CN101815053A - 信道估计方法及其装置 - Google Patents

Abstract

本发明涉及通信领域，公开了一种信道估计方法及其装置。本发明中，利用接收到的训练序列码两边的信息数据块中数据，作为用于信道估计的接收数据。由于在传统的基于训练序列的信道估计方法中，直接把训练序列相关得到的信道估计作为数据序列的信道估计，将导致性能的严重损失。因此本发明可避免因训练序列和数据序列之间的多普勒频移而产生的性能严重损失的问题。而且，数据信息序列相对于训练序列的长度较长，因此以训练序列码两边的信息数据块中数据，作为用于信道估计的接收数据，可使得信道估计的结果更加准确。

Description

信道估计方法及其装置

技术领域

本发明涉及通信领域，特别涉及通信领域中的信道估计技术。

背景技术

传统的全球移动通信系统(Global System for Mobile communication，简称“GSM”)采用基于训练序列的时域信道估计方法，利用GSM burst(数据突发)中间的训练序列码进行时域相关运算得到信道的时域冲激响应，作为两边数据部分的信道冲激响应。

GSM系统中一个burst的结构如图1所示(4个burst组成了一个GSM子帧)，中间的26个符号为用于信道估计的训练序列码TS，两边各由57个符号组成的两个数据块为信息数据块。一个编码块包括了这样的四个burst共8个信息数据块。其余符号为降低时延扩展的保护符号。

现有技术中基于训练序列的时域信道估计方法如图2所示，在每一次的信道估计迭代过程中，根据译码后的TS，得到每个符号的均值和先验均值。利用每个符号的均值和接收到的TS进行时域上的信道估计，并根据估计的结果对接收到的TS和每个符号的先验均值进行时域信道均衡，具体地采用最小均方差估计(Minimum Mean-Square Error，简称“MMSE”)进行时域信道估计和时域信道均衡。在将均衡后的后验均值和方差经过解调、解交织后送入译码器进行译码并进行循环冗余校验(Cyclic Redundancy Check，简称“CRC”)，如果CRC校验正确，则将最近一次的信道估计结果作为最终的信道估计结果，如果CRC校验不正确，则进入下一次的信道估计迭代过程，直至CRC校验正确。

然而，本发明的发明人发现，在现有的基于训练序列的时域信道估计方法中，直接把训练序列相关得到的信道估计作为数据序列的信道估计，如图3所示，没有考虑到训练序列和数据序列之间的多普勒频移，特别是在移动速度很高的情况下，多普勒频移造成的影响尤为严重。例如，当Fc(频率)＝1800MHz，v(移动速度)＝100km/h，最大多普勒频移为F＝v/c*Fc＝100e3/3600s/3e8*1800e6＝166.67Hz。由F带来的相位旋转为F*156.25*1/277e3＝0.094。大约为1/10个周期，也就是36度。当移动速度达到v＝350km/hr，相位旋转为0.35个周期，大约为126度。在长度为1个burst下，最大多普勒频移造成的相位旋转如图4所示。由此可见，在一个burst中，信道冲激响应变化很大，如果把信道做为静态的情况，则性能会有严重的损失。

另外，由于信道估计和信道均衡都是在时域上进行的，而本领域技术人员可以理解，时域上的计算复杂度较高，因此现有的基于训练序列的时域信道估计方法，复杂度较高。

发明内容

本发明的目的在于提供一种信道估计方法及其装置，以克服训练序列和数据序列之间的多普勒频移的问题，使得信道估计的结果更加准确。

为解决上述技术问题，本发明的实施方式提供了一种信道估计方法，包含以下步骤：

将接收到的训练序列码两边的信息数据块中的数据，作为用于信道估计的接收数据；

在每一次的信道估计迭代过程中，根据译码后的接收数据得到每个符号的均值和先验均值，利用每个符号的均值和接收数据进行信道估计；

根据信道估计的结果对接收数据和每个符号的先验均值进行信道均衡，对均衡后得到的数据进行译码并进行循环冗余校验CRC，如果CRC校验正确，则将最近一次得到的信道估计的结果作为最终的信道估计结果，如果CRC校验不正确，则进入下一次的信道估计迭代过程。

