1. 项目概述与核心挑战
全双工（Full-Duplex, FD）通信，这个听起来有点“既要又要”的技术，简单说就是让无线设备能在同一时间、同一频段上，既当“说客”又当“听众”。理论上，这能把频谱效率直接翻倍，对于频谱资源日益紧张的5G乃至未来的6G网络来说，无疑是极具诱惑力的。但理想很丰满，现实却很骨感。最大的拦路虎，就是我们常说的“自干扰”（Self-Interference, SI）。想象一下，你对着一个高音喇叭大喊，同时还想听清远处朋友的耳语，这几乎是不可能的——因为你自己发出的巨大声音会完全淹没你想听的那个微弱信号。在无线通信里，基站发射的功率（比如20 dBm，也就是100毫瓦）比它期望接收的来自远处手机的信号功率（可能低至-80 dBm）要高出100个dB（即100亿倍）。不把这头“房间里的大象”管好，全双工就无从谈起。
因此，全双工技术的核心，就是一场围绕“自干扰消除”（Self-Interference Cancellation, SIC）的攻坚战。这场战斗通常在三道防线上展开：传播域（通过天线布局、极化隔离等物理手段削弱干扰）、模拟域（在信号进入敏感的接收机模数转换器ADC之前，用模拟电路进行对消）和数字域（在数字基带处理中，利用已知的发射信号副本进行精准减除）。一个实用的系统往往需要这三者协同作战，构成“混合SIC”方案。
那么，在多天线（MIMO）系统中，有没有一种相对简单、低成本的方法来辅助这场战斗呢？这就是我们这次实验验证的核心：天线选择。传统MIMO系统为每根天线配备一套完整的射频链路，成本高昂。天线选择的思路很巧妙：我装备很多根天线，但只通过一个射频开关，动态选择其中性能最好的那一两根来收发信号。这个“好”的标准，在全双工场景下就变成了：被选中的天线，其接收有用信号的能力要强，而受到自身发射信号干扰的程度要弱。通过智能选择，我们就能以较低的硬件复杂度，获得额外的干扰抑制增益。
本次实验的目标非常明确：在一个室内飞蜂窝基站的典型场景下，搭建一个真实的硬件测试平台，验证“天线选择+交叉极化+天线条件布局”这套混合SIC方案的可行性。我们不仅要看它“能不能工作”，更要量化分析它在不同配置下的性能：换用不同数量的天线会怎样？用全向天线和定向天线有何区别？天线是水平排布还是垂直排布效果更佳？我们设计了三种天线选择准则，通过实测的比特误码率、系统总速率和残余干扰等硬指标，来回答这些问题。
2. 全双工自干扰消除与天线选择原理深潜
2.1 自干扰消除：一场分阶段的“降噪”战役
要实现全双工，我们必须将自干扰压制到接收机本底噪声附近，否则残余的干扰会像背景噪音一样，严重劣化接收灵敏度。这个过程是分阶段、有明确分工的。
第一阶段：传播域与模拟域抑制（被动与主动结合）这一阶段的目标是防止强大的发射信号直接“烧毁”接收机前端的低噪声放大器（LNA）或使ADC饱和。我们可以把它理解为“物理隔离”和“早期电子对抗”。
- 被动抑制：这是最基础也是成本最低的一环。主要包括：
- 天线布局：拉开发射与接收天线的物理距离，利用路径损耗自然衰减干扰。但设备尺寸有限，通常只能获得30-40 dB的隔离。
- 交叉极化：让发射天线和接收天线采用正交的极化方式（如一个垂直极化，一个水平极化）。理想情况下，极化隔离能提供20 dB以上的额外衰减。这是本实验采用的核心被动手段之一。
- 定向天线与屏蔽：使用定向天线，让发射波束和接收波束指向不同方向；或在天线间加装屏蔽材料。这些方法效果显著，但可能影响覆盖范围或增加体积。
- 主动模拟对消：在射频链路中，引入一个与自干扰信号幅度相反、相位相同的“副本”信号进行对消。这需要额外的射频电路（如功分器、移相器、衰减器），通常能再提供20-30 dB的抑制。本实验未专门部署复杂的模拟对消电路，主要依赖传播域手段。
第二阶段：数字域对消（精准打击）经过前两轮压制，进入ADC的自干扰信号功率已大幅降低，但可能仍高于有用信号。数字域对消的任务就是完成这“最后一公里”的清理。
- 原理：由于发射信号的内容是已知的，我们可以根据估计出的“自干扰信道”响应，在数字基带中重构出一个尽可能接近真实自干扰的信号，然后从总接收信号中减去它。
- 挑战：自干扰信道并非静止不变，它会受到环境反射、器件非线性（如功率放大器失真）等因素的影响。因此，需要高精度的信道估计和能够跟踪信道变化的算法。本实验中，我们通过周期性的“校准子帧”来估计自干扰信道。
