Ein linearer Filter, der auf empfangene Abtastwerte oder Wellenformen angewendet wird und durch lineare Kombination der Eingänge Symbolschätzungen erzeugt, um die Inversion der Antwort eines linearen Kanals zu approximieren und so Inter-Symbol-Interferenz (ISI) zu reduzieren. Implementierungen umfassen zeitbereichige FIR-Filter und frequenzbereichige lineare Entzerrer; die Abbildung ist linear und verwendet keine zurückgeführten Entscheidungswerte.

Prinzip

Ein linearer Entzerrer reduziert ISI im Tausch gegen mögliche Rauschverstärkung durch Anwendung einer linearen (oder regularisierten) Kanalinversion; unter einem Modell mit additivem gaußschem Rauschen und bekanntem Kanal liefert die MMSE-(Wiener-)Lösung den optimalen linearen Schätzer, während Zero-Forcing- Lösungen ISI erzwingen können, jedoch Rauschen verstärken.

Demonstration

Situation: Einkarrieresystem mit dreizeitiger ISI und geschätzter Kanalimpulsantwort h. Erkennung: Der Empfänger modelliert den Kanal als LTI mit additivem gaußschem Rauschen. Aktion: Entwurf eines N- Koeffizienten-FIR-Entzerrers w per MMSE aus h und Rauschvarianz, Filterung der empfangenen Abtastwerte mit w, dann Abtastung zur Gewinnung von Symbolschätzungen. Folge: Die verbleibende ISI wird reduziert und die Symbolfehlerwahrscheinlichkeit sinkt bei mäßigem SNR; hat h spektrale Nullstellen, wird das Rauschen lokal verstärkt.

Fehlanwendung

Lineare Entzerrung als immer ausreichend anzusehen und Zero-Forcing anzuwenden, ohne Kanalnullen oder Rauschpegel zu berücksichtigen. Der scheinbare Schluss ist, dass Inversion stets die Detektion verbessert; der semantische Fehler besteht darin, ISI-Aufhebung mit einer sicheren Gesamtfehlerreduktion gleichzusetzen und Rauschverstärkung und Schätzfehler zu ignorieren.

Konsequenz

Soweit anwendbar, reduziert lineare Entzerrung ISI bei niedriger Implementationskomplexität und vorhersagbarer Latenz und verbessert ungefilterte Symbolfehlerwahrscheinlichkeiten. Sie ist jedoch allgemein suboptimal gegenüber nichtlinearen oder gemeinsamen Detektionsverfahren (z. B. MLSE, Turbo-Equalisierung) und kann Rauschen stark verstärken oder empfindlich gegenüber Kanal‑Schätzfehlern sein.

Umkehrung

Hat der Kanal tiefe spektrale Nullen, starke nichtlineare Verzerrung oder ist das Rauschen nicht gaußsch, kann ein linearer Entzerrer die Detektion verschlechtern; dann sind nichtlineare Strategien (Decision‑Feedback‑Equalizer, MLSE, iterative/turbo‑Methoden) oder robuste Regularisierung angebrachter. Bei Verfügbarkeit von Soft‑Informationsaustausch mit einem Decoder erzielen iterative Verfahren oft bessere Ergebnisse als ein fester linearer Filter.

Abgrenzung

Eindeutig innerhalb: FIR- oder frequenzbereichige lineare Entzerrer für LTI‑Kanäle mit moderater ISI und verfügbarer Kanalschätzung. Randfall: Decision‑Feedback‑Equalizer mit zusätzlichem nichtlinearem Rückkopplungsterm zur Postcursor‑ISI‑Kompensation. Eindeutig außerhalb: nichtlineare Detektoren (MLSE, MAP‑Symboldetektoren) und Entzerrer für stark nichtlineare Kanäle ohne brauchbares lineares Modell.

Semantische Spannung

Optimalität vs. Einfachheit: Lineare Entzerrer bieten geringe Komplexität und feste Latenz, geben dafür aber die detektionelle Optimalität auf, die nichtlineare oder gekoppelte Equalize‑/Decode‑Methoden liefern; Komplexitätsreduzierung führt oft zu höherem Restfehler oder größerer Rauschempfindlichkeit.

Synthese

Der lineare Entzerrer ist die einfachste lineare Methode zur ISI‑Minderung: er ist dann sinnvoll, wenn Kanalinversion das Rauschen nicht übermäßig verstärkt und Vorhersagbarkeit wichtig ist, seine Beschränkungen begründen jedoch die Nutzung nichtlinearer oder iterativer Verbesserungen.