本发明的实施方式还提供了一种信道估计装置，包含：

译码模块，用于对数据进行译码；

获取模块，用于在每一次的信道估计迭代过程中，根据译码模块译码后的数据，得到每个符号的均值和先验均值，第一次的信道估计迭代过程中，每个符号的均值和先验均值取为0；

信道估计模块，用于利用每个符号的均值和接收数据进行信道估计，其中，将接收到的训练序列码两边的信息数据块中的数据，作为用于信道估计的接收数据；

信道均衡模块，用于根据信道估计模块得到的估计结果对接收数据和每个符号的先验均值进行信道均衡，译码模块对均衡后得到的数据进行译码，译码模块还用于对译码后的数据进行循环冗余校验CRC；

判断模块，用于判断CRC校验是否正确，如果正确，则将最近一次得到的信道估计的结果作为最终的信道估计结果，如果CRC校验不正确，则进入下一次的信道估计迭代过程。

本发明实施方式与现有技术相比，主要区别及其效果在于：

利用接收到的训练序列码两边的信息数据块中数据，作为用于信道估计的接收数据。由于在传统的基于训练序列的信道估计方法中，直接把训练序列相关得到的信道估计作为数据序列的信道估计，没有考虑到训练序列和数据序列之间的多普勒频移，从而将导致性能的严重损失。因此通过在迭代中利用训练序列码两边的数据信息进行信道估计，可避免因训练序列和数据序列之间的多普勒频移而产生的性能严重损失的问题。而且，数据信息序列相对于训练序列的长度较长，因此以训练序列码两边的信息数据块中数据，作为用于信道估计的接收数据，可使得信道估计的结果更加准确。

进一步地，通过对预滤波后的接收数据进行DFT，以及在每一次的信道估计迭代过程中，进行DFT和IDFT的转换，使得在每一次的信道估计迭代过程中，对接收数据进行频域的信道估计和信道均衡，直至CRC校验正确，将最近一次估计出的信道频率响应作为最终的信道估计结果。由于频域的信道估计复杂度要远远小于时域上的信道估计复杂度，因此相对于传统的基于训练序列的时域信道估计方法，能大大降低对系统复杂度的要求。

进一步地，进一步地，通过将接收到的数据与信道的时域冲击响应的线性卷积转化为循环卷积的方式，对接收数据进行预滤波，使得利用数据序列进行频域信道估计成为可能，大大简化了复杂度。

附图说明

图1是根据现有技术中GSM系统的一个burst的结构示意图；

图2是根据现有技术中基于训练序列的时域信道估计方法示意图；

图3是根据现有技术中直接把训练序列相关得到的信道估计作为数据序列的信道估计示意图；

图4是根据现有技术中在长度为1个burst下，最大多普勒频移造成的相位旋转示意图；

图5是根据本发明第一实施方式的信道估计方法流程图；

图6是根据本发明第一实施方式的对burst中信息数据块的处理示意图；

图7是根据本发明第一实施方式的信道估计方法的仿真结果示意图；

图8是根据本发明第二实施方式的信道估计装置结构示意图。

具体实施方式

在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。

本发明第一实施方式涉及一种信道估计方法，本实施方式可应用于全球移动通信系统GSM或增强数据速率的GSM演进方案EDGE系统中。在本实施方式中，将接收到的训练序列码两边的信息数据块中的数据，作为用于信道估计的接收数据，具体流程如图5所示。

在步骤501中，对用于信道估计的接收数据Y(即接收到的训练序列码两边的信息数据块中的数据)进行预滤波。比如说，将发送的信息数据与信道的时域冲击响应的线性卷积(即接收数据Y)转化为循环卷积。通过将发送的信息数据与信道的时域冲击响应的线性卷积转化为循环卷积的方式，对接收数据进行预滤波，使得利用数据序列进行频域信道估计成为可能，大大简化了复杂度。

