2.3 矩阵语言SVD特征值与秩

2.3 矩阵语言：SVD、特征值与秩

本节摘要：前两节把容量和模型讲清楚了，但中间有座桥没搭——矩阵运算本身。本节把 SVD（奇异值分解）拆成三件事：左向量管接收端怎么合成、右向量管发射端怎么塑形、奇异值就是每条子信道的增益。再解释协方差矩阵的特征值分解、视距信道为什么几乎总是秩一、富散射信道为什么奇异值谱平坦，以及"层"和"流"这两个常被混用的概念到底差在哪。读完这一节，看信道报告应当像看一张地形图。

本节地图

阅读完本节，你应当能够：

1. 写出 SVD 的分解式，说明 U、Σ、V 各自在物理上的含义
2. 解释协方差矩阵 H·H^H 的特征值分解与 SVD 的关系
3. 说明视距信道为何近似秩一，富散射信道为何奇异值谱平坦
4. 区分"层（Layer）"与"流（Stream）"的语义差异
5. 用条件数解释为什么某些信道"看起来满秩但其实难用"

一、SVD：信道的天然坐标系

对信道矩阵 H（尺寸 Nr × Nt）做奇异值分解：

H = U · Σ · V^H
​

• U 是 Nr × Nr 酉矩阵，列向量是接收端的最佳合成方向
• V 是 Nt × Nt 酉矩阵，列向量是发射端的最佳塑形方向
• Σ 是对角阵，对角线上的奇异值 σ1 ≥ σ2 ≥ … ≥ σr > 0，r = rank(H)

这句话的物理含义极深：U 告诉接收端"该朝哪个方向去合成信号最干净"，V 告诉发射端"该把波束塑形成什么形状才能精确激发第 i 个空间模式"，而 σi 量化了这个模式的信道质量——它直接来自多径的干涉与叠加，是物理世界给信息论的真实度量。

所以 SVD 不是一种可选的数学技巧，而是信道空间结构的自然坐标系。预编码要逼近的，本质就是 V；检测要利用的，本质就是 U。

二、特征值与协方差矩阵

实际系统里更多见到的是协方差矩阵 H·H^H（Nr × Nr）。它的特征值分解：

H·H^H = U · Λ · U^H
​

其中 Λ 的对角元 λi = σi²。也就是说，协方差矩阵的特征值就是奇异值的平方。它描述"接收端在各个空间方向上看到的功率分布"——这正是终端测量、秩指示上报的物理基础。

当信道是独立同分布瑞利时，H·H^H 是一个威沙特（Wishart）矩阵，其特征值服从威沙特分布。由此可以推导出容量、中断概率、分集阶数的概率分布——理论研究里大量结论都建立在这上面。威沙特分布的好处是给容量赋予了概率意义：不再是一个单一数值，而是"以多大概率能超过某容量"的分布，由此引出中断容量等面向工程可靠性的指标。换句话说，协方差矩阵的特征值分解，一端连着物理测量，一端连着可靠性评估，是整条链路里承上启下的枢纽。

图 2-3：奇异值谱决定可用自由度

三、为什么视距几乎总是秩一

纯视距环境下，发射天线到接收只有一条主导路径，各天线看到的只是这个信号的相位延迟差。此时 H 近似秩一：所有能量集中于单一最强空间模式，σ1 远大于其余几乎为零的奇异值。

这意味着：在视距回传链路里，加天线几乎不增加自由度。你花的射频链路成本，换来的只是阵列增益（把能量拧成一束），而不是并行流。这也是为什么微波回传要靠双极化天线人为造出第二个自由度——极化正交与散射无关，是视距场景唯一可靠的双流手段。

反过来，富散射环境里天线间距足够、各方向看到不同反射体，H 的奇异值谱趋于平坦，所有 r = min(Nt,Nr) 个模式都有可观增益，容量才接近理想的线性增长。

举一个对照帮助建立直觉：同样是 4 发 4 收，放在空旷广场的视距回传链路里，H 近似秩一，奇异值谱是一根孤峰，开多流几乎无收益，工程上靠双极化才勉强造出第二流；同样的硬件放在办公室隔断密布的室内，墙体家具构成密集散射，H 满秩、谱平坦，4 流轻松拉满。硬件完全一样，性能天差地别——差别不在天线，在信道矩阵的结构。这也再次证明，MIMO 的价值是被信道"激活"的，不是被硬件"自带"的。

四、条件数：满秩也可能难用

秩只回答"有几条路"，不回答"路好不好走"。条件数 κ = σmax / σmin 描述谱的"胖瘦"：κ 小意味着各流增益接近，预编码容易、性能好；κ 大意味着强流抢戏、弱流难救，即使满秩，实际可达容量也远不如平坦谱。

所以评估信道要看两个维度：秩（路数）和条件数（路况）。一组"满秩但高条件数"的信道，比"秩少但谱平坦"的信道未必更好用。这直接解释了现网里一个常见现象：终端上报秩等于 4，但调度器只敢开 2 流——因为另外两流的条件数太差，高阶调制撑不住。

