CN101616110A - 一种频偏估计方法和装置 - Google Patents

Abstract

本发明公开了一种频偏估计方法和装置。其中，方法包括：确定每个用户的强路径，并根据所确定的强路径重新构造训练序列矩阵G′和信道冲激响应列向量h′；根据强路径的总个数对接收的训练序列信号进行分组，对应每组训练序列信号，利用G′构造每组信号对应的矩阵G_i′，并构造每组信号对应的噪声列向量n_i；利用构造的所述G_i′、h′和n_i，得到对应各组训练序列信号的方程组，求解该方程组，得到新的N元向量h_i′；根据所述h_i′计算得到每一条强路径的频偏。

Description

一种频偏估计方法和装置

技术领域

本发明涉及移动通信技术，尤其涉及一种时分同步码分多址接入(TD-SCDMA)系统中的频偏估计方法和装置。

背景技术

在移动通信系统中，由于发射信号在无线信道中传输时，将受到无线信道的影响，因此，接收端需要根据无线信道对发射信号的影响程度，由接收信号恢复出发射信号。无线信道对发射信号的影响程度表现为无线信道的信道冲激响应(CIR，channel impulse response)。由于无线信道存在着很大的随机性，因此将引起CIR的变化，并导致接收信号的幅度、相位、频率产生失真，因此，需要对信道的CIR进行估计，以实现由接收信号正确地恢复发射信号。其中，对信道的CIR进行估计的过程，称为信道估计。

在TD-SCDMA系统中，信号帧的一个时隙格式如图1所示，图1中，数据域1和数据域2分别位于训练序列(Midamble)的两边。其中，数据域1位于训练序列之前，数据域2位于训练序列之后。在时隙的末端是保护间隔(GP)。TD-SCDMA系统的信道估计是基于训练序列进行的，之后根据信道估计的CIR对数据域1和数据域2进行解调。

由于在无线信道中，发射信号并不是沿着单一的路径传播，而是会遇到各种物体阻挡，经反射、散射、折射和绕射等不同路径到达接收端，成为通过各个路径到达的合成信号。多径传播的结果导致同一发射信号的不同反射波到达接收端的时间不同(即时延不同)，相位也不同。通常，系统将设定其所支持的最大传输时延，在最大传输时延对应的时间内接收到的信号被认为是同一发射信号的不同反射波，因此，最大传输时延对应的时间可以形象地定义为CIR窗，每一个CIR窗包含若干个径。

由于通常情况下会有多个用户同时进行通信，因此接收端所接收的信号通常是多个用户的多条路径的叠加，接收端接收到来自发送端的信号后，从所接收的信号中分离出训练序列和用户数据部分，利用分离出的训练序列与本地产生的训练序列进行信道估计，根据信道估计结果及本地产生的扩频及扰码序列对分离出的用户数据部分进行联合检测，估计出各用户的数据符号。

但上述信号处理过程是在假设信道时不变的情况下进行的，此时的信道估计较准确，可以用于进行数据域1，数据域2的联合检测，以估计出各用户的符号。但实际应用中，由于发射机和接收机使用独立的时钟，以及发射端和接收端存在相对速度，在接收端接收到的信号载波与本地载波存在着频率偏移，当相对速度较大时，如高速运动状态下，还会具有较大的多普勒频率偏移，频率偏移(简称频偏)的存在，会使接收到的数字信号相位发生旋转，表现为采样信号产生附加的相移，相移的大小与频偏及两点间的距离成正比，此时，信道估计值受频偏的影响而变得不够准确，从而使联合检测出的符号相位误差较大，为此，需要获知频偏的大小，进而根据频偏的影响优化接收性能。

现有的频偏估计方法基于接收到的训练序列域信号的相关计算来实现，需要逐一估计每一个用户的频偏。具体来讲，当一个时隙中存在多个用户时，需要分别确定每一个用户每条路径的频偏，而某一用户某条路径的频偏的估计过程不仅受到该用户的其它路径的干扰，还受到其它用户的路径对该路径的干扰。因此，这种估计频偏的方法不仅复杂，而且由于干扰的影响估计不准确。

