CN101056286A - 改善突发干扰变化期间无线电网中的信道估计的方法 - Google Patents

Abstract

多信道响应由在宽带蜂窝无线电网中使用的无线接收机以MIMO方式进行估计。干扰协方差矩阵的相关性在每个新码元处计算，并与门限比较，从而确定干扰是否发生了显著变化，在第一事件中旨在重新初始化干扰协方差矩阵，否则用实际值更新干扰协方差矩阵的运行平均值。更新/重新初始化干扰协方差矩阵和发射的导频序列(存储在接收机中)的自相关矩阵，用于在为了降秩向模态滤波提交估计的信道矩阵之前，白化估计的信道矩阵。最初的空间和/或时间相关性由逆白化重新引入到降秩的信道矩阵中。信道矩阵首先被在离散时间域中估计，然后被提交给DFT，用于整个频带的变换，这允许由接收机正确地使用。

Description

改善突发干扰变化期间无线电网中的信道估计的方法

技术领域

本发明涉及无线电信网络领域，更确切地涉及改善突发干扰变化期间宽带SIMO/MIMO蜂窝无线电网中的信道估计的方法(使用的缩略词在说明书末尾给出)。本发明适合于，但不局限于，在对于宽带多小区无线系统的基站接收机中使用，所述系统基于邻近小区内的频率重用，以及如果需要的话，在相同的小区中使用SDMA技术。本发明在蜂窝系统中具有特殊的应用，所述系统基于：

·物理层的OFDM调制和TDMA接入，例如WiMAX和IEEE 802.16-2004第16部分：用于固定用户台的固定宽带无线接入系统的空中接口。

·物理层的OFDMA-TDMA接入，例如WiMAX和IEEE 802.16e第16部分：用于固定和移动用户台的固定和移动宽带无线接入系统的空中接口。

·ETSI TS 102 177宽带无线电接入网(BRAN)；HIPERMAN；物理(PHY)层。

通过权利要求所涵盖的任何明显的修改，本发明还适用于属于用户台和/或点对点链路的接收机。

本发明适用于具有单个发射天线和至少两个接收天线的多小区SIMO系统。第一改善在于具有N_R＞2个接收天线的SIMO系统。第二改善在于具有N_T个发射天线和N_R个接收天线的MIMO系统。本发明的方法通过与一些先验知识和一些对于噪声和干扰的统计假设一起，仅计算从N_R个天线接收的N_R个信号来估计信道响应。

背景技术

已知，多径衰落以及来自相同或邻近小区中用户台的同信道干扰是接收机输出端SINR恶化的主要来源。通常多小区干扰由假设是常数的协方差矩阵(或噪声功率)计算，并在接收到的信号上应用空间滤波器(以及只要可用，在发射机中应用预滤波器)以改善输出端中的SINR。

多天线(SIMO/MIMO)是获得更大SINR值的已知方式。在设计天线阵时，分集和波束形成是两种不同策略，其根据必须对比的特定减损是干扰或是衰落而典型地采用。当设计天线阵和接收机处理的时候，可使用一些自由度。

·面向分集的方案利用空间复用增益来减少衰落容限。与载波波长λ相比使用了大的天线间距，如大于5-8λ，从而信号在不同天线处不相关，并且信号可以由基于分集的算法、例如MRC进行处理。该算法需要所有天线处信道响应的知识。

·用于干扰抑制的面向波束形成的方案，使用直至λ/2的小间距，从而信号在不同天线处完全相关，以及采用波束形成技术(例如MVDR)来滤除干扰。所使用的算法需要信道响应和干扰功率的空间特征两者的知识。

在相同申请人的名称为：METHOD FOR THE ESTIMATION ANDTRACKING OF CHANNEL MODES IN MULTICARRIER COMMUNICA-TION SYSTEMS的欧洲专利申请EP 03425721中，描述了一种用于MIMO应用的无需DOAs明确计算而估计多OFDM信道响应(按照说明，例如IEEE2004或802.16e)的方法。相应地，多信道响应被模型化为打包到信道矩阵的一连串N_R×N_T FIR滤波器组，其元素都是未知的且必须进行估计，以便向接收机提供已估计的信道响应用于检测发射数据序列。最初所述接收机相应于一些映射到固定数量的OFDM子载波(导频)以及与发射天线单意性相关联的训练序列而执行LS信道矩阵估计。所述导频子载波恰好被分配为传送帧的报头，所述传送帧依赖于信道的变化性计划(所述报头)速率：如果是快变化性，训练数据实际上还能在每一个OFDM符被发送。所述在接收训练序列上所执行的信道估计利用存储在接收机中的这些序列的拷贝。物理参数特征化所述信道，例如：小区维数，多径延迟/角度模式，干扰的数量和角度位置，等等，所述物理参数在信道矩阵组成中没有明确，然而信道估计是精确的，因为信道矩阵的元素隐含地反映了所述物理参数的作用。

未受限的LS信道估计不可避免地含有噪声，因为与训练序列的有限长度相反，要估计大量麻烦的元素。被引用文献的方法目的在于减少LS估计的维数，以获得更精确的估计(较低MSE)。一般矩阵的维数可通过秩计算，比如说，独立行或列之间的最小数目。一些代数处理允许将一般矩阵分解为更适当的等价规范形式；LS信道矩阵的特征值-特征向量分解被使用。在真实的传播场景中，一些已知的降秩方法、例如MDL，从最初满秩维数开始自适应地仅选择最重要的主要特征向量，忽略其他特征向量。首先，所述LS-估计信道矩阵与加权矩阵相乘来(在空间和时间两者上)对相关干扰去相关。去相关也被称作“白化”，与白噪声在时间上完全不相关(扁频带)相似，所述加权矩阵因此叫做“白化滤波器”。白化的信道矩阵被提交给双重-空间时间域上的模态滤波操作。模态滤波包括模态分析和模态合成两者。模态分析允许提取对所述估计实际有效的唯一的空间-时间信息；其包括：空间模式识别，时间模式识别，以及模态分量估计。模态合成用较低的秩取回白化的信道矩阵。原始噪声和干扰相关然后通过对模态滤波矩阵逆加权(去白化)来恢复；该操作没有改变已减少的秩。

