第3章 信号模型与信道建模基础

做均衡器绕不开信道模型。说白了，你得先知道信号是怎么被折腾的，才能想怎么把它拉回来。我入行那会儿，直接用理想信道仿真，结果板子调通后眼图惨不忍睹——后来才明白，模型没建对，均衡系数全是白费。

信道模型分类

信道模型按复杂程度大致分这几类，我平时做工程预研时常用的就是下面几种：

你想想看，Gen5 均衡器最头疼的就是频率选择性衰落。信道越长、速率越高，反射越严重，单靠一个抽头根本压不住。

基带等效信号模型

实际系统里我们处理的是基带复包络。发送信号 s(t) 经过信道冲激响应 h(t)，再加上噪声 n(t)，接收信号就是：

r(t) = s(t) * h(t) + n(t)

这里 * 表示卷积。离散化之后，采样得到 r[k]，就是均衡器的输入。

我个人习惯 用复基带建模，因为能统一处理I/Q两路。有一次客户反馈眼图闭了，我换成复基带模型一跑，立马定位到是I/Q失衡导致的。

抽头延迟线模型（TDL）

工程里最常用的就是抽头延迟线模型。把信道切成若干段，每段一个系数，多径就体现在不同延迟的抽头上。

1. 确定符号周期 T 和采样间隔 Ts（通常是 T/2 或 T/4）
2. 设定最大延迟扩展 τ_max
3. 计算抽头数 L = floor(τ_max / Ts) + 1
4. 每个抽头赋复系数，代表幅度和相位

分数间隔采样与均衡器关系

为什么用分数间隔（Fractionally Spaced, FSE）？因为符号间隔采样容易遇到频谱折叠，噪声会混进来。FSE 用 T/2 或 T/4 采样，可以避免这个问题。

# 生成一个简单的多径信道
import numpy as np
Ts = 1e-12 / 2  # T/2 分数间隔
delays = [0, 3, 7, 12]  # 单位：采样点
gains = [1.0, -0.3, 0.1, 0.05]
h = np.zeros(16)
for d, g in zip(delays, gains):
    h[d] = g
print(h)

这段代码生成一个16抽头的信道，第一个抽头是主径，后面是多径反射。我调试时经常先这么造一个信道，然后看均衡器能不能把后三个抽头压下去。

实战中的信道建模注意事项

• 测量数据优先： 用 VNA 实测 S 参数，转成时域脉冲响应。仿真模型只能参考，实测才是金标准。
• 噪声功率要匹配： 根据接收机噪声系数设置 SNR，别用太理想的噪声值。
• 考虑非线性： 如果 TX/RX 有非线性，均衡器很难补偿，需要在信道模型里加一个幅度压缩。

把模型建好，均衡器的系数更新才能对症下药。下一刀怎么切？我会用这个模型去跑 LMS 算法，看看收敛曲线是不是合理。