CN101808064A - 一种无线接收系统以及信道估计处理方法、装置 - Google Patents

Abstract

本发明涉及通信技术领域，尤其涉及一种无线接收系统以及信道估计处理方法、装置，用以获得更好的信道估计降噪效果。在本发明提供的方法中，包括以下步骤：提取初始信道估计结果中不含虚载波分量的信道估计结果；利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换处理得到第一变换结果，所述第一变换结果中不包括干扰和噪声分量；利用所述分解矩阵对所述第一变换结果进行变换，获得最终信道估计结果。本发明将矩阵变换引入信道估计处理过程中，且充分考虑了虚载波对信道估计降噪技术的影响，由仿真结果可知，本发明相对于现有技术具有更好的降噪效果，且便于进行工程实践。

Description

一种无线接收系统以及信道估计处理方法、装置

技术领域

本发明涉及通信技术领域，尤其涉及一种无线接收系统以及信道估计处理方法、装置。

背景技术

高速信息传输速率的需求和恶劣的移动无线信道传输环境，使得具有高频带利用率和强抗多径衰落能力的MIMO-OFDM(Multiple Input MultipleOutput-Orthogonal Frequency Division Multiplexing，多输入多输出正交频分复用)传输技术成为研究热点，并作为新一代无线移动通信系统的首选技术而倍受重视。

信道估计是无线MIMO-OFDM传输系统的关键技术，在接收端进行的MIMO均衡、检测、信道质量测量和软译码等处理都需要信道估计中给出的子信道传输系数。这些子信道传输系数的估计精度直接决定了MIMO-OFDM系统接收机的性能。

现有技术一是一种用于OFDM系统的改进型LS(Least Square，最小二乘)信道估计方法，在该方法中提出了采用基于DFT(Discrete FourierTransform，离散傅立叶变换)降噪的改进型LS信道估计方法，该方法首先将得到的信道估计结果进行逆傅里叶变换得到时域的信道估计结果，再强制时域信道系数信道记忆长度外的采样为零后变换到频域得到最终的信道估计结果。其降噪步骤具体包括以下三步：

一、将得到的初始信道估计结果进行N点离散逆傅里叶变换得到信道估计的时域信道系数采样

其中离散逆傅里叶变换通过其快速算法IFFT(Inverse Fast Fourier Transform，快速逆傅里叶变换)实现。

二、将时域信道系数中信道记忆长度以外的采样置零得到

由于信道记忆长度L_p，q未知，这里采用其最大值N_CP代替L_p，q，将列向量

的最后N-N_CP(即N减N_CP)行置零。

三、将列向量

进行N点离散傅里叶变换得到最终信道估计结果

其中离散傅里叶变换通过其快速算法FFT(Fast Fourier Transform，快速傅里叶变换)实现。

在实现本发明过程中，发明人发现现有技术一中至少存在如下问题：当系统中存在虚载波时，利用包含虚载波的频域信道估计矢量进行DFT变换，会导致时域冲击响应时延扩展延拓到整个时域矢量，再利用降噪处理方法，将信道冲击响应时延扩展外的部分强制为零反而会导致信道估计误差增大，这一点在信噪比(SNR，Signal to Noise Ratio)较大时更为明显。因此，基于DFT的信道估计降噪技术只能应用于不包含虚载波的OFDM系统，但几乎所有实际应用的MIMO-OFDM/OFDM系统都包含一定的虚载波用于频带保护，这使得现有技术一的基于DFT的信道估计技术难以实现对MIMO-OFDM/OFDM系统的降噪。

发明内容

本发明实施例的目的在于提供一种无线接收系统以及信道估计处理方法、装置，用以获得更好的信道估计降噪效果。

为了实现上述目的，本发明实施例提供了一种信道估计处理方法，包括：

提取初始信道估计结果中不含虚载波分量的信道估计结果；

利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换处理得到第一变换结果，所述第一变换结果中不包括干扰和噪声分量；

利用所述分解矩阵对所述第一变换结果进行变换，获得最终信道估计结果。

本发明实施例还提供了一种信道估计处理装置包括：

第一提取模块，用于提取初始信道估计结果中不含虚载波分量的信道估计结果；

第一处理模块，用于利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换处理得到第一变换结果，所述第一变换结果中不包括干扰和噪声分量；

