---
标题: 信道画像怎么画？导频的角色
作者: 爱卫生
封面: "[[封面1.png]]"
封面裁剪: false
原文地址:
打开评论: true
仅粉丝可评论: false
摘要: 用手机拍照时，相机内部有个不起眼的功能叫“白平衡”。它的做法极其朴素：先假设画面里有一张“标准的白纸”，看这张纸在当前光线下被拍成了什么颜色——偏黄、偏蓝还是偏绿——由此推算出光线对色彩的“扭曲规律”。
---

<!-- title: 信道画像怎么画？导频的角色 -->

# 信道画像怎么画？导频的角色

## 一、从白平衡说起

用手机拍照时，相机内部有个不起眼的功能叫“白平衡”。它的做法极其朴素：先假设画面里有一张“标准的白纸”，看这张纸在当前光线下被拍成了什么颜色——偏黄、偏蓝还是偏绿——由此推算出光线对色彩的“扭曲规律”，再用这个规律去校正整张照片的所有颜色。

白纸本身没有信息量，它的唯一使命是**被扭曲给人看**。扭曲量知道了，光线的“脾气”就摸清了。

无线通信的接收机每天都在干同一件事，只是那张“白纸”换成了一串收发双方事先约好的已知符号，光线的扭曲换成了无线信道对信号的改造。这张电子白纸，就叫**导频（Pilot）**；从扭曲量反推信道脾气的过程，就叫**信道估计（Channel Estimation）**。

为什么需要它？因为天线收到的东西，从来不是发射端发出去的原样信号。一个比特被调制成符号、送上天线之后，在到达你手机的几十分之一毫秒里，它被建筑物弹过、被墙壁削过、被雨滴散射过，最后好几份“分身”带着不同的衰减和延迟挤进天线。接收机拿到的，是所有这些路径叠加出来的“混音成品”。想从混音里还原出原声，必须先知道录音棚的混响参数——这个参数，就是信道。

用教科书的标准记法，整个无线链路被压缩成一行公式：

$$y = Hx + n$$

发射的是 $x$，收到的是 $y$，$n$ 是噪声，而中间那个 $H$，就是信道——它描述了信号从发射天线到接收天线一路上被散射、衰落和距离衰减共同改造后的综合效果。接收机看得见 $y$，知道 $n$ 的大致统计规律，唯独 $H$ 是一块完全未知的拼图。**解调的全部前提，是先把这块拼图拼出来。**

这里有个容易被新手忽略的细节：$H$ 不只是一个“衰减倍数”。它是一个复数，既有幅度（信号被放大还是削弱），又有相位（信号被推迟了多久）。相干解调需要两个都知道——幅度错了，星座图上的点会偏里偏外；相位错了，整个星座图会整体转一个角度，本该落在“正上方”的点转到了“斜上方”，一判决就全错。所以信道估计的核心交付物，是一张**带相位的频率响应图**，而不仅仅是一张信号强度图。

## 二、导频的祖师爷们

把已知信号塞进传输流程里当“标尺”，这个思路比移动通信老得多，老到你的收音机和电视机里都住着它。

**FM 立体声广播**里有一个 19 kHz 的导频单音。立体声的左右声道差信号被搬移到 38 kHz 的副载波上传输，可接收机怎么知道副载波的准确相位？答案是：发射台同时发一个 19 kHz 的导频，接收机把它倍频到 38 kHz，直接当作解调立体声信号的相位基准。没有这个导频，左右声道就会串成一片。

**模拟彩色电视**里有个更精巧的设计叫“色同步”（color burst）：每一行图像信号的同步脉冲后面，都紧跟一小段已知相位的彩色副载波振荡。电视机拿这段“样本”去校准自己本地振荡器的相位，再用校准好的振荡器去解调这一行的颜色。相位基准每行刷新一次——因为行与行之间的相位漂移必须被持续追踪。这个“周期性发一小段已知信号、用完即弃、持续刷新”的节奏，正是今天蜂窝网络导频设计的原型。