技术问题概述

当不能假设干扰是平稳的时，控制干扰的方式是重要的问题。实际上，由多天线获得更大SINR值的有益效果被干扰功率的变化恶化了，这是这样引起的：

1.多小区环境中不同小区间用户的不协调(异步)接入；例如，在任何干扰小区中新终端可以变为激活，从而产生传送期间干扰信号突发功率的增加。双重的，激活的终端可以关闭，从而在传送期间产生干扰信号突发功率的减少。

2.终端台的车载运动改变信道的特性。

由于干扰功率受巨大起伏的控制，相应地SINR偏差是显著的(举例来说，对于运行记录正常(log-normal)的遮蔽(shadowing)具有等于8dB的标准偏差，而SINR电平直至15-20dB的变化很可能发生)。

前述EP 03425721中描述的信道估计和追踪方法在有恒定功率的平稳干扰的先验假定情况下，仅对感兴趣的用户追踪时变空间-时间信道。所述追踪方法因此完全不能补救突发干扰功率变化。因而不管准常数干扰假定，当干扰功率由于强调的原因突然变化时，干扰协方差矩阵的更新(基于有遗忘因数的运行平均值)趋向于掩盖突然的变化。根据上述，现有技术的方法完全不能适应真实情况中的干扰估计。在提交信道估计到模态过滤以用于秩减少之前，当干扰协方差矩阵被用于白化所述信道估计时，所述干扰的不精确估计不可避免地反映在最终信道估计的不准确。在这种情况下接收机可能不正确地检测所发射的数据序列，并且接收机输出端的BER会增加。因为BER值大于最大允许门限，干扰信道上所进行的通信会丢失，并且系统性能因而恶化。

发明内容

鉴于所描述的技术状况，本发明的目的是提供SIMO/MIMO简化复杂度信道估计，其有阻止空间-时间干扰中突发变化的危险影响的操作手段，还继续追踪慢变化干扰功率。

发明概述和优势

本发明通过提供在具有TDMA或TDMA-OFMDA接入的蜂窝无线网络中的估计信道响应的方法达到主要目的，所述信道用于将配备有一个或多个发射天线的发射台连接到至少一个配备有用于接收顺序的已调制的OFDM码元的多个天线的接收台，所述码元由给定的若干调制子载波携带数据和导频序列构成，所述指定给导频子载波的导频序列被不同地分配给配置在OFDM码元已知的位置，是被突然和大的同信道干扰变化影响的信道，所述方法包括步骤：

a)从接收的信号和存储在接收机中所述导频序列的拷贝中，为所有一个或多个发射天线和接收天线之间链路上的导频序列估计信道响应的所有未知元素；

b)从所接收的导频序列和接收导频序列的本地重建之间的差中估计干扰；

c)更新用于加权信道估计的干扰估计的运行平均值，并称作白化；

d)计算实际的和在前接收的码元之间干扰估计的相关性；

e)比较实际相关值和门限，以便决定干扰是否发生了显著变化，在第一事件中重新初始化干扰估计，或者用于继续平均步骤c)，如权利要求1中所描述的。

其他有益特征在从属权利要求中描述。

信道矩阵有利地是在离散时间域估计，并接着通过DFT变换转换到频域。

根据本发明的方法，降秩的步骤包括并行更新空间和空间-时间干扰相关矩阵的子步骤，或可选地，时间和空间干扰相关矩阵，当干扰(接近分段地稳定)如所述的那样发生显著变化时，所有上述相关矩阵或者持续平均或者重新初始化。

由于干扰估计的重新初始化，白化滤波器的元素被调整到信道上的实际情况，并且所有的相关性在被提交给用于降秩的模态滤波器之前，能够被真正的从信道矩阵中取消。而且，模态滤波器还利用重新初始化干扰估计，来更正确地识别信道的空间和时间或联合空间-时间分量。这通过信道矩阵的最重要的主要特征向量，导致更正确的信道表示，因为考虑了各自元素的数量和值。

附图说明

被认为是新颖的本发明的特点和附加的权利要求的特征一起提出。本发明及其优势通过结合附图的下述详细描述的MIMO实施方式将会被理解，这仅仅是为了非限制性的说明目的，其中：

-图1示出了规定的适应IEEE 802.16-2004第16部分的上行链路信道的帧结构；

-图2示出了适应IEEE 802.16e第16部分的无线通信系统使用的OFDMA-TDMA接入中交叉子载波和天线的导频排列的示例；

-图3示出了用于基站BS0接收由用户SS0所发射信号的无线蜂窝系统中典型的上行链路干扰场景；

-图4示出了具有多个天线的OFDM/OFDMA发射机的一般结构；

-图5示出了OFDM/OFDMA接收机的功能结构，其具有包括根据本发明方法操作的信道估计器的多个天线；

-图6示出了包含在图5接收机中的信道估计器模块的功能结构；

-图7示出了包含在图6信道估计器中的模态分析器&合成器MAS模块的功能结构。

具体实施方式

在系统的每个小区中多接入(多址)由时间、频率、和/或空间划分的组合来处理。例如关于图1的固定接入和图2的移动或固定接入，在可用带宽内，由N个子载波组成，传送在L个时间-频率资源单元中组织，叫做块(或脉冲串)，每个包括 K＜N个子载波和N_s个OFDM码元的时间窗。每个块包括已编码数据和导频码元两者。导频子载波在块上分配来允许进行信道/干扰参数的估计和追踪。除了这些分配的导频子载波，仅包括已知训练码元的报头也可包括在块中，如图1的示例所示。在这种情况下，报头用于信道/干扰参数的估计，而其他导频子载波用于根据块来更新参数的估计。每个块的每一个OFDM码元可包括导频子载波的子集，用于追踪快时变信道环境中的参数。要注意倘若采用了SDMA，那么相同的时间-频率单元可以被分配给更多用户。

