📘《AI 時代系列（6）：進階通訊工程——邁向 2035 年太空星鏈網路時代》
📘 第 3 周 🎶 電波的語言：調變、編碼與 6G 高頻革命
23／100 單元：多路徑通道與估測 🔦——反射 × 延遲 × 衰落 × 修正（Channel Estimation）
________________________________________
🎯 單元導讀
無線電波永遠不是“直線傳播”的，它會：
• 被牆反射
• 被地面散射
• 被人體或車體吸收
• 被建築折射
• 被物體遮蔽
所以接收訊號永遠是：
📌「很多條不同路徑、不同延遲、不同衰減的加總」
這就是 多路徑（Multipath）。
多路徑會導致：
• ISI（符號間干擾）
• 頻率選擇性衰落
• 通道深谷（deep fade）
• 子載波損傷
• MIMO beamforming 失準
而所有這些問題，都需要一件事來修正：
✔ 通道估測（Channel Estimation, CE）
通道估測本質上是在回答一個問題：
👉「無線通道 h(t) 目前長怎樣？」
👉「它的振幅、相位、延遲、Doppler 分別是多少？」
👉「我該怎麼等化與補償？」
這單元會把整套 CE 理清楚，從 LTE → 5G → NTN。
________________________________________
🧱 一、什麼是「多路徑通道」？（Multipath Channel）
實際接收到的訊號 y(t) 是：
y(t) = Σ αᵢ x(t − τᵢ)
這個公式表示：接收端的訊號 y(t) 是所有多路徑版本的 x(t) 按各自的衰減 αᵢ 與延遲 τᵢ 叠加而成，也就是真實無線通道會把同一訊號以不同強度、不同時間重複送到接收端，形成多路徑效應。
其中：
• αᵢ：第 i 條路徑的衰減
• τᵢ：第 i 條路徑的延遲（delay spread）
• x(t)：傳送訊號
ASCII 感受一下：
主路徑: -------------->
反射1: ---/----------> (延遲)
反射2: --//----------> (更多延遲)
反射3: -----/-------> (最慢)
接收端看到的是：
✔ 不同相位
✔ 不同時間
✔ 不同強度
造成複雜的「頻率選擇性衰落」。
________________________________________
📡 二、Delay Spread 與 OFDM 的關係
Delay spread（延遲擴散）直接決定兩件事：
1️⃣ 是否會產生 ISI
若 τmax > Ts（OFDM 的有用符號長度）
→ OFDM 也會被打爆
→ 必須用 CP（循環字首）吸收延遲
2️⃣ 通道頻率響應 H(f) 是否平坦
Delay spread 大 → Channel 變得“高度 frequency-selective”
→ 每個子載波的 SNR 不一樣
→ MCS 必須 per-subcarrier 自適應
________________________________________
🔦 三、通道模型（多路徑本質上是一種隨機過程）
3GPP 常用模型：
• EPA（少路徑）
• EVA（中等 delay spread）
• ETU（巨大 delay spread，高速）
• TDL-A/B/C/E（FR1）
• CDL-A/B/C/E（massive MIMO、3D beamforming）
每種模型都定義：
• 路徑數
• 路徑延遲
• 路徑功率
• 角度（AoA/AoD）
• Doppler spread
6G NTN（衛星）使用：
• RICIAN K-factor 很高（有強 LOS）
• 超大 Doppler（千 Hz～萬 Hz）
________________________________________
🎯 四、什麼是通道估測（CE）？
通道估測的目的是：
📌「找到 H(k) 或 h(t) 的最佳估計值。」
不同系統採用不同的 CE 技術：
⭐ 1. Pilot-based estimation（LTE/5G 最常用）
基站送出已知符號（Pilot / Reference Signal）
接收端：
H_est = Y / X
用已知 pilot 的接收值 Y 除以送出的 X，直接得到通道 H，最直覺、最常用。
X：已知 pilot
Y：接收 pilot
這是最簡單也是最常用的 CE。
________________________________________
⭐ 2. LS（Least Squares）估測
Ĥ_LS = Y / X
只靠 Y/X 做最小平方誤差擬合，簡單但在雜訊大時不夠準。
優點：簡單
缺點：雜訊大時誤差大
________________________________________
⭐ 3. MMSE（Minimum Mean Square Error）估測
Ĥ_MMSE = R_HH ( R_HH + σ² I )⁻¹ H_LS
利用通道估計與雜訊協方差做最佳化推估，比 LS 準得多，但計算量也最大。
優點：超準
缺點：計算量大（5G RAN 用得最多）
________________________________________
⭐ 4. 時頻插值（Time-Frequency Interpolation）
因為 pilot 不可能塞滿全部子載波 → 太浪費
所以使用：
• 時域插值
• 頻域插值
• 2D Wiener Filter
來估整個 Resource Block 的通道。
________________________________________
⭐ 5. SRS（Sounding Reference Signal，上行）
UE 主動發 SRS → gNB 測量 UL 通道
（ Massive MIMO beamforming 就靠這個）
