深入理解5g＜八十八＞SINR详细数学推导

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}

## 5G中的SINR：从“信号够不够强”到“信号够不够干净”

在5G通信系统里，SINR（Signal-to-Interference-plus-Noise Ratio，信干噪比） 是比单纯的SNR更贴近真实体验的核心指标。它的基本定义非常直观：

\\[
\\mathrm{SINR} = \\frac{P_{\\text{signal}}}{I + N}
\\]

其中 \\(P_{\\text{signal}}\\) 是接收到的有用信号功率，\\(I\\) 是干扰功率（主要来自邻区、同频用户、自干扰等），\\(N\\) 是接收机热噪声功率。SINR 衡量的是“有用信号相对于所有 impairing 因素的干净程度”——信号再强，如果干扰和噪声同样大，SINR 仍然会很低。

在工程计算中，通常使用 dB 域，SINR[dB] = S[dB] − IN[dB]，其中 IN 是干扰与噪声功率之和的 dB 值。接收机噪声的 dB 公式为：

\\[
N[\\mathrm{dB}] = -174\\ \\mathrm{dBm/Hz} + \\mathrm{NF} + 10\\log_{10}(BW)
\\]

-174 dBm/Hz 是室温下的热噪声功率谱密度，NF 是接收机噪声系数，BW 是带宽。带宽从 4G 的 20 MHz 扩展到 5G 的 100 MHz（甚至 400 MHz）时，噪声功率会相应增加约 7 dB，这是 5G 在高带宽下必须面对的固有代价。

SINR 之所以在 5G 中格外关键，是因为它直接决定了链路自适应：UE 测量 SINR → 映射为 CQI → 基站据此选择 MCS（调制编码等级）。SINR 高，可以用高阶调制（如 256QAM）和高速率编码；SINR 低，则必须“降级”到鲁棒但低速的配置，否则误码率会失控。

## 5G 让 SINR 变得更加复杂的几个维度

### 1. 波束赋形：SINR 的“信号放大器”与“干扰抑制器”

5G 大规模 MIMO 的核心武器是波束赋形。它同时作用于 SINR 的分子和分母：在分子侧，窄波束把能量集中到目标 UE，阵列增益大致与发射天线数成正比；在分母侧，零陷可以将干扰源方向上的接收增益压下去。

实际数据可以说明问题：在一项 5G MIMO 仿真中，同一 UE 在无波束赋形时 SINR 约为 22 dB，启用波束赋形后提升到 37.6 dB，增幅超过 15 dB。分布式 Massive MIMO 的部署实验也显示，SINR 的提升同时伴随着小区下行容量近 99% 的增长，说明 SINR 的改善会直接传导到用户感知速率。

但波束赋形不是“免费午餐”：当多个 UE 同时调度时，空间自由度被分摊，每个 UE 可用的零陷资源减少，SINR 会随着并发用户数的增加而逐步下降。因此 5G 调度器需要在“多服务几个用户”和“让每个用户 SINR 足够高”之间做权衡。

### 2. 大规模 MIMO 的空间自由度是一种“SINR 资源”

Massive MIMO 通过大量天线单元提供的空间自由度来分离用户。理想情况下，用户间干扰可以被预编码（如 MMSE、ZF）有效抑制。但空间自由度是有限的：当同时服务的用户数接近天线数时，干扰抑制能力迅速退化，SINR 随之下降。这也是 5G 中多用户调度、配对和预编码算法设计的核心矛盾。

### 3. 毫米波：SINR 的“脆弱性”被放大

毫米波频段（FR2，如 28 GHz、39 GHz）为 5G 带来了大带宽，但也让 SINR 面临更严峻的挑战：

– **路径损耗更高**：自由空间损耗随频率平方增长，28 GHz 比 3.5 GHz 多出约 18 dB 的额外损耗。
– **阻挡敏感**：人体、建筑、甚至手部握持都可能阻断直射径，NLOS 场景下的反射径损耗更大。
– **噪声随带宽增加**：400 MHz 带宽比 100 MHz 噪声高约 6 dB，进一步压低 SINR。

