CN101547170A - 适用于ofdm的多载波传输的时变信道参数估计方法 - Google Patents

Abstract

一种适用于OFDM的多载波传输的时变信道参数估计方法，属于移动通信系统领域，涉及OFDM系统中的信道估计技术。本方法达到的目的：1.利用信道变化的线性特性，提出高速时变信道下一种OFDMA链路中导频设计方法；2.采用该导频分配方法和最小平方信道估计算法估计高速时变信道的信道参数。采用该方法能解决OFDM技术在高速移动的环境下所遇到的信道估计的问题，估计误差小，计算复杂度低，并可将其运用到多用户的通信过程中去。

Description

适用于OFDM的多载波传输的时变信道参数估计方法

技术领域

本专利属于移动通信系统领域，高速时变信道下OFDM的多载波传输，利用信道导频进行信道参数估计的方法。

背景技术

正交频分复用多址(OFDMA)是OFDM无线接入技术的上行接入方式，它拥有了OFDM技术的所有优点，如高频谱利用率，支持高速传输和良好的抗多径衰落能力。在系统的接收端解调时，与非相干解调相比，相干解调接收具有较好的误码性能，但相干接收机需要利用信道参数，它通常由接收机的信道估计算法得到。信道估计的准确度对OFDMA通信系统的整体性能具有重要影响。目前有些作者对OFDMA上行链路作了很多的研究，尤其对信道估计问题进行了广泛和深入的研究，得到了许多性能良好的信道估计算法，归纳起来估计方法一般分为盲估计和基于导频的方法。

目前大多数信道估计方法均假设信道特性在一个OFDMA符号周期内不变化或变化很小，所给出的算法适用于缓变信道估计。

但是，未来的OFDMA系统载波数量更大，用户移动速度更快，信道的快变特性更加明显。正交频分复用多址通信系统(OFDMA)载波间的正交性遭到破坏，从而产生载波间的相互干扰(ICI)，传统的信道估计方法(不考虑ICI影响，把ICI当作噪声处理)的精度下降。为此，Choi等人提出了相应的快变信道估计方法，但该方法计算量太大，且需要信道的统计特性知识，而实际信道的统计特性往往很难精确得到，其实用价值受到影响。

本专利利用插入信道导频技术对信道进行比较精确地估计方式，并将载波间干扰消除技术与此种信道估计技术有机结合，使OFDMA能应用到高速时变信道的情况。

专利内容

一、方法说明

本专利最大的亮点即是能够解决OFDM技术在高速移动的环境下所遇到的信道估计的问题，计算复杂度小，并将其运用到多用户的通信过程中去。

Linartz等人证明：在大多数应用条件下(即归一化多普勒频移小于0.2条件下)，信道在一个OFDMA符号周期内的变化近似满足线性特性，我们在OFDMA系统ICI特性的时域和频域分析基础上，利用信道变化的线性特性，提出了一种新的快变信道估计方法，该方法考虑了ICI影响，且具有计算量小、不需要信道的统计特性信息等优点。我们还得到如下结论：与慢变信道情形(信道在一个OFDMA符号周期近似不变化或变化很小)不同，在信道快速变化条件下，当OFDMA系统中的导频应分成许多长度相同的组，且这些组在OFDMA帧中等间隔分布时，信道估计误差最小。

为了说明这个问题，我们将在后续的工作中将传统的导频分布的方法与本专利采用的组导频分布方法，分别在高速移动环境下作信道估计，作性能比较。

二、OFDM参数设置

本专利提出一种任意子载波分配OFDMA上行链路信道估计方案，用户间的子载波占用方式如图1。相对于固定分配方案，如子带，交织等可以获得更多的频率分集增益。而对于用户来说选择较好的信道传输可以进一步的降低误码率，增大传输速率。

