CN101855877A - 递归时间频率信道估计 - Google Patents

Abstract

本发明涉及用于通过将估计值的内插或外插或者平滑分成频域部分(14)和时域部分(15)来估计多载波传输的信道的方法、设备和计算机程序产品，其中信道估计单元配置用于针对频域部分和时域部分使用相应的递归滤波器，以及其中至少一个递归滤波器被调整以适应于(13)多载波传输的信道状况。

Description

递归时间频率信道估计

技术领域

本发明涉及用于估计诸如(但不限于)正交频分复用(OFDM)传输的多载波传输的信道的方法、设备和计算机程序产品。

背景技术

在例如OFDM系统的多载波系统中，信道估计方案用于对接收的信号进行相干检测。OFDM基于频分复用(FDM)的调制技术。OFDM技术通过具有彼此正交的子载波而有别于传统的FDM。OFDM系统中所使用的调制技术有助于克服频率选择性信道的影响。频率选择性信道在所发射的信号经历多路径环境时发生。

信道估计的目的是估计针对每个OFDM符号的时变信道频率响应。可以通过使用频域中分散的参考符号(导频音)来估计信道。由于参考符号还分散在时域中，所以需要在时域和频域这两个维度中估计信道。信道还可以由其冲击响应代替其频率响应来表示，并且可以对该冲击响应的时变行为进行追踪。为了追踪信道频率响应，使用具有参考符号的子载波来为在OFDM符号处不具有参考符号的子载波寻找信道估计值。首先，在频率方向上基于具有参考符号的所有子载波对信道进行估计。其次，通过在时域中的已知估计值之间进行内插来寻找每个OFDM符号的频率响应。备选地，该顺序可以颠倒，以便在第一步骤执行时间处理，而在第二步骤执行频率处理。

可以通过多种方式来执行基于信道估计值的内插，例如，通过相邻参考符号(例如，导频音)之间的简单线性内插，或者通过将多项式函数(例如，通过最小二乘方法)拟合到经过抽样的信道传递函数。即使基于简单线性内插的信道估计易于计算，但在具有高频选择性的信道中往往表现不佳。更先进的方法是应用Wiener滤波(或者线性最小均方误差(LMMSE))，其依赖于要估计的底层信道传递函数的某些统计特征(例如，参见Hoeher，P.、Kaiser，S.和Robertson，P.的“Two-dimensional pilot-symbol-aided channel estimation by Wienerfiltering”，声学、语音和信号处理，1997，ICASSP-97.，1997IEEE国际会议，第3卷，1997年4月21-24日，第1845-1848页)。然而，此方法往往会对甚至中等大小的导频集都变得不易计算。同样，与延迟(转换)域信道估计相关联的频域平滑矩阵往往会在计算上变得棘手，或者对于实际用途而言太大而无法存储。

因此，在实际实现中，为了减少信道估计器的计算复杂度以及减小用于存储预先计算的滤波器的存储器(例如，参见US20050105647A1)，通常采用滑动窗口方式。然而，在信道估计器的性能开始下降之前，关于可以将此滑动窗口做得多小存在着限制。这也就意味着估计器的处理增益的上限由窗口的大小来限制。因此，在具有大相干带宽和/或大相干时间的信道中，这些估计器将由窗口大小而不是该信道的特性来限制。

发明内容

因此，本发明的目的是提供用于时间频率信道估计的低复杂度方法。

此目的通过如下方法来完成，包括：

·通过将估计值的内插或外插或者平滑分成频域部分和时域部分，来执行针对多载波传输的信道估计；

·针对所述频域部分和所述时域部分使用相应的递归滤波器；以及

·调整至少一个所述递归滤波器以适应于所述多载波传输的信道状况。

此外，上述目的通过包括信道估计单元的设备来实现的，该信道估计单元通过将估计值的内插或外插或者平滑分成频域部分和时域部分来估计多载波传输的信道，其中所述信道估计单元配置用于针对所述频域部分和所述时域部分使用相应的递归滤波器，以及其中调整至少一个所述递归滤波器以适应于所述多载波传输的信道状况。

相应地，内插、外插和平滑中的至少一个被分成频域部分和时域部分。为频域部分和时域部分提供相应的递归滤波器或者递归滤波操作，其适于该信道状况。

此解决方案提供了用于在多载波收发器系统(诸如基于OFDM的收发器系统)中执行信道估计的计算有效方法。在典型的基于OFDM的收发器系统中，信道传递函数在已知为导频位置的给定时间频率位置集处进行抽样。继而信道估计器的任务是：鉴于导频位置处的抽样值，推出时间频率网格中某些其他位置处的整个信道传递函数。所提出的计算有效方法可以用于信道传递函数的平滑或者内插或外插。在特定示例中，所提出的滤波可以借助于具有适于信道状况的复数值系数的无限冲击响应(IIR)多相内插滤波器来完成。

