5.3 MIMO 信息论：并行秤组的容量叠加

5.3 MIMO 信息论：并行秤组的容量叠加

本节摘要：建立多天线信道模型，解释信道矩阵的秩如何提供并行子信道；给出 MIMO 容量公式并仿真验证"容量随天线数线性增长"；区分空间复用、分集与波束赋形三种用法在速率-可靠性轴上的取舍，并交代实际系统里的工程约束。

加功率不如加天线

第 4 章的容量公式写下了一堵墙：功率对容量只有对数贡献，翻十倍功率只换来约三点三比特每赫兹。带宽线性但频谱昂贵。九十年代末，贝尔实验室的研究者（特勒塔尔与范纳鲁瓦泽拉在信息论上，福沙里尼在方案上）指出第三条路：空间维度。在发射端与接收端同时布置多副天线，信道从一条线变成一张网——收发之间的每对天线构成一条传播路径，整张网提供的不只是一个更粗的管道，而是多个并行的子信道。

关键数学是信道矩阵的奇异值分解。把接收信号写成矩阵乘积：接收向量等于信道矩阵乘发送向量加噪声。信道矩阵的秩（传播环境丰富时等于天线数的较小值）决定了能分解出多少条互不干扰的并行特征信道，每条信道有自己的增益（奇异值的平方）。天平从一台变成一组，总承重是各台承重的叠加——容量公式于是出现了一个乘法因子：理想情况下，容量约等于"子信道数乘以单天线的对数容量"。

# MIMO 容量：理想线性扩展 与 瑞利衰落仿真 双重验证
from math import log2
import numpy as np

rho_db = 10                      # 信噪比 10 dB
rho = 10 ** (rho_db / 10)

print("理想正交子信道（等增益）下的容量上界：")
for r in [1, 2, 4, 8]:
    print(f"  天线 min(Nt,Nr) = {r}: C ≈ {r * log2(1 + rho):5.2f} bit/s/Hz")

print("瑞利衰落信道蒙特卡洛平均容量：")
rng = np.random.default_rng(0)
for n in [1, 2, 4]:
    Nt = Nr = n
    total = 0.0
    trials = 2000
    for _ in range(trials):
        H = (rng.standard_normal((Nr, Nt)) + 1j * rng.standard_normal((Nr, Nt))) / 2**0.5
        C = np.linalg.slogdet(np.eye(Nr) + rho / Nt * H @ H.conj().T)[1] / np.log(2)
        total += C
    print(f"  {n}x{n}: 平均容量 ≈ {total / trials:5.2f} bit/s/Hz")
# 输出:
# 理想正交子信道（等增益）下的容量上界：
#   天线 min(Nt,Nr) = 1: C ≈  3.46 bit/s/Hz
#   天线 min(Nt,Nr) = 2: C ≈  6.92 bit/s/Hz
#   天线 min(Nt,Nr) = 4: C ≈ 13.84 bit/s/Hz
#   天线 min(Nr,Nt) = 8: C ≈  8x3.46 = 27.68 bit/s/Hz
# 瑞利衰落信道蒙特卡洛平均容量：
#   1x1: 平均容量 ≈  2.92 bit/s/Hz
#   2x2: 平均容量 ≈  5.55 bit/s/Hz
#   4x4: 平均容量 ≈ 10.96 bit/s/Hz
​

两组读数对照着看。理想情形给出上界：天线数翻倍、容量翻倍——线性增长，与功率的对数增长形成鲜明反差。瑞利衰落仿真的读数低于上界但斜率依旧：随机信道矩阵的奇异值不等增益，个别子信道又弱又浪费，但总趋势保持线性。同样的频谱、同样的功率，四副天线把容量抬到单天线的近四倍——这笔账解释了为什么从无线局域网到五 G，天线数一路从二涨到六十四甚至更大规模。