第二处理模块，用于利用所述分解矩阵对所述第一变换结果进行变换，获得最终信道估计结果。

本发明实施例还提供了一种无线接收系统，包括上述信道估计处理装置；以及

射频处理模块，用于多天线接收信号进行射频接收处理，得到射频接收处理后的信号；

同步与补偿模块，用于对射频接收处理后的信号进行同步和补偿；

至少一个正交频分复用OFDM解调模块，用于对同步和补偿后的信号进行OFDM解调，得到频域信号，所述频域信号包括前导信号、导频信号和用户数据信号；

至少一个信道估计模块，用于接收对应的OFDM解调模块输出的信号，并利用前导信号和/或导频信号完成信道估计，得到初始信道估计结果；

至少一个多输入多输出MIMO均衡器，用于根据最终信道估计结果对用户数据信号进行均衡处理；

解调译码模块，用于对均衡后的用户数据信号进行解调和译码，输出译码后的用户数据。

本发明实施例还提供了一种信道估计处理方法，包括：

提取初始信道估计结果中不含虚载波分量的信道估计结果；

利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换得到中间变换结果，所述中间变换结果为一向量；

利用所述中间变换结果中信道最大记忆长度值至有用子载波数值对应的行或列估计干扰和噪声功率。

本发明实施例还提供了一种信道估计处理装置，包括：

第二提取模块，用于提取初始信道估计结果中不含虚载波分量的信道估计结果；

第三处理模块，用于利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换得到中间变换结果，所述中间变换结果为一向量；

第四处理模块，用于利用所述中间变换结果中信道最大记忆长度值至有用子载波数值对应的行或列估计干扰和噪声功率。

本发明实施例的有益效果在于：

本发明实施例提供的技术方案中，提取初始信道估计结果中不含虚载波分量的信道估计结果；利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换处理得到第一变换结果，所述第一变换结果中不包括干扰和噪声分量；利用所述分解矩阵对所述第一变换结果进行变换，获得最终信道估计结果。可见，本发明实施例将矩阵变换引入信道估计处理过程中，且只对不包含虚载波分量的信道估计结果进行进一步处理，由仿真结果可知，本发明实施例相对于现有技术具有更好的降噪效果。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中对初始信道估计结果进行降噪处理的流程图；

图2为本发明实施例一中进行信道估计结果降噪处理的流程图；

图3为典型城市微小区信道模型下的信道估计结果的MSE曲线对比示意图；

图4为典型城市微小区信道模型下的BER性能曲线对比示意图；

图5为典型城市宏小区信道模型下的信道估计结果的MSE曲线对比示意图；

图6为典型城市宏小区信道模型下的BER性能曲线对比示意图；

图7为本发明实施例二中估计干扰和噪声功率的流程图；

图8为本发明实施例二中估计噪声功率得到的噪声功率估计值均值曲线示意图；

图9为本发明实施例四中的信道估计处理装置框图；

图10为本发明实施例四中的MIMO-OFDM无线接收系统框图；

图11为本发明实施例五中的信道估计处理装置框图。

具体实施方式

本发明实施例提供的技术方案中，对初始信道估计结果进行降噪处理的方法如图1所示，包括以下步骤：

步骤101，提取初始信道估计结果中不含虚载波分量的信道估计结果；

步骤102，利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换处理得到第一变换结果，所述第一变换结果中不包括干扰和噪声分量；

步骤103，利用所述分解矩阵对所述第一变换结果进行变换，获得最终信道估计结果。

步骤102中，变换处理可以是：如果对部分频域变换矩阵F进行QR分解得到F＝QR，则利用分解矩阵Q的共轭转置矩阵Q^H乘以不含虚载波分量的信道估计结果

得到

然后将

的最后N_used-N_CP行置零得到第一变换结果

或者，如果对部分频域变换矩阵F进行奇异值分解得到F＝UDV^H，则利用分解矩阵U的共轭转置矩阵U^H乘以不含虚载波分量的信道估计结果

得到

然后将

的最后N_used-N_CP行置零得到第一变换结果

步骤103中，对所述第一变换结果进行变换可以是：如果对部分频域变换矩阵F进行QR分解，则利用分解矩阵Q对第一变换结果进行变换得到最终信道估计结果

或者，如果对部分频域变换矩阵F进行奇异值分解，则利用分解矩阵U对第一变换结果进行变换得到最终信道估计结果

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详细描述。

先介绍一下各个参数的定义：信道频域传输系数的真实值H指，在无干扰无噪声时信道频域传输系数的理论值；信道频域传输系数的估计值

指，在有干扰无噪声时，通过现有信道估计算法估计出的信道频域传输系数的值。

假设第p个发射天线到第q个接收天线上第k个子载波信道频域传输系数的真实值H_p，q(k)如式(1)所示：

$H_{p,q}\left(k\right)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{h}_{p,q}\left(n\right)e^{-j\frac{2\mathrm{\πnk}}{N}}---\left(1\right)$

其中，N为OFDM符号中子载波的个数，这N个子载波包含了虚子载波信道和有用子载波信道，0≤k≤N-1，0≤n≤N-1，h_p，q(n)表示第p个发射天线和第q个接收天线对应的离散冲击响应，若发射天线p到接收天线q间的信道是记忆长度为L_p，q的多径信道，则h_p，q(n)具体如式(2)所示：

