4. 数字均衡基础与信道模型

在3.2T光模块中，DSP接收端面对的是一个被带宽限制、色散、偏振模色散和码间干扰共同污染的信号。均衡器的任务，就是把这个"糊掉"的符号序列重新还原成可判决的清晰眼图。本节围绕三类主流均衡结构——FFE、DFE、MLSE——展开，说明它们各自的信道模型假设、代价函数与适用边界，并给出面向3.2T信道选择均衡器结构的工程判断方法。

一、信道模型：均衡器设计的出发点

数字均衡的本质是信道反演。工程上通常把从DAC输出、经光电器件、光纤链路到ADC采样的整个通道，等效为一个离散时间线性滤波器加噪声：

r[k] = Σ h[i]·a[k-i] + n[k]   (i = 0 … L-1)

其中 a[k] 为发送符号，h[i] 为信道冲激响应抽头，n[k] 为加性噪声（含ASE与量化噪声）。所谓"信道响应估计"，就是通过已知的训练序列或判决反馈，估计出 h[i] 或等价的信道频率响应 H(f)。在3.2T模块中，符号率已达数百GBaud量级，信道记忆长度 L 往往跨越数个到十余个符号周期，这直接决定了均衡器需要多长的抽头、是否需要非线性结构。

估计方法上，最小二乘（LS）训练估计是最直接的：发送已知序列 a，接收 r，解 h = (AᵀA)⁻¹Aᵀr；实际实现中多用自适应算法（如LMS）在线跟踪，避免矩阵求逆的复杂度。估计出的 h[i] 能量分布是后续结构选型的关键依据——能量集中在少数抽头，说明信道接近理想；能量拖尾长且分散，说明存在强ISI或长记忆，需要更强结构。

二、三类均衡器的结构与适用性

FFE（前馈均衡器）是线性横向滤波器，输出为 y[k] = Σ w[i]·r[k-i]。它用有限抽头逼近信道逆响应，结构简单、延迟低、易于并行实现，是3.2T模块中最基础的一级。但FFE是线性结构，对深衰落和强非线性（如调制器非线性、平方律检测残留）无能为力，且抽头数受功耗与面积约束，难以完全消除长拖尾ISI。

DFE（判决反馈均衡器）在FFE基础上引入已判决符号的反馈：y[k] = Σ f[i]·r[k-i] − Σ b[j]·â[k-j]。前馈部分抑制前导ISI，反馈部分消除后导ISI，且反馈不放大噪声，因此在信噪比受限场景下优于纯线性均衡。代价是存在差错传播风险——一旦判决错误，错误会沿反馈链扩散。工程上常配合预编码或限制反馈抽头长度来控制风险。

MLSE（最大似然序列估计）不再逐符号判决，而是在信道的网格图上搜索整条最可能符号序列，理论上在给定信道下达到最优误码性能。其复杂度随信道记忆长度 L 呈指数增长（状态数约 M^L，M为调制阶数），因此只适合短记忆信道。在3.2T中，MLSE常与FFE级联：FFE先把信道压缩到短记忆，再由MLSE做最优序列检测，形成"线性压缩+非线性最优"的组合。

三、最小均方误差准则与抽头求解

FFE与DFE的抽头系数并非随意设定，而是按最小均方误差（MMSE）准则求解：使 E{|a[k] − y[k]|²} 最小。对线性FFE，其闭式解为维纳解 w = R⁻¹p，其中 R 为接收信号自相关矩阵，p 为接收信号与期望符号的互相关向量。工程实现中更常用LMS迭代逼近：

w ← w + μ·e[k]·r[k]
e[k] = a[k] − wᵀr[k]

步长 μ 的选取是稳定性与收敛速度的折中：μ 过大导致抽头抖动、眼图抖动加剧；μ 过小则跟踪不上信道慢变（如温度漂移引起的响应变化）。在3.2T模块中，通常先用训练序列以较大步长快速收敛，再切换到判决导向模式用小步长跟踪。判断收敛是否完成，可观察误差 e[k] 的滑动平均是否进入平稳区间，以及均衡后眼图的张开度是否稳定。

四、面向3.2T信道的结构选择

结构选择的核心是"记忆长度—复杂度—性能"三角权衡。可先由信道估计得到归一化能量分布：若 h[i] 的能量在3～5个抽头内衰减到-20dB以下，属短记忆信道，FFE加少量抽头即可，必要时级联短状态MLSE；若能量拖尾超过8～10个符号，说明存在强长记忆ISI，应引入DFE反馈或加长FFE，并评估差错传播；若信道同时存在明显非线性，则需在FFE后增加非线性补偿级，而非单纯加长线性抽头。

一个可操作的判断流程是：先测信道响应并计算记忆长度 L₉₀（累计90%能量的抽头跨度）；L₉₀ ≤ 4 时优先FFE；4 < L₉₀ ≤ 8 时采用FFE+DFE并监控差错传播；L₉₀ > 8 时先用FFE做记忆压缩，再评估MLSE状态数是否落在可实现范围（如16～64状态）。最终以误码率平台、眼图张开度和功耗三项指标共同确认选型，而非只看单一BER数字。