发明内容

有鉴于此，本发明中一方面提供一种频偏估计方法，另一方面提供一种频偏估计装置，以便降低频偏估计的复杂度。

本发明所提供的频偏估计方法，包括：

从当前时隙的接收信号中分离出训练序列信号e_m；

利用分离出的训练序列信号e_m与本地产生的训练序列进行信道估计，得到受频偏影响的信道冲激响应向量

根据所述信道冲激响应向量

确定每个用户的强路径及所有用户的强路径总数N，N为大于1的整数；

根据确定的每个用户的强路径，构造所有用户对应强路径的训练序列矩阵G′和所有用户对应强路径的信道冲激响应列向量h′；

将所分离出的训练序列信号e_m划分为M组，得到M组信号e_m，i，i＝1，2，…，M，且每组信号的元素个数大于或等于N，任意相邻两组信号之间的中心距离均相等，其中，M为大于1且小于N_m的整数，N_m为基本训练序列的长度；

与e_m划分的各组相对应，利用所述矩阵G′构造每组信号对应的矩阵G′_i，并利用预设的噪声列向量n构造每组信号对应的噪声列向量n_i；

对应划分的M组信号e_m，i，i＝1，2，…，M，利用构造的所述G′_i、h′和n_i，得到M个方程式e_m，i＝G′_ih′+n_i，i＝1，2，…，M，求解所述M个方程式，得到对应M组信号的N元向量h′_i，i＝1，2，…，M；

根据所述N元向量h′_i，i＝1，2，…，M，计算得到每一条强路径的频偏。

较佳地，所述根据确定的每个用户的强路径，构造所有用户对应强路径的训练序列矩阵G′和所有用户对应强路径的信道冲激响应列向量h′为：将本地产生的维数是N_m×KW训练序列矩阵G中对应各用户非强路径的列删除，得到维数是N_m×N的训练序列矩阵G′，将信道冲激响应组成的维数是N_m×1的向量h中对应各用户非强路径的元素删除，得到维数是N×1的列向量h′。

较佳地，所述求解M个方程式为：利用最小均方误差MMSE方法或者迫零ZF方法求解所述M个方程式。

较佳地，所述根据N元向量h′_i，i＝1，2，…，M，计算得到每一条强路径的频偏包括：

对于N条强路径中的第j，1≤j≤N条强路径，首先按照公式 $R(j,k)=\underset{l=1}{\overset{M-k}{\mathrm{\Σ}}}{\left(h_l^{\′}\left(j\right)\right)}^{*}\·h_{l+k}^{\′}\left(j\right),$ 计算出R(j，k)，其中，k为不同信号组的组号差值；

根据计算出的R(j，k)，按照公式 $C(j,k)=\frac{R(j,k+1)}{\left|R(j,k+1)\right|}\·{\left(\frac{R(j,k)}{\left|R(j,k)\right|}\right)}^{*}$ 计算C(j，k)；

对计算出的C(j，k)按照公式 $\stackrel{\‾}{C}=\frac{\underset{k=1}{\overset{M-1}{\mathrm{\Σ}}}C(j,k)}{M-1}$ 进行平均，得到第j，1≤j≤N条强路径的频偏估计结果 $\stackrel{\‾}{C}=e^{j2\mathrm{\π}{f}_j*N^{\′}*\mathrm{Tc}}$ 或 $e^{j2\mathrm{\π}{f}_j\mathrm{Tc}}=\sqrt[N^{\′}]{\stackrel{\‾}{C}},$ 其中，f_j为第j，1≤j≤N条强路径的频偏，T_c为码片周期，N′为相邻两组信号e_m，i和e_m，i+1之间的中心距离，e指数中的第一个j为虚数单位。