$h_{p,q}\left(n\right)=\left\{\begin{array}{cc}\underset{l=0}{\overset{L_{p,q}-1}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_{p,q}\left(l\right)\mathrm{\&delta;}(n-l)& 0\&le;n<L_{p,q}-1\\ 0& L_{p,q}\&le;n<N-1\end{array}\right.---\left(2\right)$

其中α_p，q(l)是第p个发射天线和第q个接收天线之间第l径的增益，这里假设信道准平稳，即h_p，q(n)在一个OFDM突发帧周期内保持不变。由于信道记忆长度L_p，q在接收端通常是未知的，这里用信道最大记忆长度值N_CP代替L_p，q。在降噪处理中通常是针对发射天线到接收天线的每一组信道估计结果分别进行的，即针对某一个发射天线到某一个接收天线之间的全部信道进行信道估计，这里可以省略下标p，q，以下其他地方相似不再赘述。假设系统有用子载波数为N_used，则可以得到有用子载波上的信道频域传输系数的真实值：

$H\left({\mathrm{\&gamma;}}_k\right)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N_{\mathrm{CP}}-1}{\mathrm{\&Sigma;}}}h\left(n\right)e^{-j\frac{2\mathrm{\&pi;n}{\mathrm{\&gamma;}}_k}{N}},$ (0≤k≤N_used-1)    (3)

其中

表示有用子载波的编号，有用子载波的编号是系统定义时确定的，因此，可以根据系统定义确定N_used和γ_used。将式(3)写成两矢量相乘形式，则得到式(4)：

$H\left({\mathrm{\&gamma;}}_k\right)=F_{{\mathrm{\&gamma;}}_k}h---\left(4\right)$

其中，

$F_{{\mathrm{\&gamma;}}_k}=\frac{1}{\sqrt{N}}[e^{-j\frac{2\mathrm{\&pi;}{\mathrm{\&gamma;}}_{k}0}{N}},e^{-j\frac{2\mathrm{\&pi;}{\mathrm{\&gamma;}}_k}{N}},...,e^{-j\frac{2\mathrm{\&pi;}{\mathrm{\&gamma;}}_k(N_{\mathrm{CP}}-1)}{N}}]---\left(5\right)$

h＝[h(0)，h(1)，...h(N_CP-1)]^T

根据式(4)，令

则可以得到式(7)

H＝Fh                        (7)

若集合γ_used的第m个元素为γ_m，则N_used×N_CP维矩阵F的第m行为

即

F为部分频域变换矩阵。

对矩阵F进行QR分解得到

F＝QR        (8)

其中Q表示N_used×N_used维的酉矩阵，R表示N_used×N_CP维的上三角矩阵，

其中，Q_ij和R_ij分别表示矩阵Q和矩阵R第i行第j列的元素。这样，式(7)可以进一步写为式(11)：

H＝QRh                (11)

实施例一

本实施例以MIMO-OFDM系统中估计出的各个子信道传输系数为基础进行信道估计结果的降噪处理。本实施例的信道估计处理方法的流程如图2所示，包括以下步骤201～204：

步骤201，提取初始信道估计结果中不含虚载波分量的信道估计结果

本步骤中的初始信道估计结果可以采用现有的各种信道估计算法得到，如LS、MMSE(Minimum Mean Square Error，最小均方误差)和ML(Maximumlikelihood，最大似然)等数据辅助估计算法以及盲估计算法。

下面举例说明提取的过程：

为第p个发射天线到第q个接收天线第k个子信道的频域传输系数的估计值(简称频域估计值)，该频域估计值可以表示为子信道频域传输系数的真实值H_p，q(k)与信道估计中的干扰I_p，q(k)和噪声W_p，q(k)之和，即

${\hat{H}}_{p,q}\left(k\right)=H_{p,q}\left(k\right)+I_{p,q}\left(k\right)+W_{p,q}\left(k\right)---\left(12\right)$

由于降噪处理是针对发射天线到接收天线的每一组信道估计结果分别进行的，完成了针对一个发射天线到一个接收天线的一组信道估计，即可类似推广到不同发射天线到不同接收天线的多组信道估计，因此，为了便于后面推导，这里省略子信道的下标p，q，式(12)可以表示为

$\hat{H}\left(k\right)=H\left(k\right)+I\left(k\right)+W\left(k\right),$ 0≤k≤N-1            (13)

根据式(13)从初始信道估计结果

中提取不含虚载波分量的信道估计结果参考式(14)

$\hat{H}\left({\mathrm{\&gamma;}}_k\right)=H\left({\mathrm{\&gamma;}}_k\right)+I\left({\mathrm{\&gamma;}}_k\right)+W\left({\mathrm{\&gamma;}}_k\right),0\&le;k\&le;N_{\mathrm{used}}-1---\left(14\right)$

