第1轮 · 调制解调原理（下）：接收端如何从被扭曲的波形里还原比特
你网购过精密仪器吗？快递员把箱子扔上货车，翻山越岭，暴力分拣，三天后开箱——里面的东西歪了、松了、磕了。东西出厂时是好的，路上被揉坏了。
这时候如果你拿到一份「运输路况报告」——知道箱子在哪一段被颠了几下、朝哪边歪了几度——你就能反着把它掰回来。信道估计，就是搞清楚这段路怎么颠；均衡，就是反着掰的那一下。
前几篇我们讲过 QAM 星座、OFDM 多载波、SC-FDMA，讲的都是发射端怎么把比特「变」成信号。但调制解调这个词里，「解」的那一半——接收机如何把被空气揉过的信号还原回去——才是真正决定你网速下限的地方。发射机的功放可以堆料，接收算法却只能靠理解。这一篇，我们把接收机的两门核心手艺讲透。
基站天线发出的信号，并不会只走一条路。它一路直射到你，同时还有一份撞上对面玻璃幕墙弹过来，一份绕过楼角衍射过来。三条路长短不一，到达时间就有先有后。用数学话说，无线信道是一个多径网络：
$$h(\tau)=\sum_{i} a_i\,\delta(\tau-\tau_i)$$
每条路径带来一个衰减 $a_i$ 和一个时延 $\tau_i$。接收天线收到的，是同一个信号的多个「回声」的叠加：
$$y(t)=h(t)*x(t)+n(t)$$
注意这个卷积符号 $*$，它是本文真正的反派。
为什么卷积可怕？看一张图就明白了：
flowchart TD
A["发射端发出符号B"] -->|"直射准时到"| R["接收天线多路叠加"]
A -->|"反射晚到一格"| R
A -->|"绕楼晚到两格"| R
R --> D["符号B的迟到副本<br/>正好砸进符号C的采样点"]
D --> E["码间干扰 ISI"]
数字通信是符号排着队发的。当符号 B 的回声晚到的时间超过一个符号周期，它就不再和自己的「本体」重合，而是掉进后一个符号 C 的采样窗口里——前一个符号的尾巴，骑在了后一个符号的头上。这就是码间干扰（ISI）。
更麻烦的是，4G/5G 为了追求频谱效率，把子载波间隔做大、符号周期做短。符号越短，同样的多径时延差就显得「越宽」，ISI 就越凶。这解释了一个现网现象：同样一套基站，在密集城区（多径丰富）的误码表现，往往比郊区差——不是设备不行，是「路」更颠。
从星座图上看，失真有两种面孔：
接收机要做的，就是把这两种失真都解开。
要反着掰，先得知道正着是怎么弯的。可接收机有个根本困境：它没见过原始信号。收到一串被揉过的波形，你怎么知道哪些变形是信道干的、哪些本来就是数据？
工程师的答案非常朴素：考卷里掺几道标准答案题。
发射端和接收端事先约好：某些时频位置上放双方都熟知的符号——导频（pilot），5G 里叫解调参考信号 DMRS。接收机拿到这些位置的接收值，再对比「标准答案」，信道干了什么就一目了然。最简单的估计算法叫最小二乘（LS）：
$$\hat{H}_k^{LS}=\frac{Y_k}{X_k^{pilot}}$$
导频位置上，收到的 $Y_k$ 除以已知的发送值 $X_k^{pilot}$，商就是这条子载波上的信道响应 $\hat{H}_k$。被乘了什么，除回去就知道乘数是多少。
但裸的 LS 估计有个毛病：它把噪声也原样收进了估计值。所以实际接收机还要做三件事：
flowchart TD
A["收到时域样值"] --> B["FFT变到频域"]
B --> C{"该格子里有导频吗"}
C -->|"有"| D["最小二乘估计<br/>收到值除以已知导频"]
C -->|"没有"| E["用邻近导频插值<br/>或用上一时刻外推"]
D --> F["平均去噪<br/>得到各子载波的H"]
E --> F
F --> G["均衡<br/>按H反向补偿"]
G --> H["星座点归位<br/>送交判决"]
这套逻辑直接解释了 5G DMRS 的设计：每个用户的 DMRS 是专属的（谁的数据谁来估计）、前置的（先量路再走）、可增配的（信号差就多撒几组导频换精度）。你在参数里看到的「附加 DMRS 符号数」，本质就是用开销换估计精度的旋钮。