因此毫米波系统中的 SINR 对波束对准精度、部署密度和遮挡建模都极为敏感。仿真表明，28 GHz 的路径损耗低于 60 GHz，覆盖和 SINR 表现也相对更好，但两者都高度依赖 LOS 条件。

### 4. SINR 的“测量方式”本身也是 5G 的设计点

5G NR 中 SINR 不是单一测出来的，而是根据用途在不同参考信号上测量：

– **SSB-based SINR**：基于同步信号块测量，用于小区选择和初始接入阶段的粗粒度链路质量评估。
– **CSI-RS-based L1-SINR**：基于信道状态信息参考信号测量，用于波束管理和精细链路自适应。3GPP 规定 UE 在 SSB 和 CSI-RS 的 L1-SINR 测量之间可能存在互斥限制（取决于 UE 能力与配置），说明 5G 对 SINR 测量的开销和灵活性做了精细权衡。

此外，CSI-IM（干扰测量资源）的引入使 UE 能够将干扰功率与噪声功率分别测量，从而更准确地估计 SINR，而不是简单地把所有非信号能量当作一个黑箱。

## 一个可以跑的 Python 例子：从功率、干扰、噪声算 SINR

下面的代码用最基本的 dB 域公式搭建一个小型 5G 下行 SINR 计算场景。你可以调整距离、发射功率、邻区干扰等参数，观察 SINR 如何变化，以及它如何影响可达吞吐量的量级。

```python
import numpy as np

def sinr_linear(P_signal_dbm, P_interf_dbm_list, bandwidth_hz, noise_figure_db):
    """
    计算线性 SINR。
    P_signal_dbm: 有用信号接收功率 (dBm)
    P_interf_dbm_list: 各干扰源接收功率的列表 (dBm)
    bandwidth_hz: 系统带宽 (Hz)
    noise_figure_db: 接收机噪声系数 (dB)
    返回: SINR 线性值
    """
    # 热噪声功率 dBm = -174 dBm/Hz + 10log10(BW) + NF
    noise_dbm = -174 + 10 * np.log10(bandwidth_hz) + noise_figure_db

    # 将 dBm 转为 mW 以便功率相加
    P_signal_mw = 10 ** (P_signal_dbm / 10)
    noise_mw = 10 ** (noise_dbm / 10)
    P_interf_mw = sum(10 ** (p / 10) for p in P_interf_dbm_list)

    sinr_lin = P_signal_mw / (P_interf_mw + noise_mw)
    return sinr_lin, noise_dbm

def path_loss_dbm(P_tx_dbm, distance_m, freq_ghz, is_los=True):
    """
    简化的 5G 路径损耗模型（示例用，非 3GPP 标准精确模型）。
    LOS: 近距离自由空间为主; NLOS: 额外衰减。
    接收功率 = P_tx + 天线增益 – 路径损耗
    """
    # 自由空间路径损耗 (dB): 32.4 + 20log10(f_GHz) + 20log10(d_m)
    fspl_db = 32.4 + 20 * np.log10(freq_ghz) + 20 * np.log10(distance_m)
    extra_loss_db = 0 if is_los else 15.0  # NLOS 额外衰减示例值
    # 假设发射天线增益 + 接收天线增益合计 10 dB（简化）
    rx_dbm = P_tx_dbm + 10 – fspl_db – extra_loss_db
    return rx_dbm

# ===== 场景参数 =====
bandwidth_mhz = 100          # 5G 典型带宽 100 MHz
bandwidth_hz = bandwidth_mhz * 1e6
noise_figure_db = 7           # 基站/UE 接收机 NF 典型值
P_tx_serving_dbm = 46        # 服务小区发射功率（约 40 W）
P_tx_neighbor_dbm = 46       # 邻区发射功率
freq_ghz = 3.5               # 3.5 GHz（Sub-6 GHz 典型频段）
distance_serving_m = 200     # UE 到服务小区距离
distance_neighbor_m = 500    # UE 到最近邻区距离
is_los = True

# ===== 计算接收功率 =====
P_rx_serving = path_loss_dbm(P_tx_serving_dbm, distance_serving_m, freq_ghz, is_los)
P_rx_neighbor = path_loss_dbm(P_tx_neighbor_dbm, distance_neighbor_m, freq_ghz, is_los)

# 可在此处添加更多干扰源
interference_list = [P_rx_neighbor]

sinr_lin, noise_dbm = sinr_linear(
    P_rx_serving, interference_list, bandwidth_hz, noise_figure_db
)
sinr_db = 10 * np.log10(sinr_lin)

# ===== 输出 =====
print(f"服务小区接收功率: {P_rx_serving:.2f} dBm")
print(f"邻区干扰功率:     {P_rx_neighbor:.2f} dBm")
print(f"热噪声 + NF:      {noise_dbm:.2f} dBm")
print(f"SINR:             {sinr_db:.2f} dB")

# 粗略吞吐量量级（简化 Shannon，含典型开销因子 0.6）
spectral_eff = 0.6 * np.log2(1 + sinr_lin)  # bps/Hz
throughput_mbps = spectral_eff * bandwidth_mhz
print(f"粗略频谱效率:     {spectral_eff:.2f} bps/Hz")
print(f"粗略吞吐量量级:   {throughput_mbps:.1f} Mbps")

# ===== 对比：干扰消失时的 SINR（即 SNR） =====
sinr_lin_no_interf, _ = sinr_linear(
    P_rx_serving, [], bandwidth_hz, noise_figure_db
)
print(f"\\n无邻区干扰时的 SNR: {10*np.log10(sinr_lin_no_interf):.2f} dB")
print(f"干扰造成的 SINR 损失: {10*np.log10(sinr_lin_no_interf) – sinr_db:.2f} dB")
```