较佳地，该方法进一步包括：对每条路径的频偏按照天线进行平均。

较佳地，该方法进一步包括：对每条路径的频偏进行递归平均，将递归平均结果作为对应路径的当前频偏。

本发明所提供的频偏估计装置，包括：

信号分离单元，用于从当前时隙的接收信号中分离出训练序列信号e_m；

信道估计单元，用于利用分离出的训练序列信号e_m与本地产生的训练序列进行信道估计，得到受频偏影响的信道冲激响应向量

强径确定单元，用于根据所述信道冲激响应向量

确定每个用户的强路径及所有用户的强路径总数N，N为大于1的整数；

第一构造单元，用于根据确定的每个用户的强路径，构造所有用户对应强路径的训练序列矩阵G′和所有用户对应强路径的信道冲激响应列向量h′；

分组单元，用于将所分离出的训练序列信号e_m划分为M组，得到M组信号e_m，i，i＝1，2，…，M，且每组信号的元素个数大于或等于N，任意相邻两组信号之间的中心距离均相等，其中，M为大于1且小于N_m的整数，N_m为基本训练序列的长度；

第二构造单元，用于与e_m划分的各组相对应，利用所述矩阵G′构造每组信号对应的矩阵G′_i，并利用预设的噪声列向量n构造每组信号对应的噪声列向量n_i；

方程求解单元，用于对应划分的M组信号e_m，i，i＝1，2，…，M，利用构造的所述G′_i、h′和n_i，得到M个方程式e_m，i＝G′_ih′+n_i，i＝1，2，…，M，求解所述M个方程式，得到对应M组信号的N元向量h′_i，i＝1，2，…，M；

频偏估计单元，用于根据所述N元向量h′_i，i＝1，2，…，M，计算得到每一条强路径的频偏。

从上述方案可以看出，本发明通过确定每个用户的强路径，并根据所确定的强路径重新构造训练序列矩阵G′和信道冲激响应列向量h′；根据强路径的总个数对接收的训练序列信号进行分组；对应每组训练序列信号，利用G′构造每组信号对应的矩阵G′_i，并构造每组信号对应的噪声列向量n_i；利用构造的所述G′_i、h′和n_i，得到对应各组训练序列信号的方程组，求解该方程组，得到新的N元向量h′_i；根据所述h′_i计算得到每一条强路径的频偏。可见，该方法中通过构造针对强路径的方程组，并只计算强路径的频偏，简化了计算频偏的复杂度。

附图说明

图1为现有技术中信号帧的一个时隙格式示意图；

图2为本发明实施例中频偏估计方法的示例性流程图；

图3为本发明实施例中频偏估计系统的示例性结构图。

具体实施方式

本发明中，考虑到在发射端和接收端存在较大的相对速度时，如移动终端在进行高速运动，如位于高速行驶的火车上、轻轨上等，此时周围通常比较空旷，进行通信时，会存在较强的直射径(通常为强径)，即指功率(或称为强度)较强的路径，这些强路径会带来较大的持续的相位旋转，而其它弱径由于经过反射以及散射等，引起的相位旋转不是很严重，并且也没有明显的规律，因此，为了降低频偏估计的复杂度，本发明中主要估计强路径的频偏。

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明进一步详细说明。

图2为本发明实施例中频偏估计方法的示例性流程图。如图2所示，该流程包括如下步骤：

步骤201，从一个时隙的接收信号中分离出训练序列信号L。

通常情况下，每个时隙的接收信号长度为848个码片，其中第一和第二个数据域信号都是352个码片，训练序列(MIDAMBLE)域信号长度为144个码片，而e_m由序列域信号中的最后128个码片构成。

其中，为了提高信道估计速度，通常利用一个基本训练序列按照循环移位的方式构造出每个用户的训练序列，从而使得接收端的训练序列矩阵具有循环相关性。训练序列信号e_m为该时隙中所有用户的有频偏的训练序列经过多径信道后的叠加，可表示为e_m＝Gh+n       (1)

其中，e_m为N_m×1的列向量，N_m是基本训练序列的长度，在TD-SCDMA系统中N_m通常为128，h是所有用户的不受频偏影响的信道冲激响应组成的KW×1的列向量，K是用户数，W是一个用户的信道冲激响应的窗长，n是N_m×1的噪声列向量，G是训练序列矩阵，维数是N_m×KW。具体实现时，为了简化计算，一般取N_m＝KW。