**有线电视的干线放大器**则展示了导频的另一个用途：放大器随温度漂移会导致增益不稳，于是在频段里固定放两个已知频率的导频，放大器盯着它们的电平变化，自动调整自己的增益。导频在这里变成了自动控制系统的“探针”。

看， Supervisory（监视）、Synchronization（同步）、Equalization（均衡）、Reference（参考）——电信词典里给导频信号归纳的这几个用途，每一项都能在今天的 4G/5G 空口里找到对应物。技术会过时，“用已知量标定未知量”的方法论不会。

## 三、估计是怎么算出来的：从除法到贝叶斯

### 3.1 最笨也最快的办法：逐点相除

导频是收发双方约好的，发射端发的导频符号 $p$ 接收机背得滚瓜烂熟。那么在导频所在的位置上：

$$y_{pilot} = H \cdot p + n$$

把噪声先放一边，信道响应呼之欲出：

$$\hat{H}_{LS} = \frac{y_{pilot}}{p}$$

这就是**最小二乘（LS）估计**——教科书里所说的“用已知的收发信号联合求解信道矩阵”的最简版本。它便宜到令人发指：每根天线上就是一次复数除法，硬件上几拍就能出结果。

但它有个致命弱点：**噪声被原样除进了结果里**。导频功率有限，$y_{pilot}$ 里混着噪声，除以 $p$ 之后噪声一点儿也没少。信噪比好的时候无伤大雅；信号弱的时候，估出来的信道“图”上满是雪花点，拿这张脏图去解调数据，等于拿着抖动的尺子裁布。

### 3.2 聪明一点：别浪费“信道长什么样”的常识

第二个观察救了场：**相邻位置的信道响应不会突变**。

频率上，无线信道的频率响应是连续平滑的——两个相邻子载波经历的信道几乎一样（只要间隔小于相干带宽）。时间上，信道也是渐变的——前后两个符号时刻的信道接近（只要间隔小于相干时间）。既然如此，导频只需稀疏地撒在时频网格的一些格点上，其余格点的信道值用插值“画”出来。这背后是采样定理的直接应用：**导频间隔必须小于信道变化的尺度**——频率方向小于相干带宽，时间方向小于相干时间——信道这张“图”才能被无失真地重建。信道变化越剧烈，需要撒的导频越密。

更进一步，如果把“信道响应服从什么统计规律”也用起来——比如城市环境里信道幅度近似瑞利衰落、空间上存在相关性——就能得到**最小均方误差（MMSE）估计**。它的思想是贝叶斯式的：不孤立的相信每一次除法的结果，而是问“考虑到信道本来的统计脾气，最可能的真实信道是多少？”噪声大的测量点被统计先验“压”回去，估计结果显著更干净。代价也明码标价：需要提前知道信道和噪声的相关统计特性，而且要算矩阵求逆，计算量远高于除法。

两种估计器的取舍，用一张表说清楚：

| 维度 | LS 最小二乘 | MMSE 最小均方误差 |
|---|---|---|
| 核心思路 | 已知收发逐点相除，直接反演 | 叠加信道统计先验，压制噪声 |
| 计算复杂度 | 极低，一次复数除法 | 高，涉及矩阵求逆 |
| 低信噪比表现 | 噪声原样进入结果，误差大 | 明显更准 |
| 附加前提 | 无 | 需要信道/噪声统计特性 |
| 典型位置 | 粗估、初始化、低成本低端场景 | 正式估计、插值平滑、高性能接收机 |

实际芯片里往往是“先用 LS 快速拿到初值，再用统计信息平滑精修”的组合拳。另外还有一条“不撒导频”的路线——盲估计，纯靠数据本身的统计特征反推信道，省下了导频开销，但精度和收敛速度都吃亏。**导频的本质是一笔交易：花掉一部分传输资源，换取对信道的确定性。**开销与精度的天平，贯穿了从模拟电视到 5G 的整部导频设计史。

## 四、把镜头拉开：估计器在接收链路的什么位置

```mermaid
flowchart TD
    A["天线收到混合信号"] --> B["分离出导频符号"]
    A --> C["分离出数据符号"]
    B --> D["信道估计器<br/>反推信道响应H"]
    D --> E["均衡器<br/>用H校正数据"]
    C --> E
    E --> F["判决还原比特"]
```

