首页 › deep-tech › 均衡器：抹平多径的码间串扰

均衡器：抹平多径的码间串扰

一、从一个生活场景说起：空谷里的回声

你站在山谷里喊一声"你好"，耳朵听到的不是干净的一个"你好"，而是"你好……你好……你好"，一声叠着一声，后面的回声还盖到了前面。如果你喊得很快——"你好吗"三个字连珠炮一样喊出去，那么第一个字的回声，会糊到第二个字、第三个字上，听的人就分不清你到底说的是"你好吗"还是"吗好你"。

无线通信里的码间串扰（Inter-Symbol Interference, ISI），本质上就是这个"回声糊字"的问题。

基站发给你的每一个符号（一个调制后的 QAM 点），不是走一条路到你手机，而是被大楼、地面、山体反射成好多条路（多径）一起到。近的路先到，远的路后到，于是第 1 个符号的"尾巴"，拖到了第 2 个、第 3 个符号的判决时刻上，符号之间互相串扰——这就是 ISI。

均衡器（Equalizer） 就是接收端专门用来"把回声抹平、把糊掉的字重新分清楚"的那个器件。它是整个接收机链路里最吃功夫、也最能体现工程师功底的一环。

二、ISI 到底怎么产生的：两个罪魁祸首

ISI 的成因可以拆成两个，理解这两个，就理解了为什么需要均衡器。

罪魁 1：多径时延扩展（时间维度）

理想世界里，一个窄脉冲经过信道，出来还是一个窄脉冲。但现实的多径信道是一个弥散信道——一个冲激进去，出来的是一串幅度衰减、时延不同的脉冲，叫做信道冲激响应 $h(t)$。

flowchart LR
    A["发送符号<br/>（窄脉冲）"] --> B["多径信道 h t"]
    B --> C["主径 τ0"]
    B --> D["反射径 τ1<br/>幅度小，延迟"]
    B --> E["反射径 τ2<br/>幅度更小，延迟更大"]
    C --> F["接收端看到的<br/>符号尾巴拖长"]
    D --> F
    E --> F
    F --> G["后一个符号的判决时刻<br/>被前一个的尾巴污染 = ISI"]
    style G fill:#fde2e2,stroke:#c0392b

接收端的第 $k$ 个符号的采样值 $y_k$，其实是当前符号 $x_k$ 乘上主径增益，再叠加上前后好几个符号的拖尾：

$$y_k = \sum_{n} h_n \, x_{k-n} + n_k$$

这里 $h_n$ 就是信道冲激响应的各个抽头（tap）。除了 $n=0$ 这一项是"想要的信号"，其他所有 $n\neq 0$ 的项全是串扰。当信道时延扩展 $\tau_{rms}$ 跟符号周期 $T_s$ 相当时（即 $\tau_{rms}/T_s \gtrsim 1$），ISI 就严重到无法忽视。

罪魁 2：带宽受限（频率维度）

奈奎斯特告诉我们：要无 ISI 传输，整个系统（发送滤波器 × 信道 × 接收滤波器）的频率响应必须满足奈奎斯特无 ISI 准则，最典型的是升余弦滚降——时域上它在每个符号周期整数倍处精确过零，因此相邻符号在采样点上互不干扰。

但问题是：多径信道会把这个精心设计的升余弦特性给扭曲掉。信道在频域上不是平坦的（有凹凸、有深衰落零点），合成的整体响应就不再满足奈奎斯特准则，时域上过零点被破坏，ISI 就出现了。

所以一句话总结：ISI 的根源是"实际信道偏离了奈奎斯特无 ISI 条件"。均衡器的使命，就是把这个偏离给"校"回来。

三、均衡器的本质：在接收端造一个"逆信道"

既然是信道 $H$ 把信号搞扭曲了，那最朴素的思路就是：在接收端串一个滤波器 $C$，让 $C$ 把 $H$ 的影响抵消掉，使整体 $H \cdot C = 1$（平坦无失真）。

这就是逆滤波（inverse filtering）思想，也是所有均衡器的数学起点。

flowchart LR
    X["发送符号 x"] --> H["实际信道 H<br/>（带多径、带失真）"]
    H --> Y["接收 y = H·x + n"]
    Y --> C["均衡器 C<br/>（逆信道）"]
    C --> Z["均衡输出 z ≈ x"]
    Z --> D["判决器<br/>还原比特"]
    style C fill:#e2f0d9,stroke:#548235

但"造逆信道"听着简单，真做起来有三个层次的难，对应三种不同的均衡器设计哲学。下面我们逐个拆解。

四、三大经典均衡器：从"硬刚"到"妥协"再到"取巧"