有了信道响应 $\hat{H}$，最直觉的均衡就是「除回去」——这叫迫零均衡（ZF）：
$$\hat{X}_k=\frac{Y_k}{H_k}=X_k+\frac{N_k}{H_k}$$
信号确实归位了。但请盯住第二项：噪声也被除了一个 $\frac{1}{H_k}$。如果某个子载波恰好落在信道深谷里（$|H_k|$ 很小），会发生什么？
你为了听清一句耳语，把音量旋钮拧到最大——耳语清楚了，电流声也炸了。
这就是 ZF 的死穴：噪声放大。信道深谷处，噪声被放大 $1/|H_k|^2$ 倍，星座点在归位的同时被噪声甩得到处乱飞，误码率反而飙升。
最小均方误差均衡（MMSE） 的聪明之处，是在「掰直信号」和「放大噪声」之间做了一笔账：除的时候给噪声留点余量——
$$\hat{X}_k=\frac{H_k^{*}}{|H_k|^{2}+1/\mathrm{SNR}}\,Y_k$$
信噪比高时，分母里噪声项可忽略，MMSE 退化成 ZF；信噪比低、信道深谷处，它主动放弃「掰到最直」，换取消除噪声爆炸。ZF 追求还原，MMSE 追求「判对」——而判对才是终极目的。 这一个分母的差别，是教科书里最值钱的加项之一。
除 ZF、MMSE 外，还有一条时域路线：判决反馈均衡（DFE）——符号判完就成了已知数，把它的拖尾从后面符号里直接减掉，像还债一样逐个清偿 ISI。它不放大噪声，但判错会传染（误差传播），复杂度也高。三种思路摆在一起看：
| 迫零 ZF | MMSE | 判决反馈 DFE | |
|---|---|---|---|
| 核心操作 | 直接除以 H | 除之前给噪声留余量 | 判过的符号反扣消拖尾 |
| 噪声表现 | 深谷处急剧放大 | 放大但有节制 | 不放大，但误差会传播 |
| 复杂度 | 低 | 低（OFDM 下与 ZF 同阶） | 高，需逐符号反馈 |
| 典型归宿 | 高信噪比、平坦信道 | 现代宽带系统主流 | GSM 时代单载波、有线线路 |
多径卷积是矩阵级的纠缠，硬解（时域抽头均衡）又贵又娇气。OFDM 的高明之处，不是消灭多径，而是换一个域，让卷积变成乘法——而这一切的钥匙，是一段看似浪费的「重复片段」：循环前缀（CP）。
flowchart TD
A["频域QAM符号若干"] --> B["IFFT合成时域块"]
B --> C["把块尾复制贴到块头<br/>这就是循环前缀CP"]
C --> D["过多径信道<br/>被卷积拖尾污染"]
D --> E["CP段吸收全部拖尾<br/>数据段完好无损"]
E --> F["FFT变回频域"]
F --> G["卷积变循环卷积<br/>信道矩阵成了对角线"]
G --> H["每个子载波独立一除<br/>均衡化繁为简"]
没有 CP 时，前一个 OFDM 块的拖尾会漏进当前块，而且卷积是「不完整」的，频域上各子载波互相纠缠。贴上 CP 后，每个块的头部自带一段「备份」，多径拖尾全部落在 CP 段里被扔掉，块内数据段经历的恰好是一个完整的循环卷积。循环卷积经 FFT 变换后有一个漂亮的性质：频域上就是逐点相乘——
$$Y_k = H_k\,X_k + N_k$$
原本几百阶的卷积矩阵，变成了一条对角线：每个子载波自成独立小信道，互不打扰。于是均衡退化成每个子载波上「一乘一除」，第一节里那个可怕的卷积符号，被一段重复数据消解于无形。
以 15 kHz 子载波间隔为例，常规 CP 长约 4.7 微秒，对应约 1.4 公里的路径长度差——足够吞下绝大多数城区多径。这段「浪费」的开销，买来的是整个接收机复杂度的坍缩。工程里最高明的设计，往往是用一点结构性的冗余，换一个可以局部化求解的问题。这也是 OFDM 能成为 4G/5G 物理层基石的深层原因之一。
把接收机的能力边界画清楚，和掌握它的用法同样重要：
| 失真类型 | 现场症状 | 对策 | 均衡能否解决 |
|---|---|---|---|
| 乘性失真（相位旋转/幅度缩放） | 星座整体转个角度 | 导频跟踪 + 共轭相乘 | 能，这是它的主业 |
