說到大規模MIMO的定義，最常想到的就是 T. L. Marzetta在2010年那篇文獻中指出的：“by increasing the number of antennas at the base station, we can average out the effects of fading, thermal noise and intra-cell interference.”

即通過增加基站端的天線，可以平均掉衰落、噪聲、小區內干擾等，在分析方法上體現為大數定理、中心極限定理的應用，這樣帶來的一個好處是：大規模MIMO系統的信號處理方法不需要再采用復雜的非線性設計來避免上述提到的干擾，而只需要簡單的線性設計即可實現較好的系統性能。

比如在預編碼方法研究方面（預編碼/波束成形在Martin JIANG的回答中有詳細的介紹）：傳統的MIMO系統中一般研究非線性預編碼方案，比如DPC（dirty-paper coding，臟紙），而大規模MIMO中一般采用線性預編碼，比如MRT（最大比發送）、ZF（迫零）、MMSE（最小均方誤差）。DPC這類算法的復雜度較高，隨著基站天線數量的增加，若采用非線性預編碼會導致基站的計算復雜度激增，顯然DPC這類方法不再適用于大規模MIMO。此外，Lund University做了一些實際的測量（見文獻“Linear pre-coding performance in measured very-large MIMO channels”），實驗結果表明，在大規模MIMO系統中，采用低復雜度的線性預編碼即可實現DPC預編碼的98%的性能。

    由此可見，天線數量的增加直接導致了信號處理方法的不同,引發了新的問題和挑戰：

1、信道測量和建模。

    Trigger：天線數增加后信道特性會如何變化，相關性、信道衰落特性等都需要測量和研究，而信道建模是理論研究的基礎，如果信道模型是錯的話，很多研究將失去意義。

2、導頻設計以及降低導頻污染研究。

    Trigger：天線數目增加后，噪聲、小區內干擾等非相關因素都會隨之消失，而導頻污染會成為限制大規模MIMO性能的唯一因素。如何分配導頻、如何分配導頻功率來降低導頻污染等問題變得更為重要。

3、FDD模式下，下行信道估計、信號反饋、兩階段預編碼等研究。

    Trigger：下行信道估計的導頻符號開銷正比于基站天線數目（需大于等于天線數），然而相干時間內可發送的數據符號數目有限（比如200），導頻開銷過大會嚴重降低有用數據符號的發送，同理，用戶估計出信道后，將信道狀態信息反饋給基站亦需要較大開銷，導致低頻譜效率。

4、降低硬件開銷的混合預編碼結構和方法研究。

    Trigger：傳統的信號處理方法需要每根天線對應一個射頻鏈路，然而射頻鏈路非常昂貴，隨著天線數增加，硬件和能量開銷都會隨之增大，所以如果設計和研究降低射頻鏈路的預編碼方案非常重要。

5、低精度硬件和非完美硬件下的信號處理研究。

    Trigger：該問題仍然是由天線數增加導致硬件開銷大的問題引發的，為了降低硬件的成本，通常會采用不完美的硬件（低成本、低精度硬件），在這種情況下如何進行信號處理，以及如何彌補硬件的不足。

6、其他利用空間自由度、統計信道狀態信息、波束選擇、天線選擇等系列研究。

最后，下面簡要回答下最初提到的兩個問題：1、大規模MIMO與MIMO的區別：天線數顯著增加，導致信道的空間特性，信號的處理方法等方面均發生明顯變化，引發了新的問題和挑戰。2、MIMO與大規模MIMO中的方法是否可以通用：MIMO中的信號處理方法原則上可以直接用到大規模MIMO中，但是天線數增加后，MIMO的方法可能會表現出不同的效果，此外，MIMO中的方法會存在復雜度高的問題，通常不適用于大規模MIMO。而大規模MIMO的方法往往利用到了大規模MIMO新的特性，通常不適用于MIMO。