这篇按“技术学习卡片”的方式梳理信道资源分配。主线其实很清楚：
资源是什么 -> 为什么要分 -> 分之前怎么预估 -> 从哪些维度分 -> 每个维度用什么算法无线资源分配不是一个孤立算法，而是一套面向目标做取舍的策略体系。很多调度问题看起来复杂，是因为它同时牵涉吞吐、时延、公平性、能耗、干扰和终端能力。
一句话理解
信道资源分配就是：
在时域、频域、空域、功率域上，把有限无线资源分给不同用户、不同业务、不同信道，使系统目标最优。目标可能不同：
容量最大
时延最短
能耗最低
公平性最好
QoS 最稳
边缘体验最好所以资源分配不是一个固定公式，而是一组“按目标做取舍”的工程策略。
信道资源分配解决什么问题
无线资源是有限的：
时间有限
频谱有限
天线空间自由度有限
发射功率有限
基带处理能力有限但用户需求是动态变化的：
有人大流量下载
有人低时延交互
有人只发小包
有人信道好
有人信道差
有人在小区中心
有人在小区边缘资源分配要解决的问题可以压缩成一句话：
当前时刻，谁用多少资源，用哪类资源，以什么方式发，发多大功率。资源分配的四个阶段
完整看资源分配，可以拆成四个阶段：
资源初始化
资源预估
资源分配
动态调整这四步非常重要。初始化决定边界，预估决定需求，分配负责决策，动态调整保证系统能跟上无线环境变化。
资源初始化
初始化是先定边界。
也就是：
哪些资源可以用？
哪些资源不能用？
哪些信道最多能分多少？
哪些业务有保底资源？
产品能力能不能支撑？影响因素包括：
应用场景
终端类型
产品处理能力
制式和协议限制
带宽配置
天线能力
功率能力
基带算力举几个例子：
终端只支持 2 流，就不能给它分 4 流。
产品只支持某种 MU-MIMO 用户数，就不能无限配对。
某些控制信道必须预留资源，不能全部给数据信道。一句话：
初始化决定资源分配的可行边界。资源预估
资源预估是估算“需要多少”。
输入包括：
用户业务量
QoS 需求
缓存大小
时延预算
信道质量
MCS 能力
产品架构限制例如：
用户有 1MB 缓存数据
当前 MCS 很低
要在 10ms 内发完
那它需要更多 RB 或更高优先级再比如：
URLLC 小包虽然数据量小，但时延要求高，需要优先分配。
eMBB 大流量用户需要大量频域资源。
边缘用户 MCS 低，同样数据量需要更多 RB。一句话：
预估决定资源分配的输入需求。资源分配
资源分配是真正做决策：
给谁？
给多少？
在哪些 RB 上？
用几流？
用什么波束？
发多大功率？常见目标函数包括：
最大化总吞吐
最大化 PF 效用
最小化时延
满足 QoS 约束
最小化功耗
最大化边缘用户体验这里的关键是目标不能含糊。不同目标下，最优策略可能完全不同。
动态调整
无线环境是变化的，所以资源分配不能一次定死。
调度器需要根据反馈动态调整：
ACK/NACK
CQI/SINR 变化
BLER 变化
缓存变化
用户移动
干扰变化
业务到达
功率受限
调度失败一句话：
动态调整让资源分配能跟上环境变化。四个资源维度
信道资源分配可以分成四个维度：
时域
频域
空域
功率域一句话理解：
时域：什么时候调度？
频域：用哪些 RB / 子载波？
空域：用哪些波束 / 层 / 用户配对？
功率域：每个资源上发多大功率？真正的调度系统往往不是单维度决策，而是多维联合取舍。
时域资源分配
时域资源分配决定：
每个 TTI / slot 优先调度谁。核心问题
每次调度既要考虑：
业务优先级
用户公平性
时延要求
缓存大小
历史调度情况
信道质量例如：
URLLC 时延敏感，可能优先。
eMBB 吞吐敏感，可能要大块连续资源。
长期没被调度的用户，PF 优先级会上升。
重传通常优先于初传。常见算法
FCFS：先来先服务
RR：轮询公平
SP：严格优先级
PF：当前速率 / 历史速率
EPF：PF + QoS / 业务优先级
时延感知调度：剩余时延越小优先级越高简单例子
假设两个用户：
UE1：信道好，历史吞吐高
UE2：信道一般，长期没调度Max C/I 可能选 UE1。
RR 可能轮到谁就选谁。