步骤202，利用分离出的训练序列信号e_m与本地产生的训练序列进行信道估计，得到受频偏影响的信道冲激响应向量

本地产生的训练序列矩阵G表示为：

$G={\left[\begin{array}{cccc}{m}_{N_m}& m_{N_m-1}& ...& m_1\\ m_1& m_{N_m}& ...& m_2\\ ...& ...& ...& ...\\ m_{N_m-1}& m_{N_m-2}& ...& m_{N_m}\end{array}\right]}_{N_m\×\mathrm{KW}}---\left(2\right)$

可以看出G是一个循环矩阵，即每一行循环右移一个元素即是下一行。

根据理想公式e_m＝Gh，利用G和e_m进行信道估计，得到信道冲激响应h的估计值

，有：

$\hat{h}=G^{-1}{e}_m---\left(3\right)$

步骤203，根据信道估计结果

，确定每个用户的强路径及所有用户的强路径总数N。其中，N为大于1的整数。

其中，强路径即高功率路径。

因为h是所有用户的信道冲激响应组成的KW×1的列向量，即

h＝[h₁ h₂ … h_KW]^T    (4)

对于K个用户中的第i个用户来说，h中的KW个元素中的第(i-1)W+1个元素到第iW个元素，即h_(i-1)W+1，…，h_iW为该第i个用户的所有径，即第1径到第W径的信道冲激响应，相应地，

中的KW个元素中的第(i-1)W+1个元素到第iW个元素，即

…，

为该第i个用户的第1径到第W径的信道冲激响应估计，则对于该第i个用户，其第j径的功率为：

$P(i,j)={\left|\right|{\hat{h}}_{(i-1)W+j}\left|\right|}^2---\left(5\right)$

本实施例中，确定每个用户强路径的方法可有多种。例如，可设置功率门限，对于每个用户，当其某条路径的功率达到该功率门限时，即确定该路径为强路径，则对于这些用户，每个用户强路径的个数可能不同，所有用户强路径的总个数N为各用户强路径的个数之和。其中，若某个用户的所有径的功率均未达到功率门限，则可确定其功率较强的N₀条路径为强路径，1≤N₀≤W。又如，也可直接确定所有用户强路径的总个数N，并确定每个用户有N/K条强路径，则对于每个用户，可确定其功率较强的N/K条路径为强路径。

通常情况下，每个用户存在1至4条强路径，且用户数K通常情况下不大于8，因此，较佳地，N为小于或等于32的正整数。

步骤204，根据确定的每个用户的强路径，构造所有用户对应强路径的训练序列矩阵G′和所有用户对应强路径的信道冲激响应列向量h′。

由于式(2)所示的矩阵G中的每一列对应一个用户的一条路径，因此在构造对应强路径的训练序列矩阵G′时，可将矩阵G中对应各用户非强路径的列删除，得到维数是N_m×N的训练序列矩阵G′。

此外，由于式(4)所示的列向量h中的每个元素对应一个用户的一条路径的信道冲激响应，因此在构造对应强路径的信道冲激响应列向量h′时，可将向量h中对应各用户非强路径的元素删除，得到维数是N×1的列向量h′。

步骤205，将所分离出的训练序列信号e_m划分组，如划分为M组，且每组信号的元素个数大于或等于所有用户强路径的总数N，任意相邻两组信号之间的中心距离均相等。其中，M为大于1且小于N_m的整数。较佳地，M＝2，3，4，…，8。

e_m划分的M组可以表示为：e_m，1，e_m，2，…，e_m，M。其中，相邻两组之间可以存在相同的信号，也可以不存在相同的信号，即相邻的组与组之间可以存在信号的交叉，也可以不存在信号的交叉。下面列举其中两个例子：