注意：数字对消的性能天花板很大程度上取决于前级模拟抑制的效果。如果模拟域抑制不足，残留的强干扰信号会超出ADC的动态范围，导致量化失真，此时数字对消将无能为力。因此，模拟抑制是数字对消有效工作的前提。
2.2 天线选择：如何定义“最佳”天线？
在天线选择的语境下，“最佳”不再是单纯地看谁收到的信号最强，而是一个多目标优化问题：信号要强，干扰要弱。我们实验对比了三种选择准则：
1. 最大化信噪比这是最直观、复杂度最低的方法。选择准则为：选择天线 aj = arg max {ρ}，其中 ρ 是接收信噪比。它完全忽略自干扰的存在，仅基于上行有用信道的好坏来做决策。在自干扰很强的场景下，这无异于“盲选”，性能必然受限。但在干扰抑制已经做得非常好的情况下，它可能接近最优。
2. 最大化信号与自干扰加噪声比这是理论上最优的全双工天线选择准则。选择准则为：选择天线 aj = arg max {Θ}，其中 Θ = S / (N + SI)。这里，S是有用信号功率，N是噪声功率，SI是自干扰功率。这个准则要求系统能同时估计出有用信道和自干扰信道，从而综合评估每根天线的“净”信号质量。其性能最好，但计算复杂度也最高。
3. 最大化信道增益比这是一个在性能和复杂度间取得平衡的折中方案。选择准则为：选择天线 aj = arg max {Γ}，其中 Γ = ||h_ul||² / ||h_si||²。它计算每根天线的上行信道增益与自干扰信道增益的比值。其思路是，直接寻找一个“对用户友好，对自己（干扰）不友好”的天线。它不需要像MSSINR那样同时估计信号和干扰的绝对功率，复杂度较低，尤其在信道变化快时更有优势。
复杂度分析：假设有Nr根接收天线，U个用户，Nt根发射天线，在Nu个子载波上进行选择。
- MSNR的复杂度约为 O(Nu * U * Nr²)。它只需要遍历天线，计算每根天线对所有用户的综合信噪比。
- MSSINR的复杂度约为 O(Nu * U * Nr² * Nt)。因为它需要对每根天线，计算其受到来自
Nt根发射天线的干扰总和。 - MCGR的复杂度约为 O(Nu * U * Nr * Nt)。它主要计算比值，避免了功率求和等部分运算。
在实际系统设计中，需要在性能提升和计算资源消耗之间做出权衡。MCGR准则因其较好的性能与适中的复杂度，常被视为一个实用的选择。
3. 实���平台搭建与实操全记录
3.1 硬件系统架构：从概念到连接
我们的测试平台是一个典型的软件定义无线电（SDR）思想下的产物，核心目标是灵活可控，便于算法验证。整个系统的框图清晰展示了信号流和控制流。
核心设备清单与角色：
- 控制与处理核心：一台运行MATLAB的PC。它负责所有基带信号的生成（如OFDM符号、导频）、接收数据的处理（如信道估计、解调、误码率计算）、以及执行天线选择算法。同时，它还通过GPIB或网口控制其他仪器。
- 信号发射机：一台任意波形发生器。它的角色是将MATLAB生成的数字基带I/Q信号，经过数模转换、上变频，变成5.2 GHz的射频模拟信号，通过发射天线辐射出去。
- 信号接收机：一台数字信号分析仪。它负责接收选通天线传来的射频信号，进行下变频、模数转换，将数字化的I/Q信号送回MATLAB处理。
- 天线选择执行器：一个八端口射频开关，由一个Arduino开发板控制。MATLAB计算出最佳天线索引后，通过串口发送指令给Arduino，Arduino再控制射频开关切换到对应的端口，从而连通选中的那根接收天线。
天线部署细节：
- 基站端：我们采用1发8收的配置。发射天线与最近的接收天线间距约为26厘米（约9倍半波长），以确保远场条件。通过精心摆放，我们利用交叉极化（发射与接收天线极化方向正交）和空间分离，在传播域首先获得了约35 dB的固有隔离度。
- 用户设备端：使用两个单天线UE模拟上行用户，它们以半双工TDD模式工作，与基站距离在1-4米之间（模拟室内典型场景）。
3.2 信号帧结构与工作流程设计
为了让天线选择算法能工作，系统必须有一个“训练”阶段来获取信道信息。我们设计了专门的帧结构。
半双工帧结构： 一个HD帧包含两个子帧：SF0和SF1。
- SF0：信道训练子帧。它包含
