通信原理7 传输信道

🌟 欢迎来到第7讲：传输信道

#

(对应 PPT: 第7章)

欢迎来到我们通信之旅的"勘探"环节。在这一讲，我们将深入研究信号传输的舞台——传输信道。想象一下，我们精心打包好的数字信号（信使），现在要从发射端出发，穿越一片充满未知与挑战的广袤地域，最终抵达接收端。这片地域，就是信道。

信道远非一条平坦笔直的高速公路。尤其在无线通信中，它可能是一片会刮起"衰减"之风的沙漠，遍布着能让信号产生"回声"（多径）的山谷，甚至信使在高速移动时还会遇到"相对论效应"（多普勒频移）。

本讲我们的核心任务就是成为一名出色的"地理学家"和"战略家"：

1. 勘探地形：学习信道的分类，理解不同信道（尤其是有线与无线）的根本特性。
2. 分析挑战：量化信道带来的各种"磨难"，如路径损耗、阴影衰落和多径衰落。
3. 制定对策：了解对抗信道失真的终极武器——信道估计与均衡，看看接收机是如何"逢山开路，遇水搭桥"，将被信道扭曲的信号恢复原状的。

学习目标：

1. 掌握信道的分类方法，理解恒参信道与随参信道的区别。
2. 理解大尺度衰落（路径损耗、阴影）和小尺度衰落（多径）的物理成因和数学模型。
3. 掌握多普勒频移的计算。
4. 理解信道均衡的基本原理，区分频域均衡和时域均衡，了解迫零(ZF)和最小均方误差(MMSE)两种均衡算法的核心思想。

📝 本讲主要内容

#

1. 信道的基本概念 (7.1, 7.2)

#

1.1 信道的定义

#

• 狭义信道：指信号传播的物理媒介本身。例如，同轴电缆、光纤、自由空间。
• 广义信道：根据分析需要，将与信道紧密相关的部分也包含进来。例如，调制信道就包括了调制器、物理媒介和解调器，我们关心的是整体的输入输出特性。
• ✨ 生动的比喻：
  • 狭义信道就像是连接两座城市的"高速公路"本身。
  • 广义的调制信道则像是包含了"上高速的匝道、高速公路、下高速的匝道"这一整个过程。我们关心的是从A城出发，能否顺利到达B城。

1.2 信道的分类

#

2. 大尺度衰落：可预测的距离效应 (7.3)

#

大尺度衰落描述的是信号功率在长距离（远大于波长）上的平均变化趋势，它变化缓慢，主要由距离和大型障碍物决定。

2.1 路径损耗 (Path Loss)

#

• 定义：信号功率因传播距离增加而发生的衰减，是电磁波能量扩散的自然结果。
• 计算公式:
  • 线性值: $$ L_p = \frac{P_t}{P_r} $$ 其中，$P\_t$ 是发射功率，$P\_r$ 是接收功率。
  • 分贝(dB)值: $$ L_{p,\text{dB}} = 10\log_{10}\left(\frac{P_t}{P_r}\right) $$
• dBm值：一种表示功率绝对值的单位，以1毫瓦(mW)为基准。 $$ P_{\text{dBm}} = 10\log_{10}\left(\frac{P_{\text{Watts}}}{0.001}\right) $$

2.2 自由空间损耗模型 (Friis Model)

#

• 适用场景：发射机和接收机之间没有任何障碍物，只有一条直射路径。
• 接收功率公式: $$ P_r = P_t G_t G_r \left( \frac{\lambda}{4\pi d} \right)^2 $$
  • 符号解释:
    • $G\_t, G\_r$: 发射和接收天线的增益。
    • $\lambda$: 信号波长 ($\lambda = c/f$)。
    • $d$: 传输距离。
• 路径损耗公式 (dB): $$ L_{p,\text{dB}} = -10\log_{10}\left( G_t G_r \left( \frac{\lambda}{4\pi d} \right)^2 \right) $$
• 核心结论：在自由空间中，接收功率与距离的平方成反比，路径损耗与距离的平方成正比。

2.3 阴影衰落 (Shadowing)