例一：任意相邻两组信号之间不存在信号的交叉，且M＝N_m/N，则第i组信号包括如下信号：

e_m((i-1)N+1)，e_m((i-1)N+2)，…，e_m(iN)，其中，e_m(n)代表向量e_m中的第n个元素(信号)。

例二：相邻两组信号之间存在信号的交叉。假设第一组信号包括信号：

e_m(1)，e_m(2)，…，e_m(N₁)，N₁≥N；

第(i+1)(这里，i＞＝1)组信号包括信号：

e_m(N_i-A_i)，e_m(N_i-A_i+1)，…，e_m(N_i+1)，其中N_i+1-(N_i-A_i)+1≥N，A_i＜N_i；

假设任意相邻两组信号之间的中心距离为N′，则有：

$\frac{N_{i+1}+(N_i-A_i)}{2}-\frac{N_i+(N_{i-1}-A_{i-1})}{2}=N^{\′}$

同样，当i＝1时，第2个分组和第1个分组之间满足：

$\frac{N_2+(N_1-A_1)}{2}-\frac{{1+N}_1}{2}{=N}^{\′}.$

步骤206，与e_m划分的各组相对应，利用步骤204中构造的矩阵G′构造每组信号对应的矩阵G′_i，并利用预设的噪声列向量n构造每组信号对应的噪声列向量n_i。

例如，对于步骤105中所示的例一，可由G′中的第(i-1)N+1行到第iN行的N行构造出第i组信号对应的矩阵G′_i。

相应地，按照与构造G′_i同样的构造方式，由预设的由未知数组成的噪声列向量n中的第(i-1)N+1到第iN的N个元素构造出第i组信号对应的噪声列向量n_i。

对于步骤105中所示的例二，可由G′中的第1行到第N₁行的N₁行构造出第1组信号对应的矩阵G′₁，由G′中的第N_i-A_i行到第N_i+1行的N_i+1-(N_i-A_i)+1行构造出第(i+1)组信号对应的矩阵G′_i(i＞＝1)。

相应地，按照与构造G′_i同样的构造方式，由预设的由未知数组成的噪声列向量n中的第1到第N₁共N₁个元素构造出第1组信号对应的噪声列向量n₁，由噪声列向量n中的第N_i-A_i到第N_i+1共N_i+1-(N_i-A_i)+1个元素构造出第i组信号对应的噪声列向量n_i。

步骤207，对应划分的M组信号e_m，i，i＝1，2，…，M，利用构造的所述矩阵G′_i和向量h′、n_i，得到M个方程式构成的方程组，e_m，i＝G′_ih′+n_i，i＝1，2，…，M(6)

求解式(6)所示的方程组，得到对应M个信号组的N元信道冲激响应向量h′_i，i＝1，2，…，M。

其中，具体求解式(6)的方法可有多种。例如，可以采用最小均方误差(MMSE)方法或者迫零(ZF)方法求解。以MMSE方法为例，可根据如下所示式(7)进行计算：

$h_i^{\′}={(G_i^{\′H}{R}_{n,i}^{-1}{G}_i^{\′}+R_h^{-1})}^{-1}{G}_i^{\′H}{R}_{n,i}^{-1}{e}_{m,i}---\left(7\right)$

其中，R_n，i如式(8)所示，为噪声协方差矩阵；R_h如式(9)所示，式(9)中的p_i是第i条强路径的功率，其计算方法可如式(5)所示。

$R_{n,i}=E\left(n_i{n}_i^{*}\right)=\left[\begin{array}{cccc}{\mathrm{\σ}}^2& 0& ...& 0\\ 0& {\mathrm{\σ}}^2& ...& 0\\ .& .& & .\\ .& .& ...& .\\ .& .& & .\\ 0& 0& ...& {\mathrm{\σ}}^2\end{array}\right]---\left(8\right)$

$R_h=E\left(h^{\′}{h}^{\′*}\right)=\left[\begin{array}{cccc}{p}_1& 0& ...& 0\\ 0& p_2& ...& 0\\ .& .& & .\\ .& .& ...& .\\ .& .& & .\\ 0& 0& ...& p_N\end{array}\right]---\left(9\right)$