本方案依照802.16e标准，载频采用2.4GHz频段，调制方式为QPSK。上行链路采用子信道，以节省功率。这里采用上行可选的部分使用子信道分配方法(PUSC)。PUSC分配子信道时，先把可用子载波分成子信道，再在每个子信道中选择导频子载波，它与完全使用子信道方法(FUSC)的区别在于导频子载波的指定是在子信道化之前还是之后。一个OFDM符号含2048个子载波，其中有159个左空子载波，160个右空子载波，1个位于正中间的空子载波。有效子载波数为1728个，其中有192导频子载波，1536个数据子载波。子信道数为96，每个子信道含16个数据子载波。数据子载波以子信道为单位，伪随机地分配给每个用户。例如，802.16e标准下，70个子信道(编号为0到69)时，上行链路的子信道分配顺序如下：

$\left\{\begin{array}{c}\mathrm{6,48,58,57,1,13,26,46,44,30,3,27,53,22,18,61,7,55,36,45},\\ \mathrm{37,52,15,40,2,20,4,34,31,10,5,41,9,69,63,21,11,12,19},\\ \mathrm{68,56,43,23,25,39,66,42,16,47,51,8,62,14,33,24,32,17,54,29},\\ \mathrm{67,49,65,38,59,64,28,60,0}\end{array}\right\}$

导频子载波等间距插入数据子载波中。其相应的系统带宽为20MHz。一个OFDM有用符号时间为T_b＝89.6μs，保护间隔为T_g＝11.2μs，则一个OFDM符号长度为T_s＝T_b+T_g＝100.8μs，一帧内OFDM符号数为198个，帧长为20ms，双工方式采用TDD制式。

OFDM标准下车辆测试环境时信道的抽头延迟参数如下：

六支路均为基于Jake模型的瑞利衰落信道。

三、通信系统模型

本专利由移动终端发射端和基站接收端两部分组成。

本专利的移动终端发射机部分组成：本发明的发射部分包括1、加入训练序列(导频)2、串并变换2、子载波映射单元3、IFFT为傅立叶逆变换单元4、加循环前缀部分5、并串转换单元6、D/A转换部分7、上变频部分8、发射天线部分。如图2所示。

本专利移动终端发射机部分工作过程：加入了导频的发送端信号，通过串并变换模块后转为并行信号，再经过子载波映射模块映射到授权的子载波上，这些子载波由基站根据信道情况分配，为了得到更好的传输性能子载波大多不是规则分配的。映射之后经过IFFT为逆傅立叶变换单元转为时域信号，为了削弱码间干扰在上述变换信号后加入循环前缀，经A/D转换上变频到射频发送出去。如图2所示。

本专利移动终端发射机部分的原理：在图1中实线为数据子载波，其余为虚子载波，f_c为载波中心频率，ΔF为子载波间隔。K个用户随机占用2M个数据子载波，每个用户占用子载波的个数和位置按照OFDM标准进行分配。设s^(k)(n)为第k个用户发送的经QPSK或(M-QAM)调制的频域信号，其中k∈{1，2，....K}，n∈{1，2，....N}，N是IFFT的大小。但是s^(k)(n)只在自己占用的子载波上有值，其他位置为0。经过N点IFFT后变为x^(k)(n)，增加长度为N_CP的循环前缀以削弱码间干扰，则信号变为

经过高移动环境的瑞利衰落信道，第k个用户的信道矩阵h^(k)为：

其中，L是信道的最大时延采样值。

本专利接收机部分(如图3所示)：

本专利基站接收机部分组成：9、接收天线10、下变频部分11、A/D转换部分12、去掉循环前缀13、串并转换部分14、FFT傅立叶变换部分15、信道估计部分16、并串变换。

四、时变信道估计算法

本专利的时变信道估计算法设计与分析，是在OFDMA上行链路时域和频域分析基础上进行。假设信道在一个OFDMA符号周期内的变化满足线性特征，这一假设在大多数应用条件下是一个较好的近似。对时变衰落信道，信道在第i个OFDMA周期内，第k时刻，延迟为n的冲击响应系数h⁽ⁱ⁾(k，n)可分解为两项之和：

$h^{\left(i\right)}(k,n)=h_{\mathrm{ave}}^{\left(i\right)}\left(n\right)+\mathrm{\Δ}{h}^{\left(i\right)}(k,n)$