关于图3，考虑在小区中那些同时激活的用户台，比如说SS₀，发射(或接收)信号到(从)其自己的基站BS₀(通信可以或者在从SS₀到BS₀的上行链路或者在从BS₀到SS₀的下行链路中)。无限制地，发射机被假设使用N_T个天线，接收机使用N_R个天线。通过具有频率重用因数F＝4的正方形蜂窝布局来举例说明感兴趣的场景。该示例关于上行链路通信，其从SS₀到BS₀的传送被来自N_I＝3小区外的终端台{SS_i}_i＝1 ^NI的干扰所损害，所述终端台使用与SS₀相同的子载波。在图中，d_i表示i^th终端离其基站的距离，i＝0，...，N_I，而d_i0是干扰者SS_i(i≠0)离感兴趣用户的基站BS₀的距离。

MIMO系统的OFDM/OFDMA发射机

OFDM/OFDMA发射机的一般结构在图4中表示。关于图4，要发射的串行数据被发送到执行编码、调制和复用操作的块1。块1将串行数据编码，并加上FEC冗余度以提高接收机的性能。如果是IEEE-802.16-2004，例如，编码器包括跟随有交织器的两个链接式的块编码器；外部是瑞德-所罗门(Reed-Solomon)，而内部是卷积形式。已编码的数据被提交给调制器，其映射2q编码比特组到复合(I，Q)码元中，所述码元属于选择的数字调制(例如M-QAM)的合成体，调制器输出复合码元

序列，其在连接到N_T个OFDM调制器6，7，...，6+N_T的N_T个输出端

(使用天线的数目)上并行。

每一个OFDM调制器包括下述块的级联：S/P+导频ins 18，IDFT 19，CP-INS 20，和P/S 21。在一般解调器内，各自的输入序列

被发送到S/P转换器18的第一输入端，而存储在发射机相应存储器中的 x导频序列被发送到相同的第二输入端； 和 x两者都由S/P 18在每T_h秒进行串行到并行的转换，获得转发到IDFT处理器19的N个元素的向量。后者在相同数量的子载波(宽带)上调制N个元素向量，获得转发到CP-INS块20的等长OFDM向量。CP-INS块20加上与输入脉冲串的最后N_cp样值关联的循环前缀CP，获得OFDM码元。循环前缀的使用阻止接收机两侧的发射的信号和不理想信道响应之间的卷积影响，影响是在顺序OFDM码元间产生ISI，并在OFDM子载波间产生ICI。根据使用的计划和接入类型，IDFT处理器分配可用子载波给编码脉冲串(训练和数据)，除预留给保护时间的那些之外。总数N个子载波的K个被分配给导频使用。块20还插入保护子载波，从而子载波的总数是N，与构成信道频带B的子带数目一样。使所有MIMO发射天线彼此可识别，需要由N_T子集的假定计算，每个包括K/N_T个与对准不同天线的OFDM信号相关联的不同导频子载波。图2示出了用于4个天线的导频排列交叉子载波的示例，所述排列在于为不同源使用不同导频音。

CP-INS块20的输出端处OFDM码元被转发到以时间间隔T_s＝T_b+T_g＝(N+N_cp)T_c计时的并行-串行转换器P/S21，其中T_c是抽样时间。P/S转换器21输出端处的OFDM序列x(n)被转发到天线预编码器22的N_T个输入端的一个输出。

预编码器22的N_T个信号输出被N_T个升余弦传送滤波器g_T(t)23，24，...，23+N_T在时间域滤波。已滤波的OFDM序列x(t)被发送到RF部分34的N_T个输入端，RF部分34执行所有已知的通过N_T个天线35，36，…，35+N_T发射模拟信号的操作。RF部分34内部的RF功率放大器(未示出)在存在特征化OFDM传送的高PMEPR值的条件下按照不使输出失真的方式被精确地线性化。

MIMO系统的OFDM/OFDMA接收机

OFDM/OFDMA接收机的一般结构在图5中表示。关于图5，OFDM接收机包括连接到RF部分62的N_R个天线50，51，...，50+N_R，所述RF部分62用于接收被噪声n(t)影响的射频OFDM信号y(t)，将其转换为IF并且然后转换为基带。基带序列被N_R个与传送滤波器g_T(t)相匹配的接收滤波器h_R(t)63，64，...，63+N_R滤波。N_R个已滤波信号 在抽样时间T_c被抽样，(并被转换为数字)获得N_R个离散信号y(n)，所述离散信号被转发到“多天线解码器”75，后者双重地作为由发射机使用的预编码器22进行操作。“多天线解码器”75的输出端处的N_R个序列对准各自的解调器OFDM DEM 76，77，...，76+N_R，解调器的结构在图的上部示出。

每一个OFDM解调器包括下述块的级联：S/P 88，CP REMOV 89，DFT90，和P/S 91。在一般OFDM解调器的内部，接收的基带信号y(n)由在抽样时间T_s＝(N+N_cp)T_c计时的块S/P 88进行串联-并联转换，并转发到CPREMOV 89，用于循环前缀CP的移除。结果信号被输入到DFT处理器90，所述DFT处理器用于按照某种方式计算离散傅立叶变换，以获得N_R个被噪声和干扰影响的OFDM信号。N_R个串联信号同时出现在N_R个一连串的OFDM DEM解调器组的输出端，被发送到从数据码元中分离导频的叫做“导频/数据DEMUX”92的解复用块的N_R个输入端。信道估计器利用存储在存储器95中的导频矩阵X(l)(与Y(l)相关)，从而能够根据本发明的方法估计降秩的信道矩阵