步骤208，根据得到的所述N元信道冲激响应向量h′_i，i＝1，2，…，M，确定该时隙每一条强路径的频偏。

对于第j条强路径，利用h′₁(j)，h′₂(j)，…，h′_M(j)，1≤j≤N确定该路径的频偏。其中，h′_i(j)表示h′_i的第j个元素。

具体实现时，第j条强路径频偏的计算过程可如下所示，包括：

A、根据式(10)，确定R(j，k)。其中，k为不同信号组的组号差值。

$R(j,k)=\underset{l=1}{\overset{M-k}{\mathrm{\Σ}}}{\left(h_i^{\′}\left(j\right)\right)}^{*}\·h_{l+k}^{\′}\left(j\right)---\left(10\right)$

其中，“*”表示共轭。

B、根据计算出的R(j，k)，利用式(11)，计算C(j，k)。

$C(j,k)=\frac{R(j,k+1)}{\left|R(j,k+1)\right|}\·{\left(\frac{R(j,k)}{\left|R(j,k)\right|}\right)}^{*}---\left(11\right)$

C、对计算出的C(j，k)进行平均，有：

$\stackrel{\‾}{C}=\frac{\underset{k=1}{\overset{M-1}{\mathrm{\Σ}}}C(j,k)}{M-1}=e^{j2\mathrm{\π}{f}_j*N^{\′}*\mathrm{Tc}}---\left(12\right)$

其中，f_j为第j条强路径的频偏，T_c为码片周期，N′为相邻两组信号e_m，i和e_m，i+1之间的中心距离。本文中，e指数中的第一个j为虚数单位。

此外，根据 $\stackrel{\‾}{C}=e^{j2\mathrm{\π}{f}_j*N^{\′}*\mathrm{Tc}}={\left(e^{j2\mathrm{\π}{f}_j\mathrm{Tc}}\right)}^{N^{\′}},$ 可得到 $e^{j2\mathrm{\π}{f}_j\mathrm{Tc}}=\sqrt[N^{\′}]{\stackrel{\‾}{C}}---\left(13\right)$

通常情况下，求得 $\stackrel{\‾}{C}=e^{j2\mathrm{\π}{f}_j*N^{\′}*\mathrm{Tc}}$ 和求得 $e^{j2\mathrm{\π}{f}_j\mathrm{Tc}}=\sqrt[N^{\′}]{\stackrel{\‾}{C}}$ 和求得f_j是等价的，因为在利用所得到的频偏进行纠偏时，通常使用 $\stackrel{\‾}{C}=e^{j2\mathrm{\π}{f}_j*N^{\′}*\mathrm{Tc}}$ 和 $e^{j2\mathrm{\π}{f}_j\mathrm{Tc}}=\sqrt[N^{\′}]{\stackrel{\‾}{C}}$ 进行纠偏。

利用上述步骤A至C，可以求得任何一根天线上所选的强路径的频偏，如果多根天线同时接收信号，则一条路径可以同时被所有天线接收到。比如，路径j同时被所有L根天线接收到。则可以按照步骤A至C分别求得每根天线上路径j的频偏。然后，对路径j的频偏按照天线进行平均。如下所示：

$C^{\′}=e^{j2\mathrm{\π}{f}_j*N^{\′}*\mathrm{Tc}}=\frac{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\stackrel{\‾}{C}}_{j,l}}{L}---\left(14\right)$

其中，C_j，l表示第l根天线上估计得到的第j径的频偏。

进一步地，因为一条路径的频偏通常不会突变，因此可对在一段时间内估计得到的每条路径的频偏进行递归平均，例如，对于式(14)所示的C′可按照如下所示的式(15)进行递归平均：

C′(n)＝(1-p)C′(n-1)+C′(n)     (15)

上式中，0＜p≤1是遗忘因子，可以预先设置，比如取p＝1/16，C′(n)表示在当前子帧“n”估计得到的一个时隙的频偏，C′(n-1)表示在子帧“n-1”通过递归平均计算得到的该时隙的频偏估计，C′(n)表示在当前子帧“n”通过递归平均计算得到的该时隙的频偏估计，该频偏估计用于当前子帧“n”的该时隙的频偏补偿。