此外，所提出的信道估计对于信号质量(例如，信噪比(SNR))中等或不佳的接收情况而言是有利的。在这些情况下，计算资源可以(从在其他情况下计算密集的内插和/或重建滤波器)被释放并且得到利用，例如，以用于使用数据辅助方法(例如，基于重新编码的解调信息比特的迭代信道估计)来改进信道估计的质量。

该估计值可以是从预定导频位置处的原始信道估计值导出的。原始估计值可以经受平滑，继而可以在平滑后的原始估计值上执行内插或外插。平滑可以包括原始信道估计器的前向递归平滑。

此外，递归滤波器是无限冲击响应多相滤波器。频域部分的递归滤波器可以配置成具有复数值滤波器系数。

调整可以包括：从信道改变率和信道质量参数中的至少一个导出频域部分的递归滤波器的遗忘因子。该遗忘因子可以在信道改变率和信道质量参数中至少一个方面被参数化。

另外，调整可以包括：从相干时间和信道质量参数中的至少一个导出时域部分的递归滤波器的遗忘因子。在特定示例中，可以向时域部分的递归滤波器提供至少一个第一遗忘因子和第二遗忘因子，其中至少一个第一遗忘因子可以用于在一个传输方向中的、没有被其他传输方向中的传输周期分隔的估计值之间以进行平滑，并且至少一个第二遗忘因子可以用于在一个传输方向中的、被其他传输方向中的传输周期分隔的估计值之间进行平滑。

考虑到时间相关相位改变和/或增益改变，可以在时间滤波信道估计值上执行时域中的内插或外插。

进一步的优势改进将在从属权利要求中定义。

附图说明

在下文中，本发明将基于实施方式并参考附图更详细地进行描述，其中：

图1示出了指示改变用于提取信道估计所使用信号部分的滑动窗口的时序的影响的示意图；

图2示出了指示根据实施方式的、递归信道估计的平滑效果(左图)和内插效果(右图)的复合图；

图3示出了预先FFT时序调整对信道估计的影响的图示；

图4示出了根据第一实施方式的、多载波接收器部分的示意性框图；

图5示出了根据第二实施方式的、基于软件实现的示意性框图；

图6示出了根据第三实施方式的、信道估计过程的流程图；

图7示出了多载波收发器系统的TDD操作模式的示例；以及

图8示出了根据第四实施方式的、信道估计平滑过程的流程图。

具体实施方式

现将基于OFDM收发器系统来描述各种实施方式，该系统作为其中可以实现本发明的收发器或接收器系统的特定示例。

根据以下所描述的实施方式，提供了信道估计过程和设备，其可以采取自适应递归滤波(例如，基于无限冲击响应(IIR)的滤波)而得到增强。这使得信道估计器能够有效地合并来自大窗口的抽样，而不产生计算复杂度上或存储滤波器系数所需的存储器的大的增长。递归估计或追踪的这些益处还可以通过使用如最小均方(LMS)、递归最小二乘(RLS)和Kalman滤波的自适应方法来获得。然而，结合信道估计，这些方法通常已经用于追踪延迟域中信道的时间演进。然而，根据实施方式，在频域和时域中都应用递归滤波。根据Wiener原理，用于频率处理的最佳滤波器由于功率延迟剖面(PDP)的非对称性而通常趋向于具有复数值滤波器系数，其按照定义是正过量延迟的函数。基于这一事实，已经提出了在频率内插之前旋转经快速傅里叶变换(FFT)处理过的信号。这可以认为是第一阶近似，其捕获线性相位改变(作为频率的函数)，并且其归因于所关注的传输信道的平均群组延迟。在相位响应不够接近第一阶的情况下，应当考虑相位响应中的更高阶交互。此外，在OFDM接收器的实际实现中，通常具有时序循环，其确保选出所接收信号的正确部分以用于进一步的处理。

非常简单的后置FFT时序估计器可以是基于单路径(PDP)假设的。实际上，这样不复杂的时序估计器被配置用于评价连续子载波之间的相位改变，继而移动窗口以便使相位改变实际上为0。因此，测量的相位响应总是可以表述为：归因于纯延迟的(线性)相位改变和归因于信道的时间散布的(通常是非线性)相位响应之和。因此，作为应用不复杂的时序估计器的第二效果，可以将线性项从信道相位响应中移除。为了对此进行阐明，假设具有均匀PDP的示例，其中给定最大过量延迟τ_max，即：