看清楚分工：**信道估计负责“画图”，均衡负责“用图”**。估计器输出 $\hat{H}$，均衡器拿它逐个校正数据符号——把被削弱的幅度补回来，把旋转的相位拧回去，最后判决器才能把符号干净地还原成比特。很多新手把两者混为一谈，记住一句话：估计回答“信道长什么样”，均衡回答“怎么抵消它”。

那么信道本身为什么会长成一张“千变万化的图”？根源是多径。发射端发一个符号，它走不同长度的路到达接收端：

```mermaid
flowchart TD
    T["发射一个符号"] --> P1["直射路径"]
    T --> P2["反射路径一"]
    T --> P3["反射路径二"]
    P1 --> R["三个副本先后抵达<br/>幅度延迟各不相同"]
    P2 --> R
    P3 --> R
    R --> E["前后符号相互重叠<br/>形成符号间干扰"]
```

每条路径对信号施加一个复数增益（幅度×相位），信道响应 $H$ 就是这些增益在不同频率上的叠加结果。路径的长度差决定了 $H$ 随频率起伏的快慢（相干带宽），终端的移动速度决定了 $H$ 随时间变化的快慢（相干时间，与多普勒频移成反比，$T_c \approx 1/f_D$）。这也直接回答了“为什么导频要设计成二维网格”：频率方向的密度由多径时延扩展决定，时间方向的密度由移动速度决定，缺一不可。

## 五、5G 空口里的导频家族

原理讲完，落到现网。5G 空口里没有一种叫“导频”的统一信号，而是按“谁用、测什么”拆成了一个分工明确的家族：

| 名称 | 方向 | 谁发给谁 | 核心使命 | 下游产物 |
|---|---|---|---|---|
| DMRS | 双向 | 随数据一起调度发送 | 给本次数据解调当标尺 | 数据正确解调 |
| CSI-RS | 下行 | 基站发给手机 | 测量信道状态供反馈 | CQI/PMI 等信道反馈 |
| SRS | 上行 | 手机发给基站 | 让基站测上行信道 | 上行调度与波束管理 |
| PT-RS | 双向 | 随高速率数据发送 | 跟踪高频段相位噪声 | 相位噪声补偿 |

四个成员，四种性格，值得逐一拆开看“为什么这样设计”。

**DMRS（解调参考信号）**是离数据最近的那个。它的关键设计是“**前置**”： whenever 基站调度一段数据给你，DMRS 被放在这批数据所占时频资源的**最开头**。为什么？因为解调必须先有信道估计——标尺要放在布料前面量。如果 DMRS 藏在数据中间或末尾，开头那几个符号就没标尺可用。另外 DMRS 是**用户专属**的：它只跟着调度给你的那块资源走，用的是和数据相同的预编码/波束，所以它测出来的就是“你这批数据实际经历的信道”。数据发到哪个波束、哪个频段，标尺就跟到哪里。

**CSI-RS（信道状态信息参考信号）**则是另一幅面孔：它不是为解调某一批数据服务的，而是为了让手机**替基站把信道看一遍，再汇报上去**。基站周期性或按需发送 CSI-RS，手机在它上面测量信道质量、 rank（可支持的并行数据层数）和预编码偏好，然后反馈给基站，基站据此决定下一调度周期用什么调制阶数、什么码率、往哪个波束打。注意它和 DMRS 的分工边界：CSI-RS 服务于“**发之前做决策**”（链路自适应、调度、波束管理），DMRS 服务于“**发之后做解调**”。前者是侦察兵，后者是工程尺。

这个“测量—反馈—调度”的闭环，是空口里最核心的日常循环之一：

```mermaid
sequenceDiagram
    participant G as 基站
    participant U as 手机
    G->>U: 周期性发送CSI-RS
    U->>U: 测量信道质量与秩
    U->>G: 反馈信道状态指示
    G->>G: 决定调制方式和码率
    G->>U: 携带DMRS发送数据
    U->>U: 用DMRS估计信道并解调
```

**SRS（探测参考信号）**把方向反过来：手机发，基站收。基站要调度上行资源、做上行波束管理，同样需要知道上行信道的脾气，标尺就得由终端来举。在 TDD（时分双工）系统里还有一个额外的红利：上下行用同一频段分时收发，信道在两个方向上高度相似，基站可以通过上行测量大致推知下行信道，从而减少反馈开销——CSI 的获取在 TDD 下存在“反向估计”的可能性，这也是大规模天线技术偏爱 TDD 的重要理由之一。具体能省多少、怎么用，标准允许多种实现，以各厂家官方文档为准。

