1036
信道传输的物理特性，它不是0和1加载的，它是1和0之间。
我们在半量化的时候，是63到-64。
这个区间被加载了，噪声完全可能把原来的63，变成25，变成17。
我们通过这段噪声来验证，现在的接收系统，能不能经过噪声干扰了以后，能够还原出原始的信号。
还是解扩的问题。
刚才我们说到了解扩的算法。
它是一个0和1组成的序列，现在变成量化值了。
1037
我们来看看，现在该怎么解决。
所以说，接收的时候比较困难。
如果我们现在做的是这么一个序列，这时对应的KEY模板，LSB，MSB。
KEY=5’b00001。
如果是用0发送的基带，对应的是它的原码。
1038
1，是它的反码。
这是dsss_out。
1用63，0用-64。
来传输数据，就变成这样的。
1039
如果没有受到噪声干扰，在接收端的时候，收到的也应该是这一组数。
然后用这组数，做解扩。
1040
仍然是用一个统计判决。
有噪声干扰的情况下，仍然是用这个公式，但是它的误码率比较高一些。
如果加入噪声noise，可能是15、-1、30、27。
1041
现在能接收到的序列值，就是78、-65、-34、37。
跟原来的63、-64完全不一样。
仍然可以用这个公式，但是它的误码率会很高。
1042
取而代之的，或者说应用比较多的，是最小二乘法。
我们来介绍一下最小二乘法。
我们绿皮书教材写的都是统计判决。
即便是加了汉明纠错码，误码率仍然非常高。
高到几乎是不可接受的程度。
通信误码率怎么可能这么高呢？
我们就提出来，有没有更好的方法？
真正的通信里面使用的方法。
这是我们必须要介绍的。
最小二乘法，仍然说的是这个问题。
1043
就是我们收到的频带上的这个序列，收到噪声干扰的这个序列。
这个序列，它原本是一个模板，这是很精确的一个模板，但是已经面目全非了。
第一，它已经被量化了。
第二，既被量化了，还加了噪了。
受到噪声的干扰了。
完全不一样了。
现在的问题就是，如何来判定，收到的频带上的信号，它更接近0模板，或者是1模板。
是更接近当前秘钥的原码的31个比特，还是更接近当前秘钥的反码的31个比特？
也就是说它跟哪个的相关度最高，是这么一个问题。
1044
我们来看最小二乘法。
X、Y都是时间的函数，都是时间的取样点。
取了31次，从0取到30。
1045
看X究竟跟Y1更接近，还是跟Y2更接近？
我们把X、Y呢，用A、B来替代。
换一个命名。