将式(14)写为矢量形式得到

$\hat{H}=H+I+W---\left(15\right)$

其中

H、I和W均是N_used×1的列向量，

$H={[H\left({\mathrm{\&gamma;}}_0\right),H\left({\mathrm{\&gamma;}}_1\right),...,H\left({\mathrm{\&gamma;}}_{N_{\mathrm{used}}-1}\right)]}^T$

$I={[I\left({\mathrm{\&gamma;}}_0\right),I\left({\mathrm{\&gamma;}}_1\right),...,I\left({\mathrm{\&gamma;}}_{N_{\mathrm{used}}-1}\right)]}^T$

$W={[W\left({\mathrm{\&gamma;}}_0\right),W\left({\mathrm{\&gamma;}}_1\right),...,W\left({\mathrm{\&gamma;}}_{N_{\mathrm{used}}-1}\right)]}^T$

当然，

H、I和W也可以是N_used×1的行向量，此时，后续步骤的其他向量、矩阵相应进行调整，为了方便说明，以下过程中以H、I和W为列向量为例进行说明，应当理解的是这种举例仅仅是为了说明方便，而不是对本发明实施例的限制。

步骤202，用矩阵Q^H乘以

得到列向量

Q^H为部分频域变换矩阵F进行QR分解得到的Q矩阵的共轭转置矩阵，

即为中间变换结果；由于矩阵F是由常值组成的矩阵，则矩阵Q及其共轭转置矩阵Q^H也由常值组成，因此在进行信道估计降噪时矩阵Q可以事先离线计算并存储起来。

下面举例说明获取

的过程：将式(11)代入式(15)得到

$\hat{H}=\mathrm{QRh}+I+W---\left(16\right)$

式(16)两边同乘矩阵Q的共轭转置矩阵Q^H得到

$Q^H\hat{H}=\mathrm{Rh}+Q^{H}I+Q^{H}W---\left(17\right)$

由于矩阵R的最后(N_used-N_CP)行(即矩阵R的最后N_used减N_CP行，也可以表达为矩阵R的N_CP至(N_used-1)行)的元素均为零，则列向量Rh的最后(N_used-N_CP)行也为零。因此，列向量

的最后(N_used-N_CP)行仅包含干扰和噪声，即列向量

的最后(N_used-N_CP)行为干扰和噪声分量，后续步骤中，将这些行置零即可得到不包括干扰和噪声分量的列向量

步骤203，列向量

的最后(N_used-N_CP)行置零得到列向量

由步骤202的分析可知，列向量

的最后(N_used-N_CP)行仅包含干扰和噪声，为干扰和噪声分量，将这些行置零得到不包括干扰和噪声分量的列向量

即为第一变换结果。

步骤204，用矩阵Q乘以列向量

得到最终信道估计结果

列向量

再左乘酉矩阵Q即可得到最终的信道估计结果

在上述流程中，由于列向量的最后(N_used-N_CP)行在步骤203中被置零，因此步骤202中可以不用计算这些行而直接将其置零。另外，由于不用进行计算列向量

的最后(N_used-N_CP)行，因此，对应的变换矩阵可以只取Q^H的前面N_CP行，得到所述

的具体的处理方法可以为：将Q^H的最后(N_used-N_CP)行置零，并利用置零后的Q^H对

进行左乘变换得到

由于列向量

的最后(N_used-N_CP)行为零，步骤204中计算

时可以只取Q的前面N_CP行，列向量

的最后(N_used-N_CP)行相应的乘加运算可以省去。对

进行变换的具体的处理方法可以为：将矩阵Q的最后(N_used-N_CP)行置零，并利用置零后的矩阵Q对

进行左乘变换得到

采用本发明实施例的技术方案，具有显著的进步，下面以本实施例的仿真结果对有益效果进行说明。

仿真中采用了基于IEEE802.16e OFDM传输标准的仿真系统来测试本发明实施例提出的信道估计处理方法的性能，其具体参数为：子载波个数N＝256，系统有用子载波个数N_used＝200，循环前缀长度为N_CP＝N/8。仿真系统采用2×2空分复用MIMO模式，QPSK(Quadrature Phase Shift Keying，四相移键控)调制，MMSE接收机。这里示例的采用LS算法完成初始信道估计，对于2个发射天线的MIMO系统，每个发射天线需要发送两个OFDM周期的前导训练序列以完成初始信道估计，仿真中采用式(18)所示前导训练序列结构。

$S_1^{\left(0\right)}\left(k\right)=P_1\left(k\right)$ $S_1^{\left(1\right)}\left(k\right)=-P_2^{*}\left(k\right)$

$S_2^{\left(0\right)}\left(k\right)=P_2\left(k\right)$ $S_2^{\left(2\right)}\left(k\right)=P_1^{*}\left(k\right)---\left(18\right)$

其中P₁(k)和P₁(k)为已知的模为1的复训练序列，如CAZAC(ConstantAmplitude Zero Auto Correlation，恒包络零自相关)等。前导训练序列周期所对应的频域接收信号为：

