说到大规模MIMO的定义，最常想到的就是 T. L. Marzetta在2010年那篇文献中指出的：“by increasing the number of antennas at the base station, we can average out the effects of fading, thermal noise and intra-cell interference.”

即通过增加基站端的天线，可以平均掉衰落、噪声、小区内干扰等，在分析方法上体现为大数定理、中心极限定理的应用，这样带来的一个好处是：大规模MIMO系统的信号处理方法不需要再采用复杂的非线性设计来避免上述提到的干扰，而只需要简单的线性设计即可实现较好的系统性能。

比如在预编码方法研究方面（预编码/波束成形在Martin JIANG的回答中有详细的介绍）：传统的MIMO系统中一般研究非线性预编码方案，比如DPC（dirty-paper coding，脏纸），而大规模MIMO中一般采用线性预编码，比如MRT（最大比发送）、ZF（迫零）、MMSE（最小均方误差）。DPC这类算法的复杂度较高，随着基站天线数量的增加，若采用非线性预编码会导致基站的计算复杂度激增，显然DPC这类方法不再适用于大规模MIMO。此外，Lund University做了一些实际的测量（见文献“Linear pre-coding performance in measured very-large MIMO channels”），实验结果表明，在大规模MIMO系统中，采用低复杂度的线性预编码即可实现DPC预编码的98%的性能。

    由此可见，天线数量的增加直接导致了信号处理方法的不同,引发了新的问题和挑战：

1、信道测量和建模。

    Trigger：天线数增加后信道特性会如何变化，相关性、信道衰落特性等都需要测量和研究，而信道建模是理论研究的基础，如果信道模型是错的话，很多研究将失去意义。

2、导频设计以及降低导频污染研究。

    Trigger：天线数目增加后，噪声、小区内干扰等非相关因素都会随之消失，而导频污染会成为限制大规模MIMO性能的唯一因素。如何分配导频、如何分配导频功率来降低导频污染等问题变得更为重要。

3、FDD模式下，下行信道估计、信号反馈、两阶段预编码等研究。

    Trigger：下行信道估计的导频符号开销正比于基站天线数目（需大于等于天线数），然而相干时间内可发送的数据符号数目有限（比如200），导频开销过大会严重降低有用数据符号的发送，同理，用户估计出信道后，将信道状态信息反馈给基站亦需要较大开销，导致低频谱效率。

4、降低硬件开销的混合预编码结构和方法研究。

    Trigger：传统的信号处理方法需要每根天线对应一个射频链路，然而射频链路非常昂贵，随着天线数增加，硬件和能量开销都会随之增大，所以如果设计和研究降低射频链路的预编码方案非常重要。

5、低精度硬件和非完美硬件下的信号处理研究。

    Trigger：该问题仍然是由天线数增加导致硬件开销大的问题引发的，为了降低硬件的成本，通常会采用不完美的硬件（低成本、低精度硬件），在这种情况下如何进行信号处理，以及如何弥补硬件的不足。

6、其他利用空间自由度、统计信道状态信息、波束选择、天线选择等系列研究。

最后，下面简要回答下最初提到的两个问题：1、大规模MIMO与MIMO的区别：天线数显著增加，导致信道的空间特性，信号的处理方法等方面均发生明显变化，引发了新的问题和挑战。2、MIMO与大规模MIMO中的方法是否可以通用：MIMO中的信号处理方法原则上可以直接用到大规模MIMO中，但是天线数增加后，MIMO的方法可能会表现出不同的效果，此外，MIMO中的方法会存在复杂度高的问题，通常不适用于大规模MIMO。而大规模MIMO的方法往往利用到了大规模MIMO新的特性，通常不适用于MIMO。