5G上行链路自适应是一个闭环控制系统，其核心任务是根据基站（gNB）对上行信道的实时测量，动态调整用户设备（UE）的传输参数，以在**频谱效率**和**传输可靠性**之间取得最佳平衡。
与下行链路自适应相比，上行链路面临一个根本性的非对称挑战：**UE的发射功率和天线数量通常远小于基站**。因此，上行链路自适应不仅要选择调制与编码策略（MCS），还必须精细地管理UE的发射功率，并在覆盖、容量和能效之间做出权衡。
🎯 与下行链路自适应的关键差异
理解上行链路自适应，首先需要明确它与下行链路在信息获取方式上的根本不同。
* **信息获取方式**：在下行链路中，UE通过测量下行参考信号来估算信道质量，并上报**信道质量指示（CQI）**。而在上行链路中，基站可以直接**测量UE发送的探测参考信号（SRS）** 来获取上行信道状态信息（CSI），从而进行更准确的调度和链路自适应决策。
* **控制主体**：下行链路的MCS选择主要由基站根据UE反馈的CQI决定。上行链路的MCS和发射功率则由基站根据其直接测量到的SRS信道质量，通过**下行控制信息（DCI）** 中的**发射功率控制（TPC）** 命令和MCS指示来共同控制UE。
⚙️ 核心机制：内环与外环的协同
与下行链路类似，上行链路自适应也采用**双环控制结构**来应对测量误差和反馈延迟。
内环链路自适应 (Inner-Loop Link Adaptation, ILLA)
这是快速响应的**内环**，负责对信道变化做出即时反应。
* **信息输入**：基站基于对**SRS的测量**，估算上行信道的信干噪比（SINR）。
* **工作流程**：基站将测量得到的SINR通过查表的方式，快速映射为一个初始的MCS，并通过DCI指示给UE。
* **局限性**：ILLA的精度受限于SRS测量误差和信道估计的延迟。在高速移动或信道快速变化时，基于"过时"SINR选择的MCS可能导致传输失败或资源浪费。
外环链路自适应 (Outer-Loop Link Adaptation, OLLA)
这是进行长期修正的**外环**，也是当前蜂窝网络的**行业标准**。它不直接依赖SRS测量，而是根据**混合自动重传请求（HARQ）的反馈**来微调MCS选择。
* **工作原理**：OLLA维护一个**SINR偏移量（Offset）**。当基站收到**ACK**（解码成功）时，会略微**降低**该偏移量；当收到**NACK**（解码失败）时，会**提高**该偏移量。
* **核心价值**：通过这种闭环调整，OLLA能有效**补偿SRS测量误差和反馈延迟**，使长期的实际误块率（BLER）逼近预设的目标值。其基本调整逻辑可表示为：
-
收到 ACK：`offset = offset - Δ_down`
-
收到 NACK：`offset = offset + Δ_up`
最终，基站使用 `(SRS测量得到的SINR - offset)` 来选择MCS。
* **上行场景的特殊性**：在上行链路中，OLLA的调整不仅影响MCS选择，还会**间接影响功率控制**，因为更高的MCS通常需要更高的发射功率来维持相同的可靠性。
🛠️ 关键技术组件：功率控制、MIMO、波形与带宽
上行链路自适应远不止MCS选择，它是一个多维度的联合优化问题。
上行功率控制
功率控制是上行链路自适应的**核心执行手段**，其目标是在保证基站接收质量的同时，最小化UE的发射功率以降低干扰和功耗。5G采用**分数功率控制（Fractional Power Control）** 框架。
上行物理共享信道（PUSCH）的发射功率可由下式近似表示：
`P_PUSCH = min{P_max, 10log10(N_PRB) + P_0 + α·PL + Δ_MCS + f(Δi)}` dBm
* **P_max**：UE的最大允许发射功率。
* **N_PRB**：分配给UE的物理资源块数量。
* **P_0**：小区特定的目标接收功率基准。
* **α**：**路径损耗补偿因子**（0 ≤ α ≤ 1）。当α=1时为完全补偿，α<1时为**部分路径损耗补偿**，这有助于降低小区边缘UE的发射功率，从而**减少对邻区的干扰**。
* **PL**：UE根据下行参考信号接收功率（RSRP）估算的路径损耗。
* **Δ_MCS**：与当前MCS相关的功率偏移。
* **f(Δi)**：由基站通过TPC命令控制的**闭环修正值**。
这种机制使UE能够根据自身的路径损耗和基站分配的MCS，自适应地调整发射功率。
上行MIMO与预编码
对于支持多天线的UE，上行链路自适应还包括**秩自适应**和**预编码**。基站根据SRS测量的信道状态，决定UE应该使用**传输秩（Rank）**（即空间层数）和**预编码矩阵**。在高多普勒场景下，基站可能建议UE从闭环MIMO切换到**Rank-1预编码循环**方案，以提升高速移动下的性能。
波形与带宽自适应
* **波形切换**：5G上行支持两种波形：**CP-OFDM**和**DFT-S-OFDM**。DFT-S-OFDM具有更低的峰均功率比（PAPR），能提高UE的功率放大器效率，从而**增强上行覆盖**；而CP-OFDM在链路质量好时能提供更高的频谱效率。自适应地切换波形是一种重要的链路自适应手段。
* **带宽/时隙配比自适应**：通过动态调整上下行时隙配比（例如，从常规的5D2S3U调整为**大上行帧结构**如2D1S3U），可以大幅增加上行传输机会，从而提升上行峰值速率和容量。
🚀 挑战与演进：AI驱动的智能化
尽管OLLA等机制已很成熟，但5G的新场景对其提出了新挑战，推动着链路自适应技术向智能化演进。
* **URLLC的严苛要求**：超可靠低延迟通信要求极低的BLER（如10^-5），这意味着NACK事件极其稀少，导致OLLA的调整"样本"不足，难以快速收敛。
* **AI/ML驱动的链路自适应**：为了应对上述挑战，业界正转向基于**机器学习（ML）和深度强化学习（DRL）** 的方法。
* **智能波形切换**：利用DRL学习最优的波形切换阈值，以在当前操作条件下最大化性能，解决了传统方法难以应对5G网络动态复杂性的问题。
* **AI外环链路自适应**：用DRL替代传统的OLLA"阶梯式"调整。例如，**LOLLA**框架将SINR偏移量学习为连续值，在高多普勒场景下相比OLLA可实现**15%至92%的吞吐量增益**。
* **AI辅助上行接收**：AI先进接收机技术能够在相同空口SINR条件下解调更高阶的MCS，从而智能化地重构上行链路，进一步提升用户体验。
* **现网验证**：爱立信与KDDI的试验表明，AI辅助的上行优化使5G SINR提升了**27%**，并提高了上行调制效率和频谱效率。
💎 总结
5G上行链路自适应是一个以**基站测量SRS**为输入，以**MCS选择**和**功率控制**为两大核心执行手段的精密闭环控制系统。它通过**内环**快速响应信道变化，并通过**外环OLLA**补偿现实误差。面对URLLC和高速移动等场景的挑战，上行链路自适应正朝着**AI/ML驱动的智能化**方向演进，通过联合优化MCS、功率、波形、带宽和MIMO参数，持续挖掘5G网络的频谱效率潜力。