#

• 成因：由大型障碍物（如建筑物、山丘）对信号的阻挡造成，使得接收信号的平均功率在路径损耗的基础上发生随机起伏。
• ✨ 生动的比喻：路径损耗就像太阳光随着距离变远而自然变暗。而阴影衰落，则像是你在行走时，偶尔被一栋大楼或一棵大树的影子遮挡，光线会突然变得更暗。
• 统计模型：阴影衰落引起的损耗（dB值）通常服从高斯分布，因此其线性值服从对数正态分布。
• 尺度：也称为中等尺度衰落 (Medium-scale Fading)，其变化速度介于路径损耗和多径衰落之间。

3. 小尺度衰落：不可预测的快速变化 (7.4)

#

小尺度衰落描述的是信号在短距离（波长量级）或短时间内的快速剧烈起伏，主要由多径传播和移动引起。

3.1 核心成因：多径传播 (Multipath Propagation)

#

• 现象：发射的信号经过多条不同路径（直射、反射、绕射、散射）到达接收机。
• 后果：
  1. 信号叠加：多条路径的信号在接收端叠加，由于路径长度不同，它们的相位也不同。相位相同则增强（相长干涉），相位相反则抵消（相消干涉），造成接收信号强度剧烈波动。
  2. 时间弥散：不同路径的信号到达时间不同，导致接收到的脉冲产生展宽，形成码间串扰(ISI)。
• ✨ 生动的比喻：你在一个空旷的山谷里大喊一声，你会听到自己的回声。多径效应就是信号的"回声"现象。直射波是你喊出的第一声，各种反射波就是从不同山壁反射回来的、有延迟、有衰减的回声。它们混在一起，使得声音变得模糊不清。

3.2 伴生效应：多普勒频移 (Doppler Shift)

#

• 成因：当发射机或接收机相对移动时，会导致接收信号的频率发生偏移。
• 计算公式: $$ f_D = \frac{v}{\lambda} \cos\theta $$
  • 符号解释:
    • $v$: 相对移动速度。
    • $\lambda$: 信号波长。
    • $\theta$: 移动方向与信号来波方向的夹角。
• 重要特性：
  • 迎面而来 ($\theta=0$)：频率增加，产生最大正频移。
  • 背道而驰 ($\theta=180^\circ$)：频率减小，产生最大负频移。
  • 垂直移动 ($\theta=90^\circ$)：频率不变。

3.3 窄带衰落模型 (Flat Fading)

#

• 条件：信道的最大时延扩展 $\Delta\tau$ 远小于信号的码元周期 $T\_s$ ($\Delta\tau \ll T\_s$)。
• ✨ 生动的比喻：所有"回声"到达的时间差非常小，几乎是同时到达。
• 特点：
  1. 无码间串扰：由于时延扩展小，可以认为所有多径分量同时到达，不会造成脉冲展宽。
  2. 平坦衰落：信道对信号频谱内所有频率分量的影响是相同的，即信道是平坦的。信号只是整体被衰减和相移，波形不会失真。

4. 对抗信道：信道估计与均衡 (7.6)

#

当信道不再理想，特别是存在码间串扰时，我们需要在接收端采取措施来"修复"信号。

4.1 基本概念

#

• 信道估计 (Channel Estimation)：通过发送已知的训练序列（或导频信号），测量接收信号的变化，从而"侦察"出信道对信号做了什么手脚（即估计出信道的冲激响应或频率响应）。
• 信道均衡 (Channel Equalization)：根据信道估计的结果，设计一个补偿滤波器（均衡器），对接收信号进行"反向操作"，以抵消信道引入的失真，特别是消除码间串扰。
• ✨ 生动的比喻：
  • 信道就像一副会哈哈镜，把一个标准圆形扭曲成了奇怪的形状。
  • 信道估计就是我们拿一个已知的标准圆形放过去，看看它被扭曲成了什么样，从而搞清楚哈哈镜的扭曲规律。
  • 信道均衡就是根据这个规律，定制一副"反哈哈镜"，把被扭曲的图像再"扭"回来，恢复成圆形。

4.2 频域均衡

#

• 原理：在频域进行补偿。如果信道响应为 $H\_D(\omega)$，那么均衡器响应就设计为它的倒数： $$ H_E(\omega) = \frac{1}{H_D(\omega)} $$ 这样总响应 $H\_D(\omega) \cdot H\_E(\omega) = 1$，信道失真被完美消除。
• 致命缺陷：噪声增强 (Noise Enhancement)
  • 如果信道在某个频点 $f\_0$ 出现深度衰落（即 $|H\_D(f\_0)| \approx 0$），那么均衡器在该频点的增益 $|H\_E(f\_0)|$ 就会变得极大。
  • 这会导致该频点上的噪声被极大地放大，信噪比严重恶化，甚至淹没信号。