**PT-RS（相位跟踪参考信号）**是 5G 拓展到毫米波频段后添的新丁。高频段下，振荡器的相位噪声显著恶化，星座图会随着时间缓慢“打转”，DMRS 的估计会逐渐过时。PT-RS 以更细的时间颗粒度散布在数据中，专门跟踪这种快速相位漂移，相当于在 DMRS 这把主尺之外，又配了一块随时校表用的秒表。它通常只在高速率、高频段的传输里才被启用——低速场景下没必要付这笔开销。

还有一个每天被路测工程师反复打交道的落点：**RSRP、RSRQ、SINR 这些你天天看的指标，全都是踩着参考信号测出来的**。RSRP 是参考信号上的接收功率，RSRQ 综合了信号强度与总接收强度的比值，SINR 是解调 信噪比 的直接预报员。终端的移动性测量、小区重选、切换判决，底层的数据源都是这些参考信号测量。可以说，导频不仅支撑解调，还是整个网络“感知自身”的感官。

## 六、密度与开销：一根两端都要付钱的杠杆

导频设计的中心矛盾只有一个：**撒多密？**

- **撒太稀**：导频间隔超过相干带宽或相干时间，插值重建失真，估计误差直接抬升误码率。经典症状是：实测误码率曲线比理论曲线“平缓”——高信噪比下本该陡降到零的曲线出现了一个误差平台，怎么加功率都压不下去，因为瓶颈不在功率而在估计精度。
- **撒太密**：开销失控。每一个导频符号占用的资源子载波都不能承载数据。系统容量被白纸吃掉。

而且这个平衡是**动态的**，不同场景的最优解完全不同：

| 场景 | 信道变化速度 | 频域导频需求 | 时域导频需求 |
|---|---|---|---|
| 室内静止 | 极慢 | 可以稀疏 | 间隔可以拉长 |
| 步行街道 | 中等 | 常规密度 | 常规密度 |
| 车载快速路 | 较快 | 常规偏密 | 需要加密 |
| 高铁时速350 | 极快，多普勒大 | 常规偏密 | 显著加密 |

高铁是把这个矛盾演到极致的教科书场景：时速 350 公里产生的多普勒频移让信道在几毫秒内就“换了张脸”，时域导频间隔必须收紧，否则上一次的估计到下一次解调时已经过时。这就是为什么高速移动场景下实际吞吐率往往明显低于同信号强度下的步行场景——除了波束跟踪变难，导频开销的上涨也在悄悄侵蚀容量。

业界也一直在想办法少付这笔钱。近年研究热点之一是用神经网络做信道估计：让网络学习信道的时频二维结构，用更稀疏的导频重建出接近密导频的估计质量——本质上是让机器去学那份“信道统计先验”，替代手工设计的插值与 MMSE 矩阵。学术界已有基于二维/三维卷积网络用更少导频达到更好插值效果的报告，这条路线尚未大规模进入现网，但方向清晰：**导频开销的天花板，最终由“我们对信道统计规律的了解程度”决定。**

## 七、调试现场：这些坑都和导频有关

最后落回实战。以下几类日常问题，根子都在信道估计这条线上：

**1. 星座图整体旋转或缓慢打转。**数据点以恒定角度偏转，说明相位估计出了问题——要么频偏没补偿干净，要么相位噪声在作祟（高频段尤其常见）。前者看载波同步，后者看 PT-RS 是否启用、DMRS 时间密度是否够。

**2. SINR 很好却持续误码。**先别急着怀疑干扰。估计质量差会同时拉低解调性能，而部分测量指标未必反映估计通道的健康度。对照均衡前的软比特质量，能把问题切到“信道不准”还是“译码不利”。

**3. 高速场景吞吐率骤降。**多普勒让时域估计过时，调度器给出的 MCS（调制编码方案）是基于反馈的，但反馈本身也有时延——双重过时叠加。现网上表现为信号不差、MCS 不低、误码却上去了，典型的“拿着旧地图走新路”。

**4. 两个常见误解。**其一，“RSRP 好=信号好”：RSRP 只测参考信号功率，若邻区参考信号恰好在同样的资源上强干扰，SINR 可能很差，用户体验稀烂而路测报表全绿。其二，“导频是浪费带宽”：没有导频的相干解调根本无从谈起，导频不是开销，是学费——付给物理规律的学费。

