CN101719881A - 一种噪声功率的估计方法、装置和通信系统 - Google Patents

Abstract

本发明公开了一种噪声功率的估计方法、装置和通信系统。本发明实施例在接收到的时频二维信号中依次选择出频域分布相同且时域相邻的RS(Reference Signal)数据集合，采用对选择的RS数据集合中的信道估计值在频域进行了多次相减运算后，再在时域进行了一次相减运算的方法，从而使得相对于现有技术只在频域或时域进行一次相减运算而言，可以减小信道衰减对噪声功率估计的影响，使得即使是同时存在时间选择性衰落和频率选择性衰落的无线信道，也可以得到较为准确的噪声功率估计值。

Description

一种噪声功率的估计方法、装置和通信系统

技术领域

本发明涉及通信技术领域，具体涉及一种噪声功率的估计方法、装置和通信系统。

背景技术

在长期演进(LTE，Long Term Evolution)无线通信系统中，终端因其移动性的特点，需要从多个相邻小区中选择能够满足其服务需求的小区进行连接，或者从当前小区切换到服务质量更好的小区。根据LTE协议的规定，终端需要通过测量来判决各个小区的好坏，并从中选择高服务质量的小区建立连接。其中，判断小区好坏的方法就是评估与终端相邻的各个小区的信道质量，比如信噪比(SNR，Signal to Noise Ratio)和参考信号接收功率(RSRP，ReferenceSignal Received Power)等参数。

图1为RS的二维时频结构图，水平方向表示时间域，i表示第i个承载参考信号(RS，Reference Signal)的正交频分复用(OFDM，Orthogonal FrequencyDivision Multiplexing)符号，i∈{1，N}，垂直方向表示频率域，j表示第j个承载RS信号的频点，j∈{1，M}。在发送端，在图1中标注灰色的时频点位置插入RS信号，这些信号经过无线信道传播后，在接收端经过处理，可获得频域接收信号：Y_i，j＝H_i，j×X_i，j+w_i，j，其中，H_i，j为真实的无线信道衰减值，w_i，j为噪声变量。由于接收端已知参考信号RS的发送数据X_i，j以及|X_i，j|²＝1，因此只要进行如下处理就可以获知第i个承载参考信号的OFDM符号在第j个频点处的信道估计值

${\hat{H}}_{i,j}=Y_{i,j}\×X_{i,j}^{*}=H_{i,j}\×{X_{i,j}\×X}_{i,j}^{*}+w_{i,j}\×X_{i,j}^{*}=H_{i,j}+{\mathrm{\ϵ}}_{i,j}$

其中，X_i，j ^*为X_i，j的共轭，ε_i，j为噪声变量w_i，j和X_i，j ^*的乘积，即ε_i，j也是噪声变量(在本发明实施例中，将均以ε_i，j作为噪声变量进行描述)，根据噪声变量的统计特性，ε_i，j和w_i，j的功率是相同。可见，由真实的无线信道衰减值H_i，j和噪声变量ε_i，j组成，即 ${\hat{H}}_{i,j}=H_{i,j}+{\mathrm{\ϵ}}_{i,j}.$

由于真实的RSRP和SNR为：

RSRP＝E(|H_i，j|²)， $\mathrm{SNR}=E\left({\left|H_{i,j}\right|}^2\right)/E\left({\left|{\mathrm{\ϵ}}_{i,j}\right|}^2\right)=E\left({\left|H_{i,j}\right|}^2\right)/{\mathrm{\σ}}_n^2$

其中，噪声变量ε_i，j服从独立同分布，其功率定义为σ_n ²。而在实际系统中，无线通信设备只能有效地检测出

所以，若要计算RSRP和SNR，必须先计算出噪声功率的估计值

此时，RSRP和SNR计算方法为：

$\mathrm{RSRP}=E\left({|{\hat{H}}_{i,j}-{\mathrm{\ϵ}}_{i,j}|}^2\right)\≈E\left({\left|{\hat{H}}_{i,j}\right|}^2\right)-{\widehat{\mathrm{\σ}}}_n^2,$ $\mathrm{SNR}\≈(E\left({\left|{\hat{H}}_{i,j}\right|}^2\right)-{\widehat{\mathrm{\σ}}}_n^2)/{\widehat{\mathrm{\σ}}}_n^2$

可见，噪声功率σ_n ²的估计方法的准确性对RSRP和SNR的计算准确性有着十分重要的意义，它进而影响了UE选择小区的可靠性。其中，噪声作为独立随机变量，满足： $E\left({\left|{\mathrm{\ϵ}}_{i,j}\right|}^2\right)={\widehat{\mathrm{\σ}}}_n^2,$ E(|ε_i，jε_i′，j′|)＝0；

在现有技术中，一般采用如下方案对噪声功率进行估算：

根据RS的二维时频结构图，以4个时频点的信道估计值为一个单位，计算出一个噪声功率采样值。如图2所示，针对i＝1、i＝3或i＝2、i＝4，使用相同频点承载RS信息的两个OFDM符号，分别取4个信道估计值计算噪声功率采样值，再对所有采样值取均值，得到一个子帧(子帧长度为i∈{1…4})噪声功率估计值，再对多个子帧的噪声功率估计值取均值，得到UE在该时段需要的噪声功率值。其中，一个子帧的噪声功率估计值如下所示：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{2(M-1)}\underset{i=1}{\overset{2}{\mathrm{\Σ}}}\left(\underset{j=1}{\overset{M-1}{\mathrm{\Σ}}}{|({\hat{H}}_{i,j}+{\hat{H}}_{i+2,j+1})-({\hat{H}}_{i,j+1}+{\hat{H}}_{i+2,j})|}^2\text{/4}\right)$

这里，为了方便描述，仅说明一个估计单元的噪声功率计算，如下：

${|({\hat{H}}_{i,j}+{\hat{H}}_{i+2,j+1})-({\hat{H}}_{i,j+1}+{\hat{H}}_{i+2,j})|}^2$

该方案可以根据无线信道同一时刻相邻频点或者同一频点相邻时刻信道衰减接近的特点，利用C′、D′、C″、D″以及它们的差值接近0来消减掉无线信道衰减值对噪声功率估计的影响，仅余留噪声变量和一部分信道衰减值的残差。

在对现有技术的研究和实践过程中，本发明的发明人发现，现有技术所提供的方案只能保证时频域分别存在时间选择性衰落和频率选择性衰落的情况，对同时存在时间选择性衰落和频率选择性衰落的无线信道，性能较差。

发明内容

本发明实施例提供一种噪声功率的估计方法、装置和通信系统，以提高噪声功率估计的准确性。

一种噪声功率的估计方法，包括：

在时频二维信号中选择出频域分布相同且时域相邻的RS对组成RS数据集合；

将选择的RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合；

将第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合；

将第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合；

根据第一时域数值集合估算时频二维信号的噪声功率估计值。

一种通信设备，包括：

选择单元，用于在时频二维信号中选择出频域分布相同且时域相邻的RS对组成RS数据集合；

频域一级运算单元，用于将选择单元选择的RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合；

频域二级运算单元，用于将频域一级运算单元运算得到的第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合；