Nr个连续的时隙，每个时隙对应一根接收天线。每个时隙内包含：- 1个OFDM导频符号：用于估计该天线到用户的上行信道。
- 若干OFDM数据符号：用于事后计算该信道的误码率（BER）。
- 保护间隔：用于射频开关切换天线，避免切换瞬态影响信号。
- SF1：数据传输子帧。在SF0完成后，基站根据MSNR准则选出最佳天线。随后，SF1的数据仅通过这根选中的天线进行收发。
全双工帧结构： FD帧更为复杂，因为它需要训练两种信道：上行信道和自干扰信道。
- SF0_Cal：自干扰校准子帧。此子帧仅在需要更新自干扰信道估计时发送。基站自己发射已知信号，并轮流通过所有接收天线接收，从而估计出每根天线对应的自干扰信道响应。由于自干扰信道主要取决于基站自身物理结构，变化缓慢，无需每帧都校准。
- SF0_UL：上行信道训练子帧。与HD的SF0类似，用于估计所有接收天线上的上行信道。
- SF1_UL & SF1_DL：上下行数据传输子帧。在完成天线选择后，基站同时发射下行信号（给下行用户）和接收上行信号（通过选中的天线）。这是全双工能力的核心体现。
工作流程：
- 训练阶段：PC生成训练帧数据，控制AWG发射。DSA按顺序通过射频开关连接的各天线接收信号，回传PC进行信道估计（采用基于最小二乘的时域方法）。
- 决策阶段：MATLAB根据估计出的信道信息，运行预设的天线选择准则（MSNR/MSSINR/MCGR），计算出最佳天线索引。
- 执行阶段：PC通过Arduino控制射频开关切至最佳天线。
- 通信阶段：PC生成包含实际数据的SF1帧，控制AWG发射下行信号，同时通过选中的天线接收上行用户信号，并进行解调、误码率计算等性能评估。
3.3 关键参数与信号处理要点
OFDM波形参数：我们采用了类似LTE的参数集。子载波间隔为15 kHz，采用4-QAM调制。采样率为30.72 MSa/s，对应20 MHz的系统带宽。这些参数保证了实验与主流宽带无线系统（如LTE）的相关性。
峰均比处理：OFDM信号的峰均比很高，容易在DAC处产生削波失真。我们采用了限幅法来降低PAPR，即设定一个幅值门限，超过门限的采样点直接被削波到该门限值。这是一种简单有效的非线性方法，虽然会引入带内失真和带外辐射，但在我们的实验配置下是可控的。
功率设置：
- 下行干扰信号：固定以AWG最大输出电平（约0 dBm）发射，模拟基站对自身的强干扰。
- 上行有用信号：设置了10个不同的AWG输出电平，对应不同的发射功率，用以模拟用户距离基站远近不同（1米至4米，路径损耗45-60 dB）时，接收端信噪比的变化范围（约-45 dBm 至 -80 dBm）。
实操心得：在搭建此类射频测试平台时，线缆损耗、接头类型、仪器增益设置都需要仔细校准。我们事先用矢量网络分析仪测量了所有射频路径的损耗，并在MATLAB的信号处理链中进行了补偿。此外，为了获得稳定的统计结果，每个功率点下的实验都重复了至少20次，取平均结果，以消除随机噪声和信道快衰落的影响。
4. 实验结果分析与性能对比
所有测试均在真实的室内办公室环境（见图13）中进行，包含了丰富的多径反射。下面我们逐一拆解实验结果。
4.1 半双工模式下的天线选择基准
首先，我们在半双工模式下验证了天线选择的基本收益。如图14所示，无论是1米还是2米距离，采用MSNR准则的8选1天线选择系统，其误码率性能都显著优于不使用选择（即8天线SIMO系统，将所有天线信号等增益合并）。这是因为天线选择本质上是一种选择式合并，它避免了深衰落天线对整体性能的拖累，获得了分集增益。在2米距离时，由于多径更丰富，分集效果更明显，性能提升比1米时更大。
图15的速率曲线进一步证实了这一点。天线选择带来了可观的容量提升，尤其是在中低信噪比区域，这种提升对于改善小区边缘用户的体验至关重要。
4.2 全双工模式：三种选择准则的正面交锋
切换到全双工模式后，好戏才真正开始。图16展示了三种准则下的误码率性能。
- 低信噪比区域：三条曲线几乎重合。这是因为此时接收机端的噪声是主导因素，自干扰的相对影响被掩盖了。同时，高噪声也影响了信道估计的精度，使得依赖精确信道信息的MSSINR和MCGR准则优势无法发挥。