$R_q^{\left(0\right)}\left(k\right)=H_{1,q}\left(k\right)P_1\left(k\right)+H_{2,q}\left(k\right)P_2\left(k\right)+W_q^{\left(0\right)}\left(k\right)$

$R_q^{\left(1\right)}\left(k\right)=-H_{1,q}\left(k\right)P_2^{*}\left(k\right)+H_{2,q}\left(k\right)P_1^{*}\left(k\right)+W_q^{\left(1\right)}\left(k\right)---\left(19\right)$

则LS信道估计可按公式(20)完成

${\hat{H}}_{1,q}\left(k\right)=\frac{1}{2}(R_q^{\left(0\right)}\left(k\right)P_1^{*}\left(k\right)-R_q^{\left(1\right)}\left(k\right)P_2\left(k\right))$

${\hat{H}}_{2,q}\left(k\right)=\frac{1}{2}(R_q^{\left(0\right)}\left(k\right)P_2^{*}\left(k\right)+R_q^{\left(1\right)}\left(k\right)P_1\left(k\right))---\left(20\right)$

仿真中的无线多径信道模型采用802.16m建议的如表1所示的典型城市微小区信道CDL(Cluster-Delay-Line，簇时延线)模型(NLOS(Non Light ofSight，非视距))，以及如表2所示的典型城市宏小区信道CDL模型(NLOS)。

表1

表2

系统采样频率为11.2MHz。仿真结果中给出了系统误码率曲线和信道估计MSE(Mean Square Error，均方误差)曲线的性能比较，参考图3至图6。其中信道估计结果向量

的平均MSE定义为，

$\mathrm{MSE}=\frac{1}{{\mathrm{JN}}_{\mathrm{used}}}\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{\left|\right|\tilde{H}-H\left|\right|}^2---\left(21\right)$

式中J表示估计次数，在仿真中如无特殊说明，J取10000。当初始信道估计采用LS算法时，信道估计干扰为0，则未降噪的信道估计MSE理论值为

${\mathrm{MSE}}_t=\frac{1}{{\mathrm{JN}}_{\mathrm{used}}}\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{\left|\right|\hat{H}-H\left|\right|}^2=\frac{1}{{\mathrm{JN}}_{\mathrm{used}}}\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{\left|\right|W\left|\right|}^2={\mathrm{\&sigma;}}_w^2---\left(22\right)$

其中W为LS信道估计噪声，

为噪声方差。降噪后，W的最后N_used-N_CP个元素被置为零得到

则降噪后的信道估计误差MSE理论值为

${\mathrm{MSE}}_{\mathrm{tr}}=\frac{1}{{\mathrm{JN}}_{\mathrm{used}}}\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{\left|\right|\tilde{H}-H\left|\right|}^2=\frac{1}{{\mathrm{JN}}_{\mathrm{used}}}\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{\left|\right|\tilde{W}\left|\right|}^2=\frac{N_{\mathrm{CP}}}{N_{\mathrm{used}}}{\mathrm{\&sigma;}}_w^2---\left(23\right)$

对于AWGN(Additive White Gaussion Noise，加性白高斯噪声)信道，上述仿真条件下的最终信道估计误差的MSE理论值近似为

${\mathrm{MSE}}_{\mathrm{tr}}=\frac{N_{\mathrm{CP}}}{N_{\mathrm{used}}}{\mathrm{\&sigma;}}_w^2\&ap;\frac{32}{200}\&CenterDot;\frac{1}{\mathrm{SNR}}=\frac{0.16}{\mathrm{SNR}}---\left(24\right)$

根据上述仿真参数设置和信道模型条件，分别在不进行降噪(未降噪)、利用现有技术一降噪和利用本发明实施例的技术方案降噪三种信道估计情况下测量信道估计均方误差和给定信道估计下的误比特率(BER，Bit Error Rate)得到如图3～图6所示仿真结果。

图3示出了典型城市微小区信道模型下在未降噪、利用现有技术一降噪和利用本发明降噪三种情况下得到的信道估计结果的MSE曲线对比，从图中可以明显看出本发明的优势。相比未降噪的情况，利用本发明降噪方案得到的信道估计MSE在整个信噪比测试范围内都下降了大约8dB，并且随着信噪比的增大而持续下降。对于利用现有技术一降噪得到的信道估计结果，其MSE均大于0.03，且不随信噪比的增大而下降。现有技术一仅在信噪比小于5dB时具有较好的降噪效果。当信噪比大于14dB时，由于IFFT导致的能量泄漏比较明显，利用现有技术一降噪反而会带来更大的信道估计误差。图中同时给出了AWGN信道下的MSE理论曲线，可以看出本发明MSE曲线基本与MSE理论曲线重合。