PF 可能选 UE2，因为它历史速率低。
一句话：
时域调度是在效率、公平、时延、优先级之间取舍。频域资源分配
频域资源分配决定：
给用户分哪些 RB、多少 RB。核心问题
不同用户在不同频点上的信道质量不一样。
所以频域调度要考虑：
用户需求
RB 信道质量
频选增益
连续性约束
时延要求
MCS
业务缓存如果某用户在某些 RB 上 SINR 更高，就适合把这些 RB 分给它。
频域调度目标
常见目标包括：
满足用户需求
提升频谱效率
降低调度时延
减少资源浪费
保障 QoS简单例子
假设有 4 个 RB：
| RB | UE1 SINR | UE2 SINR |
|---|---|---|
| RB1 | 20 dB | 5 dB |
| RB2 | 18 dB | 6 dB |
| RB3 | 5 dB | 19 dB |
| RB4 | 4 dB | 20 dB |
合理分配是：
RB1 / RB2 给 UE1
RB3 / RB4 给 UE2这就是频域选择性调度。
关键理解
频域资源分配不是只看“谁更急”，还要看：
谁在这个频点上传得更划算。空域资源分配
空域资源分配决定：
用几个空间流、哪些波束、单用户还是多用户复用。这部分直接对应 MIMO，也是理解现代无线调度绕不开的一层。
为什么空域能分配资源
因为基站天线数通常大于终端天线数。
例如：
基站 64T64R
终端 2R 或 4R基站有大量空间自由度，可以：
形成不同波束
同时服务多个用户
进行空间复用
避开干扰方向
增强目标方向一句话：
空域资源就是天线阵列带来的空间自由度。分集和复用
分集关注可靠性。
多个天线 / 路径传同一份信息，提高抗衰落能力。适合：
信道差
边缘用户
可靠性优先复用关注吞吐。
多个空间流传不同信息，提高速率。适合：
信道条件好
空间通道独立性强
高 Rank 用户一句话：
分集保可靠，复用提速率。Rank 的含义
Rank 表示同时传输的空间数据流个数。
Rank 1：单流
Rank 2：双流
Rank 4：四流Rank 越高，潜在吞吐越高，但要求：
信道矩阵秩足够高
各流 SINR 不能太差
终端天线能力支持
干扰可控前面学习 SVD 时，其实就是在看：
信道到底支持几条有效空间流。SU-MIMO 和 MU-MIMO
SU-MIMO = Single User MIMO。
相同时频资源只给一个用户使用。例如：
UE1 在某些 RB 上独占资源，使用 Rank 2 或 Rank 4。优点：
实现相对简单
用户内多流传输
干扰关系较简单缺点：
如果单用户空间维度不够，天线自由度利用不充分。MU-MIMO = Multi User MIMO。
相同时频资源同时给多个用户使用，通过空间分离。例如：
同一组 RB 上，同时服务 UE1 和 UE2。优点：
提升小区容量
充分利用多天线自由度
适合大量用户场景难点：
用户配对复杂
用户间干扰控制困难
CSI 要求高
预编码复杂一句话：
SU-MIMO 是一个用户吃多个流；
MU-MIMO 是多个用户共享同一时频资源。开环空域资源分配
开环空域资源分配不依赖精确实时 CSI，而是基于预定义预编码向量进行空域调度。
适用场景
CSI 反馈不足
反馈时延大
终端能力有限
高速移动
系统想降低复杂度优点
实现简单
反馈开销低
鲁棒性较好缺点
预编码不够精准
波束增益有限
多用户干扰抑制能力弱于闭环一句话：
开环靠预设波束，简单但不够精细。闭环空域资源分配：显式 BF
显式 BF 通过 sounding 流程让终端测量下行信道，并反馈 CSI 给 AP / 基站，AP 根据 CSI 计算预编码权值。
基本流程
AP 发送 NDP 帧
终端进行 MIMO 信道估计
终端反馈 CSI
AP 根据 CSI 计算预编码权值
AP 按预编码波束发送数据优点
CSI 更直接
预编码更准确
波束增益更好
MU-MIMO 配对更可靠缺点
反馈开销大
CSI 有时延
高速移动下 CSI 容易过期
终端需要支持反馈一句话：