其中： $h_{\mathrm{ave}}^{\left(i\right)}\left(n\right)=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{h}^{\left(i\right)}(k,n),$ 表示冲击响应在一个OFDM符号周期内的均值； $\mathrm{\Δ}{h}^{\left(i\right)}(k,n)=h^{\left(i\right)}(k,n)-h_{\mathrm{ave}}^{\left(i\right)}\left(n\right)$ 表示冲击响应相对于均值的偏移量。在大多数应用条件下(即归一化多普勒频移小于0.2条件下)，信道在一个OFDM符号周期内的变化近似满足线性特性，偏移量Δh⁽ⁱ⁾(k，n)可以近似表示为

$\mathrm{\Δ}{h}^{\left(i\right)}(k,n)=(k-\frac{N-1}{2}){{\mathrm{\α}}_n}^{\left(i\right)},0\≤k\≤N-\mathrm{1,0}\≤n\≤L,---\left(1\right)$

其中α_n ⁽ⁱ⁾表示信道在第i个OFDMA周期内，延迟为n的冲击响应系数的变化斜率。定义： $h_{\mathrm{ave}}^{\left(i\right)}={[h_{\mathrm{ave}}^{\left(i\right)}\left(0\right),h_{\mathrm{ave}}^{\left(i\right)}\left(1\right),\·\·\·\·\·\·,h_{\mathrm{ave}}^{\left(i\right)}\left(L\right)]}^T$ 和(i)＝[α₀ ⁽ⁱ⁾，α₁ ⁽ⁱ⁾，……α_L ⁽ⁱ⁾]^T信道估计就是通过导频对

和α⁽ⁱ⁾进行估计。信道参数在一个OFDMA符号周期内发生变化，在每一个OFDMA符号内需至少插入2(L+1)个导频来估计2(L+1)个信道参数。

令 $G_1^{\left(i\right)}=F_N{H}_{\mathrm{ave}}^{\left(i\right)}{F}_N^H,$ $G_2^{\left(i\right)}=F_N{H}_{\mathrm{var}}^{\left(i\right)}{F}_N^H,$ 其中

为N*N阶循环TOEPLITZ矩阵，其元素为：

$H_{\mathrm{ave}}^{\left(i\right)}(k,n)=h_{\mathrm{ave}}^{\left(i\right)}\left({(k-n)}_N\right),0\≤k\≤N-\mathrm{1,0}\≤n\≤N-1.$

为N*N阶稀疏矩阵，其元素为：

$H_{\mathrm{var}}^{\left(i\right)}(k,n)=\mathrm{\Δ}{h}^{\left(i\right)}(k,{(k-n)}_N),0\≤k\≤N-\mathrm{1,0}\≤n\≤N-1.$

说明：上面一系列的变换以及下面的推导的目的只是为了方便计算，利用接收端的数据进行信道估计，并降低运算复杂度。而这一系列的数学演示中，我们用若干未知量代替具体的数字演算，是为了更加清晰地显示整个原理过程。

$\begin{array}{c}{G}_2^i(k,n)=\frac{1}{N}\underset{m=0}{\overset{L}{\mathrm{\Σ}}}\underset{r=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{\Δ}{h}^{\left(i\right)}(r,m)e^{j\frac{2\mathrm{\πr}(n-k)}{N}}{e}^{-j\frac{2\mathrm{\πnm}}{N}}\\ =\left\{\begin{array}{c}\frac{1}{N}\underset{m=0}{\overset{L}{\mathrm{\Σ}}}\underset{r=0}{\overset{N-1}{\mathrm{\Σ}}}{h}^{\left(i\right)}(r,m)e^{j\frac{2\mathrm{\πr}(n-k)}{N}}{e}^{-j\frac{2\mathrm{\πnm}}{N}},n\≠k\\ 0,n=k\end{array}\right\}\end{array}---\left(2\right)$

0≤k≤N-1，0≤n≤N-1

$G_2^i(k,n)=\frac{1}{N}\underset{m=0}{\overset{L}{\mathrm{\Σ}}}\underset{r=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{\Δ}{h}^{\left(i\right)}(r,m)e^{j\frac{2\mathrm{\πr}(n-k)}{N}}{e}^{-j\frac{2\mathrm{\πnm}}{N}}$