1. 零强迫均衡器（Zero-Forcing, ZF）——"我不管噪声，先把串扰干掉"

ZF 的哲学最直接：强制让所有 ISI 项等于零。

设信道为 $H(z)$，ZF 均衡器直接取：

$$C_{ZF}(z) = \frac{1}{H(z)}$$

这样 $H(z)\cdot C_{ZF}(z) = 1$，串扰被完美抵消，输出端只剩干净的符号。听起来很美，但有个致命问题：它对噪声毫不设防。

接收信号是 $y = Hx + n$，经过 $C_{ZF}$ 后是：

$$\hat{x} = x + \frac{n}{H(z)}$$

注意这个 $\frac{n}{H(z)}$——如果信道在某个频点 $f_0$ 出现深衰落（$|H(f_0)|$ 很小，接近零点），那么 $\frac{1}{H(f_0)}$ 就会变成一个巨大的数，把噪声放大几十倍甚至上百倍。

这就是 ZF 的阿喀琉斯之踵：它在追求"零串扰"的同时，把噪声功率推上了天。在实际的多径衰落信道里（几乎必然有频域零点），ZF 经常是"捡了芝麻丢了西瓜"——串扰没了，但 SNR 恶化得没法用。

工程师直觉：ZF 均衡器在信道质量好（无深衰落）时接近最优；一旦碰到频域凹坑，它就是噪声放大器。这就是为什么现网里几乎不会裸用 ZF。

2. 最小均方误差均衡器（MMSE）——"串扰和噪声，我两个都管"

MMSE 的哲学是有文化的妥协：既然完全消除 ISI 会放大噪声，那不如在"残余 ISI"和"噪声放大"之间找一个最优的平衡点，让两者的总均方误差最小。

它最小化的目标函数是：

$$J = E\left[\,|\,\hat{x}_k - x_k\,|^2\,\right] = E\left[\,|\text{残余ISI} + \text{放大噪声}\,|^2\,\right]$$

经过 Wiener-Hopf 方程求解，MMSE 均衡器的频域形式是：

$$C_{MMSE}(f) = \frac{H^*(f)}{|H(f)|^2 + \frac{N_0}{S_x}}$$

这个公式值得仔细品味——它就是 ZF 公式的"软化版"：

当信噪比极高（$S_x \gg N_0$，即 $N_0/S_x \to 0$）时，分母里的 $N_0/S_x$ 可忽略，$C_{MMSE} \to H^/|H|^2 = 1/H$，退化为 ZF*。这很合理：噪声小的时候，你确实可以放心地全力消除串扰。
当信道有深衰落（$|H(f_0)| \to 0$）时，分母里多了一个 $N_0/S_x$ 顶着，增益不会被推向无穷，噪声放大被"限幅"了。

所以 MMSE 相比 ZF 的核心进步是：它在深衰落频点主动放弃一点串扰消除，换来噪声不被引爆。这个"以小失换大得"的折中，正是工程智慧的体现。MMSE 也是现网线性均衡器的事实标准。

3. 判决反馈均衡器（DFE）——"前面判对了，就拿来当干净的参考"

DFE 的哲学更取巧：线性均衡器（ZF/MMSE）的根本矛盾是"消除 ISI 必然放大噪声"——因为前馈滤波器同时作用于信号和噪声。那如果我能用"不含噪声"的信号来抵消串扰呢？

DFE 用了两个滤波器：

flowchart LR
    Y["接收信号 y"] --> F["前馈滤波器 FFE<br/>（消除前向串扰）"]
    F --> SUM(("−"))
    FB["已判决符号<br/>（无噪声！）"] --> B["反馈滤波器 FBE<br/>（重建后向串扰）"]
    B --> SUM
    SUM --> D["判决器"]
    D --> OUT["输出符号"]
    D -.->|"反馈给下一拍"| FB
    style SUM fill:#fff2cc,stroke:#bf9000
    style FB fill:#e2f0d9,stroke:#548235

前馈滤波器（FFE）：处理接收信号，作用类似 MMSE 线性均衡。
反馈滤波器（FBE）：把已经判决出来的符号（注意：判决输出是"干净"的，因为它经过了判决器的"四舍五入"，噪声基本被剥离）送回来，重建它们对当前符号造成的后向串扰，然后从当前信号里减掉。

DFE 的精妙在于：反馈支路用的是判决后的符号（近似无噪声），所以反馈消除串扰不引入噪声放大——这突破了线性均衡器的固有矛盾。这也是为什么 DFE 在深衰落信道下性能优于任何线性均衡器。

但 DFE 有个要命的副作用：误码传播（error propagation）。如果第 $k$ 个符号判错了，这个错误符号会通过反馈支路污染第 $k+1$、$k+2$……判决，错误像多米诺骨牌一样向后传播，直到某一次判决恰好纠回来。

