通信系统概述：数字通信模型、信道类型与特征、均衡的作用与分类
各位同学，欢迎来到第一讲。今天咱们聊聊通信系统最基本的那些事儿。
说白了一个数字通信系统，就是要把你的信息（比如一张照片、一段语音）从发送端搬到接收端。你想想看，发信人和收信人之间总有一段路要走，这段路就是信道。信号在这条路上走一趟，难免会磕磕碰碰、产生各种失真。我做了这么多年通信仿真，见过最多的坑就是大家把信道想得太理想，结果落地一测全傻眼。
数字通信模型的三个核心环节
数字通信模型，说白了就三部分：发端、信道、收端。发端干的事是把信息变成适合在信道上传输的波形。收端则相反，把收到的波形还原成信息。
我记得刚入行时，总觉得这个模型是纸上谈兵。直到第一次调通一个完整的基带仿真链路，看着星座图上的点慢慢收敛，才真切体会到这个框架有多重要。
发端（Tx）
- 信源编码：压缩数据，去掉冗余。比如JPEG图片压缩就是典型的信源编码。
- 信道编码：增加保护比特，让接收端能纠错。这里有个关键的参数——编码率，比如1/2码率意味着每1个信息比特要发2个编码比特。
- 调制映射：把比特映射到复数符号上。QPSK、16QAM、64QAM，用的越多，频带利用率越高，但对信道质量要求也越高。
- 脉冲成形：把符号序列变成连续波形。升余弦滚降滤波器是业界标准，滚降因子α一般取0.1到0.35之间。
信道（Channel）
信道是通信系统中最不可控的一环。信号经过信道，会经历幅度衰减、相位旋转、多径时延、加性噪声。我习惯把信道看作一个黑盒子，输入一个脉冲，输出一串拖尾的响应。这个响应就是信道冲激响应（CIR），后面所有的均衡工作都得围绕它展开。
收端（Rx）
- 匹配滤波：让接收信噪比最大。说白了就是让滤波器跟发送脉冲成形相匹配。
- 同步：符号定时同步、载波同步。你想想看，发10MHz的载波，收端如果偏了100Hz，信号就转起来了。
- 均衡：我们今天的主角。它专门对付信道带来的码间串扰（ISI）。
- 解调与译码：把均衡后的信号转回比特，再做信道译码。
信道类型与特征
信道该怎么分类？我个人喜欢按两个维度来分：一是是否随时间变化（时变 vs 时不变），二是是否有明显的多径（平坦 vs 频率选择性）。
常见信道类型
| 信道类型 | 典型场景 | 主要特征 |
|---|---|---|
| AWGN信道 | 深空通信、同轴电缆 | 只有加性白高斯噪声，没有ISI，最简单 |
| 平坦衰落信道 | 室内低速移动 | 信号带宽远小于信道相干带宽，幅度慢变 |
| 频率选择性衰落信道 | 城市蜂窝、数字电视 | 信号带宽大于相干带宽，有明显多径ISI |
| 时变信道 | 高速移动（高铁、车载） | 信道冲激响应随时间快速变化，多普勒扩展 |
信道建模的核心参数就那么几个：多径数量、每条径的相对时延、相对幅度、多普勒频移。常用的标准信道模型包括ITU-R的Pedestrian-A（步行）和Vehicular-A（车载），以及3GPP的TDL（抽头延迟线）模型。做研究时，我建议至少要跑一组ETU（扩展典型城市）场景，因为它多径多、时延大，最能考验均衡器的水平。
均衡的作用与分类
均衡器干的事，说白了就是补偿信道带来的失真。你发了一个干净的脉冲，经过多径信道，收到的是展宽、叠在一起的多个脉冲。均衡器就是要从这些叠在一起的波形中，重新找出原来那个干净的脉冲。
为什么会需要均衡？因为多径信道的频率响应不平坦。有些频点增益大，有些频点增益小甚至为0。均衡器可以看作一个反滤波器，把信道压下去的地方抬起来，把抬起来的地方压回去。
均衡器的分类
这里我给一个简单但实用的分类框架。按照检测方式，均衡器可以分为两大类：
- 线性均衡器（LE）
- 结构简单，用抽头延迟线+加权系数实现
- 典型算法：迫零（ZF）、最小均方误差（MMSE）
- 缺点：在深度频谱零点处，ZF会放大噪声；MMSE会抑制噪声但牺牲一点ISI消除
- 适合场景：信道频谱零点不太深的场景
- 非线性均衡器
- 判决反馈均衡器（DFE）：前馈部分抵消前向ISI，反馈部分抵消后向ISI。我在项目中用过几次DFE，发现它对深频谱零点信道效果明显比LE好，但要注意误差传播问题。
- 最大似然序列估计（MLSE）：理论最优，用Viterbi算法实现。复杂度随信道记忆长度指数增长，适合信道记忆短（比如2~3个符号）的场景。
- Turbo均衡：均衡器和译码器迭代交换软信息，性能接近MLSE，复杂度可控。这是现在宽带通信（比如LTE、5G NR）接收机的标准做法。
本章知识体系一览
下面这张图把本章的核心逻辑串起来了。数字通信模型的三个环节、信道类型的划分、均衡器的分类，你一眼就能看明白它们之间的关系。
你看这张图，从左到右是数字通信的标准流程。信道在中间，决定了你选什么均衡策略。均衡器往下分两大类，线性均衡器简单但有限制，非线性均衡器性能好但复杂度高。