$=\left\{\begin{array}{c}\frac{1}{N}\underset{m=0}{\overset{L}{\mathrm{\Σ}}}\underset{r=0}{\overset{N-1}{\mathrm{\Σ}}}{h}^{\left(i\right)}(r,m)e^{j\frac{2\mathrm{\πr}(n-k)}{N}}{e}^{-j\frac{2\mathrm{\πnm}}{N}},n\≠k\\ 0,n=k\end{array}\right\}---\left(3\right)$

0≤k≤N-1，0≤n≤N-1

将(1)代入(2)

$G_2^i(k,n)=\frac{1}{N}\underset{m=0}{\overset{L}{\mathrm{\Σ}}}\underset{r=0}{\overset{N-1}{\mathrm{\Σ}}}(r-\frac{N-1}{2}){{\mathrm{\α}}_m}^{\left(i\right)}{e}^{j\frac{2\mathrm{\πr}(n-k)}{N}}{e}^{-j\frac{2\mathrm{\πnm}}{N}}$

$=\left\{\begin{array}{c}-\frac{\underset{m=0}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\α}}_m^{\left(i\right)}{e}^{-j\frac{2\mathrm{\πnm}}{N}}}{1-e^{-j2\mathrm{\π}(k-n)/N}},=C_{k-n}{b}_n^T{\mathrm{\α}}^{\left(i\right)},n\≠k\\ 0,n=k\end{array}\right\}---\left(4\right)$

0≤k≤N-1，0≤n≤N-1

其中b_n＝[1，e^-j2πn/N，……，e^-j2πnL/N]^T，C_k-n＝-(1-e^-j2π(k-n)/N)^-1。

同理 $G_1^{\left(i\right)}\left(k\right)=\underset{n=0}{\overset{L}{\mathrm{\Σ}}}{h}_{\mathrm{ave}}^{\left(i\right)}\left(n\right)e^{-j\frac{2\mathrm{\πnk}}{N}},$ 0≤k≤N-1，可以写成：

$G_1^i(k,k)=b_k^T{h}_{\mathrm{ave}}^{\left(i\right)},0\≤k\≤N-1,$

于是，经过FFT变换后的第K个子载波输出为

$Y_{i,k}=b_k^T{h}_{\mathrm{ave}}^{\left(i\right)}{s}_{i,k}+\underset{n=0,n\≠k}{\overset{N-1}{\mathrm{\Σ}}}{C}_{k-n}{b}_n^T{\mathrm{\α}}^{\left(i\right)}{s}_{i,n}+\mathrm{noise}---\left(5\right)$

为期望信号， $\underset{n=0,n\≠k}{\overset{N-1}{\mathrm{\Σ}}}{C}_{k-n}{b}_n^T{\mathrm{\α}}^{\left(i\right)}{s}_{i,n}$ 为ICI信号。

假设导频信号数为：2M(≥2(L+1))，它们位于子载波P(1)，……P(2M)，由(4)可得：

$Y=\left[\begin{array}{c}\\ Y_{i,p\left(1\right)}\\ \·\\ \·\\ \·\\ Y_{i,P\left(2M\right)}\end{array}\right]={\mathrm{Ah}}_{\mathrm{ave}}^{\left(i\right)}+B{\mathrm{\α}}^{\left(i\right)}+e^{\left(i\right)}={\mathrm{Qh}}^{\left(i\right)}+e^{\left(i\right)}---\left(6\right)$

为期望信号，Bα⁽ⁱ⁾为导频产生的ICI分量，e⁽ⁱ⁾为信道噪声+非导频信号产生的ICI分量。

$A=\left[\begin{array}{c}{s}_{i,P\left(1\right)}{b}_{P\left(1\right)}^T\\ \·\\ \·\\ \·\\ s_{i,P\left(2M\right)}{b}_{P\left(2M\right)}^T\end{array}\right],---\left(7\right)$