显式 BF = 终端告诉 AP 下行信道长什么样。闭环空域资源分配：隐式 BF
隐式 BF 利用上下行信道互易性，通过上行 CSI 估计下行 CSI，再计算预编码。
前提
隐式 BF 的核心前提是：
TDD 系统上下行物理信道具有互易性。但实际硬件链路不完全对称，所以需要校准：
发送链路和接收链路差异校准
射频通道幅相校准优点
减少显式 CSI 反馈开销
适合 TDD 系统
有利于大规模天线系统缺点
依赖校准精度
硬件链路误差会影响预编码
FDD 场景不适合直接用一句话：
隐式 BF = AP 通过上行测量反推出下行信道，但必须校准硬件差异。ZF 预编码
ZF，Zero Forcing，零迫预编码。
核心思想：
通过预编码把用户间干扰压到 0 或尽量接近 0。数学直觉
多用户信道矩阵为 H，ZF 预编码常基于伪逆：
W = H^H (H H^H)^(-1)它希望实现：
H W ≈ I也就是：
UE1 只收到自己的信号
UE2 只收到自己的信号
用户间串扰接近 0优点
用户间干扰抑制强
适合 MU-MIMO
直观清晰缺点
信道相关性强时效果差
可能放大噪声
对 CSI 精度敏感
需要足够天线自由度一句话：
ZF 是用空间自由度硬消干扰，但信道不好时会付出功率和噪声放大代价。NSP 预编码
NSP，Null Space Projection，零空间投影。
核心思想：
把某个用户的信号放到其他用户信道的零空间里，让其他用户看不见它。直觉例子
要给 UE1 发信号，但不想干扰 UE2。
如果 UE2 的信道是 h2，希望预编码向量 w1 满足：
h2 · w1 = 0这样 UE2 接收到 UE1 信号就是 0。
这就是零空间思想。
QR 分解和 NSP
学习材料中常见一种说法：
NSP 基于 MIMO 信道的 QR 分解，寻找 MIMO 信道特征向量的零空间，进行多用户编码。可以理解为：
通过 QR / SVD 等分解方法，构造出与干扰用户信道正交的空间方向。这些方向就是可用于目标用户发送、同时不干扰其他用户的预编码方向。
和 ZF 的关系
ZF 和 NSP 都是干扰抑制思想。
区别可以粗略理解为：
ZF：从整体信道矩阵伪逆出发，直接让多用户等效信道接近单位阵。
NSP：显式寻找其他用户信道的零空间，把信号投进去。一句话：
ZF 是整体求逆消干扰；NSP 是找零空间避开干扰。功率域资源分配
功率域资源分配决定：
每个信号、RB、子载波、空间流、载波用多少发射功率。功率会影响：
SINR
BLER
MCS
覆盖
干扰
功耗
法规 EIRP静态功率配置
静态功率配置是：
针对某类信号固定设置发送功率。例如：
某个参考信号固定抬升 3dB
某类控制信道配置固定功率偏置优点：
简单
稳定
易于工程配置缺点：
不能适应动态负载和信道变化
可能浪费功率
可能产生不必要干扰动态功控
动态功控是：
根据当前信道、干扰、业务、负载、目标 SINR 等条件，动态调整发送功率。例如：
边缘用户适当提高功率
中心用户降低功率
干扰严重时降低某些方向功率
空闲 RB 功率汇聚
载波间功率共享优点：
更灵活
提升功率利用率
改善体验
降低干扰缺点：
算法复杂
需要反馈
需要稳定性保护
可能引入波动子载波 / 流间功控：水填充
“注水算法”通常指水填充。
目标是：
在总功率固定下，把功率分给不同子载波 / 信道，使总容量最大。典型结论可以写成：
p_i = max(0, u - noise / h_i)直觉是：
好信道多分功率
差信道少分功率
太差的信道不分功率注意，这和“流间等 SNR 功控”不同。
水填充：扶强，容量最大化
等 SNR 功控：扶弱，流间均衡基于能效的功控
基于能效的功控目标不是吞吐最大，而是：
在满足最低 SINR / 速率需求的前提下，尽量少用功率。也就是：
够用就好，不要多发。典型目标函数可能是：
最大化 bit/J
最小化发射功率
满足 SINR_i >= γ_i
满足 QoS_i适合：
轻载节能
绿色通信
低功耗终端
能耗敏感场景一句话：
容量最大化追求“快”；
能效功控追求“省”，但不能破坏基本体验。四域资源分配总表