以上对本发明实施例中的频偏估计方法进行了详细描述，下面再对本发明实施例中的频偏估计系统进行详细描述。

图3为本发明实施例中频偏估计装置的示例性结构图。如图3所示，该装置包括：信号分离单元、信道估计单元、强径确定单元、第一构造单元、分组单元、第二构造单元、方程求解单元和频偏估计单元。

其中，信号分离单元用于从当前时隙的接收信号中分离出训练序列信号e_m。

信道估计单元用于利用分离出的训练序列信号e_m与本地产生的训练序列进行信道估计，得到受频偏影响的信道冲激响应向量

强径确定单元用于根据信道估计结果，即信道冲激响应向量

或根据训练序列的延迟相关结果，确定每个用户的强路径及所有用户的强路径总数N。其中，N为大于1的整数。

第一构造单元用于根据确定的每个用户的强路径，构造所有用户对应强路径的训练序列矩阵G′和所有用户对应强路径的信道冲激响应列向量h′。

分组单元用于将所分离出的训练序列信号e_m划分为M组，且每组信号的元素个数大于或等于N，任意相邻两组信号之间的中心距离均相等。其中，M为大于1且小于N_m的整数。较佳地，M＝2，3，4，…，8。

第二构造单元用于与e_m划分的各组相对应，利用第一构造单元所构造的矩阵G′构造每组信号对应的矩阵G′_i，并利用预设的噪声列向量n构造每组信号对应的噪声列向量n_i。

方程求解单元用于对应划分的M组信号e_m，i，i＝1，2，…，M，利用构造的所述G′_i、h′和n_i，得到M个方程式e_m，i＝G′_ih′+n_i，i＝1，2，…，M，求解所述M个方程式，得到对应M个信号组的N元向量h′_i，i＝1，2，…，M。

频偏估计单元用于根据得到的N元向量h′_i，i＝1，2，…，M，确定每一条强路径的频偏。

图3所示各组成单元的具体操作过程可与图2所示各步骤中的具体操作过程一致，此处不再一一赘述。

本发明中的技术方案除了可应用于TD-SCDMA系统外，还可用于其他使用类似训练序列的移动通信系统，如高码片速率(3.84MHz)的UMTS TDD系统，可以达到本发明同样的技术效果。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1、一种频偏估计方法，其特征在于，该方法包括：

从当前时隙的接收信号中分离出训练序列信号e_m；

利用分离出的训练序列信号e_m与本地产生的训练序列进行信道估计，得到受频偏影响的信道冲激响应向量

根据所述信道冲激响应向量

确定每个用户的强路径及所有用户的强路径总数N，N为大于1的整数；

根据确定的每个用户的强路径，构造所有用户对应强路径的训练序列矩阵G′和所有用户对应强路径的的信道冲激响应列向量h′；

将所分离出的训练序列信号e_m划分为M组，得到M组信号e_m，i，i＝1，2，…，M，且每组信号的元素个数大于或等于N，任意相邻两组信号之间的中心距离均相等，其中，M为大于1且小于N_m的整数，N_m为基本训练序列的长度；

与e_m划分的各组相对应，利用所述矩阵G′构造每组信号对应的矩阵G′_i，并利用预设的噪声列向量n构造每组信号对应的噪声列向量n_i；

对应划分的M组信号e_m，i，i＝1，2，…，M，利用构造的所述G′_i、h′和n_i，得到M个方程式e_m，i＝G′_ih′+n_i，i＝1，2，…，M，求解所述M个方程式，得到对应M组信号的N元向量h′_i，i＝1，2，…，M；