接着，在步骤502中，将预滤波后的数据进行离散傅立叶变换(DiscreteFourier Transformation，简称“DFT”)。

下面以一个长度为L+M-1的发送数据序列X为例，对步骤501和502进行具体的细节上的说明。

序列X与长度为L的信道线性卷积后得到接收序列Y，Y＝HX。可以表示为如下形式：

可以看出，如果数据序列X的最后L-1个数据x_M+1 x_M … x_L+M-1如果和x最前面L-1个数据x₁ x₂ … x_L-1相同，则序列x_L x_L+1 … x_L+M-1相当于进行了如下的循环卷积运算：

因此，通过将数据序列x_L x_L+1 … x_L+M-1最后L-1个数据复制并补充到该序列的开始，然后将该序列通过信道，等效为数据序列x_L x_L+1 … x_L+M-1和信道的时域冲击响应的循环卷积。这种方法也是OFDM系统用到的，将数据序列的最后L-1个数据复制到该序列前面作为CP(循环前缀)，使数据序列与信道的线性卷积转化为循环卷积。线性卷积转化为循环卷积后(即进行预滤波)，即可将预滤波后的数据进行M点离散傅里叶变换，变到频域，使时域循环卷积变为频域相乘，即F(Y)＝F(H)F(X)，F(Y)，F(H)，F(X)分别是序列X，H，Y的M点离散傅里叶变换。其中，

其中H_F＝|H₀ H₁ … H_M-1|为矩阵H第一列的M点离散傅里叶变换。当输入数据变换到频域后，就可以进行频域的信道估计和信道均衡。

通过对每个信息数据块进行预滤波，使每个数据块可以进行傅里叶变换和频域均衡算法。

因为信道长度为L，发送端发送了长度为57的数据符号块，这57个符号与信道卷积后得到的57+L-1符号，如果该57个数据符号的数据块前面L-1个符号和后面L-1符号为0，则接收到57+L-1数据块满足频域均衡的条件，可以进行频域变换，但是根据协议，这两段符号是不为零的，因此需要将这两段符号对这57+L-1符号的影响变为零。因为57个符号两边的L-1个符号是已知的，因此将该已知序列和估计出的信道相卷积，就得到对这57+L-1个符号的影响，从这57+L-1个符号中减去该影响后，就可以进行57+L-1点的离散傅里叶变换。具体为：

a.对于左边长度为57的数据块，将前面3个已知符号与估计出的信道卷积后得到3+L-1的序列，截取该序列的后L-1位符号，得到干扰序列X₁，可参见图6中的曲线部分所示。

b.将57个数据符号后面L-1个已知符号与估计出的信道卷积后，得到长度为L-1+L-1的序列，截取该序列前面L-1位符号，得到干扰序列X₂，可参见图6中的曲线部分所示。

c.将接收到的子帧截取第4个符号到第60+L-1符号这57+L-1个符号，从该符号序列中减去对应位置的干扰序列X₁和X₂。得到的序列可以进行频域变换和频域均衡，

d.右半部分同理。

e.此处的L取值大于信道长度，这样可以使傅里叶变换的点数变为2的幂次方，便于进行快速傅里叶变换。

在步骤503中，在每一次的信道估计迭代过程中，将译码器反馈回来的每个比特的对数似然比和每个比特的外信息转化为每个符号的均值和先验均值，第一次迭代时符号的先验均值和均值取为零。接着，在步骤504中，对每个符号的均值和先验均值进行DFT。

具体地说，当已知从SISO译码器得到的发送符号a_i，i＝0，1，...，M-1对应各比特的对数似然比(LLR)先验信息其中J为每个调制符号中的比特数。发送符号a_i取到调制符号集C中的概率为

