均衡技术-基本原理
理论和实践证明，在数字通信系统中插入一种可调滤波器可以校正和补偿系统特性，减少码间干扰的影响。这种起补偿作用的滤波器称为均衡器。图是带均衡器的数字通信系统的等效模型：
带均衡器的数字通信系统的等效模型
均衡器通常是用滤波器来实现的，使用滤波器来补偿失真的脉冲，判决器得到的解调输出样本，是经过均衡器修正过的或者清除了码间干扰之后的样本。自适应均衡器直接从传输的实际数字信号中根据某种算法不断调整增益，因而能适应信道的随机变化，使均衡器总是保持最佳的状态，从而有更好的失真补偿性能。
自适应均衡器一般包含两种工作模式，即训练模式和跟踪模式。首先，发射机发射一个己知的定长的训练序列，以便接收机处的均衡器可以做出正确的设置。典型的训练序列是一个二进制伪随机信号或是一串预先指定的数据位，而紧跟在训练序列后被传送的是用户数据。接收机处的均衡器将通过递归算法来评估信道特性，并且修正滤波器系数以对信道做出补偿。在设计训练序列时，要求做到即使在最差的信道条件下，均衡器也能通过这个训练序列获得正确的滤波系数。这样就可以在收到训练序列后，使得均衡器的滤波系数已经接*于最佳值。而在接收数据时，均衡器的自适应算法就可以跟踪不断变化的信道，自适应均衡器将不断改变其滤波特性。
均衡器从调整参数至形成收敛，整个过程是均衡器算法、结构和通信变化率的函数。为了能有效的消除码间干扰，均衡器需要周期性的做重复训练。在数字通信系统中用户数据是被分为若干段并被放在相应的时间段中传送的，每当收到新的时间段，均衡器将用同样的训练序列进行修正。均衡器一般被放在接收机的基带或中频部分实现，基带包络的复数表达式可以描述带通信号波形，所以信道响应、解调信号和自适应算法通常都可以在基带部分被仿真和实现。
均衡技术-结构分类
均衡技术可以分为两大类：线性和非线性均衡。这些种类是由自适应均衡器的输出接下来是如何控制均衡器来划分的。判决器决定了接收数字信号比特的值并应用门限电*来决定d(r)的值。如果d(r)没用在反馈路径中调整均衡器，均衡器就是线性的。另一方面，如果d(r)反馈回来调整均衡器，则为非线性均衡。线性均衡器包括线性横向均衡器、线性格型均衡器等等，非线性均衡器包括判决反馈均衡器、最大似然序列均衡器等等，在这里主要介绍实际中应用较广的线性横向均衡器、线性格型均衡器、判决反馈均衡器及分数间隔均衡器。
按照抽样间隔的不同，均衡器还可以分为码元间隔均衡器和分数间隔均衡器。实际中码元间隔均衡器使用比较多，但是性能上却不如分数间隔均衡器的好。
1. 线性横向均衡器(LTE)
线性横向均衡器是自适应均衡方案中最简单的形式，它的基本框图如图所示。图中，输入信号的将来值、当前值及过去值，均被均衡器时变抽头系数进行线性加权求和后得到输出，然后根据输出值和理想值之间的差别按照一定的自适应算法调整滤波器抽头系数。在实际应用中，期望信号d(n)是未知的，否则也就失去了通信的意义。为使参数调整得以顺利进行，一种折中的方法是把由输出信号Y(n)进行判决所得的估计信号d(n)作为期望信号。事实上，在这种情况下，整个数字均衡器已经成了一个非线性系统，因为其收敛特性的分析是相当繁难的。但是在信道畸变不是异乎寻常的严重的情况下，其收敛性是可以得到保证的。
线性横向均衡器最大的优点就在于其结构非常简单，容易实现，因此在各种数字通信系统中得到了广泛的应用。但是其结构决定了两个难以克服的缺点：
其一就是噪声的增强会使线性横向均衡器无法均衡具有深度零点的信道——为了补偿信道的深度零点，线性横向均衡器必须有高增益的频率响应，然而同时无法避免的也会放大噪声；