- 高信噪比区域：性能差距拉开。MSSINR准则表现最佳，因为它明确地将自干扰功率纳入了“信干噪比”的计算中，做出了全局最优的选择。MCGR准则紧随其后，性能非常接近MSSINR。而MSNR准则则明显落后，因为它“一叶障目”，只看到了强信号，却可能选择了一根自干扰也同样很强的天线，导致实际通信质量下降。
图17的总速率和图18的FD/HD速率增强比（理想全双工应为2）给出了更宏观的图景。MSSINR和MCGR在高信噪比下几乎能将速率提升至HD的2倍，逼近理论极限。而MSNR只能达到约1.45倍。残余自干���是阻碍性能达到完美2倍的关键。我们的测量表明，通过“传播域隔离（35 dB）+ 交叉极化（10-15 dB）+ 天线选择（10-15 dB）+ 数字对消（20 dB）”这套组合拳，总共实现了75-85 dB的自干扰消除，使得残余干扰功率接近了接收机的噪声底（-80 dBm左右）。
4.3 天线数量、类型与布局的影响
天线数量：我们对比了2、4、8根接收天线的情况。图19清晰地显示，天线数量越多，残余自干扰越低。8天线系统能将RSI压制在25 dB以下，这意味着对后续数字对消模块的要求可以放宽，降低了系统实现的复杂度。天线数量的增加带来了更大的选择空间和分集增益，是提升全双工性能最直接的途径之一。
天线类型：我们将基站天线从全向天线换成了Vivaldi定向天线（波束宽度约50度）。如图20-23所示，定向天线通过空间波束隔离，带来了额外的7-9 dB的干扰抑制增益，显著降低了误码率，提升了速率。但这里有一个重要的工程权衡：定向天线虽然改善了干扰，但其窄波束特性可能会限制基站的覆盖范围，在用户分布广泛的场景下需要结合波束扫描技术。因此，天线选型需根据具体的覆盖需求和干扰水平来决定。
天线布局：我们测试了两种天线排布结构：水平分离和垂直分离（见图24）。垂直分离结构通过将接收天线布置在发射偶极子天线的轴向方向上，结合交叉极化，能获得更好的隔离度。图25-27证明，垂直结构相比水平结构，能进一步降低残余干扰，带来约几个dB的性能提升。这提示我们，在基站设备的结构工业设计阶段，天线的相对位置和朝向是一个需要精心优化的参数。
5. 工程实践启示与未来展望
通过这次从理论到硬件的完整实践，我们得以窥见全双工技术走向实用化所面临的真实挑战与可行路径。
核心结论与工程启示：
- 混合方案是必由之路：单一领域的SIC技术难以满足严苛的干扰消除需求。实验证明，将传播域隔离、天线选择、数字对消等手段结合起来的混合方案，是实现实用化全双工系统的有效途径。
- 天线选择是性价比之选：对于成本和功耗敏感的小蜂窝、物联网设备，为每根天线配备完整射频链路的传统MIMO方案代价高昂。天线选择技术以极低的附加成本（主要是射频开关和控制逻辑），提供了显著的干扰抑制和分集性能增益，尤其适合作为全双工系统的辅助增强手段。
- 准则选择需权衡：MSSINR性能最优但计算复杂；MCGR在性能与复杂度间取得了良好平衡，是工程实现的推荐选择；MSNR仅适用于干扰已得到极好控制的场景。
- 系统设计需全局优化：天线数量、类型、布局并非独立参数。增加天线数能提升性能，但会增加尺寸和开关复杂度；使用定向天线能改善干扰，但可能牺牲覆盖；垂直布局能提高隔离，但受限于设备形态。在实际产品设计中，需要根据目标场景进行系统级的权衡与优化。
局限性与未来工作： 本次实验主要聚焦于基站侧的接收天线选择。一个更完整的系统评估还需要考虑：
- 用户间干扰：在全双工小区中，上行用户对下行用户的干扰（称为“双工干扰”）可能成为新的瓶颈，尤其是在用户密集的场景下。
- 更复杂的算法：可以探索结合发射天线选择、考虑下行信道质量的联合优化算法，以最大化整个小区的吞吐量，而不仅仅是上行链路的性能。
- 非理想因素的影响：实验使用了高性能仪器，硬件损伤较小。在实际的商用芯片和功放中，非线性、相位噪声、I/Q不平衡等问题会更加突出，它们会限制数字对消的性能，并可能使信道估计变得困难。研究这些非理想因素下的鲁棒性算法是下一步的关键。
- 与5G NR技术的结合：如何将天线选择与5G NR的波束管理、大规模MIMO等技术相结合，在毫米波等新频段探索全双工的潜力，是充满前景的方向。
全双工技术从学术热点走向规模商用，还有一段路要走。但像本文这样的实验验证工作，正一步步地将理论上的“可能”变为工程上的“可行”。它告诉我们，通过巧妙的系统设计和扎实的工程实现，攻克自干扰这座大山，让频谱效率翻倍的梦想，正在照进现实。