现在，假设面对真实延迟d，给出与所观察信道相关联的频率相关函数：

$R_{\mathrm{observed}}\left(\mathrm{\Δf}\right)=\sin c\left({\mathrm{\Δf\τ}}_{\max }\right)\exp (-\mathrm{j\π\Δf}{\mathrm{\τ}}_{\max })\exp (-j2\mathrm{\π\Δfd})$

$=\sin c\left(\mathrm{\Δf}{\mathrm{\τ}}_{\max }\right)\exp (-j2\mathrm{\π\Δf}(\frac{{\mathrm{\τ}}_{\max }}{2}+d))---\left(2\right)$

继而给出不复杂的(单路径)时序估计值：

$d_{\mathrm{naive}}=-\frac{1}{2\mathrm{\&pi;\&Delta;f}}<R_{\mathrm{observed}}\left(\mathrm{\&Delta;f}\right)=d+\frac{{\mathrm{\&tau;}}_{\mathrm{rms}}}{2}---\left(3\right)$

因此，在这种情况下，使用不复杂的时序估计器所提供的时序估计值有效地将所观察到的(后时序调整)相位响应提供为0。显然，上述性质对于任何可旋转对称PDP而言都是成立的，因为对应的频率相关函数总是可以写作实数值函数乘以旋转相量(phasor)。因此，使用不复杂的时序估计器来选取用于进一步处理的信号往往会减少信道估计的复杂度，以作为第二效果。此效果不用对信道的频率相关函数做显式参考便可以获得。这与之前的解决方案(例如，US20060239178A1)相反，其中最优时序窗口作为继而需要确定的延迟扩展的函数明确地给出。

此外，信道传递函数的相位响应通常是子载波间隔的非线性函数，这也就意味着纯旋转不足以提供最优内插实数值函数。

图1示出了作为移动滑动窗口20的时序的结果，即，作为在FFT映射之前选取所接收信号30的不同部分的结果，设想的PDP以及因此相位在子载波之间如何变化。

画面的上面一行(行A)示出了选取信号段以由FFT处理的三个不同选择。画面的中间一行(行B)示出了在使用三个不同信号段时，信道PDP被如何观察到。画面的下面一行(行C)描绘了关于信道传递函数(CTF)的相位如何在子载波f₀与f₁之间改变(其中f₀＜f₁)的三种不同的时序定义。出于说明的目的，将在子载波频率f₀处的CTF的相位定义为“0”。图1示出了在FFT处理之前被选取的信号段对设想的CTF的行为有明显的影响。这也就意味着信道估计器的复杂度将依赖于滑动窗口20选取以供进一步处理的信号段。右边列示出了将信号段/时序设置在两个连续子载波之间CTF相位改变几乎为“0”(平均)的位置的情况。实际上，这对应于在接收器中使用不复杂的时序估计器的情况。

针对OFDM收发器系统的多数基于内插的信道估计器的出发点是，在给定时间频率位置集合处评价的CTF抽样(掺噪)集合，其中Ω表示感兴趣的整个时间频率网格。通常，这些抽样在给定的时间频率位置Ξ处通过发射接收器侧已知的星座点(所谓的“导频”)的集合来获得。在于时间t处的OFDM符号的FFT处理之后，获得所接收的信号r_t，f，其中f表示子载波索引。获得在导频位置(t，f)处的信号传递函数的(掺噪)抽样h_t，f的一种方法是：对于所有(t，f)∈Ξ，用所接收的信号r_t，f除以相关联的导频值p_t，f，即，h_t，f＝r_t，f/p_t，f。下面假设信道传递函数的掺噪抽样(h_t，f)_(t，f)∈Ξ(称作“原始信道估计值”)的集合已经用某些方式获得。鉴于在导频位置Ξ处的原始信道估计值(h_t，f)_(t，f)∈Ξ，现在针对感兴趣的整个时间频率网格Ω估计信道传递函数。这还包括改进在导频位置处的信道传递函数的掺噪估计值。

下面，将用于频率处理的IIR滤波描述为递归滤波的示例。出发点是Wiener滤波或LMMSE问题，即，鉴于所观察抽样的向量v，要找到线性映射(或者权重的组合)，其在MSE意义上是最好的估计值

即，

${\hat{h}}_f=w_f^{H}v---\left(4\right)$

以下给出此问题的解

$w_f={\&lang;{\mathrm{vv}}^H\&rang;}^{-1}\&lang;{\mathrm{vh}}_f^H\&rang;---\left(5\right)$