| 维度 | 决策问题 | 常见算法 / 机制 | 核心目标 |
|---|---|---|---|
| 时域 | 什么时候调度谁 | RR、PF、SP、EPF | 公平、优先级、时延 |
| 频域 | 分哪些 RB / 子载波 | 频选调度、需求匹配 | 频谱效率、低时延 |
| 空域 | 用几流 / 哪些波束 / 是否 MU | SU/MU-MIMO、BF、ZF、NSP | 空间复用、干扰抑制 |
| 功率域 | 发多大功率 | 静态功率、动态功控、水填充 | SINR、容量、能效 |
一句话：
时域决定“何时服务”；
频域决定“用哪段频谱”；
空域决定“用哪个空间方向”；
功率域决定“用多大力气发”。一个完整调度例子
假设当前有 3 个用户：
UE1：大流量，信道好，低时延要求一般
UE2：小包业务，时延要求高
UE3：边缘用户，信道差，需要覆盖保障资源分配可能这样做：
时域：
UE2 优先，因为时延敏感；
UE1 按 PF 获得较高机会；
UE3 需要公平性保护。
频域：
UE1 分配它 SINR 高的 RB；
UE3 分配干扰较低的 RB；
UE2 分配尽快可用资源。
空域：
UE1 可开 Rank 2 / 4；
UE2 小包可能 Rank 1；
UE1 和空间正交用户可做 MU-MIMO。
功率域：
UE3 适当抬升功率；
UE1 根据好信道不必过高功率；
若部分 RB 空闲，可做空闲 RB 功率汇聚。这才是资源分配的真实样子：多维联合决策。
最容易混的点
资源分配不等于只分 RB
很多人一说资源分配就想到频域 RB，这是不完整的。
真正资源包括：
时域
频域
空域
功率域空域资源不是额外免费资源
空域复用要满足：
信道方向可分
CSI 准确
预编码有效
用户间干扰可控
终端能力支持否则 MU-MIMO 可能反而变差。
功率越大不一定越好
功率大可能提升本用户 SINR，但也可能：
增加邻区干扰
违反法规
增加功耗
降低系统整体收益水填充和流间补偿不要混
水填充：好信道多分，追求容量
流间补偿：弱流多分，追求均衡和前面内容的关系
这部分其实把很多无线调度知识串起来了：
PF / DRR / SP -> 时域调度
AMC / MCS -> 资源需求和频谱效率
MIMO / SVD / Rank -> 空域资源
ZF / NSP -> 多用户空域干扰抑制
功率控制 / 水填充 -> 功率域资源
协同调度 -> 多节点资源联合分配这说明现在学习的不是散点，而是在拼无线调度系统的完整图。
自测问题
Q1：信道资源分配的四个维度是什么？
时域、频域、空域、功率域。
Q2：时域资源分配主要解决什么问题？
解决每个调度时刻优先服务谁，兼顾业务优先级、时延、公平性和信道效率。
Q3：频域资源分配为什么重要？
因为用户在不同频点上的信道质量不同，合理分配 RB 可以提升频谱效率并降低时延。
Q4：SU-MIMO 和 MU-MIMO 的区别是什么？
SU-MIMO 是相同时频资源给一个用户使用多个空间流；MU-MIMO 是多个用户在相同时频资源上通过空间分离同时传输。
Q5：显式 BF 和隐式 BF 的区别是什么？
显式 BF 依赖终端反馈下行 CSI；隐式 BF 利用上下行互易性和校准，由上行 CSI 估计下行 CSI。
Q6：ZF 和 NSP 的区别是什么？
ZF 基于伪逆矩阵整体消除多用户干扰；NSP 通过寻找其他用户信道零空间来避免干扰。
Q7：基于能效的功控目标是什么？
在满足 SINR / QoS 要求的前提下，尽可能降低发射功率或提高 bit/J。
一句话总结
信道资源分配的核心，是围绕容量、时延、能耗、公平性和 QoS 目标，在时域、频域、空域、功率域进行联合决策。更工程化地说：
时域决定谁先发；
频域决定用哪些 RB 发；
空域决定用几流、哪些波束、是否多用户复用；
功率域决定每个资源上发多大功率。下一步不要继续堆概念，可以画一张“四域资源分配图”：每个维度写 3 个代表算法，再标出它影响的指标，比如吞吐、时延、干扰、功耗、可靠性。这样这章就能真正立住。