$B=\left[\begin{array}{c}\underset{n\≠p\left(1\right),n=\mathrm{pilot}}{\overset{N-1}{\underset{n=0}{\mathrm{\Σ}}}}{C}_{P\left(1\right)-n}{s}_{i,n}{b}_n^T\\ \·\\ \·\\ \·\\ \underset{n\≠p\left(2M\right),n=\mathrm{pilot}}{\overset{N-1}{\underset{n=0}{\mathrm{\Σ}}}}{C}_{P\left(2M\right)-n}{s}_{i,n}{b}_n^T\end{array}\right],---\left(8\right)$

Q＝[A B]，                                 (9)

$h^{\left(i\right)}=\left[\begin{array}{c}{h}_{\mathrm{ave}}^{\left(i\right)}\\ {\mathrm{\α}}^{\left(i\right)}\end{array}\right],---\left(10\right)$

$e^{\left(i\right)}=\left[\begin{array}{c}{e}_{p\left(1\right)}^{\left(i\right)}\\ \·\\ \·\\ \·\\ e_{p\left(2M\right)}^{\left(i\right)}\end{array}\right]=\left[\begin{array}{c}\underset{n\≠p\left(1\right),n\≠\mathrm{pilot}}{\overset{N-1}{\underset{n=0}{\mathrm{\Σ}}}}{C}_{P\left(1\right)-n}{s}_{i,n}{b}_n^T\\ \·\\ \·\\ \·\\ \underset{n\≠p\left(2M\right),n\≠\mathrm{pilot}}{\overset{N-1}{\underset{n=0}{\mathrm{\Σ}}}}{C}_{P\left(2M\right)-n}{s}_{i,n}{b}_n^T\end{array}\right]{\mathrm{\α}}^{\left(i\right)}+\mathrm{noise},---\left(11\right)$

传统的信道估计方法把所有的ICI项均作为误差项处理，而本专利提出的信道估计方法只是将非导频信号产生的ICI作为误差项处理，因此，误差项较小，与传统信道估计算法相比，本专利提出的方法的信道估计准确度相当高。

本专利所给方法(也是信道估计的核心思想)是一种最小平方(LS Least Square)信道估计算法，具体描述如下：

1、选取2M(≥2(L+1))个导频信号s_i，p(1)，……s_i，p(2M)，这些符号位于子载波p(1)，……，p(2M)处，对接收信号进行组合，构成式(5)所示的线性方程组。

2、由(5)可得：h⁽ⁱ⁾＝Q⁺Y+Q⁺e⁽ⁱ⁾，忽略误差项e⁽ⁱ⁾的影响，得到信道参数估计：

${\hat{h}}^{\left(i\right)}=Q^{+}Y---\left(11\right)$

其中，Q⁺＝(Q^HQ)^-1Q^H表示Q的伪逆矩阵，Q⁺e⁽ⁱ⁾表示信道估计误差。

五、导频信号的最佳分布

导频信号的分布对信道估计的准确度具有较大影响，许多学者对OFDM系统中的缓变信道估计进行了大量研究，并得出：对缓变频率选择性衰落信道，训练信号的最佳分布为等间距分布，信道估计的误差最小。

与慢变信道情形(信道在一个OFDMA符号周期近似不变化或变化很小)不同，在信道快速变化条件下，当OFDMA系统中的导频信号应分成许多长度相同的组，且这些组在OFDMA帧中等间隔分布时，信道估计误差最小。

现在我们用一个具体的简单例子说明上面的思路。为了演示的简单易懂，下面设定的数据与实际仿真中在802.16e参数条件下的数据设置有一定的出入，但并不影响两种思路的对比。

设OFDMA符号每帧中有16个训练符号，考虑两种分布方式：方式1，等间距分布，训练符号分别位于如下子载波上：

{0，8，16，24，32，40，48，56，64，72，80，88，96，104，112，120}；

方式2，分为4组，每组4个符号，训练符号分别位于如下子载波上：

{29，30，31，32，61，62，63，64，93，94，95，96，125，126，127，0}，

方式1和方式2的训练序列分布如图4所示，其中黑色区域载波上传送导频信号。

六、仿真结果

(1)按照专利第五部分：导频信号的最佳分布中介绍的，2种方式设置导频信号的方法分别进行仿真验证，结果如图5和6所示，可以看到方式2进行的信道估计性能明显优于方式1，信道估计的误差最小。