| 卷积失真（多径 ISI） | 星座点拖尾糊成一片 | CP + 频域均衡 / 时域抽头 | 能 |
| 非线性失真（功放饱和） | 星座向内外喷，高阶角点先坏 | 功放回退、数字预失真 | 不能，均衡只治线性失真 |
| 快时变（高速移动多普勒） | 估计刚做好就过期 | 加密时间维导频、跟踪滤波 | 取决于导频密度 |
记住一条铁律：均衡是线性运算，只能逆线性信道。功放压缩、IQ 不平衡这类非线性失真，星座畸变模式和信道卷积完全不同，除以任何 $\hat{H}$ 都无济于事。把非线性问题塞给均衡去解，是新手最常踩的坑。
EVM 排查的黄金顺序。 EVM（误差矢量幅度）是衡量「星座点归位质量」的体检指标。EVM 差时，按因果链排查：先查时间/频率同步（星座整体转圈=频偏没校干净），再查功放（角点塌陷=回退不足），最后才轮到信道估计与均衡（拖尾糊片=多径没均衡好）。顺序错了会白调半天。
DMRS 符号数与上行吞吐的取舍。 上行边缘用户速率上不去时，加配 DMRS 符号能提升估计精度、降低误码，但开销直接吃掉可用 RE。这个旋钮的本质是本文第二节「精度 vs 开销」的量化版。
窄带深谷误码。 若 BLER 集中在某几个 RB 上而全带宽平均 SNR 正常，大概率是频率选择性凹陷——那几个子载波正落在 $|H_k|$ 深谷里。MMSE 能缓解但救不了极深谷，最终兜底的是跳频和 HARQ 重传。看到这种「局部顽疾」，别急着怀疑硬件。
三个常见误解： 1. 「均衡能消除一切失真」——非线性失真它管不了（见表二）； 2. 「信道估计做一次就够」——信道时变，移动场景下估计的有效期以毫秒计； 3. 「星座糊了先调均衡」——很多时候是同步（定时/频偏）在前级就错了，后面再怎么除都是白除。
发射机负责「变」：把比特变成波形。接收机负责「变回来」：把波形还原成比特。而夹在中间的信道，是一个从不打招呼的捣乱者。信道估计与均衡这对组合，代表通信工程一种反复出现的解题哲学——先精确刻画问题（量出路怎么颠），再用最小的代价逆变换它（反着掰一次）。OFDM 用一段 CP 把卷积对角化，MMSE 用一个加项在还原与判对之间做权衡，DMRS 用几组已知符号换整条链路的稳定——都是这个哲学的具体化身。
理解了这一层，你再去看接收机的任何新特性，都会发现万变不离其宗：新算法新在哪一步「刻画信道」，又新在哪个域「逆变换」。
Q1：信道估计和均衡到底是什么关系？ A：估计是「量尺子」，均衡是「用尺子裁」。估计回答「信道对信号做了什么」（求 $\hat{H}$），均衡回答「怎么把它做回去」（用 $\hat{H}$ 反变换）。估计不准，均衡除得再标准也是白除——所以调接收问题永远先看估计质量。
Q2：ZF 和 MMSE 什么时候差别最明显？ A：信道频率选择性深、信噪比低的时候。平坦信道或高 SNR 下两者几乎重合；一旦出现深谷子载波，ZF 的噪声放大立竿见影，MMSE 的余量项开始救场。宽带多径 + 边缘弱信号，正是现网最常见的工况——所以主流实现都用 MMSE。
Q3：为什么 OFDM 的均衡这么简单，单载波却麻烦？ A：因为 CP + FFT 把时域卷积变成了频域逐点相乘，卷积矩阵被对角化，几百个方程变成几百个独立的一元方程。单载波没有这个结构，只能靠时域抽头滤波器逐符号解纠缠，或者仿照 OFDM 用「频域均衡（SC-FDE）」借同样的 FFT 思路。
Q4：均衡能消除所有误码吗？ A：不能。它只治线性失真。功放非线性、相位噪声、快时变导致的估计过期、深谷里的噪声放大，都会在均衡之后留下残余误差。这就是 HARQ 重传和外层编码始终存在的原因——均衡负责把误码率打下来，打不剩的部分交给编码和重传兜底。
Q5：EVM 差，怎么判断是不是均衡的问题？ A：看星座畸变的「形状」。整体旋转→频偏/同步问题；角点塌陷、向内外喷→功放非线性；拖尾糊片、子载波间差异大→信道估计/均衡问题。形状即病因，先看形状再动手。
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。