时域运算单元，用于将频域二级运算单元运算得到的第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合；

噪声功率运算单元，用于根据时域运算单元运算得到第一时域数值集合估算时频二维信号的噪声功率估计值。

一种通信系统，包括：发送端设备和接收端设备；

发送端设备，用于发送时频二维信号给接收端设备；

接收端设备，用于接收发送端设备发送的时频二维信号，在接收到的时频二维信号中选择出频域分布相同且时域相邻的RS对组成RS数据集合，将选择的RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合，将第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合，将第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合，根据第一时域数值集合估算时频二维信号的噪声功率估计值。

本发明实施例采用对信道估计值在频域进行了多次相减运算后，再在时域进行了一次相减运算，即相当于对信道估计值在时域和频域进行了多次求导运算，根据无线信道的特点，其导数变化相对原信道估计值的变化会更加缓慢，从而使得相对于现有技术只在频域或时域进行一次相减运算而言，可以减小信道衰减对噪声功率估计的影响，使得即使是同时存在时间选择性衰落和频率选择性衰落的无线信道，也可以得到较为准确的噪声功率估计值。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是RS的二维时频结构图；

图2是现有技术所采用的时频点单元示意图；

图3是本发明实施例一提供的方法流程图；

图4是本发明实施例所采用的时频点单元示意图；

图5是本发明实施例所采用的时频点单元的另一个示意图；

图6是本发明实施例二提供的方法流程图；

图7是本发明实施例三提供的方法流程图；

图8是本发明实施例提供的网络设备的结构示意图；

图9是本发明实施例提供的网络设备的另一结构示意图；

图10是本发明实施例提供的通信系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种噪声功率的估计方法、装置和通信系统。以下分别进行详细说明。

实施例一、

一种噪声功率的估计方法，包括：在时频二维信号中选择出频域分布相同且时域相邻的RS对组成RS数据集合；将选择的RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合；将第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合；将第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合；根据第一时域数值集合估算时频二维信号的噪声功率估计值。参见图3，其具体流程可以如下：

101、在时频二维信号中选择出频域分布相同且时域相邻的RS对组成RS数据集合，比如在时频二维信号中依次选择出多个RS对组成RS数据集合，其中，每一个RS对包括两个频点相同且时域相邻的RS，参见图4和图5，图中的虚线框部分即为选择的数据集合；比如，在接收到的时频二维信号中依次选择出：“

和

”、“

和

”和“

和

”，等等。所述频域分布相同是指在频域上RS的分布样式相同，如图4中时域上i＝1和3的时刻RS的分布样式是相同的，并且对于所有RS的分布样式相同的时刻，i＝1和3的时刻是相邻的。

102、将选择的RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合。

例如，参见图4，在选择的RS数据集合中以6个RS的信道估计值为计算单元，依次选择出3对频点相同且时域相邻的RS的信道估计值，将选择的3对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值按照频点序号从小到大的顺序依次进行相减，使得每一个计算单元得到4个第一频域数值；为了描述方便，下面以一个计算单位为例进行说明，比如：

选择频点相同且时域相邻的3对RS的信道估计值：“和

”、“

和”以及“

和”，其中，“

和”、“

和

”、“

和”以及“

和

”为4对同一时刻的相邻频点的RS的信道估计值，将这4对同一时刻的相邻频点的RS的信道估计值进行相减运算，得到4个第一频域数值： $({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}}),({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}),({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})$ 以及

又例如，参见图5，在选择的数据集合中以8个RS的信道估计值为计算单元，依次选择出4对频点相同且时域相邻的RS的信道估计值，将选择的4对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值按照频点序号从小到大的顺序依次进行相减，使得每一个计算单元得到6个第一频域数值；为了描述方便，下面以一个计算单位为例进行说明，比如：

选择频点相同且时域相邻的4对RS的信道估计值：“

和

”、“

和

”、“

和

”以及“

和

”，其中，“

和

”、“

和

”、“

和

”、“

和

”、“

和

”以及“

和

”为6对同一时刻的相邻频点的RS的信道估计值，将这6对同一时刻的相邻频点的RS的信道估计值进行相减运算，得到6个第一频域数值： $({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}}),({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}),({\hat{H}}_{\mathrm{1,3}}-{\hat{H}}_{\mathrm{1,4}}),$ $({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}}),({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})$ 以及

103、将第一频域数值集合中同一时刻的相邻频点的第一频域数值再次进行频域相减，得到第二频域数值集合。

例如，如果在步骤102中是以6个RS的信道估计值为计算单元的话，则在本步骤中，将4个第一频域数值中同一时刻的相邻频点的第一频域数值进行相减，即将4个第一频域数值中同一时刻的第一频域数值按照频域序号从小到大的顺序依次再进行相减，使得每一个计算单元得到两个第二频域数值；比如，假设在步骤102中得到的4个第一频域数值为： $({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}}),({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}),({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})$ 以及

由于

和

的时刻均为“i＝1”，

以及

的时刻均为“i＝3”，因此，分别将这两对时刻相同的第一频域数值进行相减，得到2个第二频域数值：

和 $(({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})).$

又例如，如果在步骤102中是以8个RS的信道估计值为计算单元的话，则在本步骤中，将6个第一频域数值中同一时刻的相邻频点的第一频域数值进行相减，即将6个第一频域数值中同一时刻的第一频域数值按照频域序号从小到大的顺序依次再进行相减，使得每一个计算单元得到4个第二频域数值；比如，假设在步骤102中得到的6个第一频域数值为： $({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}}),({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}),({\hat{H}}_{\mathrm{1,3}}$ $-{\hat{H}}_{\mathrm{1,4}}),({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}}),({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})$ 以及

由于

和

的时刻均为“i＝1”，

和

的时刻均为“i＝3”，因此，分别将这两对时刻相同的第一频域数值进行相减，得到4个第二频域数值： $(({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})),\left(({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})\right)$ $-({\hat{H}}_{\mathrm{1,3}}-{\hat{H}}_{\mathrm{1,4}})),\left(({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})\right)-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}}))$ 和

104、将第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合。

例如，如果在步骤102中是以6个RS的信道估计值为计算单元的话，则在本步骤中，可以将两个第二频域数值进行时域相减，使得每一个计算单元得到1个第一时域数值；比如，假设在步骤103中得到2个第二频域数值为

和 $(({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})),$ 则此时可以将这两个第二频域数值进行相减，得到1个第一时域数值： $((({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-$ ${\hat{H}}_{\mathrm{1,3}}\left)\right)-(({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})))\text{.}$