4.3 时域均衡

#

现代数字通信系统普遍采用时域均衡，其核心是一个横向滤波器（一种FIR数字滤波器）。

【预留图片：横向滤波器结构图，源自PPT P28】

• 均衡算法：如何确定滤波器系数（抽头系数）$w\_n$？
  1. 迫零均衡 (Zero-Forcing, ZF)
     • 目标：强制使均衡后输出的码间串扰在指定的几个抽样点上为零。
     • 优点：原理简单直观。
     • 缺点：和频域均衡一样，存在噪声增强问题。它不考虑噪声，为了强行拉平响应，可能会过度放大噪声。
  2. 最小均方误差均衡 (Minimum Mean Square Error, MMSE)
     • 目标：调整系数，使得均衡器输出与理想期望输出（训练序列）之间的均方误差最小。
     • 特点：这是一种折中方案。它在抑制码间串扰和避免噪声增强之间寻求最佳平衡。
     • 优点：性能通常优于迫零均衡，是实际中最常用的算法之一。

4.4 自适应均衡 (Adaptive Equalization)

#

• 动机：对于随参信道（如移动信道），信道特性是不断变化的，固定的均衡器无法适应。
• 原理：均衡器的系数能够根据信道变化自动、持续地进行调整。
• 实现：
  • 训练阶段：在通信开始时或每帧的开头，利用已知的训练序列快速调整系数，使均衡器收敛。
  • 跟踪阶段：在传输数据期间，利用判决器输出的符号作为"近似的期望信号"，对系数进行微调，以跟踪信道的缓慢变化。

🔗 知识关联与应用

#

• 连接第五章：第五章我们学习了由系统带限引起的码间串扰（ISI）和奈奎斯特准则。本章揭示了无线信道中ISI的另一个主要来源——多径传播。信道均衡技术，特别是时域均衡，正是对抗这种多径ISI的核心武器。
• 无线通信的基石：本章描述的信道衰落模型（瑞利、莱斯、对数正态）是所有现代无线通信系统（如 4G LTE, 5G NR, Wi-Fi）性能分析和仿真设计的基础。
• 均衡器的现实应用：你的手机在通话或上网时，内部的芯片正在以每秒数百万甚至数十亿次的惊人速度，实时地进行信道估计和自适应均衡。正是这项技术，让你在移动的汽车或高铁上，依然能保持清晰稳定的通信。

🤔 引导式提问

#

1. 大尺度衰落和小尺度衰落，哪一个对通信系统的瞬时性能影响更大？为什么？在系统设计中，我们通常用什么不同的策略来分别对抗这两种衰落？ (提示: 功率控制 vs. 均衡/分集)
2. 为什么频域均衡中的"噪声增强"问题在信道出现深度衰落时尤为严重？请用一个生活中的例子来类比这个现象。
3. 迫零(ZF)均衡和最小均方误差(MMSE)均衡，在设计理念上有什么根本不同？你可以将它们比作两种不同性格的人吗？在信噪比很高的环境下，这两种均衡器的性能会趋于一致吗？为什么？

💡 本讲总结

#

本讲我们扮演了一位通信工程师的角色，对信号传输的必经之路——信道进行了全面的勘察。我们首先学会了给信道"分类画像"，将其分为稳定的恒参信道和多变的随参信道。

接着，我们深入分析了信道带来的两大挑战：

1. 大尺度衰落，如同距离和大型障碍物带来的"宏观"损耗，它包括路径损耗和阴影衰落，其变化是缓慢和可预测的。
2. 小尺度衰落，如同微观环境下的"瞬息万变"，它由多径传播引起，导致信号强度剧烈起伏和码间串扰，并伴随着因移动产生的多普勒频移。

面对信道的"刁难"，我们学习了强大的反制武器——信道估计与均衡。我们了解到，信道估计是"知己知彼"的前提，而均衡则是"百战不殆"的手段。在均衡技术中，我们对比了简单但有缺陷的频域均衡和强大而复杂的时域均衡。在时域均衡算法中，我们理解了理想主义的迫零(ZF)算法和现实主义的最小均方误差(MMSE)算法之间的权衡。最后，自适应均衡的思想让我们能够从容应对不断变化的移动信道。

总之，理解信道，是设计任何一个成功通信系统不可或缺的第一步。

🔍 相关缩写

#