________________________________________
🛰️ 五、在 LEO / NTN 中的 CE（極困難版本）
LEO 速度超快：
• Doppler 超大
• 通道變化非常快
• Pilot 無法跟上
因此：
5G NTN Release-18 引入：
✔ Doppler pre-compensation
✔ AI-based CFO & channel estimator
✔ 增加 pilot 密度
✔ 增加 tracking loop（追蹤迴路）
________________________________________
🤖 六、AI × 通道估測：6G 的主流技術
AI 估測方式：
• CNN 做頻域 2D interpolation
• LSTM 做時序 tracking
• Transformer 做長期記憶
• GAN 生成 realistic channel（data augmentation）
• DeepMMSE 近似 MMSE（但速度快 10 倍以上）
「AI-based 通道估測／波束管理 已在研究與提案中被廣泛探討，並在 6G / NTN / RIS / Massive MIMO 等前沿系統中被視為重要方向。」
________________________________________
🧩 七、多路徑修正（等化器）
只要能估到 H(k)，就能做等化：
1. ZF（Zero Forcing）
X̂ = Y / Ĥ
→ 直接把通道視為可逆線性系統，用除法抵消多路徑；優點是簡單，缺點是當 H 很小時會把雜訊一起放大。
________________________________________
2. MMSE Equalizer
X̂ = (H* Y) / (|H|² + σ²)
→ 在等化時同時考慮通道與雜訊能量，以最小化均方誤差為目標，比 ZF 更穩定，是 5G/NTN 最常用的「實務最佳化」等化方法。
________________________________________
3. MIMO Detection（多天線偵測）
ZF、MMSE、ML detector、Sphere decoder
→ MIMO 不是只除以 H，而是要解多維聯立方程，從線性解（ZF/MMSE）到最優解（ML/Sphere）各種方法在「複雜度 vs 性能」之間取捨。
________________________________________
4. AI Receiver（AI 接收器）
→ 以深度神經網路直接學習「通道逆運算」，在非線性、多普勒、RIS 反射、低 SNR 下可超越傳統 ZF / MMSE，被視為 6G Receiver 的重要方向。
________________________________________
📘 八、ASCII 圖：通道估測的世界
多路徑示意：
Tx → → → (Path 1) → → ● Rx
↘ (Path 2) → ●
↘ (Path 3) →
這個圖示表示真實無線通道並非只有一條直達路徑，訊號會沿著不同反射面以不同延遲與衰減到達接收端，因此 Rx 接收到的是多條路徑的疊加。通道估測（CE）就是要從這些「多路徑混合」的接收訊號中，精準還原每條路徑的通道響應，才能進一步做等化與可靠解調。
________________________________________
頻域通道：
H(k): ──╱──╲__/╱──╲__
Pilot 格子（LTE/NR）：
k→ P . . P . . P . .
t↓ . . P . . P . . P
這個圖顯示在 OFDM 系統中，頻域通道 H(k) 會隨子載波而起伏，而 LTE/NR 透過在時頻格子中定期插入已知的 Pilot（Reference Signal）讓接收端能在不同 k 與不同時間 t 上量測通道，再利用插值還原完整的 H(k, t)；這是 4G/5G 能精準追蹤通道、完成等化與 MIMO Beamforming 的核心機制。
插值後：
H_est → 全區塊估測完成
________________________________________
📝 九、章末實務測驗
（1）多路徑造成的最主要問題是？
＝ 多路徑會使不同延遲的符號彼此重疊，產生 ISI（符號間干擾），並使頻域通道 H(k) 出現深衰落。
（2）為什麼 OFDM 需要 CP？
＝ CP（Cyclic Prefix）把線性卷積變成循環卷積，消除 ISI 並讓通道在一個 OFDM symbol 內可視為平坦，使等化大幅簡化。
（3）LS 與 MMSE 的差異？
＝ LS 只利用接收 Y/X 做最簡單估計，在低 SNR 時誤差大；MMSE 則同時考慮通道統計與雜訊能量，是 最小均方誤差的最佳化解，性能遠優於 LS。
（4）SRS 用在什麼？
＝ SRS（Sounding Reference Signal）用於 上行通道估測、Beamforming、CSI 報告，是 5G/NR 中 UE 回饋通道品質的主要機制。
（5）高多普勒環境（如 LEO）會破壞什麼？
＝ 高多普勒會使 子載波失去正交性（ICI），使 CE/等化/追蹤困難，嚴重時甚至無法維持穩定同步。
（6）AI-based CE 為何重要？
＝ 在高移動度、低 SNR、RIS、多路徑等高度非線性的通道中，傳統 LS/MMSE 易失效，而 AI 能直接學習 H(k,t) 的時頻變化。它能在 Pilot 稀疏、Doppler 快速飄移時維持高精度 CE，並成為 6G 與 NTN Receiver 的關鍵技術之一。
________________________________________
⭐ 十、小結（一句話版）
📌 多路徑讓通訊世界變複雜，而“通道估測”讓我們重新把訊號還原成能理解的樣子。