又例如，如果在步骤102中是以8个RS的信道估计值为计算单元的话，则在本步骤中，将4个第二频域数值进行时域相减，使得每一个计算单元得到2个第一时域数值；比如，假设在步骤103中得到的得到4个第二频域数值为 $(({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})),(({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})-({\hat{H}}_{\mathrm{1,3}}-{\hat{H}}_{\mathrm{1,4}})),(({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}}))$ 和 $(({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})-({\hat{H}}_{\mathrm{3,3}}-{\hat{H}}_{\mathrm{3,4}})),$ 其中， $(({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}))$ 和 $(({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})-({\hat{H}}_{\mathrm{1,3}}-{\hat{H}}_{\mathrm{1,4}}))$ 的时刻均为“i＝1”，

和 $(({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})-\left({\hat{H}}_{\mathrm{3,3}}\right)-{\hat{H}}_{\mathrm{3,4}}))$ 的时刻均为“i＝3”，所以此时可以将这4个第二频域数值进行两两的时域相减，得到2个第一时域数值： $((({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{1,2})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}))-(({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})-({\hat{H}}_{\mathrm{1,3}}-{\hat{H}}_{\mathrm{1,4}})))$ 和 $((({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}}))-(({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})-({\hat{H}}_{\mathrm{3,3}}-{\hat{H}}_{\mathrm{3,4}}))).$

105、根据第一时域数值集合估算所有接收到的时频二维信号的噪声功率估计值。

例如，如果在步骤102中是以6个RS的信道估计值为计算单元的话，则在本步骤中，将第一时域数值的模的平方除以12，以计算每两个频点相同的RS的噪声功率均值，根据每两个频点相同的RS的噪声功率均值估算所有接收到的时频二维信号的噪声功率均值。比如，假设在步骤104中得到1个第一时域数值： $((({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}))-(({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}}))),$ 则时刻i＝1与i＝3的信号的噪声功率均值为：

${\widehat{\mathrm{\σ}}}_1^2=\frac{1}{M-2}\underset{j=2}{\overset{M-1}{\mathrm{\Σ}}}{|(({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}))-(({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}}))|}^2\text{/12}$

可以以同样的方法算出其他时刻的信号的噪声功率均值，然后进所有时刻的信号的噪声功率均值进行求和后算均值，即可得到噪声功率的估计值

如下：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{N/2}\underset{i=1}{\overset{N/2}{\mathrm{\Σ}}}{\widehat{\mathrm{\σ}}}_i^2$

当然，还可以对第一时域数值再进行一次频域相减，即根据第一时域数值集合计算时频二维信号的噪声功率估计值可以包括：

将第一时域数值集合中的第一时域数值进行频域相减，得到第三频域数值集合；根据第三频域数值集合计算时频二维信号的噪声功率估计值。

例如，如果在步骤102中是以8个RS的信道估计值为计算单元的话，则在本步骤中，可以将2个第一时域数值进行频域相减，使得每一个计算单元得到1个第三频域数值；将第三频域数值的模的平方除以40，以计算每两个频点相同的RS的噪声功率均值，根据每两个RS频点相同的信号的噪声功率均值估算所有接收到的时频二维信号的噪声功率均值。比如，假设在步骤104中得到2个第一时域数值： $((({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}))-(({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})-({\hat{H}}_{\mathrm{1,3}}-{\hat{H}}_{\mathrm{1,4}})))$ 和 $((({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}}))-(({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})-({\hat{H}}_{\mathrm{3,3}}-{\hat{H}}_{\mathrm{3,4}}))),$ 则将这2个第一时域数值相减得到：

$((({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}))-(({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})-({\hat{H}}_{\mathrm{1,3}}-{\hat{H}}_{\mathrm{1,4}})))-$

$((({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}}))-(({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})-({\hat{H}}_{\mathrm{3,3}}-{\hat{H}}_{\mathrm{3,4}})))$

$=((({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}))-(({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})))$

$-((({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})-({\hat{H}}_{\mathrm{1,3}}-{\hat{H}}_{\mathrm{1,4}}))-(({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})-({\hat{H}}_{\mathrm{3,3}}-{\hat{H}}_{\mathrm{3,4}})))$

则时刻i＝1与i＝3的信号的噪声功率均值为：

${\widehat{\mathrm{\σ}}}_1^2=\frac{1}{M-2}\underset{j=2}{\overset{M-1}{\mathrm{\Σ}}}|(({\hat{H}}_{\mathrm{1,1}}-{\hat{H}}_{\mathrm{1,2}})-({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}}))-(({\hat{H}}_{\mathrm{3,1}}-{\hat{H}}_{\mathrm{3,2}})-({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}}))$

$-(({\hat{H}}_{\mathrm{1,2}}-{\hat{H}}_{\mathrm{1,3}})-({\hat{H}}_{\mathrm{1,3}}-{\hat{H}}_{\mathrm{1,4}}))-(({\hat{H}}_{\mathrm{3,2}}-{\hat{H}}_{\mathrm{3,3}})-({\hat{H}}_{\mathrm{3,3}}-{\hat{H}}_{\mathrm{3,4}})){|}^2/40$

可以以同样的方法算出其他时刻的信号的噪声功率均值，然后对所有时刻的信号的噪声功率均值进行求和后算均值，即可得到噪声功率的估计值

如下：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{N/2}\underset{i=1}{\overset{N/2}{\mathrm{\Σ}}}{\widehat{\mathrm{\σ}}}_i^2$

由上可知，本实施例采用对信道估计值在频域进行了多次相减运算后，再在时域进行了一次相减运算，即相当于对信道估计值在时域和频域进行了多次求导运算，根据无线信道的特点，其导数变化相对原信道估计值的变化会更加缓慢，从而使得相对于现有技术只在频域或时域进行一次相减运算而言，可以减小信道衰减残差对噪声功率估计的影响，使得即使是同时存在时间选择性衰落和频率选择性衰落的无线信道，也可以得到较为准确的噪声功率估计值。在本实施例中，在根据第一时域数值集合估算时频二维信号的噪声功率估计值时，可以将所述每两个频点相同的RS的噪声功率均值直接作为时频二维信号的噪声功率估计值；也可以像之前实施例的描述一样，求出多个每两个频点相同的RS的噪声功率均值的平均值并将该平均值作为时频二维信号的噪声功率估计值，从而进一步提高噪声功率估计的准确性。当然，还可以求出多个每两个频点相同的RS的噪声功率均值的加权平均值，并将所述加权平均值作为时频二维信号的噪声功率估计值。只要以每两个频点相同的RS的噪声功率均值为基础，可以有多种估算噪声功率估计值的方法，本实施例对此不进行限定。

实施例二、

根据实施例一所描述的方法，在本实施例和实施例三中将举例作进一步详细说明。当然前提是，发送端按协议的规定，在时间域和频率域按照时频二维结构图中，在指定位置放置RS信号，接收端能够获知这些RS信号的时频位置，且能够获知这些RS信号的数据内容。

在本实施例中，选择RS配置频点相同且时域相邻的6个RS的信道估计值为一个计算单位，如i＝1、i＝3中的j＝1…3的6个数值计算出一个噪声功率估值，并以此类推计算出这两个时刻的所有噪声功率估值；再以相似方法计算出i＝2、i＝4对应的噪声功率估值。若系统中有多个这样的子帧，则噪声功率估值为多个子帧对应数值的均值，如下：