$P(a_i=c_t)=f(b_{t,1},b_{t,2},\·\·\·,b_{t,H})$

$=\underset{j=1}{\overset{J}{\mathrm{\Π}}}P({\hat{b}}_{i,j}=b_{i,j})$

$=\underset{j=1}{\overset{J}{\mathrm{\Π}}}\frac{\exp \left[({2b}_{i,j}-1)L\left({\hat{b}}_{i,j}\right)\right]}{1+\exp \left[(2b_{i,j}-1)L\left({\hat{b}}_{i,j}\right)\right]}$

$=\underset{j=1}{\overset{J}{\mathrm{\Π}}}\frac{1}{2}[1+({2b}_{i,j}-1)\tanh \left(\frac{1}{2}L\left({\hat{b}}_{i,j}\right)\right)]$

其中c_t＝f(b_t，1，b_t，2，…，b_t，H)是根据映射关系f从符号集

中各比特生成的星座符号。

由先验信息可计算得到符号的先验均值a_M和先验方差v_M：

${\stackrel{\‾}{a}}_i=\underset{t\∈c}{\mathrm{\Σ}}{c}_{t}p(a_i=c_t)$

$v_i=\underset{t\∈c}{\mathrm{\Σ}}{\left|c_t\right|}^{2}p(a_i=c_t)-{{\stackrel{\‾}{a}}_i}^2,i=\mathrm{0,1},...,M-1$

用同样的方法可得到符号的均值C_M。对得到的符号的均值和先验均值进行DFT。

接着，在步骤505中，利用经DFT后的预滤波后的数据与经DFT后的每个符号的均值进行频域信道估计(如MMSE频域信道估计)，得到信道频率响应。第一次迭代时采用训练序列的时域相关来估计信道频率响应。并利用估计出的信道频率响应，对经DFT后的预滤波后的数据与经DFT后的每个符号的先验均值进行频域信道均衡(如MMSE频域信道均衡)。

具体地说，将经DFT后的符号均值记为F(C_M)，将经DFT后的预滤波后数据记为F(Y)，根据F(Y)＝F(H)F(X)，进行MMSE信道估计，即：H_estimator＝F(C_M)^H(F(C_M(F(C_M)^H+σ²I_M)^-1F(Y)，得到信道估计结果H_estimator。将H_estimator进行IDFT变换后得到M点时域信道冲激响应，用长度为L的能量窗在长度为M的时域信道冲激响应上进行滑动。计算能量窗中L个点的平均能量。取最大能量的L径作为时域信道冲激响应。然后再做M点离散傅里叶变换变为频域响应H_M。送入MMSE均衡器。采用MMSE均衡计算每个符号的后验均值和方差，即得到每个符号的先验均值a_M和先验方差v_M以及估计的信道频率响应H_M后，对a_M进行M点离散傅里叶变换，得到B_M。根据公式F(Y)＝F(H)F(X)，对F(Y)进行MMSE均衡：

$F{\left(Y\right)}^{\mathrm{post}}={\stackrel{\‾}{B}}_M+{\mathrm{VH}}_M^H{(H_M{\mathrm{VH}}_M^H+{\mathrm{\σ}}^2{I}_M)}^{-1}(F\left(Y\right)-H_M{\stackrel{\‾}{B}}_M)$

$V^{\mathrm{post}}=\mathrm{diag}\{{\mathrm{VI}}_M-V^2{(H_M^H{\mathrm{VH}}_M^H+{\mathrm{\σ}}^2{I}_M)}^{-1}{H}_M^H{H}_M\}$

接着，在步骤506中，将均衡后的每个符号的后验均值和方差进行IDFT，并通过解调、解交织后输入到译码器进行译码。在步骤507中，译码器进行软判决译码计算比特的似然比信息和外信息。然后进行硬判决，用CRC进行校验，如果校验正确，则结束循环，输出到下一级，即将最近一次估计出的信道频率响应作为最终的信道估计结果，如果CRC校验不正确，则返回步骤503，进入下一次的信道估计迭代过程。