(2)基于前文第二部分关于OFDM协议中关于仿真数据的设定，在高速移动环境中，关于多用户的Rayleigh信道估计进行仿真验证。值得说明的是，由于实际的仿真运用不可能针对未知数目的用户进行仿真，所以以2个用户作为实验对象，更多的用户情况下的仿真方法、性能与2个用户完全一致。结果如图7所示，可以看到，本专利所采用的方法对于，多径快速时变的Rayleigh信道的信道参数估计性能优秀，估计误差极小。

通过采用本专利的方法，我们完全可以将OFDM技术推广到高速时变信道的情况。

七、附图说明

图1任意子载波分配方式下用户间占用示图

图2第k(k＝1，…，K)个用户发送端框图

图3接收端关于信道估计的联合检测框图

图4导频信号分布图

图5方式1所加导频信号进行的信道估计性能(用户速度100km/h)

图6方式2所加导频信号进行的信道估计性能(用户速度100km/h)

图7Wimax多载波传输的时变信道参数估计性能(用户速度100km/h)

图8估计信道与真实信道的均方差(MSE)(用户速度100km/h)

图9不同归一化多普勒频移估计信道与真实信道的均方差(SNR＝20dB)

图1是本专利中用户间子载波任意分配方案下的频率示意图。用户间在频域占用载波，图中实线为数据子载波，其余为虚子载波，f_c为载波中心频率，ΔF为子载波间隔。K个用户随机占用2M个数据子载波，每个用户占用子载波的个数和位置均为任意配置。

图2是本专利的移动端发送原理框图。第k(k＝1，…，K)个用户经过加入导频的发送端信号首先串并变换模块后转为并行信号经过子载波映射模块映射到授权的子载波上，这些子载波由基站根据信道情况分配，为了得到更好的传输性能子载波大多不是规则分配的。映射之后经过IFFT为逆傅立叶变换单元转为时域信号，为了消弱码间干扰在上述变换信号后加入循环前缀，经A/D转换上变频到射频发送出去。

图3是本专利的接收端原理框图。首先接收天线接收到移动终端发射的射频信号通过接收射频部分进行下变频，得到基带信号进行A/D采用变换得到离散信号，通过串并变换单元，把一路串行数据变成N路并行数据，通过FFT傅立叶变换单元成为频域信号，再通过信道估计部分得到估计信道，。完成多载波的解调，解调得到的信号通过子载波的解映射单元和并串变换恢复各个用户的传送信号。

图4是导频信号分布图。方式1加入导频信号的方法为：在串行数据中每隔7个数据插入一个导频信号，一共插入16个导频信号。方式2加入导频信号的方法为：在串行数据中每隔28个数据插入一组导频信号，每组导频信号包括4个导频信号。一共插入4组，即16个导频信号。

图5是按照方式1所加导频信号进行的信道估计性能。用户在100km/h的移动速度下，对信道参数作出的估计，通过真实值与估计值的比较，可以看到估计误差较大。

图6是按照方式2所加组导频信号进行的信道估计性能。用户在100km/h的移动速度下，对信道参数作出的估计，通过真实值与估计值的比较，可以看到估计误差小。

图7是OFDM多载波传输的时变信道参数估计性能。多个用户在100km/h的移动速度下，按照802.16e标准做出的通信仿真，。并对信道参数做出的估计，通过真实值与估计值的比较，可以看到估计误差小。

图8是估计信道与真实信道的均方差(MSE)。用户在100km/h的移动速度下，信源的信噪比从30到34dB的变化情况下，估计信道与真实信道的均方差的变化，可以看到随着信噪比的提高，均方差(MSE)不断变小，但是由于误差的随机性，不可能呈现严格的线性变化。