其中，每6个信道估计值的噪声功率计算方法为：

$E\left({|(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))|}^2\right)$

$=E((({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))\×$

$(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})*)$

$=E(((H_{i,j-1}-H_{i,j})-(H_{i,j}-H_{i,j+1}))-((H_{i+2,j-1}-H_{i+2,j})-(H_{i+2,j}-H_{i+2,j+1}))\×$

$((H_{i,j-1}-H_{i,j})-(H_{i,j}-H_{i,j+1}))-((H_{i+2,j-1}-H_{i+2,j})-(H_{i+2,j}-H_{i+2,j+1}))*)$

$+E((({\mathrm{\ϵ}}_{i,j-1}-{\mathrm{\ϵ}}_{i,j})-({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1}))-(({\mathrm{\ϵ}}_{i+2,j-1}-{\mathrm{\ϵ}}_{i+2,j})-({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1}))\×$

$(({\mathrm{\ϵ}}_{i,j-1}-{\mathrm{\ϵ}}_{i,j})-({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1}))-(({\mathrm{\ϵ}}_{i+2,j-1}-{\mathrm{\ϵ}}_{i+2,j})-({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1}))*)$

其中，信道衰减在每6个噪声估计值中占的分量为：

E(((H_i，j-1-H_i，j)-(H_i，j-H_i，j+1))-((H_i+2，j-1-H_i+2，j)-(H_i+2，j-H_i+2，j+1))×((H_i，j-1-H_i，j)-(H_i，j-H_i，j+1))-((H_i+2，j-1-H_i+2，j)-(H_i+2，j-H_i+2，j+1))*)

噪声变量在每6个噪声估计值中占的分量为：

E(((ε_i，j-1-ε_i，j)-(ε_i，j-ε_i，j+1))-((ε_i+2，j-1-ε_i+2，j)-(ε_i+2，j-ε_i+2，j+1))×((ε_i，j-1-ε_i，j)-(ε_i，j-ε_i，j+1))-((ε_i+2，j-1-ε_i+2，j)-(ε_i+2，j-ε_i+2，j+1))*)

由于噪声变量为独立同分布变量，其共轭变量也为独立同分布变量，根据公式 $E\left({\left|{\mathrm{\ϵ}}_{i,j}\right|}^2\right)={\widehat{\mathrm{\σ}}}_n^2$ 和E(|ε_i，jε_i′，j′|)＝0，可以得出噪声变量为：

$E((({\mathrm{\ϵ}}_{i,j-1}-{\mathrm{\ϵ}}_{i,j})-({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1}))-(({\mathrm{\ϵ}}_{i+2,j-1}-{\mathrm{\ϵ}}_{i+2,j})-({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1}))\×$

$(({\mathrm{\ϵ}}_{i,j-1}-{\mathrm{\ϵ}}_{i,j})-({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1}))-(({\mathrm{\ϵ}}_{i+2,j-1}-{\mathrm{\ϵ}}_{i+2,j})-({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1}))*)$

$=E\left(2{\left|{\mathrm{\ϵ}}_{i,j}\right|}^2\right)+E\left({\left|{\mathrm{\ϵ}}_{i,j+1}\right|}^2\right)+E\left({\left|{\mathrm{\ϵ}}_{i,j-1}\right|}^2\right)+E\left(2{\left|{\mathrm{\ϵ}}_{i+2,j}\right|}^2\right)+E\left({\left|{\mathrm{\ϵ}}_{i+2,j+1}\right|}^2\right)+E\left({\left|{\mathrm{\ϵ}}_{i+2,j-1}\right|}^2\right)$

$=12{\mathrm{\σ}}_n^2$

假定信道衰减与0接近，则对每两个同RS频点位置的信号如OFDM符号而言，其噪声功率估值为：

${\widehat{\mathrm{\σ}}}_i^2=\frac{1}{M-2}\underset{j=2}{\overset{M-1}{\mathrm{\Σ}}}{|(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))|}^2/12$

则，可推出，对所有接收到的时频二维信号，比如所有OFDM符号，其噪声功率估值为：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{N/2}\underset{i=1}{\overset{N/2}{\mathrm{\Σ}}}{\widehat{\mathrm{\σ}}}_i^2$

根据上述的推导可知，噪声功率的估计方法的具体流程可以如下，参见图6：

201、在时频二维信号中选择出频域分布相同且时域相邻的RS对组成RS数据集合，比如在接收到的时频二维信号中依次选择出RS对组成RS数据集合，其中，每一个RS对包括两个频点相同且时域相邻的RS，例如，“和

”、“和”和“

和

”，参见图4。

202、在选择的RS数据集合中以6个RS的信道估计值为计算单元，依次选择出3对频点相同且时域相邻的RS的信道估计值(即选择6个RS的信道估计值)，将选择的3对RS的信道估计值(即6个RS的信道估计值)中同一时刻的相邻频点的RS的信道估计值按照频点序号从小到大的顺序依次进行相减，使得每一个计算单元得到4个第一频域数值，如下：

选择频点相同且时域相邻的3对RS的信道估计值：“

和

”、“

和

”和“

和”；

其中，“

和

”、“

和”、“和

”以及“

和

”为4对同一时刻的相邻频点的RS的信道估计值，将这4对同一时刻的相邻频点的RS的信道估计值进行相减运算，得到4个第一频域数值，如下：

$({\hat{H}}_{i,j-1}-{\hat{H}}_{i+2,j-1}),({\hat{H}}_{i,j}-{\hat{H}}_{i+2,j}),({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})$ 以及

203、将每一个计算单元中的4个第一频域数值中同一时刻的第一频域数值按照频域序号从小到大的顺序依次再进行相减，使得每一个计算单元得到两个第二频域数值，如下：

$(({\hat{H}}_{i,j-1}-{\hat{H}}_{i+2,j-1})-({\hat{H}}_{i,j}-{\hat{H}}_{i+2,j})),$ 以及

$(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))$

204、将两个第二频域数值进行时域相减，使得每一个计算单元得到1个第一时域数值，如下：

$(({\hat{H}}_{i,j-1}-{\hat{H}}_{i+2,j-1})-({\hat{H}}_{i,j}-{\hat{H}}_{i+2,j}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))$

205、将第一时域数值的模的平方除以12，以计算每两个频点相同的RS的噪声功率均值，如下：

${\widehat{\mathrm{\σ}}}_i=\frac{1}{M-2}\underset{j=2}{\overset{M-1}{\mathrm{\Σ}}}{|(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))|}^2/12$

进而可得到所有接收到的时频二维信号的噪声功率均值，即噪声功率的估计值如下：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{N/2}\underset{i=1}{\overset{N/2}{\mathrm{\Σ}}}{\widehat{\mathrm{\σ}}}_i^2$

