4. 均衡技术：线性均衡与判决反馈均衡(DFE)
各位同学，今天我们来聊聊均衡技术。说实话，这是物理层信号传输里最让我头疼、也最让我着迷的一块。为什么？因为码间干扰（ISI）这东西，就像通信系统里的“幽灵”，你看不见摸不着，但它就是能把你的信号搞得一塌糊涂。
我记得刚入行那会儿，调试一个16QAM的接收机，眼图怎么看怎么不对劲。后来老工程师过来看了一眼，说：“小子，你这是ISI没处理好。”从那以后，我就跟均衡技术杠上了。
4.1 码间干扰是怎么来的？
先说说ISI的本质。你想想看，信号在信道里传输，多径效应会让不同路径的信号到达时间不一样。结果就是：当前符号“污染”了后面的符号，后面的符号也“污染”了前面的符号。
用数学语言说，接收信号可以表示为：
r(t) = ∑ aₙ·h(t - nT) + n(t)其中aₙ是发送符号，h(t)是信道冲激响应，T是符号周期。当h(t)的持续时间超过T时，ISI就出现了。
关键点：ISI的严重程度取决于信道带宽与符号速率的关系。带宽越窄，符号速率越高，ISI越严重。
4.2 线性均衡：最直接的思路
线性均衡的思路很朴素——既然信道把信号“卷积”了一下，那我们就设计一个滤波器，把信道“反卷积”回来。说白了，就是找一个逆滤波器。
常见的线性均衡器结构：
- 迫零均衡器（ZF）：完全消除ISI，但会放大噪声
- 最小均方误差均衡器（MMSE）：在ISI和噪声之间找平衡
我个人习惯用MMSE。为什么？因为在实际项目中，噪声永远存在。ZF虽然理论上完美，但噪声放大后，信噪比反而更差。我曾经在一个卫星通信项目里试过ZF，结果误码率比不用均衡还高——教训深刻啊。
4.2.1 迫零均衡器
迫零均衡器的系数满足：
∑ wₖ·h(n - k) = δ(n)也就是说，均衡器与信道的级联响应是一个单位冲激。这样ISI就完全消除了。
注意：当信道在某个频率上有深衰落时，迫零均衡器会在该频率上产生很大的增益，从而严重放大噪声。我曾经在深衰落信道下测试ZF，输出信噪比下降了10dB以上。
4.2.2 MMSE均衡器
MMSE均衡器不追求完全消除ISI，而是最小化均方误差：
E[|aₙ - ŷₙ|²] → min其中ŷₙ是均衡器输出。MMSE的系数可以通过维纳-霍夫方程求解。
嗯，这里要注意：MMSE需要知道信噪比信息。在实际系统中，信噪比估计不准的话，MMSE的性能也会打折扣。
4.3 判决反馈均衡（DFE）：更聪明的做法
线性均衡有个问题——它试图同时消除前向和后向的ISI。但你想啊，后向ISI（即当前符号对后面符号的影响）其实可以通过反馈来消除。
DFE的结构分为两部分：
- 前馈滤波器（FFF）：处理前向ISI
- 反馈滤波器（FBF）：利用已判决的符号消除后向ISI
DFE的核心思想是：已经判决出来的符号，我们已知其值，那就可以精确地减去它们对当前符号的干扰。
实战经验：DFE的反馈部分不会放大噪声，因为反馈的是判决后的符号（无噪声）。所以DFE通常比线性均衡有更好的噪声性能。但代价是——存在误差传播问题。
4.3.1 误差传播问题
如果某个符号判决错了，这个错误会通过反馈滤波器传播下去，导致后续一连串的符号都判错。这就是所谓的“误码传播”。
我曾经在一个项目中，DFE的误码率曲线在信噪比低的时候出现“地板效应”——信噪比再高，误码率也降不下去。查了半天，发现就是误差传播在作怪。
解决误差传播的方法：
- 使用纠错编码，降低初始误码率
- 采用部分响应技术，减少反馈抽头数
- 在判决前加入软信息，提高判决可靠性
4.4 线性均衡 vs DFE：怎么选？
| 对比项 | 线性均衡 | DFE |
|---|---|---|
| ISI消除能力 | 有限（受噪声放大限制） | 强（反馈部分无噪声放大） |
| 噪声性能 | 较差（尤其是ZF） | 较好 |
| 实现复杂度 | 低 | 中等 |
| 误差传播 | 无 | 有 |
| 适用场景 | 信道条件较好，ISI不严重 | 信道条件差，ISI严重 |
我的建议是：如果信道时延扩展小于符号周期的2-3倍，线性均衡就够了。如果时延扩展更大，或者信道有深衰落，那就上DFE。
4.5 均衡器实现中的几个坑
最后分享几个我在项目中踩过的坑：
- 抽头数选择：抽头太少，均衡效果差；抽头太多，计算量大且可能过拟合。一般取信道时延扩展的2倍左右。
- 自适应算法：LMS算法简单但收敛慢，RLS算法收敛快但计算量大。我一般先用LMS做粗调，再用RLS做精调。
- 训练序列：均衡器需要训练序列来收敛。训练序列长度不够，均衡器可能还没收敛就进入数据模式了。
避坑指南：我曾经在一个项目中，训练序列只用了64个符号，结果均衡器在数据段性能很差。后来改成256个符号，性能就正常了。记住：训练序列长度至少是均衡器抽头数的5-10倍。
4.6 本章知识体系
下面这张图展示了均衡技术的核心逻辑和决策路径：
这张图把均衡技术的核心逻辑串起来了。从ISI出发，分两条路走：线性均衡和DFE。每条路都有自己的优缺点，最终的选择取决于你的信道条件和系统要求。
好了，这一章的内容就到这里。均衡技术是物理层信号处理的重头戏，理解了它，你就能应对大多数实际信道中的ISI问题。下一章我们会讲自适应均衡算法，到时候再深入聊聊LMS和RLS的具体实现。
公众号:蓝海资料掘金营，微信deep3321