4.2 信道估计与均衡

4.2 信道估计与均衡

同步之后，接收端要弄清信道把波形改成了什么、这没法直接改回去。本节分两步走：信道估计先量出信道的冲激/频响，均衡再把信道造成的畸变补偿回去。从时域的 LS 估计与相关，到频域的导频插值，再到迫零/MMSE/自适应均衡的演进，把"算账 + 补偿"这场仗打完整。

学习目标

阅读完本节，你应当能够：

1. 解释为什么"先估信道、再均衡"是必然次序，两者各答什么问题。
2. 写出一套用导频做最小二乘（LS）信道估计的流程，并理解其局限。
3. 对比迫零、MMSE、自适应均衡的确定性、噪声放大与实现成本。
4. 说清频域均衡在 OFDM 里为何退化成"每子载波一个复数除法"。

一、先量再修：为什么次序不能反

均衡器要压 ISI，得先知道信道长什么样——没有信道信息就谈不上"逆着修"。信道估计就是这一步的"量尺"。一趟流程先发已知导频，接收端拿收到的导频与实际期望导频对照，反推出信道响应；再用这个估计搭均衡器，把数据部分乘回去修。估计错了，均衡修得越用力错得越狠——所以信道估计的质量决定整条接收链的成败。

二、LS 信道估计：最朴素也最常用的起手式

把收发关系写成 y=H·x+n（频域每个载波一个标量），已知导频 x_p，那么对信道频响 H 的最小二乘估计是：

H_est = y_p / x_p。

一句话：拿收到的导频除以已知导频，就得到该位置的信道复增益。简单、无偏、当场可用，这是 LS 估计被所有系统选作默认起点的原因。缺点也有——它完全信观测，噪声直接进结果，所以单点 LS 在低信噪比下抖得厉害。加一步：把导频插值/平滑到整个频带，坏点别单点裸奔。时域版本是把预估的时域冲激响应截短（多径就那几径），更干净，这就是"时域 LS + 频域补插"的组合拳。

import numpy as np
Np = 16                       # 导频子载波数
H_true = np.exp(1j * 0.4 * np.arange(Np))          # 真实信道（示意）
x_p = np.ones(Np)             # 已知导频（简单起见全 1）
n = 0.5 * (np.random.randn(Np) + 1j*np.random.randn(Np))
y_p = H_true * x_p + n
H_est = y_p / x_p             # LS 估计：接收除导频
mse = np.mean(np.abs(H_est - H_true)**2)
print("LS 估计的 MSE：", round(mse, 3))
​

MSE 会随噪声 n 的增大而涨——这正是 LS 的软肋，也是为什么要在时域/频域里加平滑或去噪的动因。

导频怎么插也大有讲究，它直接对应第2章的相干带宽与相干时间两把尺。时域上，导频符号的间隔不能超过相干时间，否则一段里信道早已变脸，拿到的是过期估计；频域上，导频子载波的间隔不能超过相干带宽，否则在信道快速变化的频段会漏掉关键凹陷。反过来导频插得太密又白白占掉数据资源。所以"导频密度"本质是用可容忍的估计误差，去换尽量大的有效数据吞吐——这是每个多径与时变信道都要反复调的平衡点。

三、均衡：把畸形乘回去

估到信道后，均衡器负责"补偿"。按聪明程度排三档：

• 迫零（ZF）均衡：直接乘 1/H，把信道响应拉平到 1。简单，但频谱深槽处 1/H 巨大，噪声被可怕地放大——它的名字就泄了底：只管把 ISI 归零，不管噪声。
• MMSE 均衡：不硬算 1/H，而是在"把 ISI 压下去"与"别放大噪声"之间做最小均方权衡，形式如 H*/(|H|²+σ²)，槽口处不那么疯。性价比之王，主流默认。
• 自适应均衡（LMS/RLS）：没有可靠信道先验的地方，基于接收数据在线迭代更新滤波器系数：LMS 便宜、慢、稳；RLS 快、贵、数值敏感。常用于双发信前无已知信道、或时变快的地方。

选型口诀：有较好信道先验就 MMSE，没先验但时变快就上自适应，深槽环境避 ZF。

四、OFDM 里均衡为什么变简单

第6章会细讲 OFDM，但这里先埋预售：OFDM 把宽带信道切成并行的窄带子载波，每条子载波内近似平衰落，于是信道矩阵退化成对角阵——频域均衡（FEQ）就变成对每个子载波做一个复数除法。这正是"OFDM 用 FFT 把多径均衡从高复杂度拉回每子载波单点除法"的说法来源，也是为什么 4G/5G 爱它。

时域多径均衡 vs 频域 OFDM 均衡

五、给实践者的提醒

• 估计不能独自裸奔：单点 LS 低信噪比会抖，平滑/插值/时域加窗都是"提高估计质量"的常配。
• 均衡要防"过度补偿"：信道深槽处 MMSE 用户要克制，ZF 用一脚下去噪声就翻了天。
• 实复杂度预算：自适应均衡在硬件里每一符号都在算，别在 RX 资源紧张时选 RLS。

再补一条工程常遇到的暗礁：估计与均衡之间永远隔着"估计误差"，不存在"先估准了再完美补偿"的理想状态。估得粗糙时还硬要拉平信道，往往把已经偏的 H_est 当成了真理，放大误差而不是减小。稳妥的做法是在均衡里显式计入估计不确定性——比如在 MMSE 的噪声项里留一点裕量，或用决策反馈把前期判决反哺回去再估一版。这套"估计-均衡-再反馈"的联合迭代，在高速移动、信道快速变化时几乎是必须的，也是接收机软件栈里最考验打磨的地方。

本节要点回顾

• 先估信道再均衡是不可逆次序，估计质量卡住整链。
• LS 估计 = 收导频除导频，朴素但怕噪声，需平滑。
• ZF 拉平信道但放噪，MMSE 兼顾均衡与噪声，LMS/RLS 自适应无先验。
• OFDM 把均衡复杂度压成每子载波单次除法，是它的看家本领。
• 选均衡方案按信道先验与实时性权衡，别迷信单一行。

信道修干净了，最后一步在星座上定夺、用译码掰回剩余错误——解调与译码，接收链的收尾。