Filtro lineal aplicado a muestras o a la forma de onda recibida que produce estimaciones de símbolos mediante combinaciones lineales de las entradas para aproximar la inversa de la respuesta de un canal lineal y reducir la interferencia intersímbolo (ISI). Las implementaciones incluyen filtros FIR en tiempo y ecualizadores lineales en frecuencia; el mapeo es lineal y no utiliza decisiones previas como entradas.

Principio

Un ecualizador lineal mitiga ISI a costa de posible amplificación de ruido aplicando una inversión lineal (o regularizada) del canal; bajo un modelo de ruido aditivo gaussiano y canal conocido, la solución MMSE (Wiener) es el estimador lineal óptimo, mientras que el zero‑forcing cancela la ISI pero puede amplificar el ruido.

Demostración

Situación: Transmisión monocarretera con ISI de tres coeficientes y respuesta impulsional estimada h. Reconocimiento: El receptor modela el canal como lineal e invariante con ruido gaussiano aditivo. Acción: Diseñar un ecualizador FIR de N coeficientes w por MMSE usando h y la varianza de ruido, filtrar las muestras recibidas con w y muestrear para obtener estimaciones de símbolos. Consecuencia: La ISI residual disminuye y la tasa de error de símbolo cae a SNR moderado; si h tiene huecos espectrales, la inversión incrementa localmente el ruido.

Aplicación incorrecta

Asumir que la ecualización lineal es siempre suficiente y aplicar zero‑forcing sin considerar huecos del canal o nivel de ruido. El error plausible es pensar que la inversión siempre mejora la detección; el error semántico es equiparar la cancelación de ISI con una mejora segura del error global, ignorando la amplificación de ruido y el error de estimación.

Consecuencia

Cuando procede, la ecualización lineal reduce la ISI con baja complejidad y latencia predecible, mejorando la tasa de error de símbolos no codificados respecto a la recepción sin filtrar. No obstante, suele ser subóptima frente a técnicas no lineales o de detección conjunta (p. ej. MLSE, ecualización turbo) y puede amplificar ruido o ser sensible al error de estimación del canal.

Inversión

Si el canal presenta huecos espectrales profundos, distorsión no lineal severa o el ruido no es gaussiano, un ecualizador lineal puede empeorar la detección; en esos casos deben usarse estrategias no lineales (DFE, MLSE, ecualización iterativa) o regularización robusta. Además, con intercambio de información blanda con el decodificador, los métodos iterativos suelen superar a un filtro lineal fijo.

Límite

Claramente dentro: ecualizadores FIR o en frecuencia aplicados a canales lineales invariantes con ISI moderado y estimación del canal disponible. Caso límite: ecualizadores con retroalimentación de decisión que añaden un término no lineal para cancelar ISI de postcursor. Claramente fuera: detectores no lineales (MLSE, detectores MAP por símbolo) y ecualizadores para canales fuertemente no lineales o sin modelo lineal útil.

Tensión semántica

Óptimo frente a simplicidad: los ecualizadores lineales ofrecen baja complejidad y latencia fija pero renuncian a la óptima detección que proporcionan métodos no lineales o integrados ecualización/decodificación; reducir complejidad suele aumentar el error residual o la sensibilidad al ruido.

Síntesis

El ecualizador lineal es la solución lineal de menor complejidad para mitigar ISI: eficaz cuando la inversión del canal no amplifica en exceso el ruido y cuando se prioriza la previsibilidad, pero sus límites justifican mejoras no lineales o iterativas.