和干扰协方差矩阵

均衡器&数据解码器块94被馈送信道和干扰矩阵

和

两者上的实际状态信息。检测发射的数据之前的均衡是在接收信号( Y(l))上执行的过程，以补偿由非理想信道(H(l))施加的所有失真，并减少噪声/干扰的影响。均衡被OFDM技术显著的简化了。这来源于整个信道频带细分为几个基本上扁的承载独立数据流的窄频率子带。结果，每个子带的均衡简单地由K^th子载波与常数相乘(也称作加权)构成。用于均衡空间干扰的加权过程也叫做波束形成，并且有关的包括加权的矩阵被叫做波束形成器。均衡和估计有利地用已知的方法执行。图5中可见的OFDM多天线接收机的最常见结构一般是已知的，但是本发明在信道估计器93中进行限制，这将在下文中描述。

通过阵列处理(MIMO)减轻干扰

图4的发射机将要发射的数据序列映射到块序列中，标记为l＝1，2，...，L。这里我们仅关注在导频子载波上由图5的接收机所接收的信号，比如说总数N中的K个子载波。元素l指示通常的块，倘若块是带有报头的结构，如图1中所示，那么干扰将在块中一个码元一个码元的被追踪。从n_R ^th接收天线在l^th块的K^th导频子载波上接收的信号可被写成：

${y_k}^{\left(n_R\right)}\left(l\right)=\underset{n_T=1}{\overset{N_T}{\mathrm{\Σ}}}{h_K}^{(n_R,n_T)}{x_K}^{\left(n_T\right)}\left(l\right)+{n_K}^{\left(n_R\right)}\left(l\right),---\left(1\right)$

其中，h_K ^(nR，nT)是n_T ^th发射天线和n_R ^th接收天线之间链路的复信道增益(在K^th子载波上)，x_K ^(nT)(l)表示发射的导频码元，而n_K ^(nR)(l)代表加性噪声(包括同信道干扰)。

通过将由N_T天线在K个子载波上接收的信号聚集成单一的N_R×K矩阵：

得到信道模型：

$Y\left(l\right)=\underset{n_T=1}{\overset{N_T}{\mathrm{\Σ}}}{H}^{\left(n_T\right)}\left(l\right)X^{\left(n_T\right)}\left(l\right)+N\left(l\right)=H\left(l\right)X\left(l\right)+N\left(l\right).---\left(3\right)$

这里K×K对角矩阵 $X^{\left(n_T\right)}\left(l\right)=\mathrm{diag}\{{x_1}^{\left(n_T\right)}\left(l\right),...,{x_K}^{\left(n_T\right)}\left(l\right)\}$ 包括由n_T ^th天线在所有K个导频子载波上发射的码元，而：

是n_T ^th发射天线和N_R个接收天线之间链路的N_R×K空间-频率信道矩阵。信号模型(3)中的矩阵X(l)和H(l)分别为所有的发射天线聚集发射的码元和信道：

$X\left(l\right)={\left[\begin{array}{ccc}{X}^{\left(1\right)}{\left(l\right)}^T& \·\·\·& X^{\left(N_T\right)}{\left(l\right)}^T\end{array}\right]}^T---\left(5\right)$

$H\left(l\right)=\left[\begin{array}{ccc}{H}^{\left(1\right)}\left(l\right)& \·\·\·& H^{\left(N_T\right)}\left(l\right)\end{array}\right].---\left(6\right)$

每个空间-频率信道矩阵H^(nT)(l)通过DFT操作符F与N_R×W空间·时间信道矩阵

关联，所述空间-时间信道矩阵由列聚集时间域中离散时间信道脉冲响应的W个分支：

$H^{\left(n_T\right)}\left(l\right)={\tilde{H}}^{\left(n_T\right)}\left(l\right)F^T---\left(7\right)$

K×W矩阵F的元素(k，w)，对于k＝1，...，K，w=1，...，W，被定义为：

$F_{k,w}=\exp [-\frac{j2\mathrm{\π}}{N}{n}_k(w-1)],---\left(8\right)$

其中，n_k∈{0，...，N-1}表示k^th有用子载波频率索引而N表示子载波总数。与(6)中矩阵F的相乘执行矩阵

的列DFT变换。使用(7)，信号模型(3)能按照空间-时间信道矩阵写成：

$Y\left(l\right)=\underset{N_T=1}{\overset{N_T}{\mathrm{\Σ}}}{\tilde{H}}^{\left(n_T\right)}\left(l\right){\tilde{X}}^{\left(n_T\right)}\left(l\right)+N\left(l\right)=\tilde{H}\left(l\right)\tilde{X}\left(l\right)+N\left(l\right),---\left(9\right)$

其中， ${\tilde{X}}^{\left(n_T\right)}\left(l\right)=F^T{H}^{\left(n_T\right)}\left(l\right)$ 而 $\tilde{X}\left(l\right)={\left[\begin{array}{ccc}{\tilde{X}}^{\left(1\right)}{\left(l\right)}^T& \·\·\·& {\tilde{X}}^{\left(N_T\right)}{\left(l\right)}^T\end{array}\right]}^T.$ 所有的N_R×WN_T空间-时间MIMO信道矩阵被定义为：

$\tilde{H}\left(l\right)=\left[\begin{array}{ccc}{\tilde{H}}^{\left(1\right)}\left(l\right)& \·\·\·& {\tilde{H}}^{\left(N_T\right)}\left(l\right)\end{array}\right].---\left(10\right)$

