第1章功率分配基础

一、功率分配基础：概念、场景与系统模型

各位同学好，我是老张。今天咱们聊聊功率分配这件事。

说实话，我刚入行那会儿，觉得功率分配不就是把总功率分一分嘛，有啥好讲的？后来在做一个 Massive MIMO 项目时，因为功率没分配好，导致边缘用户完全掉线，被客户骂得狗血淋头。从那以后，我才真正重视起这个看似简单、实则门道极深的问题。

功率分配，说白了就是：在总发射功率有限的前提下，如何把功率合理地分配给不同的天线、不同的用户、或者不同的数据流。

你想想看，基站的发射功率是固定的，比如 46dBm（约 40 瓦）。如果所有功率都怼给一个用户，其他用户就断连了。反过来，如果平均分给 100 个用户，每个用户分到的功率微乎其微，信号质量又不行。

所以，功率分配的核心矛盾就是：总功率有限 vs 用户需求多样。

关键点：功率分配不是简单的除法，而是一个优化问题。目标函数可以是最大化总吞吐量、保证用户公平性、或者最小化发射功率。

我这些年做过的项目里，功率分配几乎无处不在。挑三个最典型的场景说说：

MIMO 系统有多根天线，每根天线发不同的数据流。问题来了——每根天线分多少功率？

我记得有一次做 4×4 MIMO 的测试，一开始我让四根天线平均分配功率。结果发现，其中两根天线的信道条件特别差，浪费了不少功率。后来改用注水算法，把功率倾斜给信道好的天线，吞吐量直接提升了 30%。

嗯，这里要注意：MIMO 的功率分配通常和预编码矩阵绑定在一起，不能单独优化。

波束赋形是通过调整天线相位，让信号能量集中到某个方向。但问题来了——如果同时要给多个用户做波束赋形，每个波束分多少功率？

我曾经做过一个 5G 毫米波项目，基站要同时服务 8 个用户。一开始我用等功率分配，结果靠近基站的用户信号过强，远处的用户却收不到。后来改用基于路径损耗的功率分配，才把覆盖拉平。

我的经验：波束赋形场景下，功率分配一定要结合用户的位置信息。离基站近的用户少分点，远的用户多分点。这个道理很简单，但很多人一开始会忽略。

OFDM 系统把频带分成多个子载波，每个子载波可以分配给不同用户。功率分配在这里变成了二维问题：既要分配子载波，又要分配功率。

这个场景下，我习惯用「贪心算法」先分配子载波，再用注水算法分配功率。虽然不一定是最优解，但计算复杂度低，工程上够用。

好了，概念讲完了，咱们来点硬核的。功率分配的系统模型长什么样？

假设一个下行链路，基站有 N 根天线，服务 K 个单天线用户。那么第 k 个用户的接收信号可以写成：

y_k = h_k^H * w_k * sqrt(p_k) * s_k + Σ_{j≠k} h_k^H * w_j * sqrt(p_j) * s_j + n_k

其中：

这个公式看着复杂，其实核心就两点：

功率分配的目标，就是在总功率约束 Σ p_k ≤ P_total 下，最大化所有用户的速率和。

注意：这个模型假设了完美的信道状态信息（CSI）。实际工程中，CSI 是有误差的。我曾经因为 CSI 估计不准，导致功率分配结果完全失效。所以，鲁棒性设计是功率分配中不可忽视的一环。

为了让大家对本章内容有个整体认识，我画了一张图：

这一章咱们讲了功率分配的基本概念、三个典型应用场景，以及数学系统模型。说白了，功率分配就是在有限资源下做最优决策。

我个人觉得，理解功率分配的关键不在于记住公式，而在于建立「资源-约束-目标」的思维框架。后面几章我们会深入具体的分配算法，到时候你会发现，所有算法都是在解决同一个问题：怎么分才最好？

给新人的建议：刚开始学功率分配，别急着看复杂算法。先拿一个简单的两用户场景，手动算一遍等功率分配和注水分配的结果差异。我当年就是这么入门的，效果很好。