另一个问题是线性横向均衡器与接收信号的幅度信息关系密切，而幅度会随着多径衰落信道中相邻码元的改变而改变，因此滤波器抽头系数的调整不是独立的。由于以上两点线性横向均衡器在畸变严重的信道和低信噪比(SNR)环境中性能较差，而且均衡器的抽头调整相互影响，从而需要更多的抽头数目。
2. 线性格型均衡器(LLE)
格型滤波器(Latice Filter)最早是由Makhoul于1977年提出的，所采用的方法在当时被称为线性预测的格型方法，后被称为格型滤波器。这种格型滤波器具有共扼对称的结构：前向反射系数是后向反射系数的共扼。格型滤波器最突出的特点是局部相关联的模块化结构。格型系数对于数值扰动的低灵敏型，以及格型算法对于信号协方差矩阵特征值扩散的相对惰性，使得其算法具有快速收敛和优良数值特性。
因为实际中，信道特性无法知道，所以也就难以估计需要的滤波器阶数。而用格型滤波器作为自适应均衡器的结构时，可以动态的调整自适应均衡器的结构以满足实际的均衡需求而不必重新设定均衡器的阶数和重新启动自适应算法。如图所示为格型均衡器的结构框图：
格型均衡器由于在动态调整阶数的时候不需要重新启动自适应算法，因而在无法大概估计信道特性的时候非常有利，可以利用格型均衡器的逐步迭代而得到最佳的阶数，另外格型均衡器有着优良的收敛特性和数值稳定性，这些都有利于在高速的数字通信和深度衰落的信道中使用格型均衡器。但是如前面所讨论的那样，格型均衡器的结构比较复杂，实现起来困难，从而限制了格型均衡器在数字通信中的应用。
3. 判决反馈均衡器(DFE)
诸如LTE的线性均衡器为了补偿信道的深度零点而增大增益从而也放大了噪声，因此在有深度谱零点的带通信道中线性均衡器性能不佳。然而对于这样的恶劣信道，判决反馈均衡器由于存在着不受噪声增益影响的反馈部分因而性能优于线性横向均衡器。
判决反馈均衡器
判决反馈均衡的基本方法就是一旦信息符号经检测和判决以后，它对随后信号的于扰在其检测之前可以被估计并消减。其结构如图所示。包括两个抽头延迟滤波器：一个是前向滤波器(FFF)，另一个是反向滤波器(FBF)。其作用和原理与前面讨论的线性横向均衡器类似：FBF的输入是判决器的先前输出，其系数可以通过调整减弱当前估计中的码间干扰。其中FFF抽头系数的个数为L而FBF抽头系数的个数为M。
判决反馈均衡器(DFE)的结构具有许多优点，当判决差错对性能的影响可忽略时DFE优于线性均衡器，显而易见相对于线性均衡器加入判决反馈部分可得到性能上相当大的改善，反馈部分消除了由先前被检测符号引起的符号间干扰，例如相对于LTE较小的噪声增益和MSE,相对于MLSE和格型结构的低运算复杂度、相对于横向结构更容易达到稳态性能等等。然而DFE结构面临的主要问题之一是错误传播，错误传播是由于对信息的不正确判决而产生的，错误信息的反馈会影响FBF部分从而影响未来信息的判决；另一问题是移动通信中的收敛速度。
4. 分数间隔均衡器(FSE）
最佳分数间隔均衡器等价于由匹配滤波器后接波特间隔均衡器的最佳线性接收机。线性调制系统的最佳接收滤波器是级联于实际信道的一个匹配滤波器。对时变信道系统的最佳接收是采用匹配滤波器和一个T间隔抽头的均衡器。一个以码元速率取样的T间隔均衡器不能形成匹配滤波器，而FSE是以不低于奈奎斯特速率取样，可以达到匹W,滤波器和T间隔均衡器特性的最好组合，即FSE可以构成一个最好的自适应匹配滤波器，且FSE在较低噪声环境下可以补偿更严重的时延和幅度失真。FSE对采样器噪声不敏感，这也是由于没有频谱重叠现象而产生的优点。
分数间隔均衡器
均衡技术-作用分类
均衡器的设计与信号性质有关。对传输电话信号，由于人耳对相位不敏感,只对传输信道的幅-频特性提出要求就够了。传输电视信号时,对传输信道的幅-频、相-频特性都有要求，否则图像就失真。电子计算机输出的数字电码脉冲也对幅-频、相-频特性有要求，因为波形畸变会因码间干扰而导致误码。