时变干扰中的信道估计

信道/干扰参数的估计是在假定有分段稳定干扰时执行的，所述干扰的空间协方差矩阵可在任何块中突然变化，而信道矩阵H(l)可以在块上或者是常数或者是随时间变化，这依赖于终端移动性。如果是固定/游动的应用，信道H(l)对于几个块来说可被认为是常数。在移动应用中H(l)是随时间变化的，由于衰减幅度可以从块到块发生变化。在另一方面，在多径结构中H(l)的到达/离开方向和到达时间的变化假定比衰减幅度的那些更慢。

干扰的显著变化应归于由用户(见图3)的不协调接入产生的同信道干扰，所述用户来自邻近簇的小区中或相同SDMA小区中。在该情况中，干扰协方差矩阵必须被追踪或者码元速率或者块速率，并且因此更新信道估计。快速干扰追踪对固定和移动WiMAX都有用，虽然在第二情况(IEEE802.16e)中有进一步的原因，例如：

·由于用户台的移动性，信道参数和干扰都比固定的情况变化的快。

·上行链路的导频载波没有普遍的集中于包括在第一OFDM码元中的报头，而是更密集的分配到每个OFDMA码元中，这有助于信道和干扰矩阵的快速更新。

·作为OFDMA接入的结果，新空间干扰的概率增加。

信道估计块93(图5)的功能结构在图6和7中详述，其构成本发明的目的。信道估计块93根据以下连续步骤在频域中估计最终信道矩阵

a)最小-平方信道估计；b)干扰协方差的追踪；c)加权(白化)；d)模态滤波；e)逆加权(去白化)；和f)内插。在该顺序中所述模态滤波步骤d)包括：D1a)空间相关与D1b)空间-时间相关同时被执行；D2a)空间模式识别与D2b)时间模式识别同时被执行；D3)模态分量估计；和D4)模态合成。作为模态滤波的变形，步骤D1a)和D1b)分别由时间相关和空间相关代替，以及接下来的识别步骤D2a)和D2b)被相应地修改。所列出来的步骤在下面描述。

最小-平方信道估计

关于图6，信道估计器93包括LSE块100，其接收两个导频矩阵X(l)，Y(l)，并且对应于空间-时间MIMO信道的所谓的最小平方估计计算：

${\tilde{H}}_{\mathrm{LS}}\left(l\right)=\arg \underset{\tilde{H}}{\min }{\left|\right|Y\left(l\right)-\tilde{H}\left(l\right)\tilde{X}\left(l\right)\left|\right|}^2,---\left(11\right)$

该最小值问题的解决方法是：

${\tilde{H}}_{\mathrm{LS}}\left(l\right)=Y\left(l\right){\tilde{X}}^H\left(l\right){\left(\tilde{X}\left(l\right){\tilde{X}}^H\left(l\right)\right)}^{-1}=R_{y\tilde{x}}\left(l\right){R_{\tilde{x}\tilde{x}}}^{-1}\left(l\right),---\left(12\right)$

其中N_R×N_TW元素的：

$R_{y\tilde{x}}\left(l\right)=Y\left(l\right){\tilde{X}}^H\left(l\right)---\left(13\right)$

是发射数据(存储的导频序列)和对应的接收信号之间的互相关矩阵；以及N_TW×N_TW元素的

$R_{\tilde{x}\tilde{x}}\left(l\right)=X\left(l\right){\tilde{X}}^H\left(l\right)---\left(14\right)$

是发射数据的自相关。

信道估计(12)更简洁的表示为：

${\tilde{H}}_{\mathrm{LS}}\left(l\right)=Y\left(l\right)\tilde{X}{\left(l\right)}^{+},---\left(15\right)$

其中(·)⁺表示伪逆操作符：

${\tilde{X}}^{+}\left(l\right)=X^H\left(l\right){\left(\tilde{X}\left(l\right){\tilde{X}}^H\left(l\right)\right)}^{-1}---\left(16\right)$

也被定义在书名为：“MATRIX COMPUTATIONS”，作者：Gene.H.GOLUB，Charles F.VAN LOAN，第三版1996，由约翰 霍普金斯大学出版社出版，巴尔的摩和伦敦，ISBN 0-8018-5413-X的第5.5.4段(第257页)，该书矩阵理论上很有用处的参考文献。LS估计(12)一般是满秩矩阵。

两个导频X(l)，Y(l)和信道估计

矩阵被输入到块WMC 101中，其估计空间噪声(或干扰)协方差矩阵Q_LS(l)为：

$Q_{\mathrm{LS}}\left(l\right)=\frac{1}{K}{(Y\left(l\right)-{\tilde{H}}_{\mathrm{LS}}\left(l\right)\tilde{X}\left(l\right))(Y\left(l\right)-{\tilde{H}}_{\mathrm{LS}}\left(l\right)\tilde{X}\left(l\right))}^H.---\left(17\right)$

相同的块101还计算导频相关矩阵：

$R_{\tilde{x}\tilde{x}}=\tilde{X}\left(l\right){\tilde{X}}^H\left(l\right),$ 然后得到下述两个有益于白化(加权)的表达式：

${R_{\tilde{x}\tilde{x}}}^{H/2}={\left(\tilde{X}\left(l\right){\tilde{X}}^H\left(l\right)\right)}^{H/2}$ (也就是，

的Cholesky因数的厄密共轭)和

(也就是，

的逆)。

干扰追踪

估计(17)被输入到追踪块QTRC 102中，来与在先前块中的估计进行比较，从而确定干扰是否发生改变。该操作在此通过在两个连续瞬时中计算噪声协方差矩阵之间的相关来执行：