由上可知，本实施例采用对信道估计值在频域进行了多次相减运算后，再在时域进行了一次相减运算，即相当于对信道估计值在时域和频域进行了多次求导运算，根据无线信道的特点，其导数变化相对原信道估计值的变化会更加缓慢，从而使得相对于现有技术只在频域或时域进行一次相减运算而言，可以减小信道衰减因素对噪声功率估计的影响，使得即使是同时存在时间选择性衰落和频率选择性衰落的无线信道，也可以得到较为准确的噪声功率估计值。

实施例三、

与实施例二不同的是，在本实施例中，选择RS配置频点相同且时域相邻的8个信道估计值为一个计算单位，如i＝1、i＝3中的j＝1…4的8个数值计算出一个噪声功率估值，并以此类推计算出这两个时刻的所有噪声功率估值；再以相似方法计算出i＝2、i＝4对应的噪声功率估值。若系统中有多个这样的子帧，则噪声功率估值为多个子帧对应数值的均值，如下：

其中，每8个信道估计值的噪声功率计算方法为：

$E\left(\right|(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))$

$-(({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1})-({\hat{H}}_{i,j+1}-{\hat{H}}_{i,j+2}))-(({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})-({\hat{H}}_{i+2,j+1}-{\hat{H}}_{i+2,j+2})){|}^2)$

$=E(((({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))$

$-(({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1})-({\hat{H}}_{i,j+1}-{\hat{H}}_{i,j+2}))-(({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})-({\hat{H}}_{i+2,j+1}-{\hat{H}}_{i+2,j+2})))\×$

$((({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-\left({\hat{H}}_{i+2,j+1}\right)))*)$

$=E((((H_{i,j-1}-H_{i,j})-(H_{i,j}-H_{i,j+1}))-((H_{i+2,j-1}-H_{i+2,j})-(H_{i+2,j}-H_{i+2,j+1}))$

$-((H_{i,j}-H_{i,j+1})-(H_{i,j+1}-H_{i,j+2}))-((H_{i+2,j}-H_{i+2,j+1})-(H_{i+2,j+1}-H_{i+2,j+2})))\×$

$(((H_{i,j-1}-H_{i,j})-(H_{i,j}-H_{i,j+1}))-((H_{i+2,j-1}-H_{i+2,j})-(H_{i+2,j}-H_{i+2,j+1}))$

$-((H_{i,j}-H_{i,j+1})-(H_{i,j+1}-H_{i,j+2}))-((H_{i+2,j}-H_{i+2,j+1})-(H_{i+2,j+1}-H_{i+2,j+2})))*)$

$+E(((({\mathrm{\ϵ}}_{i,j-1}-{\mathrm{\ϵ}}_{i,j})-({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1}))-(({\mathrm{\ϵ}}_{i+2,j-1}-{\mathrm{\ϵ}}_{i+2,j})-({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1}))$

$-(({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1})-({\mathrm{\ϵ}}_{i,j+1}-{\mathrm{\ϵ}}_{i,j+1=2}))-(({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1})-({\mathrm{\ϵ}}_{i+2,j+1}-{\mathrm{\ϵ}}_{i+2,j+2})))\×$

$((({\mathrm{\ϵ}}_{i,j-1}-{\mathrm{\ϵ}}_{i,j})-({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1}))-(({\mathrm{\ϵ}}_{i+2,j-1}-{\mathrm{\ϵ}}_{i+2,j})-({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1}))$

$-(({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1})-({\mathrm{\ϵ}}_{i,j+1}-{\mathrm{\ϵ}}_{i,j+1=2}))-(({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1})-({\mathrm{\ϵ}}_{i+2,j+1}-{\mathrm{\ϵ}}_{i+2,j+2})))*)$

其中，信道衰减在每8个噪声估计值中占的分量为：

E((((H_i，j-1-H_i，j)-(H_i，j-H_i，j+1))-((H_i+2，j-1-H_i+2，j)-(H_i+2，j-H_i+2，j+1))-((H_i，j-H_i，j+1)-(H_i，j+1-H_i，j+2))-((H_i+2，j-H_i+2，j+1)-(H_i+2，j+1-H_i+2，j+2)))×(((H_i，j-1-H_i，j)-(H_i，j-H_i，j+1))-((H_i+2，j-1-H_i+2，j)-(H_i+2，j-H_i+2，j+1))-((H_i，j-H_i，j+1)-(H_i，j+1-H_i，j+2))-((H_i+2，j-H_i+2，j+1)-(H_i+2，j+1-H_i+2，j+2)))*)

噪声变量在每6个噪声估计值中占的分量为：

E((((ε_i，j-1-ε_i，j)-(ε_i，j-ε_i，j+1))-((ε_i+2，j-1-ε_i+2，j)-(ε_i+2，j-ε_i+2，j+1))-((ε_i，j-ε_i，j+1)-(ε_i，j+1-ε_i，j+1＝2))-((ε_i+2，j-ε_i+2，j+1)-(ε_i+2，j+1-ε_i+2，j+2)))×(((ε_i，j-1-ε_i，j)-(ε_i，j-ε_i，j+1))-((ε_i+2，j-1-ε_i+2，j)-(ε_i+2，j-ε_i+2，j+1))-((ε_i，j-ε_i，j+1)-(ε_i，j+1-ε_i，j+1＝2))-((ε_i+2，j-ε_i+2，j+1)-(ε_i+2，j+1-ε_i+2，j+2)))*)

由于噪声变量为独立同分布变量，其共轭变量也为独立同分布变量，根据公式 $E\left({\left|{\mathrm{\ϵ}}_{i,j}\right|}^2\right)={\widehat{\mathrm{\σ}}}_n^2$ 和E(|ε_i，jε_i′，j′|²)＝0，可以得出噪声变量为：

$E(((({\mathrm{\ϵ}}_{i,j-1}-{\mathrm{\ϵ}}_{i,j})-({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1}))-(({\mathrm{\ϵ}}_{i+2,j-1}-{\mathrm{\ϵ}}_{i+2,j})-({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1}))$

$-(({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1})-({\mathrm{\ϵ}}_{i,j+1}-{\mathrm{\ϵ}}_{i,j+1=2}))-(({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1})-({\mathrm{\ϵ}}_{i+2,j+1}-{\mathrm{\ϵ}}_{i+2,j+2})))\×$

$((({\mathrm{\ϵ}}_{i,j-1}-{\mathrm{\ϵ}}_{i,j})-({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1}))-(({\mathrm{\ϵ}}_{i+2,j-1}-{\mathrm{\ϵ}}_{i+2,j})-({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1}))$

$-(({\mathrm{\ϵ}}_{i,j}-{\mathrm{\ϵ}}_{i,j+1})-({\mathrm{\ϵ}}_{i,j+1}-{\mathrm{\ϵ}}_{i,j+1=2}))-(({\mathrm{\ϵ}}_{i+2,j}-{\mathrm{\ϵ}}_{i+2,j+1})-({\mathrm{\ϵ}}_{i+2,j+1}-{\mathrm{\ϵ}}_{i+2,j+2})))*)$