图4示出了典型城市微小区信道模型下在未降噪、利用现有技术一降噪和利用本发明降噪三种情况下得到信道估计结果后进行MMSE均衡和数据解调得到的BER性能曲线以及理想信道估计下进行MMSE均衡和数据解调得到的BER性能曲线对比。从图中可以看出，通过本发明降噪的信道估计结果能够得到更低的误码率。相比未降噪的LS信道估计和利用现有技术一降噪的信道估计结果，利用本发明得到的信道估计结果均衡检测的BER曲线更接近理想信道估计下的BER曲线。对于现有技术一，由于泄漏引起的信道估计误差比较大，其对应的BER始终在0.02以上，当信噪比大于20dB时，BER不再随着信噪比的增大而下降。

图5示出了典型城市宏小区信道模型下在未降噪、利用现有技术一降噪和利用本发明降噪三种情况下得到的信道估计结果的MSE曲线对比。从图中可以看出，在典型城市宏小区和典型城市微小区两个信道模型下，利用本发明降噪得到的信道估计结果的MSE几乎相同。相比未降噪的情况，利用本发明降噪方案得到的信道估计MSE在整个信噪比测试范围内都下降了大约8dB，并且随着信噪比的增大而持续下降，这说明本发明信道估计降噪方案与信道变化情况无关。对于现有技术一，两种信道模型下的MSE值都比较大。

如图6示典型城市宏小区信道模型下在未降噪、利用现有技术一降噪和利用本发明降噪三种情况下得到信道估计结果后进行MMSE均衡和数据解调得到的误比特率(BER)性能曲线以及理想信道估计下进行MMSE均衡和数据解调得到的BER性能曲线对比。从图中可以看出，相比未降噪的LS信道估计和利用现有技术一降噪的信道估计结果，利用本发明得到的信道估计结果使的BER曲线更接近理想信道估计下的BER曲线。而对于现有技术一，BER始终在0.03以上，当信噪比大于25dB时，BER不再随着信噪比的增大而下降。

实施例二

由实施例一中的分析可知，列向量

的最后N_used-N_CP行仅包含干扰和噪声，所以这些采样点可用于估计干扰和噪声功率。对于接收天线q，干扰和噪声功率ω_q可以利用式(25)估计得到

${\widehat{\mathrm{\&omega;}}}_q=\frac{1}{M_T(N_{\mathrm{used}}-N_{\mathrm{CP}})}\underset{p=1}{\overset{M_T}{\mathrm{\&Sigma;}}}\underset{m=N_{\mathrm{CP}}}{\overset{N_{\mathrm{used}}-1}{\mathrm{\&Sigma;}}}{\left|{\hat{g}}_{\mathrm{pq}}\left({\mathrm{\&gamma;}}_m\right)\right|}^2---\left(25\right)$

其中

表示列向量

的第m个元素，

与发射天线p到接收天线q的频域信道系数列向量

满足关系：

由于根据式(25)可以估算得到接收天线q的干扰和噪声功率ω_q，在本实施例提供一种估计干扰和噪声功率的方法，其流程如图7所示，包括以下步骤：

步骤301，提取初始信道估计结果中不含虚载波分量的信道估计结果

步骤302，用矩阵Q^H乘以

得到列向量

步骤303，根据列向量

的最后(N_used-N_CP)行进行干扰和噪声功率的估计；

在步骤303中，可以先根据列向量

的最后(N_used-N_CP)行，获得干扰和噪声的总功率，对该总功率进行平均获得干扰和噪声功率的估计值。

在估计出干扰和噪声功率后，可以进而估计出信噪比等信道质量信息。在本发明实施例一计算机仿真条件下，利用本实施例方案估计噪声功率得到的噪声功率估计值均值曲线如图8所示(图8中三条曲线基本重合)，图中示出了噪声功率真实值与微小区信道估计值以及宏小区信道估计值的对比情况。可以看出，利用本实施例可以在很宽估计范围内得到非常精确的噪声功率估计结果。此外，从图中也可以看出本实施例噪声功率估计方案与信道变化无关。

实施例三

本发明实施例一中的信道估计降噪中的采用的部分频域变换矩阵的分解矩阵Q也可以通过对部分频域变换矩阵F进行其他类似分解得到，例如，在本实施例三中，采用奇异值分解SVD来进行信道估计降噪。在采用奇异值分解SVD时，

F＝UDV^H                    (26)

其中左奇异矩阵U和右奇异矩阵V为酉矩阵，D为F的奇异值对角矩阵。采用奇异值分解得到的酉矩阵U也可同样用于信道估计降噪。即有，

$\hat{g}=U^H\hat{H}=[\hat{g}\left({\mathrm{\&gamma;}}_0\right),\hat{g}\left({\mathrm{\&gamma;}}_1\right),...,\hat{g}\left({\mathrm{\&gamma;}}_{N_{\mathrm{used}}-1}\right)]---\left(27\right)$