$\mathrm{\ρ}\left(l\right)=\frac{\mathrm{tr}\left[Q_{\mathrm{LS}}\left(l\right)Q_{\mathrm{LS}}(l-1)\right]}{\left|\right|Q_{\mathrm{LS}}\left(l\right)\left|\right|\·\left|\right|Q_{\mathrm{LS}}(l-1)\left|\right|}---\left(18\right)$

其中‖·‖表示变量矩阵的Frobenius范数。如果相关性ρ(l)比给定的门限ρ(设定为大约0.8的数值)大，则干扰协方差估计能够由抽样平均值进行精确，否则根据新的估计值(11)重新初始化：

$\hat{Q}\left(l\right)=\left\{\begin{array}{c}(1-\mathrm{\&mu;})Q_{\mathrm{LS}}\left(l\right)+\mathrm{\&mu;}\hat{Q}(l-1),\mathrm{\&rho;}\&GreaterEqual;\stackrel{\&OverBar;}{\mathrm{\&rho;}}\\ Q_{\mathrm{LS}}\left(l\right),\mathrm{\&rho;}<\stackrel{\&OverBar;}{\mathrm{\&rho;}}\end{array}.---\left(19\right)\right.$

0≤μ≤1是在运行平均值中使用的指数遗忘因数。追踪QTRC 102输出ρ的实际值(18)和 ${\hat{Q}}^{-H/2}\left(l\right),{\hat{Q}}^{H/2}\left(l\right),{\hat{Q}}^{-1}\left(l\right)$ 矩阵，最后一个矩阵由信道估计器93输出。

加权(白化)

第一阶段信道估计 由加权块WE 103进行预处理，其接收两个矩阵

${R_{\tilde{x}\tilde{x}}}^{H/2}={\left(\tilde{X}\left(l\right){\tilde{X}}^H\left(l\right)\right)}^{H/2},$ 并且在LS信道估计上执行空间-时间白化产生：

${\tilde{H}}_W\left(l\right)=\left[\begin{array}{ccc}{\tilde{H}}_W^{\left(1\right)}\left(l\right)& \&CenterDot;\&CenterDot;\&CenterDot;& {\tilde{H}}_W^{\left(N_T\right)}\left(l\right)\end{array}\right]={\hat{Q}}^{-H/2}\left(l\right){\tilde{H}}_{\mathrm{LS}}\left(l\right)R_{\tilde{x}\tilde{x}}^{H/2}.---\left(20\right)$

仅当导频序列性质是这样的，

可被近似为估计性能的轻微恶化的对角线，所述加权可被简化为空间白化：

${\tilde{H}}_W\left(l\right)=\left[\begin{array}{ccc}{\tilde{H}}_W^{\left(1\right)}\left(l\right)& \&CenterDot;\&CenterDot;\&CenterDot;& {\tilde{H}}_W^{\left(N_T\right)}\left(l\right)\end{array}\right]={\tilde{Q}}^{-H/2}\left(l\right){\tilde{H}}_{\mathrm{LS}}\left(l\right).---\left(20a\right)$

模态滤波

来自追踪块QTRC的白化的信道矩阵

(20)被转发到块MAS 104，其接收ρ的实际值(18)，并执行模态滤波，这将参考连续的图进行详细的描述。在块MAS 104的输出端处提供了降秩的信道估计矩阵

逆加权(去白化)

信道矩阵

被指引到块IWE 105，由来自块101和102的两个矩阵和

分别进行逆加权(去白化)。去白化执行为：

${\tilde{H}}_{\mathrm{MAiw}}\left(l\right)=\left[\begin{array}{ccc}{\tilde{H}}_{\mathrm{MAiw}}^{\left(1\right)}\left(l\right)& \&CenterDot;\&CenterDot;\&CenterDot;& {\tilde{H}}_{\mathrm{MAiw}}^{\left(N_T\right)}\left(l\right)\end{array}\right]={\hat{Q}}^{H/2}\left(l\right){\tilde{H}}_{\mathrm{MA}}\left(l\right)R_{\tilde{x}\tilde{x}}^{-H/2}---\left(21\right)$

以便引入最初的空间-时间相关性，但是是在降秩矩阵中。仅当导频序列性质是这样的，

可被近似为估计性能的轻微恶化的对角线，所述逆加权可被简化为空间逆白化：

${\tilde{H}}_{\mathrm{MAiw}}\left(l\right)=\left[\begin{array}{ccc}{\tilde{H}}_{\mathrm{MAiw}}^{\left(1\right)}\left(l\right)& \&CenterDot;\&CenterDot;\&CenterDot;& {\tilde{H}}_{\mathrm{MAiw}}^{\left(N_T\right)}\left(l\right)\end{array}\right]={\hat{Q}}^{H/2}\left(l\right){\tilde{H}}_{\mathrm{MA}}\left(l\right)---\left(21a\right)$

内插

级联块DFT 106接收信道估计矩阵

并且

n_T＝1，2，......，N_T，在整个带宽中被内插以获得频率域上N_R× K最终估计

${\hat{H}}_{\mathrm{MA}}^{\left(n_T\right)}\left(l\right)={\hat{H}}_{\mathrm{MAiw}}^{\left(n_T\right)}\left(l\right){\stackrel{\&OverBar;}{F}}^T---\left(22\right)$

其中 F是 K×WDFT操作符。总的信道估计是

${\hat{H}}_{\mathrm{MA}}\left(l\right)=\left[\begin{array}{ccc}{H}_{\mathrm{MA}}^{\left(1\right)}\left(l\right)& \&CenterDot;\&CenterDot;\&CenterDot;& H_{\mathrm{MA}}^{\left(N_T\right)}\left(l\right)\end{array}\right].$