$=40{\mathrm{\σ}}_n^2$

根据真实的无线通信系统的信道衰减特性，上述的信道衰减与0接近，则对每两个 同RS频点位置的信号如OFDM符号而言，其噪声功率估值为：

${\widehat{\mathrm{\σ}}}_i^2=\frac{1}{M-2}\underset{j=2}{\overset{M-1}{\mathrm{\Σ}}}|(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))$

$-(({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1})-({\hat{H}}_{i,j+1}-{\hat{H}}_{i,j+2}))-(({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})-({\hat{H}}_{i+2,j+1}-{\hat{H}}_{i+2,j+2})){|}^2/40$

则，可推出，对所有接收到的时频二维信号，比如所有OFDM符号，其噪声功率估值为：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{N/2}\underset{i=1}{\overset{N/2}{\mathrm{\Σ}}}{\widehat{\mathrm{\σ}}}_i^2$

根据上述的推导可知，噪声功率的估计方法的具体流程可以如下，参见图7：

301、在时频二维信号中选择出频域分布相同且时域相邻的RS对组成RS数据集合，比如在接收到的时频二维信号中依次选择出RS对组成RS数据集合，其中，每一个RS对包括两个频点相同且时域相邻的RS，例如，“

和

”、“

和

”、“

和

”以及“

和

”，参见图5。

302、在选择的RS数据集合中以8个RS的信道估计值为计算单元，依次选择出4对频点相同且时域相邻的RS的信道估计值(即选择8个RS的信道估计值)，将选择的4对RS的信道估计值(即8个信道估计值)中同一时刻的相邻频点的RS的信道估计值按照频点序号从小到大的顺序依次进行相减，使得每一个计算单元得到6个第一频域数值，如下：

选择频点相同且时域相邻的4对RS的信道估计值：“

和

”、“

和”、“

和

”以及“

和

”；

其中，“

和”、“

和

”、“

和”、“

和

”“

和

”以及“

和

”为6对同一时刻的相邻频点的RS的信道估计值，将这6对同一时刻的相邻频点的RS的信道估计值进行相减运算，得到6个第一频域数值，如下：

$({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j}),({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}),({\hat{H}}_{i,j+1}-{\hat{H}}_{i,j+2}),({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j}),({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})$ 以及

303、将每一个计算单元中的6个第一频域数值中同一时刻的第一频域数值按照频域序号从小到大的顺序依次再进行相减，使得每一个计算单元得到4个第二频域数值，如下：

$(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1})),(({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1})-({\hat{H}}_{i,j+1}-{\hat{H}}_{i,j+2})),$ $(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))$ 以及 $(({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})-({\hat{H}}_{i+2,j+1}-{\hat{H}}_{i+2,j+1})).$

304、将4个第二频域数值进行时域相减，使得每一个计算单元得到2个第一时域数值，如下：

$((({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1})-({\hat{H}}_{i,j+1}-{\hat{H}}_{i,j+2}))),$ 以及

$((({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1}))-(({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})-({\hat{H}}_{i+2,j+1}-{\hat{H}}_{i+2,j+1}))).$

305、将2个第一时域数值进行频域相减，使得每一个计算单元得到1个第三频域数值；将第三频域数值的模的平方除以40，以计算每两个频点相同的承载了RS的OFDM符号的噪声功率均值，如下：

${\widehat{\mathrm{\σ}}}_i^2=\frac{1}{M-2}\underset{j=2}{\overset{M-1}{\mathrm{\Σ}}}|((({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1})-({\hat{H}}_{i,j+1}-{\hat{H}}_{i,j+2})))-$

$-\left((({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})\right)-(({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})-({\hat{H}}_{i+2,j+1}-{\hat{H}}_{i+2,j+1}))){|}^2$

进而可得到噪声功率的估计值

如下：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{N/2}\underset{i=1}{\overset{N/2}{\mathrm{\Σ}}}{\widehat{\mathrm{\σ}}}_i^2$

由上可知，本实施例采用对信道估计值在频域进行了多次相减运算后，再在时域进行了一次相减运算，即相当于对信道估计值在时域和频域进行了多次求导运算，根据无线信道的特点，其导数变化相对原信道估计值的变化会更加缓慢，从而使得相对于现有技术只在频域或时域进行一次相减运算而言，可以减小信道衰减残差对噪声功率估计的影响，使得即使是同时存在时间选择性衰落和频率选择性衰落的无线信道，也可以得到较为准确的噪声功率估计值。本实施例相对了实施例二而言，在时域相减后，又进一步对数据再进行频域相减，因此可以进一步降低的信道衰减带来的影响，是实施例一的扩展和补充。

实施例四、

为了更好地实施以上方法，本发明实施例相应地提供了一种通信设备，如图8和图9所示，该通信设备包括选择单元401、频域一级运算单元402、频域二级运算单元403、时域运算单元404和噪声功率运算单元405；

选择单元401，用于在时频二维信号中选择出频域分布相同且时域相邻的RS对组成RS数据集合；即在时频二维信号中选择出多个RS对组成RS数据集合，其中，每个RS对包括两个频点相同且时域相邻的RS；比如，“

和

”、“

和

”和“

和

”，等等。

频域一级运算单元402，用于将选择单元401选择的RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合；

例如，选择单元401选择了RS频点相同且时域相邻的3对信道估计值：“

和

”、“

和

”和“

和”，其中，“

和

”、“和

”、“

和

”以及“

和”为4对同一时刻的相邻频点的RS的信道估计值，则频域一级运算单元402将这4对同一时刻的相邻频点的RS的信道估计值进行相减运算，得到4个第一频域数值：

$({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}),({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})$ 以及

频域二级运算单元403，用于将频域一级运算单元402运算得到的第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合；

例如，假设得到的4个第一频域数值为 $({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j}),({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}),$

以及

则得到第二频域数值为： $(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1})),$ 以及 $(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})).$

时域运算单元404，用于将频域二级运算单元403运算得到的第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合；

例如，假设得到第二频域数值为： $(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1})),$ 以及 $(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})),$ 则得到第一时域数值为： $(({\hat{H}}_{i,j-1}-{\hat{H}}_{i,j})-({\hat{H}}_{i,j}-{\hat{H}}_{i,j+1}))-(({\hat{H}}_{i+2,j-1}-{\hat{H}}_{i+2,j})-({\hat{H}}_{i+2,j}-{\hat{H}}_{i+2,j+1})).$

噪声功率运算单元405，用于根据时域运算单元404运算得到第一时域数值集合计算时频二维信号的噪声功率估计值。具体可参见方法实施例，在此不再赘述。

其中，如图8所示，频域一级运算单元402可以包括第一选择子单元4021和第一运算子单元4022；

第一选择子单元4021，用于在选择单元401选择的RS数据集合中以6个RS的信道估计值为计算单元，依次选择出3对RS频点相同且时域相邻的RS的信道估计值；

第一运算子单元4022，用于将第一选择子单元4021选择的3对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值进行相减，使得每一个计算单元得到4个第一频域数值；