$\tilde{H}=U\tilde{g}---\left(29\right)$

在采用奇异值分解SVD来进行信道估计降噪的情况下，实施例二同样可以采用上述酉矩阵U代替酉矩阵Q获取从而进行干扰和噪声功率的估计。

当采用上述酉矩阵U代替酉矩阵Q获取

时，参考实施例二的流程中，由于列向量

的最后(N_used-N_CP)行在获得列向量

之后的步骤(参考步骤203)中被置零，因此在获得列向量

的步骤(参考步骤202)中可以不用计算这些行而直接将其置零。另外，由于不用进行计算列向量

的最后(N_used-N_CP)行，因此，对应的变换矩阵可以只取U^H的前面N_CP行，得到所述

的具体的处理方法可以为：将U^H的最后(N_used-N_CP)行置零，并利用置零后的U^H对

进行左乘变换得到

当采用上述酉矩阵U代替酉矩阵Q获取

时，参考实施例二的流程中，由于列向量

的最后(N_used-N_CP)行为零，计算

时(参考步骤204)可以只取U的前面N_CP行，列向量

的最后(N_used-N_CP)行相应的乘加运算可以省去。对进行变换的具体的处理方法可以为：将矩阵U的最后(N_used-N_CP)行置零，并利用置零后的矩阵U对

进行左乘变换得到

实施例四

本实施例中的信道估计处理装置900，如图9所示，包括第一提取模块901，与第一提取模块901连接的第一处理模块902，与第一处理模块902连接的第二处理模块903，其中：

第一提取模块901，用于提取初始信道估计结果中不含虚载波分量的信道估计结果；

第一处理模块902，用于利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述第一提取模块901提取的不含虚载波分量的信道估计结果进行变换处理得到第一变换结果，所述第一变换结果中不包括干扰和噪声分量；

第二处理模块903，用于利用所述分解矩阵对所述第一处理模块902变换处理得到的第一变换结果进行变换，获得最终信道估计结果。

信道估计处理装置900还可以包括存储模块904，用于保存所述分解矩阵和/或所述分解矩阵的共轭转置矩阵，提供给第一处理模块902以及第二处理模块903。

信道估计处理装置900还可以包括矩阵分解模块905，用于对所述部分频域变换矩阵进行分解，并将所需分解结果保存到所述存储模块904。

本实施例中的信道估计处理装置900所在的MIMO-OFDM无线接收系统如图10所示，包括：

射频处理模块1001，用于对多天线接收信号进行射频接收处理，得到射频接收处理后的信号；

同步与补偿模块1002，用于对射频处理模块1001得到的射频接收处理后的信号进行同步和补偿；

至少一个OFDM解调模块1003，用于对同步与补偿模块1002输出的信号进行OFDM解调，例如去循环前缀、FFT等，得到频域信号，该频域信号包括前导信号、导频信号和用户数据信号；

至少一个信道估计模块1004，用于接收对应的OFDM解调模块1003输出的信号，并利用前导信号和/或导频信号完成信道估计，得到初始信道估计结果；

至少一个信道估计处理装置900，用于接收对应的信道估计模块1004输出的初始信道估计结果，并将该初始信道估计结果进行降噪处理输出最终信道估计结果，并将最终信道估计结果发送给MIMO均衡器，完成数据检测；其中，将初始信道估计结果进行降噪处理，可以是上述各个实施例中的实现方式；

至少一个MIMO均衡器1005，用于根据信道估计处理装置900得到的最终信道估计结果对用户数据信号进行均衡处理；

解调译码模块1006，用于对相应MIMO均衡器1005均衡后的用户数据信号进行解调和译码，输出译码后的用户数据。

实施例五

本实施例中的信道估计处理装置1100，如图11所示，包括：

第二提取模块1101，用于提取初始信道估计结果中不含虚载波分量的信道估计结果；

第三处理模块1102，用于利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述第二提取模块1101得到的不含虚载波分量的信道估计结果进行变换得到中间变换结果，所述中间变换结果为一列向量；

第四处理模块1103，用于利用所述第三处理模块1102得到的中间变换结果中信道最大记忆长度值至有用子载波数值对应的行估计干扰和噪声功率。

其中，第三处理模块1102和第四处理模块1103中操作的实现方式，可以参考实施例二和实施例三中对干扰和噪声功率的估计。

在本发明实施例中，充分地考虑了实际MIMO-OFDM系统中虚载波对信道估计降噪技术的影响，能够直接应用于具有虚载波的MIMO-OFDM/OFDM系统中，便于应用到已有的MIMO-OFDM通信系统中，便于进行工程实践，且有效提高了系统MIMO均衡的性能。利用QR分解或类似分解得到变换矩阵能够分离出信道估计中干扰和噪声，将分离出的干扰和噪声置零能够得到更为精确的信道估计结果，同时利用分离出的干扰和噪声可以进一步估计干扰和噪声功率进而得到信噪比等信道质量信息。