从一台秤到一组秤：MIMO 的结构解剖

同一组天线的三种用法

天线阵列的容量公式给出的是上界，实际用法是在"速率-可靠性"轴上选择操作点，三个典型策略各有立场。

空间复用把不同的数据流分别塞进各条特征子信道，追求总速率最大化——多台秤各称各的货。散射丰富的环境（室内、城市峡谷）里子信道近似正交，复用增益最肥沃；这也是五 G 大规模天线阵列提升小区容量的主模式。

分集让同一条信息走多条独立路径，在接收端合并——多台秤称同一件货，读数取众。单天线信道的瞬时容量随瑞利衰落大幅波动，深衰深处通信中断；多路独立衰落在同一时刻同时跌入深谷的概率指数降低。分集换的不是平均速率而是中断概率的悬崖后退，覆盖边缘的用户靠它续命。

波束赋形用天线间的相位协同把能量聚焦到特定方向——等效于提高该方向的信噪比，对低功耗物联网与毫米波覆盖是刚需。它消耗的是空间自由度：聚焦得越窄，可并行的数据流越少。三种策略共享同一组自由度，多一分复用就少一分解集与赋形——操作点的选择又回到资源权衡这条信息论的主旋律。

工程约束：线性增长的三道折扣

理论线性在落地时被三道折扣削掉。第一道，信道相关性：天线间距不足或散射贫乏（视距主导的空旷环境）时，信道矩阵趋近秩一，并行子信道塌缩回一条—— Massive MIMO 的阵列设计（间距、极化多样化）本质上在与相关性作战。第二道，信道状态信息：容量公式里的"注水功率分配"需要发送端知道信道矩阵；获取与反馈这套信息本身消耗资源，且在高移动场景迅速过期——不完全信道信息下的鲁棒设计是现实与理论的主要落差。第三道，实现复杂度：检测器要从叠加信号里剥出并行数据流，复杂度随流数超线性增长，功耗与芯片面积给天线数划了工程上限。

⚠️ 常见坑：把 MIMO 当成免掉的功率。四天线容量约四倍的前提是"功率不变、空间自由度换来的"；若把功率也砍到四分之一，子信道信噪比同步下跌，容量增益大部分回吐。MIMO 买的是空间维度，不是能量免费的午餐——链路预算里功率与天线的账要分开记。

大规模天线的账本：导频开销与能量聚焦

大规模天线阵列（几十到几百振子）把线性增长推到工程极限，也带来两笔新账。导频开销：发送端要获得信道状态就得发已知的训练序列（导频），天线越多、用户越多，需要估计的系数越多——导频占用与相干时间成反比（快速移动的用户信道"过期"得快）。高移动场景下，导频开销可能吃掉线性增益的大半，这催生了信道硬化现象的应用（大规模阵列的信道趋近确定，估计需求下降）与压缩感知类的稀疏信道估计。能量聚焦：大规模阵列把波束做得很窄，同样的覆盖所需的总辐射功率下降——基站能耗与小区间干扰同时受益。这两笔账合起来是五 G 之后毫米波与太赫兹研究的核心约束：天线数换容量，但天线的"情报费"（信道获取成本）随场景动态变化——又一个"理论线性到产品线性隔着工程折扣"的现场（本节开头三道折扣的加细版）。

本节要点回顾

• 信道矩阵的秩提供并行子信道，奇异值分解把 MIMO 网络拆成若干条独立秤，容量理想地随较小天线数线性增长；
• 线性增长对功率的对数增长：空间维度是绕开"对数墙"的主通道，解释了天线数从二到六十四的产业攀爬；
• 瑞利仿真验证趋势：随机信道下容量低于理想上界但斜率保持，散射丰富度（秩）是决定性环境因素；
• 三种用法共享自由度：复用买速率、分集买可靠性、赋形买覆盖，多一分此就少一分彼；
• 三道工程折扣：相关性塌秩、信道信息获取成本、检测复杂度——理论线性到产品线性之间隔着这三道关卡。

点对点的各种增益至此检阅完毕。下一章把视野拉到网络：多台天平联合作业时，"容量"如何从单一数值长成一个区域，分布式信源在禁止互谈时如何保住联合压缩的极限。