工程对策：现代系统用带格图搜索的 MLSE/Turbo 均衡，或者干脆在 OFDM 里用频域均衡绕过这个问题（见下节）。

三者对比一览

维度	ZF 零强迫	MMSE 最小均方误差	DFE 判决反馈
设计目标	强制 ISI=0	ISI+噪声总功率最小	反馈消后向串扰
噪声放大	严重（深衰落处爆炸）	适中（被限幅）	最轻（反馈无噪声）
残余 ISI	无	少量（可控）	极少
复杂度	低	中	较高（双滤波器+判决回路）
低 SNR 性能	差	好	最好
关键缺陷	噪声放大	残余 ISI	误码传播
典型场景	高 SNR、平坦信道	现网线性均衡标准	单载波深衰落信道

五、OFDM 的"作弊"：用循环前缀把均衡器变成一个除法

读到这里你可能会想：时域均衡器这么复杂（要几百个抽头、要自适应收敛、还有误码传播），那 5G/LTE 的 OFDM 用的是什么均衡器？

答案是：OFDM 几乎把复杂的时域均衡问题，整个绕过去了。

诀窍在于两件事的配合：

第一，循环前缀（CP）把"线性卷积"变成"循环卷积"。 多径信道本来对符号做的是线性卷积（带尾巴、带串扰）。CP 把每个 OFDM 符号的尾部复制一段到头部，只要 CP 长度 ≥ 信道最大多径时延，线性卷积就被"圆"成了循环卷积。而循环卷积有一个绝妙性质：在频域，它就是逐点相乘。

第二，FFT 把信号搬到频域后，每个子载波看到的是一个平坦、无 ISI 的一阶信道。 于是均衡器对每个子载波，只需要做一个单抽头除法：

$$\hat{X}_k = \frac{Y_k}{H_k} \quad \text{（ZF）} \qquad \text{或} \qquad \hat{X}_k = \frac{H_k^*}{|H_k|^2 + N_0/S_x}\,Y_k \quad \text{（MMSE）}$$

flowchart LR
    A["接收 OFDM 符号<br/>（含CP）"] --> B["去 CP"]
    B --> C["FFT<br/>变到频域"]
    C --> D["每个子载波<br/>单抽头均衡<br/>Y_k / H_k"]
    D --> E["信道估计 H_k<br/>（来自导频/DMRS）"]
    E --> D
    D --> F["IFFT<br/>变回时域符号"]
    F --> G["解调判决"]
    style D fill:#e2f0d9,stroke:#548235

这就是为什么 OFDM 在宽带高速系统中大杀四方——它把一个需要几百个抽头的时域均衡问题，化解成了几千个互不干扰的、各自只做一个除法的频域均衡问题。每个子载波上，信道是"平坦的"，串扰被 CP 隔离了，均衡器退化成最简单的 1 抽头。

这也回答了另一个常见疑问："为什么 OFDM 还需要信道估计？"——因为单抽头均衡 $\hat{X}_k = Y_k / H_k$ 里那个 $H_k$ 必须先估计出来，这就是导频/DMRS 存在的核心意义之一。

六、时域 vs 频域均衡：一张表看清取舍

对比项	时域均衡	频域均衡（OFDM）
工作位置	单载波系统（如 SC-FDMA 上行）	OFDM/SC-FDMA（频域处理）
抽头数	多（跟信道长度成正比）	每子载波 1 个
是否需要 CP	不需要	必需（开销约 7%~25%）
峰均比 PAPR	低	高（OFDM 的硬伤）
抗深衰落	DFE 优秀，线性一般	单抽头 ZF 仍会噪声放大，需 MMSE
复杂度	高（长信道）	低（FFT 后并行）

这张表也解释了 5G 上行为什么用 SC-FDMA 而不是 OFDM：上行对手机功耗和 PAPR 敏感，SC-FDMA 保留了单载波的低 PAPR 优势，但发送前加 DFT 预编码、接收端在频域做均衡后再 IFFT 回来，鱼和熊掌兼得。