还有一条写给做测试和仿真的人：实验室理想信道模型下估计算法差异被掩盖，拿到真实信道数据（尤其强空间相关场景）后，MMSE 类算法对统计先验失配的敏感度会远超预期。统计先验是双刃剑，用对是增益，用错是偏置。

## 八、收个尾

回头看，信道估计的全部哲学就一句话：

> **用一个已知的信号，去标定一个未知的过程。**

FM 立体声用 19 kHz 单音标定副载波相位，模拟电视用每行一次的色同步标定色彩基准，5G 空口用一张撒在时频网格上的导频图标定整条无线信道的幅度与相位。工具换了八十年，方法论一步未移。

而对工程师来说，记住三件事就够用了：**估计在解调之前**（没有 H 的估计，均衡和判决都是空中楼阁）；**导频密度跟着信道变化速度走**（相干带宽定频域，相干时间定时域）；**RSRP 们全是参考信号的衍生品**（看懂导频，才看懂路测报表的每一个数字）。

下一次在路测软件里看到 RSRP 曲线，不妨想一下：那条线背后，是手机在每一帧里、对着一张张电子白纸，默默完成的成千上万次除法与插值。

## 常见问题

**Q: 信道估计和均衡的区别是什么？**
A: 估计是“测量”，均衡是“校正”。信道估计根据导频反推出信道响应 $\hat{H}$（回答“信道长什么样”）；均衡器拿着这个 $\hat{H}$ 去逐符号校正数据（回答“怎么抵消信道影响”）。估计不准，均衡用再复杂的算法也是白搭——垃圾进，垃圾出。

**Q: 导频越多越准，那为什么不拼命加密导频？**
A: 因为每个导频符号占用的资源子载波都不能传数据。导频密度翻倍，可用容量就打一次折扣。工程上的解是按需分配：信道变化慢的场景（静止室内）用稀疏导频省资源，变化快的场景（高铁）才加密。导频密度本质上是“精度”和“容量”之间的一根杠杆，没有免费的一端。

**Q: TDD 系统可以反向估计信道，导频和反馈是不是都可以省了？**
A: 只能省一部分。TDD 上下行同频分时，信道特征高度相似，基站确实能靠上行 SRS 大致推知下行信道，这大幅降低了反馈需求，也是大规模天线偏爱 TDD 的原因。但终端接收机的解调依然需要下行 DMRS，因为互易性给不了“每一次调度实际经历的信道”的全部细节（干扰、硬件响应等并不互易）。反馈可以精简，标尺不能撤。

**Q: RSRP 和 RSSI 有什么区别？为什么看信号质量要看 RSRP 甚至 SINR？**
A: RSSI 是终端在测量带宽内收到的总功率，包含有用信号、邻区干扰和噪声——它是个“大杂烩”指标。RSRP 只统计参考信号承载的功率，更能代表目标小区信号本身的质量。而真正决定解调成败的是 SINR（信干噪比）：RSRP 高但 SINR 低的场景（强邻区干扰）完全存在，这就是“信号满格网速稀烂”的常见根源之一。

**Q: 星座图在屏幕上缓慢旋转，最可能是什么原因？**
A: 相位基准出了问题。优先排查三个方向：载波频偏残余（估计与补偿不干净）；高频段下的相位噪声（检查相位跟踪参考信号是否启用）；以及多普勒引起的信道快变导致时域导频间隔过大、估计过时。三者都表现为相位基准漂移，但对策完全不同——频偏看同步环路，相噪看 PT-RS 配置，快变看导频时域密度。

## 参考来源

3. [A Study on MIMO Channel Estimation by 2D and 3D Convolutional Neural Networks (arXiv:2011.08970)](https://arxiv.org/abs/2011.08970) — 基于深度学习的信道估计研究：用更少导频获得更好的时频二维插值性能

---
> 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。

![[知识星球二维码.png]]