图9是对于不同归一化多普勒频移，估计信道与真实信道的均方差(MSE)。信源的信噪比SNR＝20dB，用户的归一化多普勒频移fdTs从0.1到0.35的变化情况下，估计信道与真实信道的均方差的变化，可以看到大约用户移动速度为400km/h，fdTs＝0.35的时候，均方差(MSE)比较大，说明估计的误差比较大。

Claims (3)

1.基于时变信道估计算法设计和分析，采用最小平方(LS Least Square)信道估计算法估计信道的特性其特征在于算法的步骤，其算法步骤如下：

第一步：选取2M(≥2(L+1))(2M是用户随机占用的数据子载波数，L是信道的最大时延采样值)个导频信号s_i，p(1)，……S_i，p(2M)，这些符号位于子载波p(1)，……，p(2M)处，对接收信号进行组合，构成接收信号的线性方程组

$Y=\left[\begin{array}{c}{Y}_{i,p\left(1\right)}\\ \·\\ \·\\ \·\\ Y_{i,p\left(2M\right)}\end{array}\right]={\mathrm{Ah}}_{\mathrm{ave}}^{\left(i\right)}+{\mathrm{B\α}}^{\left(i\right)}+e^{\left(i\right)}={\mathrm{Qh}}^{\left(i\right)}+e^{\left(i\right)}---\left(1\right)$

Y为接收信号，

为期望信号，Bα⁽ⁱ⁾为导频产生的ICI分量，e⁽ⁱ⁾为信道噪声与非导频信号产生的ICI分量的和，

表示信道在第i个OFDMA周期内，延迟为n的冲击响应系数的变化斜率，其中

$A=\left[\begin{array}{c}{s}_{i,p\left(1\right)}{b}_{p\left(1\right)}^T\\ \·\\ \·\\ \·\\ s_{i,p\left(2M\right)}{b}_{p\left(2M\right)}^T\end{array}\right],---\left(2\right)$

$B=\left[\begin{array}{c}\underset{n\≠p\left(1\right),n=\mathrm{pilot}}{\overset{N-1}{\underset{n=0}{\mathrm{\Σ}}}}{C}_{p\left(1\right)-n}{s}_{i,n}{b}_n^T\\ \·\\ \·\\ \·\\ \underset{n\≠p\left(2M\right),n=\mathrm{pilot}}{\overset{N-1}{\underset{n=0}{\mathrm{\Σ}}}}{C}_{p\left(2M\right)-n}{s}_{i,n}{b}_n^T\end{array}\right],---\left(3\right)$

b_n＝[1，e^-j2πn/N，……，e^-j2πnL/N]^T，C_k-n＝-(1-e^-j2π(k-n)/N)^-1            (4)

$h^{\left(i\right)}=\left[\begin{array}{c}{h}_{\mathrm{ave}}^{\left(i\right)}\\ {\mathrm{\α}}^{\left(i\right)}\end{array}\right],---\left(5\right)$

$h_{\mathrm{ave}}^{\left(i\right)}\left(n\right)=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{h}^{\left(i\right)}(k,n)---\left(6\right)$

h⁽ⁱ⁾(k，n)表示第k时刻，延迟为n的冲击响应系数

第二步：求解第一步中方程(1)可得：h⁽ⁱ⁾＝Q⁺Y+Q⁺e⁽ⁱ⁾，忽略信道噪声与非导频信号产生的ICI分量的和e⁽ⁱ⁾的影响，得到信道参数估计 ${\hat{h}}^{\left(i\right)}=Q^{+}Y.$

其中，Q⁺＝(Q^HQ)^-1Q^H表示Q的伪逆矩阵，Q⁺e⁽ⁱ⁾表示信道估计误差。

2.根据权利要求1所述的一种最小平方(LS Least Square)信道估计算法，其特征在于，选取2M(≥2(L+1))个导频信号的选择，系统中的导频信号被分成许多长度相同的组，且等间隔分布。

3.根据权利要求1所述的一种最小平方(LS Least Square)信道估计算法，其特征在于，信道参数估计

的计算。

Images