把这件事落到排障直觉上：拿到一份信道报告，先看三列数——秩、各奇异值、条件数。秩告诉你"有几条路"；奇异值谱的平坦度告诉你"路好不好走"；条件数把后两者压成一个标量，越大越难用。一份典型的好信道：秩接近天线数、谱平坦、条件数在 3 到 5 以内，调度器可以放心拉满流数和高阶调制。一份典型的坏信道：秩虽然报了 4，但奇异值谱是"一根尖峰加三根尾巴"，条件数冲到 20 以上，此时强行开 4 流只会让后两流反复重传，吞吐反而不如老老实实开 2 流。所以"看秩"是初级，"看谱和条件数"才是高级。

再往深一层，条件数还揭示了预编码的难易。线性预编码（ZF、MMSE）的误差本质上受条件数放大：条件数越大，为了压制流间干扰需要的功率越高，弱流越容易被噪声淹没。这就是为什么大规模阵列偏爱"信道硬化"——当天线数足够多，各用户信道趋于伪正交，等效条件数被压下来，简单线性算法就够用。SVD 在这里扮演的角色，就是提前把条件数暴露给系统：谱越尖，越该用非线性或混合方案；谱越平，越可以 trusting 线性预编码。一句话，矩阵语言不是考试题，是排障的仪表盘。

在仿真与阵列设计里，条件数也常被当作验收指标。一个阵列方案打出来，若其典型用户的等效条件数始终低于某个阈值（比如 5），就说明这套几何排布产生的信道"好调度"；若动辄冲到十几，意味着需要更激进的非线性预编码或更精细的校准才能兑现容量，成本和功耗都要重新算账。所以条件数既是信道属性，也是一面照妖镜——它照出的是阵列几何、校准精度、CSI 质量这三件事合起来到底干不干净。看谱、看秩、看条件数，三件事构成读信道的完整动作。

五、层与流：两个易混概念

3GPP 里"层（Layer）"和"流（Stream）"常被混用，但语义有别：

• **流（Stream）**是信息论视角下的独立数据通路，是 SVD 分解后沿各奇异方向传输的比特流。
• **层（Layer）**是物理层处理流程中的逻辑承载单元，承载预编码、调制、层映射等多级抽象。

一句话：流是信道本体论层面的根源，层是它在物理实现层面的具象化。终端反馈 RI = 3，不是声明"我能处理 3 路信号"，而是断言"当前信道物理上最多支持 3 个正交空间模态"——这是对电磁环境的客观测量，而非能力自述。

这中间的差别在现网排障里极其关键。曾有一个典型误判：优化工程师看到终端持续上报 RI = 4，便断定用户处于优质多流环境，于是不停推高阶调制，结果块错误率居高不下。后来抓取协方差矩阵才发现，秩虽为 4，但条件数高达 18，后两流的有效信噪比连 64QAM 都撑不住——RI = 4 只说明"物理上存在 4 个正交模态"，不代表"4 个模态都好用"。正确做法是结合条件数把可调度流数压到 2，反而吞吐翻倍。这个例子把"流"和"层"的语义差落到实处：流是信道给的可能，层是系统实际敢用的承载，二者之间隔着一个条件数。读懂这份报告，比记住 RI 数字重要得多。

⚠️ 常见坑：只看秩不看条件数。很多链路秩显示 4，但条件数极高，最弱的流信噪比根本撑不住高阶调制，调度器实际只能开 2 流。用秩当自由度兑现率，会严重高估性能。

💡 关键直觉：把信道矩阵想象成一张地形图，奇异值谱就是山的高度分布。山越多越平，你能并排跑的车道越多；只有一座孤峰，其余都是洼地，再多车道也只是摆设。

六、常见疑问

为什么实际系统不直接算完整 SVD？

因为算 SVD 需要完整 CSI，而 CSI 在 FDD 下要靠反馈、在 TDD 下要靠估计，都有误差且有时延。工程上常用码本逼近 V，用有限反馈的预编码矩阵指示代替完整矩阵。但"逼近 V"这个目标的物理意义，始终来自 SVD。

秩会变化吗？

会，而且是动态的。开阔地视距秩≈1，密集城区可到 min(Nt,Nr)，毫米波因散射体尺寸相对波长变小，秩又受限。秩随用户位置、朝向、遮挡实时变化，所以才有逐调度周期的秩自适应。

协方差矩阵和信道矩阵一定要同时知道吗？

不需要。接收端测的是协方差 H·H^H（含特征值），发射端真正塑形需要的是 H 本身。TDD 下靠互易性从上行反推；FDD 下只能靠反馈。这也是为什么"获取多少 CSI"成了系统设计的核心博弈。

要点串联

• SVD 三件套：U 管接收合成、V 管发射塑形、Σ 的奇异值是子信道增益
• 协方差分解：H·H^H 的特征值 = σ²，是秩指示上报的物理基础，属威沙特矩阵
• 视距秩一：纯视距 H 近似秩一，加天线不增自由度，只能靠极化造双流
• 富散射平坦谱：各 σi 相当，自由度全开，容量接近线性增长
• 条件数补全秩：κ = σmax/σmin 描述路况，高条件数即使满秩也难用
• 层与流有别：流是信息论通路，层是物理承载，RI 是对电磁环境的客观测量
• 评估看两维：秩（路数）+ 条件数（路况），单看秩会高估性能

第 3 章把这三章铺垫的"增益"拆开：分集、复用、赋形各自机制如何运作，以及它们为什么不能同时吃满。