七、自适应均衡：信道在变，均衡器也得跟着变

现实信道是时变的（你坐着不动，旁边开过一辆车，多径就变了）。所以均衡器不能是固定系数，必须自适应地跟踪信道变化。这就需要：

训练序列 / 导频：发送端插入接收端已知的序列（5G 的 DMRS、LTE 的 RS），接收端拿收到的和已知的对比，算出当前信道 $H$，进而更新均衡器系数。
自适应算法：最经典的是 LMS（最小均方）——简单但收敛慢；RLS（递归最小二乘）——收敛快但计算量大；高速场景还会用卡尔曼滤波。
工作模式：先"训练模式"用导频快速收敛，再切到"判决模式"（用自己判决的符号当参考，叫 decision-directed）持续微调。

sequenceDiagram
    participant TX as 发送端
    participant CH as 时变信道
    participant EQ as 自适应均衡器
    participant DET as 判决器
    TX->>CH: 发送导频 + 数据符号
    CH->>EQ: 信号被多径扭曲（H 在变）
    Note over EQ: 训练阶段：用已知导频<br/>按 LMS/RLS 更新抽头
    EQ->>DET: 均衡后符号
    DET->>DET: 判决出符号
    DET-->>EQ: 判决反馈（判决模式）<br/>持续跟踪信道变化

八、实战连接：工程师调试时哪里会用到这些知识

看 EVM（误差向量幅度）定位问题：EVM 是星座点上实际点和理想点的偏差。如果 EVM 大，先怀疑是不是均衡没收敛 / 信道估计不准，而不是发射机问题。残留 ISI 会让星座点"拖尾"或"成环"，这是判读星座图的经典技能。
频选信道下挑均衡器：测试仪表里如果只给你 ZF，深衰落场景下 SNR 会异常偏低；切到 MMSE 立刻好转。这是网优和芯片调试里常见的"换均衡器翻盘"。
抽头系数诊断：DFE 的反馈滤波器抽头如果长时间不收敛，往往是误码传播或导频信噪比太低导致训练失败。
CP 长度是否够用：当小区里出现超远反射（大时延扩展），若超过 CP 长度，频域单抽头均衡失效、ISI 重现，EVM 突然恶化。这是部署中"为什么这个角落信号满格但速率很差"的典型根因。

九、常见误解与调试陷阱

误解 1："均衡器是放大信号的。" 错。均衡器不是放大器，它是逆滤波器，作用是补偿相位和幅度失真、消除串扰。它对信号本身可能根本不放大，甚至在某些频点衰减。
误解 2："OFDM 不需要均衡器。" 错。OFDM 只是把复杂时域均衡简化成了频域单抽头均衡，它依然需要信道估计来算那个 $H_k$。
陷阱："CP 越长越好。" CP 越长抗多径越强，但 CP 是纯开销（不发有效数据）。5G 不同子载波间隔下 CP 长度不同，正是"开销 vs 抗时延扩展"的工程权衡。

常见问题

Q1：ZF 和 MMSE 到底该用哪个？ A：绝大多数现网场景选 MMSE。它只在 SNR 极高、信道近乎平坦时才退化为 ZF。ZF 只适合理论分析或极其干净的信道；碰到多径深衰落，MMSE 的"噪声限幅"能力是决定性的。

Q2：DFE 这么好，为什么 OFDM 不用 DFE？ A：因为 OFDM 用 CP + 频域单抽头均衡，已经在每个子载波上把信道"拍平"了，根本不存在时域意义上的后向串扰需要反馈消除。DFE 的优势体现在单载波、长时延扩展场景（如某些毫米波上行或专用链路）。

Q3：均衡器和信道估计是什么关系？ A：信道估计是"给信道拍 X 光片"，均衡器是"按片子开处方"。均衡器系数依赖信道估计的结果 $H_k$；信道估计不准，均衡器再聪明也白搭。两者是紧耦合的上下游。

Q4：均衡器会影响吞吐量吗？ A：会。残余 ISI 直接抬升误码率，触发重传（HARQ），拉低有效吞吐。MMSE 均衡做得好的芯片，在同一信道下吞吐能比差的高出 20%~40%，这就是高端射频芯片的核心竞争力之一。

Q5：5G 里还有时域均衡吗？ A：主流 5G NR 下行 OFDM、上行 SC-FDMA 都走频域均衡路线。但高速移动、超远覆盖、专用工业链路等特殊场景，以及部分毫米波回传，仍会用到时域 DFE 或更先进的 MLSE/Turbo 均衡。

参考来源

信道均衡 - 百度百科 — 信道均衡、多径时延与码间串扰（ISI）的权威中文定义
通信原理板块——时域均衡 - 知乎 — 自适应均衡器、ZF/LMS/RLS/DFE 算法体系讲解
Equalization - Stanford University (Cioffi Group) — 经典数字通信教材，含 MMSE/DFE/MIMO 均衡完整推导
MIMO 详解系列：ZF 和 MMSE 算法 - 知乎 — ZF 检测噪声放大问题的矩阵视角分析
实战：自适应均衡的设计与实现（完整代码）- CSDN — LMS/RLS/DFE 自适应均衡的工程实现与仿真

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。

51学通信知识星球海报-扫码加入