频域二级运算单元403，用于将第一运算子单元4022运算得到的4个第一频域数值中同一时刻的相邻频点的第一频域数值进行相减，使得每一个计算单元得到两个第二频域数值；

时域运算单元404，用于将频域二级运算单元403运算得到的两个第二频域数值进行时域相减，使得每一个计算单元得到1个第一时域数值；

噪声功率运算单元405，用于将时域运算单元404运算得到的第一时域数值的模的平方除以12，以计算每两个频点相同的RS的噪声功率均值，根据每两个频点相同的RS的噪声功率均值估算时频二维信号的噪声功率估计值。

如图9所示，噪声功率运算单元405可以包括频域三级运算子单元4051和功率运算子单元4052；

频域三级运算子单元4051，用于将时域运算单元404运算得到的第一时域数值集合中的第一时域数值进行频域相减，得到第三频域数值集合；

功率运算子单元4052，用于根据频域三级运算子单元4051运算得到的第三频域数值集合计算时频二维信号的噪声功率估计值。

相应的，参见图9，频域一级运算单元402包括第二选择子单元4023和第二运算子单元4024；

第二选择子单元4023，用于在选择单元401选择的RS数据集合中以8个RS的信道估计值为计算单元，依次选择出4对频点相同且时域相邻的RS的信道估计值；

第二运算子单元4024，用于将第二选择子单元4023选择的4对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值进行相减，使得每一个计算单元得到6个第一频 域数值；

频域二级运算单元403，用于将第二运算子单元4024运算得到的6个第一频域数值中同一时刻的相邻频点的第一频域数值进行相减，使得每一个计算单元得到4个第二频域数值；

时域运算单元404，用于将频域二级运算单元403运算得到的4个第二频域数值进行时域相减，使得每一个计算单元得到2个第一时域数值；

频域三级运算子单元4051，用于将时域运算单元404运算得到的2个第一时域数值进行频域相减，使得每一个计算单元得到1个第三频域数值；

功率运算子单元4052，用于将频域三级运算子单元4051运算得到的第三频域数值的模的平方除以40，以计算每两个频点相同的RS的噪声功率均值，根据每两个频点相同的RS的噪声功率均值估算时频二维信号的噪声功率估计值。

以上各个单元的具体实施可参见前面实施例，在此不再赘述。

需说明的是，其中，频域三级运算子单元4051也可以作为一个独立于噪声功率运算单元405的单元，比如，可以称为频域三级运算单元，此时：

频域三级运算单元，用于将时域运算单元404运算得到的第一时域数值集合中的第一时域数值进行频域相减，得到第三频域数值集合；

噪声功率运算单元405，用于根据频域三级运算单元运算得到的第三频域数值集合计算时频二维信号的噪声功率估计值。

由上可知，本实施例的通信设备利用选择单元401选择合适的RS信号的信道估计值后，由频域一级运算单元402和频域二级运算单元403对信道估计值在频域进行了多次相减运算后，再由时域运算单元404在时域进行了一次相减运算，即相当于对信道估计值在时域和频域进行了多次求导运算，根据无线信道的特点，其导数变化相对原信道估计值的变化会更加缓慢，从而使得相对于现有技术只在频域或时域进行一次相减运算而言，可以减小信道衰减对噪声功率估计的影响，使得即使是同时存在时间选择性衰落和频率选择性衰落的无线信道，也可以得到较为准确的噪声功率估计值。该通信设备可以是基站设备或终端设备，后者是更为常见的应用。

实施例五、

相应地，本发明实施例还提供一种通信系统，如图10所示，该通信系统包括发送端设备501和接收端设备502；

发送端设备501，用于发送时频二维信号给接收端设备502；

接收端设备502，用于接收发送端501设备发送的时频二维信号，在接收到的时频二维信号中选择出频域分布相同且时域相邻的参考信号RS对组成RS数据集合，将选择的RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合，将第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合，将第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合，根据第一时域数值集合计算时频二维信号的噪声功率估计值；例如，可以根据第一时域数值集合直接计算所有接收到的时频二维信号的噪声功率均值以得到时频二维信号的噪声功率估计值，或可在第一时域数值集合计算后，将第一时域数值同一时刻的集合再次进行频域相减，得到第三频域数值集合，根据第三频域数值集合计算所有接收到的时频 二维信号的噪声功率均值以得到时频二维信号的噪声功率估计值。

接收端设备502，具体用于在选择的数据集合中以6个RS的信道估计值为计算单元，依次选择出3对频点相同且时域相邻的RS的信道估计值(即选择6个RS的信道估计值)，将选择的3对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值按照频点序号从小到大的顺序依次进行相减，使得每一个计算单元得到4个第一频域数值；将4个第一频域数值中同一时刻的第一频域数值按照频域序号从小到大的顺序依次再进行相减，使得每一个计算单元得到两个第二频域数值；将两个第二频域数值进行时域相减，使得每一个计算单元得到1个第一时域数值；将第一时域数值的模的平方除以12以计算每两个频点相同的RS的噪声功率均值，根据每两个频点相同的RS的噪声功率均值计算时频二维信号的噪声功率估计值。

或者，接收端设备502，具体用于在选择的数据集合中以8个RS的信道估计值为计算单元，依次选择出4对频点相同且时域相邻的RS的信道估计值(即选择RS的信道估计值8个)，将选择的4对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值按照频点序号从小到大的顺序依次进行相减，使得每一个计算单元得到6个第一频域数值；将6个第一频域数值中同一时刻的第一频域数值按照频域序号从小到大的顺序依次再进行相减，使得每一个计算单元得到4个第二频域数值；将4个第二频域数值进行时域相减，使得每一个计算单元得到2个第一时域数值；将2个第一时域数值进行频域相减，使得每一个计算单元得到1个第三频域数值；将第三频域数值的模的平方除以40，以计算每两个频点相同的RS的噪声功率均值，根据每两个频点相同的RS的噪声功率均值计算时频二维信号的噪声功率估计值。

该通信系统的具体实施可参见前面实施例，在此不再赘述。

由上可知，本实施例的通信系统采用对信道估计值在频域进行了多次相减运算后，再在时域进行了一次相减运算，即相当于对信道估计值在时域和频域进行了多次求导运算，根据无线信道的特点，其导数变化相对原信道估计值的变化会更加缓慢，从而使得相对于现有技术只在频域或时域进行一次相减运算而言，可以减小信道衰减对噪声功率估计的影响，使得即使是同时存在时间选择性衰落和频率选择性衰落的无线信道，也可以得到较为准确的噪声功率估计值。进一步的，该通信系统还可以在时域相减后，又进一步对数据再进行频域相减，使得可以进一步降低的信道衰减带来的影响。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

