境搅得更乱"。空旷的操场、直视的走廊对单天线是好事，对多天线却常常是"秩塌"的重灾区，因为各条路径高度相关、都长一样，等于没发散。所以室内靠墙面家具把信号打散，无意间就是在给 MIMO 喂散射（第7.2 会再遇见这个巧合）；反过来，室外想榨 MIMO，就得多靠频率分集等手段补上缺失的散射。想清楚这一层，"天线越多越好"的简单说法就不成立了——散射不给，天线再多也只是排排站的装饰。
MIMO 并行子信道分解
图中最左是 M 发到 N 收纠缠在一起的 M×N 条路径，SVD 把它们"刷直"成多条互不干扰的并行水管——每条水管传一路数据，总量就到了原来好几倍。要在图上体现的就一句：那车线的条数，由 H 的秩封顶。
三、两条路线：分集与复用
天线放同样的资源，能产出两种不同口味，别混淆：
- 空间分集：多根天线发同一份数据（或收同一份），赌"至少一条路没深衰落"。换来的多一个强度维——可靠性。经典是最大比合并（MRC）：把各路按各自信道质量加权相加。
- 空间复用：多根天线并发不同数据流，每条吃一个并行子信道。换来的是带宽效率/速率维。
一句话区分：分集想"这一份数据别再死"，复用想"并排再多传几份"。工程上常按信道条件切换——深衰落、低信噪比侧重分集保可靠，信道清、散射丰富就切复用冲速率。实际系统（如 4G 的传输模式、MIMO 自适应）本质就是在"多加分集可靠性"还是"多加速率"之间拨开关。
四、用矩阵看并行度能上线几路
把"秩决定并行度、天线数限制秩"落到看得见的数：
import numpy as np M, N = 4, 2 # 4 发 2 收 H = (np.random.randn(M, N) + 1j*np.random.randn(M, N)) / np.sqrt(2) sv = np.linalg.svd(H, compute_uv=False) print("M 发 N 收的信道秩为 min(M,N)=", min(M, N)) print("奇异值（每条并行子信道增益）：", np.round(sv, 3)) # 奇异值非零的个数 = 可并行的数据流条数 active = int(np.sum(sv > 1e-6)) print("实际可并行流数：", active)
跑出来你会看到，4 发 2 收的信道不管是多好，能并行的流数至多 2（min(M,N)）——天线数是硬件天花板，秩在哪一步都越不过这根梁。理解这个 min，你就懂了所有 MIMO 布阵为什么"收发天线谁少谁当家"。
五、给实践者的提醒
- 秩是散射给的：天线再多，散射不足、路径强相关，秩照样塌。别只看天线数字。
- 分集与复用是开关不是并存：切换要看信道条件与业务需求，5G 的调度器天天在拨这扇门。
- 接收端的检测是第4章那套：空间复用后 N 路叠加只能用 ZF/MMSE 等 MIMO 检测解出来，正是第4.2 节的"多路均衡"版。
本节要点回顾
- MIMO 把一次发收升级成信道矩阵 H 的向量运算，空间为第五个可用维度。
- SVD 把信道拆成携带奇异值的一排并行子信道，条数由秩、由 min(M,N) 封顶。
- 空间分集挣可靠性、空间复用挣速率，按信道条件拨开关。
- 天线数是秩下限，散射决定秩实际高度。
- MIMO 接收检测是第4.2 均衡思想在多天线上的推广。
理解 MIMO 能并行，下一步就能回答：道到底朝谁、多流怎么一起传——波束成形与空间复用。