均衡作用可分为频域均衡（包括幅度均衡、相位或时延均衡）和时域均衡。前者是校正频率特性；后者是直接校正畸变波形。按调节方法还可分为固定均衡和可变均衡。可变均衡又可细分为手动均衡和自适应(自动)均衡。
1. 幅度均衡器
幅度均衡原理
一种校正幅－频特性的频域均衡器。图中的bs曲线是未经均衡的系统衰减-频率特性。衰减值按-20 lg(U0/Ui)计算,单位为分贝,U0和Ui分别为输出电压和输入电压。用衰减值的好处是当求两个网络的合成衰减时可作代数相加。若要获得*坦的幅-频特性曲线，可在系统中接入幅度均衡器，其特性如图中的be曲线。均衡后系统特性如曲线bd。适当地选取图中电路中的各元件值，可使衰减-频率特性*似于图的be曲线。图中的电路只用无源元件的，称为无源幅度均衡器。也可以用晶体管或运算放大器构成有源幅度均衡器。
幅度均衡器的一种实现及其特性
可变幅度均衡器一般通过改变元件值来调节幅－频特性。在宽频带范围内，实现所需均衡特性的一种方法是将均衡曲线分成若干频段,每个频段由一节衰减-频率特性为钟型的均衡器进行调节。另一种方法是将均衡曲线分解为各次谐波，分别由衰减-频率特性为余弦型的均衡器进行调节。
2. 相位均衡器
用以校正相-频特性的频域均衡器。因为时延等于相-频特性曲线的斜率，通常用的是时延均衡器，使未均衡系统的时延-频率特性与时延均衡器（也是相位均衡器）的时延－频率特性相加后接**线。时延均衡器也分无源和有源、固定和可变几种类型。
3. 横向均衡器
横向时域均衡器
一种最常用的时域均衡器。频带利用率高的数字通信设备常用这种均衡器。输入的畸变波形进入有抽头的时延线，再经过各横向路径并乘以不同系数ɑn后相加则获得已均衡信号。调节各系数值，可得所需要的输出波形。各系数可以是固定的，也可以随系统特性的变化而自动调节，后者称为自适应均衡器。在某些场合，还将接收判决所得数码反馈到输入端，与输入信号相加，这种均衡器称为判决反馈均衡器，其性能比横向均衡器的为好。
均衡技术-自适应算法
自适应均衡器的原理就是按照某种准则和算法对其系数进行调整最终使自适应均衡器的代价(目标)函数最小化，达到最佳均衡的目的。而各种调整系数的算法就称为自适应算法，自适应算法是根据某个最优准则来设计的。最常用的自适应算法有迫零算法，最陡下降算法，LMS算法，RLS算法以及各种盲均衡算法等。
自适应算法所采用的最优准则有最小均方误差(LMS)准则，最小二乘(LS)准则、最大信嗓比准则和统计检测准则等，其中最小均方误差(LMS)准则和最小二乘(LS)准则是目前最为流行的自适应算法准则。由此可见LMS算法和RLS算法由于采用的最优准则不同，因此这两种算法在性能，复杂度等方面均有许多差别。
一种算法性能的好坏可以通过几个常用的指标来衡量，例如收敛速度一一通常用算法达到稳定状态(即与最优值的接*程度达到一定值)的迭代次数表示；误调比——实际均方误差相对于算法的最小均方误差的*均偏差；运算复杂度— 完成一次完整迭代所需的运算次数；跟踪性能一一一对信道时变统计特性的自适应能力。
均衡技术-发展前景
在信息日益膨胀的数字化、信息化时代，通信系统担负了重大的任务，这要求数字通信系统向着高速率、高可靠性的方向发展。信道均衡是通信系统中一项重要的技术，能够很好的补偿信道的非理想特性，从而减轻信号的畸变，降低误码率在高速通信、无线通信领域，信道对信号的畸变将更加的严重，因此信道均衡技术是不可或缺的。自适应均衡能够自动的调节系数从而跟踪信道，成为通信系统中一项关键的技术。