具体地说，将经MMSE均衡计算到的每个符号的后验均值F(Y)^post和方差V^post进行IDFT解扩，并对V^post求其均值，V^post＝E(V^post)。将经IDFT后的数据送入到译码器，进行软判决译码，得到每个比特的似然比信息和外信息。然后进行硬判决，用CRC进行校验，如果校验正确，则结束循环，即推出迭代；如果校验不正确，则下一次的信道估计迭代过程，即回到步骤503。其中，可通过以下公式计算外信息：

$L_E\left({\hat{b}}_{m,1}\right)=4(\frac{\mathrm{Re}\left(F{\left(Y\right)}^{\mathrm{post}}\left(m\right)\right)}{{\stackrel{\‾}{V}}^{\mathrm{post}}}-\frac{\mathrm{Re}\left({\stackrel{\‾}{a}}_M\left(m\right)\right)}{V})$

$L_E\left({\hat{b}}_{m,2}\right)=4(\frac{\mathrm{Im}\left(F{\left(Y\right)}^{\mathrm{post}}\left(m\right)\right)}{{\stackrel{\‾}{V}}^{\mathrm{post}}}-\frac{\mathrm{Im}\left({\stackrel{\‾}{a}}_M\left(m\right)\right)}{V})$

不难发现，本实施方式相对于现有技术的改进之处在于，不仅将接收到的训练序列码两边的信息数据块中数据，作为用于信道估计的接收数据，并且通过对预滤波后的接收数据进行DFT，以及在每一次的信道估计迭代过程中，进行DFT和IDFT的转换，使得在每一次的信道估计迭代过程中，对接收数据进行频域的信道估计和信道均衡，而非时域的信道估计和信道均衡，直至CRC校验正确，将最近一次估计出的信道频率响应作为最终的信道估计结果。由于在传统的基于训练序列的信道估计方法中，直接把训练序列相关得到的信道估计作为数据序列的信道估计，没有考虑到训练序列和数据序列之间的多普勒频移，从而将导致性能的严重损失。因此通过在迭代中利用训练序列码两边的数据信息进行信道估计，可避免因训练序列和数据序列之间的多普勒频移而产生的性能严重损失的问题。而且，数据信息序列相对于训练序列的长度较长，因此以训练序列码两边的信息数据块中数据，作为用于信道估计的接收数据，可使得信道估计的结果更加准确。如图7所示，通过仿真，相对于传统的基于训练序列的时域信道估计算法，性能有2.5dB增益。而且，由于频域的信道估计复杂度要远远小于时域上的信道估计复杂度，因此将时域的信道估计和信道均衡转换为频域的信道估计和信道均衡，相对于传统的基于训练序列的时域信道估计方法，能大大降低对系统复杂度的要求。

需要说明的是，在本实施方式中对各步骤的具体说明只是在实现过程中的具体细节，在实际应用中，对接收数据的预滤波、DFT以及在每一次的信道估计迭代过程中进行的DFT转换、IDFT转换、频域的信道估计和信道均衡，在实现细节上可以有各种变化例(如MMSE均衡也可以变更为频域单点均衡等)，在此不一一赘述。

另外，在实际应用中，也可以只将接收到的训练序列码两边的信息数据块中的数据，作为用于信道估计的接收数据，不将时域的信道估计和信道均衡转换为频域的信道估计和信道均衡。在这种情况下，不需要对接收到的训练序列码两边的信息数据块中的数据进行预滤波和DFT，在每一次的信道估计迭代过程中，也不需要进行DFT和相应的IDFT的变换。具体的信道估计方法与现有技术雷同，在此不再赘述。

本方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现，指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的，易失性的或者非易失性的，固态的或者非固态的，固定的或者可更换的介质等等)。同样，存储器可以例如是可编程阵列逻辑(Programmable Array Logic，简称“PAL”)、随机存取存储器(Random Access Memory，简称“RAM”)、可编程只读存储器(Programmable Read Only Memory，简称“PROM”)、只读存储器(Read-Only Memory，简称“ROM”)、电可擦除可编程只读存储器(Electrically Erasable Programmable ROM，简称“EEPROM”)、磁盘、光盘、数字通用光盘(Digital Versatile Disc，简称“DVD”)等等。