根据所述N元向量h′_i，i＝1，2，…，M，计算得到每一条强路径的频偏。

2、如权利要求1所述的方法，其特征在于，所述根据确定的每个用户的强路径，构造所有用户对应强路径的训练序列矩阵G′和所有用户对应强路径的的信道冲激响应列向量h′为：将本地产生的维数是N_m×KW训练序列矩阵G中对应各用户非强路径的列删除，得到维数是N_m×N的训练序列矩阵G′，将信道冲激响应组成的维数是N_m×1的向量h中对应各用户非强路径的元素删除，得到维数是N×1的列向量h′。

3、如权利要求1所述的方法，其特征在于，所述求解M个方程式为：利用最小均方误差MMSE方法或者迫零ZF方法求解所述M个方程式。

4、如权利要求1所述的方法，其特征在于，所述根据N元向量h′_i，i＝1，2，…，M，计算得到每一条强路径的频偏包括：

对于N条强路径中的第j，1≤j≤N条强路径，首先按照公式 $R(j,k)=\underset{l=1}{\overset{M-k}{\mathrm{\Σ}}}{\left(h_l^{\′}\left(j\right)\right)}^{*}\·h_{l+k}^{\′}\left(j\right),$ 计算出R(j，k)，其中，k为不同信号组的组号差值；

根据计算出的R(j，k)，按照公式 $C(j,k)=\frac{R(j,k+1)}{\left|R(j,k+1)\right|}\·{\left(\frac{R(j,k)}{\left|R(j,k)\right|}\right)}^{*}$ 计算C(j，k)；

对计算出的C(j，k)按照公式 $\stackrel{\‾}{C}=\frac{\underset{k=1}{\overset{M-1}{\mathrm{\Σ}}}C(j,k)}{M-1}$ 进行平均，得到第j，1≤j≤N条强路径的频偏估计结果 $\stackrel{\‾}{C}=e^{j2\mathrm{\π}{f}_j*N^{\′}*\mathrm{Tc}}$ 或 $e^{j2\mathrm{\π}{f}_j\mathrm{Tc}}=\sqrt[N^{\′}]{\stackrel{\‾}{C}},$ 其中，f_j为第j，1≤j≤N条强路径的频偏，T_c为码片周期，N′为相邻两组信号e_m，i和e_m，i+1之间的中心距离，e指数中的第一个j为虚数单位。

5、如权利要求4所述的方法，其特征在于，该方法进一步包括：对每条路径的频偏按照天线进行平均。

6、如权利要求4或5所述的方法，其特征在于，该方法进一步包括：对每条路径的频偏进行递归平均，将递归平均结果作为对应路径的当前频偏。

7、一种频偏估计装置，其特征在于，该装置包括：

信号分离单元，用于从当前时隙的接收信号中分离出训练序列信号e_m；

信道估计单元，用于利用分离出的训练序列信号e_m与本地产生的训练序列进行信道估计，得到受频偏影响的信道冲激响应向量

强径确定单元，用于根据所述信道冲激响应向量

确定每个用户的强路径及所有用户的强路径总数N，N为大于1的整数；

第一构造单元，用于根据确定的每个用户的强路径，构造所有用户对应强路径的训练序列矩阵G′和所有用户对应强路径的信道冲激响应列向量h′；

分组单元，用于将所分离出的训练序列信号e_m划分为M组，得到M组信号e_m，i，i＝1，2，…，M，且每组信号的元素个数大于或等于N，任意相邻两组信号之间的中心距离均相等，其中，M为大于1且小于N_m的整数，N_m为基本训练序列的长度；

第二构造单元，用于与e_m划分的各组相对应，利用所述矩阵G′构造每组信号对应的矩阵G′_i，并利用预设的噪声列向量n构造每组信号对应的噪声列向量n_i；

方程求解单元，用于对应划分的M组信号e_m，i，i＝1，2，…，M，利用构造的所述G′_i、h′和n_i，得到M个方程式e_m，i＝G′_ih′+n_i，i＝1，2，…，M，求解所述M个方程式，得到对应M组信号的N元向量h′_i，i＝1，2，…，M；

频偏估计单元，用于根据所述N元向量h′_i，i＝1，2，…，M，计算得到每一条强路径的频偏。

Images