模态滤波步骤参考图7进行详细描述，其中模态分析器-合成器MAS块104(图6)的功能结构被示出。

相关性

矩阵

(20)和相关值ρ(18)都被输入到两个计算块S-CORR 110和ST-CORR 111中，它们也存储门限值 ρ。第一个更新/重新初始化空间相关矩阵R_SRX(l)，第二个更新/重新初始化空间-时间相关矩阵R_SRXT(l)。

空间相关性

关于S-CORR 110，如果ρ≥ ρ，那么l^th白化估计

被用于更新N_R×N_R空间相关矩阵：

$R_{S_{\mathrm{RX}}}\left(l\right)=(1-{\mathrm{\&mu;}}_{S_{\mathrm{RX}}}){\hat{H}}_w\left(l\right){{\tilde{H}}_w}^H\left(l\right)+{\mathrm{\&mu;}}_{S_{\mathrm{RX}}}{R}_{S_{\mathrm{RX}}}(l-1),---\left(23\right)$

否则相关性被重新初始化为 $R_{S_{\mathrm{RX}}}\left(l\right)={\tilde{H}}_w\left(l\right){{\tilde{H}}_w}^H\left(l\right).$

标量 $0\&le;{\mathrm{\&mu;}}_{S_{\mathrm{RX}}}\&le;1$ 是指数遗忘因数。

空间-时间相关性

关于ST-CORR 111，WN_T×WN_T空间-时间相关矩阵根据下述也被更新：

$R_{S_{\mathrm{TX}}T}\left(l\right)=(1-{\mathrm{\&mu;}}_{S_{\mathrm{TX}}T}){{\tilde{H}}_w}^H\left(l\right){\tilde{H}}_w\left(l\right)+{\mathrm{\&mu;}}_{S_{\mathrm{TX}}T}(l-1)---\left(24\right)$

否则被重新初始化。标量 $0\&le;{\mathrm{\&mu;}}_{S_{\mathrm{TX}}T}\&le;1$ 是指数遗忘因数。

空间模式识别

来自块110的R_SRX(l)矩阵被输入到级联S-MID块112，其计算N_R×r_SRX空间模式U_SRX(l)作为矩阵R_SRX(l)的r_SRX主要特征向量， $1\&le;r_{S_{\mathrm{RX}}}\&le;N_R.$

时间模式识别

来自块111的R_STXT(l)矩阵被输入到级联T-MID块113，其类似地从矩阵R_STXT(l)的r_STXT主要特征向量(其中 $1\&le;r_{S_{\mathrm{TX}}T}\&le;N_{T}W$ )评估WN_T×r_STXT空间-时间模式U_STXT(l)。

模态分量估计

三个矩阵U_SRX(l)，U_STXT(l)和 被输入到块MOD-EST 114中，其计算相应信道模态分量：

$D\left(l\right)={U_{S_{\mathrm{RX}}}}^H\left(l\right){\tilde{H}}_w\left(l\right)U_{S_{\mathrm{TX}}T}\left(l\right)---\left(25\right)$

其中D(l)是r_SRX×r_STXT矩阵。

模态合成

三个矩阵U_SRX(l)，U_STXT(l)和D(l)被输入到块MOD-SYN 115中，其通过模态合成获得矩阵白化信道估计

${\tilde{H}}_{\mathrm{MA}}\left(l\right)=U_S\left(l\right)D\left(l\right){U^H}_{S_{\mathrm{TX}}T}\left(l\right)---\left(26\right)$

相关性和识别步骤的替换实施方式

作为矩阵R_STXT(l)的替换，W×W时间相关矩阵和N_T×N_T空间相关矩阵可被使用：

$R_T\left(l\right)=(1-{\mathrm{\&mu;}}_T)\underset{n_T=1}{\overset{N_T}{\mathrm{\&Sigma;}}}{\tilde{H}}_w^{\left(n_T\right)}{\left(l\right)}^H{\tilde{H}}_w^{\left(n_T\right)}\left(l\right)+{\mathrm{\&mu;}}_T{R}_T(l-1)---\left(27\right)$

$R_{S_{\mathrm{TX}}}\left(l\right)=(1-{\mathrm{\&mu;}}_{S_{\mathrm{TX}}}){\stackrel{\&OverBar;}{H}}_w\left(l\right){\stackrel{\&OverBar;}{H}}_w{\left(l\right)}^H+{\mathrm{\&mu;}}_{S_{\mathrm{TX}}}{R}_{S_{\mathrm{TX}}}(l-1)---\left(28\right)$

其中： ${\stackrel{\&OverBar;}{H}}_w\left(l\right)={\left[\begin{array}{ccc}\mathrm{vec}\left({\tilde{H}}_w^{\left(1\right)}\left(l\right)\right)& \&CenterDot;\&CenterDot;\&CenterDot;& \mathrm{vec}\left({\tilde{H}}_w^{\left(N_T\right)}\left(l\right)\right)\end{array}\right]}^T,$ 0≤μ_T≤1和0≤μ_STX≤1是指数遗忘因数。

在这种情况中，WN_T×r_STXT空间-时间模式U_STXT(l)被评估为：来自矩阵R_STXT(l)的r_STX主要特征向量(其中 $1\&le;r_{S_{\mathrm{TX}}}\&le;N_T$ )和矩阵R_T(l)的r_T主要特征向量(其中1≤r_T≤W)， $U_{S_{\mathrm{TX}}T}\left(l\right)=U_{S_{\mathrm{TX}}}\left(l\right)\&CircleTimes;U_T\left(l\right).$

空间模式识别的替换实施方式

当干扰相对于信道快速变化时(例如，干扰协方差在每个块上变化)，那么可以方便地避免信道空间相关R_STX(l)的计算，并设置： $R_{S_{\mathrm{RX}}}=N_R,$ $U_{S_{\mathrm{RX}}}\left(l\right)=I_{N_R}.$ 这时仅有时间模式R_STXT(l)被用于信道估计。