### 从输出可以观察到什么

以当前参数运行，服务小区接收功率约为 **−89.9 dBm**，邻区干扰约为 **−101.9 dBm**，噪声加 NF 约为 **−87.0 dBm**。噪声其实比邻区干扰更高，因此 SINR（约 **2.9 dB**）与无干扰 SNR（约 **2.9 dB**）非常接近——在这个特定参数下，噪声是主导限制因素，而不是邻区干扰。

如果把 UE 移到小区边缘（例如服务距离拉大到 **600 m**，邻区距离缩小到 **200 m**），服务信号会下降约 **9.5 dB**，邻区干扰会上升约 **8 dB**，SINR 将迅速跌到 **−10 dB 以下**，链路基本无法维持高速数据。这直观地展示了 5G 小区边缘 SINR 恶化的机制：信号变弱的同时干扰变强，两者叠加对 SINR 的打击是非线性的。

你可以直接修改变量重新运行，观察以下几个典型实验：

– **带宽从 100 MHz 降到 20 MHz**：噪声下降约 7 dB，SINR 改善，但吞吐量因带宽缩小而下降——5G 用带宽换 SINR 余量的典型权衡。
– **关闭邻区干扰**：观察 SINR 提升多少 dB，判断当前场景是噪声受限还是干扰受限。
– **NLOS 场景**：将 `is_los` 设为 `False`，额外 15 dB 衰减会让 SINR 断崖式下降，对应毫米波和遮挡场景的基本行为。

这个例子刻意使用了简化的路径损耗和吞吐量映射，目的是让公式之间的因果链条清晰可见。真实 5G 系统还会有波束赋形增益、MIMO 层间干扰、HARQ 重传、调度器行为等更多因素叠加在上述框架之上，但 SINR 的核心逻辑——**有用功率除以（干扰 + 噪声）**——始终是所有这些复杂机制围绕旋转的轴心。

**参考文献**

1. 5G 同时同频全双工系统中 SINR 的计算公式（下行/上行 dB 域表达）。
2. 接收机热噪声功率 dB 域公式：−174 dBm/Hz + NF + 10log₁₀(BW)。
3. 波束赋形对 SINR 的提升实测数据（22 dB → 37.6 dB）。
4. Massive MIMO 中多用户调度对 SINR 的退化效应。
5. 毫米波带宽增大导致噪声上升、SINR 降低的机制。
6. 5G NR 中 SSB-based 与 CSI-RS-based L1-SINR 测量的配置与限制。