在接收端对接收的信号进行OFDM接收处理后，根据接收处理后的信号进行信道估计得到初始信道估计结果，之后使用本发明的各个实施例的技术方案对信道进行估计处理，得到最终信道估计结果；后续过程中，可以利用最终信道估计结果，对接收处理后的信号进行均衡、解调译码，从而输出信息数据。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (13)

1.一种信道估计处理方法，其特征在于，包括：

提取初始信道估计结果中不含虚载波分量的信道估计结果；

利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换处理得到第一变换结果，所述第一变换结果中不包括干扰和噪声分量；

利用所述分解矩阵对所述第一变换结果进行变换，获得最终信道估计结果。

2.根据权利要求1所述的方法，其特征在于，得到所述第一变换结果的方法为：利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行左乘变换得到中间变换结果，将所述中间变换结果中信道最大记忆长度值至有用子载波数值对应的行或列置零得到所述第一变换结果。

3.根据权利要求2所述的方法，其特征在于，利用所述中间变换结果中信道最大记忆长度值至有用子载波数值对应的行或列估计干扰和噪声功率。

4.根据权利要求1所述的方法，其特征在于，得到所述第一变换结果的方法为：将所述共轭转置矩阵的信道最大记忆长度值至有用子载波数值对应的行或列置零，并利用置零后的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行左乘变换得到第一变换结果。

5.根据权利要求1所述的方法，其特征在于，所述分解矩阵为所述部分频域变换矩阵进行正交三角矩阵分解得到的酉矩阵；或者

所述分解矩阵为所述部分频域变换矩阵进行奇异值分解得到的左奇异矩阵。

6.根据权利要求1至5中任一权利要求所述的方法，其特征在于，所述利用所述分解矩阵对所述第一变换结果进行变换的方法为：将所述分解矩阵的信道最大记忆长度值至有用子载波数值对应的列置零，并利用置零后的分解矩阵对所述第一变换结果进行左乘变换。

7.一种信道估计处理装置，其特征在于，包括：

第一提取模块，用于提取初始信道估计结果中不含虚载波分量的信道估计结果；

第一处理模块，用于利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换处理得到第一变换结果，所述第一变换结果中不包括干扰和噪声分量；

第二处理模块，用于利用所述分解矩阵对所述第一变换结果进行变换，获得最终信道估计结果。

8.根据权利要求7所述的装置，其特征在于，包括：

存储模块，用于保存所述分解矩阵和/或所述分解矩阵的共轭转置矩阵；

矩阵分解模块，用于对所述部分频域变换矩阵进行分解，并将所需分解结果保存到所述存储模块。

9.一种无线接收系统，其特征在于，包括：

至少一个如权利要求7或8所述的信道估计处理装置；

射频处理模块，用于多天线接收信号进行射频接收处理，得到射频接收处理后的信号；

同步与补偿模块，用于对射频接收处理后的信号进行同步和补偿；

至少一个正交频分复用OFDM解调模块，用于对同步和补偿后的信号进行OFDM解调，得到频域信号，所述频域信号包括前导信号、导频信号和用户数据信号；

至少一个信道估计模块，用于接收对应的OFDM解调模块输出的信号，并利用前导信号和/或导频信号完成信道估计，得到初始信道估计结果；

至少一个多输入多输出MIMO均衡器，用于根据最终信道估计结果对用户数据信号进行均衡处理；

解调译码模块，用于对均衡后的用户数据信号进行解调和译码，输出译码后的用户数据。

10.一种信道估计处理方法，其特征在于，包括：

提取初始信道估计结果中不含虚载波分量的信道估计结果；

利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换得到中间变换结果，所述中间变换结果为一向量；

利用所述中间变换结果中信道最大记忆长度值至有用子载波数值对应的行或列估计干扰和噪声功率。

11.如权利要求10所述的信道估计处理方法，其特征在于：

所述分解矩阵为所述部分频域变换矩阵进行正交三角矩阵分解得到的酉矩阵；或者

所述分解矩阵为所述部分频域变换矩阵进行奇异值分解得到的左奇异矩阵。

12.一种信道估计处理装置，其特征在于，包括：

第二提取模块，用于提取初始信道估计结果中不含虚载波分量的信道估计结果；

第三处理模块，用于利用部分频域变换矩阵的分解矩阵的共轭转置矩阵对所述不含虚载波分量的信道估计结果进行变换得到中间变换结果，所述中间变换结果为一向量；

第四处理模块，用于利用所述中间变换结果中信道最大记忆长度值至有用子载波数值对应的行或列估计干扰和噪声功率。

13.根据权利要求12所述的装置，其特征在于，包括：

存储模块，用于保存所述分解矩阵和/或所述分解矩阵的共轭转置矩阵；

矩阵分解模块，用于对所述部分频域变换矩阵进行分解，并将所需分解结果保存到所述存储模块。

Images