以上对本发明实施例所提供的一种噪声功率的估计方法、装置和通信系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。需要特别说明的是，本发明实施例通过在时频二维信号中引入计算单元来描述噪声功率估计过程，但这样的描述只是为了便于本领域技术人员的理解，而不应被理解是对本发明实施例的限定。只要针对频域上相邻参考信号进行至少一次 相减，再将得到的结果在时域进行相减运算，即可减少时间选择性衰落和频率选择性衰落对噪声功率估计的影响。

Claims (10)

1.一种噪声功率的估计方法，其特征在于，包括：

在时频二维信号中选择出频域分布相同且时域相邻的参考信号RS对组成RS数据集合；

将所述RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合；

将第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合；

将第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合；

根据第一时域数值集合估算时频二维信号的噪声功率估计值。

2.根据权利要求1所述的方法，其特征在于，

所述将RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合包括：在RS数据集合中以6个RS的信道估计值为计算单元，选择出3对频点相同且时域相邻的RS的信道估计值，将选择的3对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值进行相减，使得每一个计算单元得到4个第一频域数值；

所述将第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合包括：将4个第一频域数值中同一时刻的相邻频点的第一频域数值进行相减，使得每一个计算单元得到两个第二频域数值；

所述将第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值包括：将两个第二频域数值进行时域相减，使得每一个计算单元得到1个第一时域数值；

所述根据第一时域数值集合估算时频二维信号的噪声功率估计值包括：将第一时域数值的模的平方除以12，得到每两个频点相同的RS的噪声功率均值，根据每两个频点相同的RS的噪声功率均值估算时频二维信号的噪声功率估计值。

3.根据权利要求1所述的方法，其特征在于，所述根据第一时域数值集合估算时频二维信号的噪声功率估计值包括：

将第一时域数值集合中的第一时域数值进行频域相减，得到第三频域数值集合；

根据第三频域数值集合估算时频二维信号的噪声功率估计值。

4.根据权利要求3所述的方法，其特征在于，

所述将RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合包括：在RS数据集合中以8个RS的信道估计值为计算单元，选择出4对频点相同且时域相邻的RS的信道估计值，将选择的4对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值进行相减，使得每一个计算单元得到6个第一频域数值；

所述将第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合包括：将6个第一频域数值中同一时刻的相邻频点的第一频域数值进行相减，使得每一个计算单元得到4个第二频域数值；

所述将第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值包括：将4个第二频域数值进行时域相减，使得每一个计算单元得到2个第一时域数值；

所述根据第一时域数值集合估算所有输入信号的噪声功率估计值包括：将2个第一时域数值进行频域相减，使得每一个计算单元得到1个第三频域数值；将第三频域数值的模的平方除以40，得到每两个频点相同的RS的噪声功率均值，根据每两个频点相同的RS的噪声功率均值估算时频二维信号的噪声功率估计值。

5.根据权利要求2或4所述的方法，其特征在于，所述根据每两个频点相同的RS的噪声功率均值估算时频二维信号的噪声功率估计值包括：

获取多个所述每两个频点相同的RS的噪声功率均值的平均值，并将所述平均值作为估算出的时频二维信号的噪声功率估计值。

6.一种通信设备，其特征在于，包括：

选择单元，用于在时频二维信号中选择出频域分布相同且时域相邻的参考信号RS对组成RS数据集合；

频域一级运算单元，用于将选择单元选择的RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合；

频域二级运算单元，用于将频域一级运算单元运算得到的第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合；

时域运算单元，用于将频域二级运算单元运算得到的第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合；

噪声功率运算单元，用于根据时域运算单元运算得到第一时域数值集合估算时频二维信号的噪声功率估计值。

7.根据权利要求6所述的通信设备，其特征在于，所述频域一级运算单元包括第一选择子单元和第一运算子单元；

第一选择子单元，用于在选择单元选择的RS数据集合中以6个RS的信道估计值为计算单元，选择出3对频点相同且时域相邻的RS的信道估计值；

第一运算子单元，用于将第一选择子单元选择的3对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值进行相减，使得每一个计算单元得到4个第一频域数值；

所述频域二级运算单元，用于将第一运算子单元运算得到的4个第一频域数值中同一时刻的相邻频点的第一频域数值进行相减，使得每一个计算单元得到两个第二频域数值；

所述时域运算单元，用于将频域二级运算单元运算得到的两个第二频域数值进行时域相减，使得每一个计算单元得到1个第一时域数值；

所述噪声功率运算单元，用于将时域运算单元运算得到的第一时域数值的模的平方除以12，得到每两个频点相同的RS的噪声功率均值，根据每两个频点相同的RS的噪声功率均值估算时频二维信号的噪声功率估计值。

8.根据权利要求6所述的通信设备，其特征在于，噪声功率运算单元包括频域三级运算子单元和功率运算子单元；

频域三级运算子单元，用于将时域运算单元运算得到的第一时域数值集合中的第一时域数值进行频域相减，得到第三频域数值集合；

功率运算子单元，用于根据频域三级运算子单元运算得到的第三频域数值集合估算时频二维信号的噪声功率估计值。

9.根据权利要求8所述的通信设备，其特征在于，所述频域一级运算单元包括第二选择子单元和第二运算子单元；

第二选择子单元，用于在选择单元选择的RS数据集合中以8个RS的信道估计值为计算单元，选择出4对频点相同且时域相邻的RS的信道估计值；

第二运算子单元，用于将第二选择子单元选择的4对RS的信道估计值中同一时刻的相邻频点的RS的信道估计值进行相减，使得每一个计算单元得到6个第一频域数值；

所述频域二级运算单元，用于将第二运算子单元运算得到的6个第一频域数值中同一时刻的相邻频点的第一频域数值进行相减，使得每一个计算单元得到4个第二频域数值；

所述时域运算单元，用于将频域二级运算单元运算得到的4个第二频域数值进行时域相减，使得每一个计算单元得到2个第一时域数值；

所述频域三级运算子单元，用于将时域运算单元运算得到的2个第一时域数值进行频域相减，使得每一个计算单元得到1个第三频域数值；

所述功率运算子单元，用于将频域三级运算子单元运算得到的第三频域数值的模的平方除以40，得到每两个频点相同的RS的噪声功率均值，根据每两个RS频点相同的信号的噪声功率均值估算时频二维信号的噪声功率估计值。

10.一种通信系统，其特征在于，包括：发送端设备和接收端设备；

发送端设备，用于发送信号给接收端设备；

接收端设备，用于接收发送端设备发送的时频二维信号，在接收到的时频二维信号中选择出频域分布相同且时域相邻的参考信号RS对组成RS数据集合，将选择的RS数据集合中同一时刻的相邻频点的RS的信道估计值进行频域相减，得到第一频域数值集合，将第一频域数值集合中同一时刻的相邻频点的第一频域数值进行频域相减，得到第二频域数值集合，将第二频域数值集合中的第二频域数值进行时域相减，得到第一时域数值集合，根据第一时域数值集合估算时频二维信号的噪声功率估计值。

Images