本发明第二实施方式涉及一种信道估计装置。如图8所示，该信道估计装置包含：

预滤波模块，用于对接收数据进行预滤波。其中，将接收到的训练序列码两边的信息数据块中的数据，作为用于信道估计的接收数据。

第一DFT模块，用于对预滤波模块预滤波后的数据进行DFT。

译码模块，用于对数据进行译码。

获取模块，用于在每一次的信道估计迭代过程中，根据译码模块译码后的数据，得到每个符号的均值和先验均值，第一次的信道估计迭代过程中，每个符号的均值和先验均值取为0。

第二DFT模块，用于对获取模块获取的每个符号的均值和先验均值进行DFT。

信道估计模块，用于利用第一DFT模块输出的经DFT后的预滤波后的数据和第二DFT模块输出的经DFT后的每个符号的均值进行频域信道估计，得到信道频率响应。

信道均衡模块，用于利用信道估计模块估计出的信道频率响应，对经DFT后的预滤波后的数据与经DFT后的每个符号的先验均值进行频域信道均衡。

IDFT模块，用于将经信道均衡模块均衡后的每个符号的后验均值和方差进行IDFT，并将经IDFT后的数据输出到译码模块，译码模块还用于对译码后的数据进行CRC校验。

判断模块，用于判断CRC校验是否正确，如果正确，则将最近一次得到的信道估计的结果作为最终的信道估计结果，如果CRC校验不正确，则进入下一次的信道估计迭代过程。

其中，频域信道估计为频域MMSE信道估计，频域信道均衡为频域MMSE信道均衡，预滤波模块通过以下方式对接收数据进行预滤波：

将发送的信息数据与信道的时域冲击响应的线性卷积转化为循环卷积。

本实施方式中的信道估计装置可应用于全球移动通信系统GSM或增强数据速率的GSM演进方案EDGE系统中。

需要说明的是，在实际应用中，也可以只将接收到的训练序列码两边的信息数据块中的数据，作为用于信道估计的接收数据，不将时域的信道估计和信道均衡转换为频域的信道估计和信道均衡。在这种情况下，不需要包含预滤波模块、第一DFT模块、第二DFT模块、IDFT模块，信道估计模块和信道均衡模块进行的都是时域上的信道估计和均衡。具体的实现方式与现有技术雷同，在此不再赘述。

不难发现，第一实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。

需要说明的是，本设备实施方式中提到的各单元都是逻辑单元，在物理上，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现，这些逻辑单元本身的物理实现方式并不是最重要的，这些逻辑单元所实现的功能的组合是才解决本发明所提出的技术问题的关键。此外，为了突出本发明的创新部分，本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，这并不表明上述设备实施方式并不存在其它的单元。

虽然通过参照本发明的某些优选实施方式，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种信道估计方法，其特征在于，包含以下步骤：

将接收到的训练序列码两边的信息数据块中的数据，作为用于信道估计的接收数据；

在每一次的信道估计迭代过程中，根据译码后的接收数据得到每个符号的均值和先验均值，利用每个符号的均值和接收数据进行信道估计；

根据所述信道估计的结果对所述接收数据和所述每个符号的先验均值进行信道均衡，对均衡后得到的数据进行译码并进行循环冗余校验CRC，如果所述CRC校验正确，则将最近一次得到的信道估计的结果作为最终的信道估计结果，如果所述CRC校验不正确，则进入下一次的信道估计迭代过程。