模态分量追踪(可选)

为了提高估计性能，模态分量D(l)可通过标准追踪方法在块上被追踪，例如LMS，RLS，或者卡尔曼算法。

检测

关于图5，“均衡器&数据解码器”用已知的方法根据信道估计矩阵

和更新的协方差矩阵

两者的知识执行检测。

缩写词

AWGN-加性高斯白噪声

BRAN-宽带无线电接入网

DFT-离散傅立叶变换

DOA-到达方向

ETSI-欧洲电信标准委员会

FEC-前向纠错

ICI-载波间干扰

IDFT-逆离散傅立叶变换

IEEE-电子和电气工程师协会

ISI-码间干扰

LS-最小平方

MAN-城域网

MAP-最大后验

MDL-最小描述长度

MIMO-多输入多输出

MRC-最大合并率

MSE-均方误差

MVDR-最小方差无失真响应

OFDM-正交频分复用

OFDMA-正交频分多址

PMEPR-峰均包络功率比

SDMA-空分多址

SIMO-单输入多输出

SINR-信号对干扰和噪声比

SNR-信噪比

TDMA-时分多址

WiMAX-微波接入的全球互用

Claims (12)

1.一种用于在有TDMA或TDMA-OFMDA接入的蜂窝无线电网中估计信道响应的方法，所述信道用于将配备有一个或多个发射天线的发射台连接到至少一个配备有用于接收顺序的已调制OFDM码元的多个天线的接收台，所述码元由给定的若干调制子载波携带数据和导频序列构成，所述指定给导频子载波的导频序列不同地被分配给配置在OFDM码元已知位置，是被突然和大的同信道干扰变化影响的信道，所述方法包括步骤：

a)从接收的信号和存储(95)在接收机中所述导频序列的拷贝中，为所有一个或多个发射天线(35，...)和接收天线(50，51，...)之间链路上的导频序列估计(100)信道响应的所有未知元素；

b)从所接收的导频序列和接收导频序列的本地重建之间的差中估计(101)干扰；

c)更新(102)用于加权(103)信道估计(100)的干扰估计的运行平均值，并称作白化；

其特征在于进一步包括步骤：

d)计算(102)实际的和在前接收的码元之间干扰估计的相关性；

e)比较(102)实际相关值和门限( ρ)，从而决定干扰是否发生了显著变化，在第一事件中重新初始化干扰估计，或者用于继续平均步骤c)。

2.根据权利要求1的方法，其特征在于：

-步骤a)中信道估计的所述未知元素被聚集到满秩信道矩阵(100)；

-步骤b)中干扰协方差矩阵(101)被估计；

-步骤c)中所述运行平均值集成遗忘因数，和所述加权包括依赖于实际的干扰协方差矩阵估计和存储的导频序列的相关矩阵与加权矩阵(103)相乘，从而取消(103)空间和/或时间相关性；

-加权(103)信道矩阵的秩被减少(104)为仅有最显著的主要特征向量；

-降秩信道矩阵与逆加权矩阵相乘(105)，用于恢复最初的空间、时间或空间-时间相关性。

3.根据权利要求2的方法，其特征在于，所述加权的信道矩阵(103)的降秩(104)步骤包括，对按照已知方式得出的空间以及空间-时间干扰相关矩阵两者、或替换地对按照已知方式得出的时间以及空间干扰相关矩阵两者的更新步骤(110，111)，当干扰如所述的在比较步骤e)(102)发生显著变化时，所有所述相关矩阵或者被持续平均或者被重新初始化。

4.根据权利要求1到3任一项的方法，其特征在于，大的同信道干扰变化由重用相同载波的多小区环境的不同小区中用户台(SS₁，SS₂，SS₃)的不协调接入/释放而产生。

5.根据权利要求1到4任一项的方法，其特征在于，导频子载波的独立集合的数量N_T被根据接收机中已知的计划分配到N_T个发射天线。

6.根据权利要求5的方法，其特征在于，所述信道矩阵聚集N_T个发射天线(35，36，...，35+N_T)和N_R个接收天线(50，51，...，50+N_R)之间N_R×N_T链路的信道响应的所有未知元素。

7.根据权利要求6的方法，其特征在于，N_R×N_T×K维数的信道矩阵相应于所述N_R×N_T链接和K个子载波在离散时间域中被估计，所述离散时间域跨越N_R×N_T×W维数的信道矩阵，其中W≤K，所述矩阵是所述每个链接上的截取离散时间信道脉冲响应的W抽样，如果所述存储的导频序列对应于发射的导频序列的离散傅立叶变换。

8.根据权利要求7的方法，其特征在于，N_R×N_T×W维数的降秩信道矩阵被提交给离散傅立叶变换(106)，用于获得频率域中的N_R×N_T×K维数等价矩阵。

9.根据权利要求1到8任一项的方法，其特征在于，所述导频子载波普遍地集中于分配在码元每个块的第一OFDM码元中的报头，所述OFDM码元构成时间帧，以及导频子载波较少密集地被分配在其他码元中以应付固定台(BS₀，SS₀，SS₁，SS₂，SS₃)。

10.根据权利要求1到8任一项的方法，其特征在于，所述导频子载波近似相等地被分配到所有所述顺序的OFDM码元，以应付移动台(SS₀，SS₁，SS₂，SS₃)。

11.根据权利要求1到10任一项的方法，其特征在于，所述满秩信道矩阵可通过与由所谓的伪逆操作符聚集接收信号的矩阵相乘来获得。

12.根据权利要求1到11任一项的方法，其特征在于，所述门限( ρ)设置为大约0.8的数值。

Images