第3章 线性均衡器简介：迫零（ZF）和最小均方误差（MMSE）均衡器

说到均衡器，线性均衡器是最基础的一种。说白了，它就是一个线性滤波器，用来补偿信道的畸变。我刚开始做通信系统时，总觉得线性均衡器太简单，不够“高级”。后来真正上手调试，才发现这东西用好了，能解决

为什么需要线性均衡器？

信号经过多径信道，会拖出尾巴——就是码间干扰（ISI）。你发一个比特，后面的比特会受到前面比特的干扰。线性均衡器的任务，就是在接收端把这个尾巴“掰直”。

数学上，均衡器的输出等于接收信号与均衡器系数的卷积。我们想找个滤波器，让它的频率响应是信道响应H(f)的倒数——这样信道和均衡器级联后，总响应就成了平直的。

迫零（ZF）均衡器

ZF均衡器的想法很直接：完全消除ISI，不管噪声。它的系数w满足w * h = δ（离散情况下）。说白了，就是解一个线性方程组，让均衡后的冲激响应在采样时刻为1，其他时刻为0。

但有个坑：当信道在某些频率上衰减很厉害（比如频谱零点），它的倒数会很大。这时候均衡器会拼命放大那些频率上的噪声。我在一个无线接收机项目中试过纯ZF，信噪比高的时候效果还行；一旦信号弱，噪声被放大得离谱，误码率反而上升。那一次我花了整整两天才定位到问题，后来果断换成了MMSE。

最小均方误差（MMSE）均衡器

MMSE均衡器换个角度：不追求完全消除ISI，而是在ISI残留和噪声放大之间找个平衡。它最小化的目标是E[|wTy - x|²]，也就是输出与原始信号的均方误差。

数学推导我就不展开了，但结果很漂亮：MMSE的系数w = (HHH + σ²I)-1HH。注意看，这里多了个σ²I项——它就是噪声方差的贡献。当噪声很大时，这项会“压住”系数，不让它过度放大噪声。当噪声很小（σ²→0）时，MMSE退化为ZF。

我个人习惯在工程中优先试MMSE，因为它鲁棒性好。去年调试一个OFDM接收机，信道深度衰落时ZF直接炸了，MMSE还能维持可接受的误码率。当然，MMSE需要知道噪声方差，实际中可以通过导频估计，一般不难。

两种均衡器的对比

特性	ZF均衡器	MMSE均衡器
优化目标	完全消除ISI	最小化均方误差（ISI + 噪声）
是否需要噪声信息	不需要	需要估计噪声方差
高频噪声放大	严重（信道有零点时）	受抑制（噪声方差项限制）
低信噪比性能	差	较好
高信噪比性能	接近MMSE	略优于ZF（但差异小）
实现复杂度	低（只解线性方程）	略高（多一步噪声估计）

实际操作中的注意事项

• 训练序列长度： 估计信道冲激响应需要足够长的训练序列。太短了估计不准，均衡器反而恶化性能。有一次我图省事用了16个符号，结果均衡后ISI更大——教训：序列长度至少是信道时延扩展的2倍以上。
• 系数更新： 如果信道时变，需要自适应。我建议用MMSE的初始系数，然后转成LMS（最小均方）算法跟踪。收敛快，抖动小。
• 量化效应： 定点实现时，ZF的系数可能非常大，容易导致溢出。MMSE因为有噪声项“压着”，系数范围更可控。我踩过这个坑：16位定点，ZF直接溢出，调成MMSE后稳如狗。

你想想看，如果让你在ZF和MMSE之间选，你会怎么选？我的判断标准很简单：先想噪声情况，再看信道坏不坏。噪声大、信道差 → MMSE；噪声小、信道平 → ZF也OK。

我的选择建议

1. 先评估噪声等级。 如果预期信噪比高于20dB，ZF够用，实现也简单。
2. 检查信道是否有深度零陷。 有的话，别犹豫，MMSE。
3. 如果系统对复杂度敏感（比如低功耗IoT），可以先用ZF，再在必要时切换到MMSE。我见过一个方案：平时用ZF省电，检测到误码率升高就切MMSE。
4. 注意系数更新速率。 自适应场景下，MMSE的收敛速度通常比ZF快（因为ZF的代价函数不平坦）。