2.根据权利要求1所述的信道估计方法，其特征在于，在进入信道估计迭代过程前，还包含以下步骤：

对所述用于信道估计的接收数据进行预滤波，并将所述预滤波后的数据进行离散傅立叶变换DFT；

在每一次的信道估计迭代过程中，在得到每个符号的均值和先验均值后，进行信道估计之前，包含以下步骤：

对每个符号的均值和先验均值进行DFT；

在利用每个符号的均值和接收数据进行信道估计的步骤中，利用经DFT后的所述预滤波后的数据与经DFT后的所述每个符号的均值进行频域信道估计，得到信道频率响应；

在所述进行信道均衡的步骤中，利用估计出的信道频率响应，对经DFT后的所述预滤波后的数据与经DFT后的所述每个符号的先验均值进行频域信道均衡；

在对均衡后得到的数据进行译码前，还包含以下步骤：

将均衡后的每个符号的后验均值和方差进行离散傅立叶逆变换IDFT；

在所述对均衡后得到的数据进行译码并进行循环冗余校验CRC的步骤中，对经所述IDFT后的数据进行所述译码和所述CRC校验。

3.根据权利要求2所述的信道估计方法，其特征在于，所述对接收数据进行预滤波的步骤中，包含以下子步骤：

将发送的信息数据与信道的时域冲击响应的线性卷积转化为循环卷积。

4.根据权利要求2所述的信道估计方法，其特征在于，所述频域信道估计为频域最小均方差估计MMSE信道估计；

所述频域信道均衡为频域MMSE信道均衡。

5.根据权利要求1所述的信道估计方法，其特征在于，所述信道估计方法应用于全球移动通信系统GSM或增强数据速率的GSM演进方案EDGE系统中。

6.一种信道估计装置，其特征在于，包含：

译码模块，用于对数据进行译码；

获取模块，用于在每一次的信道估计迭代过程中，根据所述译码模块译码后的数据，得到每个符号的均值和先验均值，第一次的信道估计迭代过程中，每个符号的均值和先验均值取为0；

信道估计模块，用于利用每个符号的均值和接收数据进行信道估计，其中，将接收到的训练序列码两边的信息数据块中的数据，作为用于信道估计的接收数据；

信道均衡模块，用于根据所述信道估计模块得到的估计结果对所述接收数据和所述每个符号的先验均值进行信道均衡，所述译码模块对均衡后得到的数据进行译码，所述译码模块还用于对译码后的数据进行循环冗余校验CRC；

判断模块，用于判断所述CRC校验是否正确，如果正确，则将最近一次得到的信道估计的结果作为最终的信道估计结果，如果所述CRC校验不正确，则进入下一次的信道估计迭代过程。

7.根据权利要求6所述的信道估计装置，其特征在于，所述信道估计装置还包含：

预滤波模块，用于对所述接收数据进行预滤波；

第一DFT模块，用于对所述预滤波模块预滤波后的数据进行DFT；

第二DFT模块，用于对所述获取模块获取的所述每个符号的均值和先验均值进行DFT；

所述信道估计模块利用所述第一DFT模块输出的经DFT后的所述预滤波后的数据和所述第二DFT模块输出的经DFT后的所述每个符号的均值进行频域信道估计，得到信道频率响应；

所述信道均衡模块利用所述信道估计模块估计出的信道频率响应，对经DFT后的所述预滤波后的数据与经DFT后的所述每个符号的先验均值进行频域信道均衡；

所述信道估计装置还包含：IDFT模块，用于将经所述信道均衡模块均衡后的每个符号的后验均值和方差进行IDFT，并将经IDFT后的数据输出到所述译码模块。

8.根据权利要求7所述的信道估计装置，其特征在于，所述预滤波模块通过以下方式对接收数据进行预滤波：

将发送的信息数据与信道的时域冲击响应的线性卷积转化为循环卷积。

9.根据权利要求7所述的信道估计装置，其特征在于，所述频域信道估计为频域最小均方差估计MMSE信道估计；

所述频域信道均衡为频域MMSE信道均衡。

10.根据权利要求6所述的信道估计装置，其特征在于，所述信道估计装置应用于全球移动通信系统GSM或增强数据速率的GSM演进方案EDGE系统中。

Images