其中h_f表示在频率f处的真实信道传递函数。在标准Wiener滤波器中，所观察抽样的向量包含所有原始信道估计值，该原始信道估计值可用于当前导频符号。用于减小标准Wiener滤波器复杂度的方法是以滑动窗口方式来仅处理原始信道估计值的有限集合。然而，在该实施方式中，提出用先前的信道估计值和原始信道估计值来组成观察向量。

例如，基于在频率f-1处的信道估计值

和在频率f处的原始信道估计值

在频率f处估计信道传递函数。在这种情况下，以下给出用于在频率f处估计信道的所观察抽样的向量

$v_f=\left(\begin{array}{c}{\hat{h}}_{f-1}\\ {\tilde{h}}_f\end{array}\right)=\left(\begin{array}{c}{h}_{f-1}+{\mathrm{\&eta;}}_{f-1}\\ h_f+{\mathrm{\&epsiv;}}_f\end{array}\right)---\left(6\right)$

其中η_f-1～CN(0，σ_f-1 ²)和ε_f～CN(0，σ²)分别是与在频率f-1处的信道估计值和测量噪声相关联的预测误差。现在，评价用于计算LMMSE解所需的足够统计。更具体地，这些是观察之间的相关性：

$\&lang;v_f{v}_f^H\&rang;=\left(\begin{array}{cc}1+{\mathrm{\&sigma;}}_{f-1}^2& R(-1)\\ R\left(1\right)& 1+{\mathrm{\&sigma;}}^2\end{array}\right)=\left(\begin{array}{cc}1+{\mathrm{\&sigma;}}_{f-1}^2& R^{*}\left(1\right)\\ R\left(1\right)& 1+{\mathrm{\&sigma;}}^2\end{array}\right)---\left(7\right)$

以及观察与真实信道传递函数之间的相关性，

$\&lang;v_f{h}_f^H\&rang;=\left(\begin{array}{c}{R}^{*}\left(1\right)\\ 1\end{array}\right)---\left(8\right)$

其中信道频率相关函数由以下定义：

$R\left(\mathrm{\&Delta;f}\right)=\&lang;h_f{h}_{f-\mathrm{\&Delta;f}}^{*}\&rang;---\left(9\right)$

因此，以下给出在这种情况下的最优组合权重：

$w_f=\frac{1}{(1+{\mathrm{\&sigma;}}_{f-1}^2)(1+{\mathrm{\&sigma;}}^2)-{\left|R\left(1\right)\right|}^2}\left(\begin{array}{cc}1+{\mathrm{\&sigma;}}^2& -R^{*}\left(1\right)\\ -R\left(1\right)& 1+{\mathrm{\&sigma;}}_{f-1}^2\end{array}\right)\left(\begin{array}{c}{R}^{*}\left(1\right)\\ 1\end{array}\right)$ (10)

$=\frac{1}{(1+{\mathrm{\&sigma;}}_{f-1}^2)(1+{\mathrm{\&sigma;}}^2)-{\left|R\left(1\right)\right|}^2}\left(\begin{array}{c}{\mathrm{\&sigma;}}^2{R}^{*}\left(1\right)\\ 1+{\mathrm{\&sigma;}}_{f-1}^2-{\left|R\left(1\right)\right|}^2\end{array}\right)$

注意，由于频率相关性增加(相当于信道趋向于变得较少频率选择性)，估计器趋向于将更关注平滑后的估计值(而不太关注原始信道估计值)。最佳组合权重提示了LMMSE解的某些重要特征。实质上，先前估计的信道估计值的相位应当改变的量对应于频率相关性的相位。值得注意的是：此相位改变仅对第一迭代是最优的，因为最优相位改变实际上是随着递归估计值进行的整个频率相关函数的函数。基于上述发现，可以将原始信道估计器的前向递归平滑表示为：

$h_f^{\&RightArrow;}=\underset{l=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_l{e}^{j{\mathrm{\&theta;}}_t}{h}_{f-l}^{\&RightArrow;}+{\mathrm{\&lambda;}}_0{\tilde{h}}_f$ where $0\&le;{\mathrm{\&lambda;}}_l\&le;1\mathrm{and}\underset{l=0}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_l=1---\left(11\right)$

其中，以下可以给出前向递归的基准情形：

$h_0^{\&RightArrow;}={\tilde{h}}_0---\left(12\right)$

同样，可以获得后向平滑递归的集合，如下：

$h_f^{\&LeftArrow;}=\underset{l=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_l{e}^{-j{\mathrm{\&theta;}}_t}{h}_{f+l}^{\&LeftArrow;}+{\mathrm{\&lambda;}}_0{\tilde{h}}_f$ 其中0≤λ_l≤1并且 $\underset{l=0}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_l=1---\left(13\right)$

其中，以下给出后向递归的基准情形：

$h_{P-1}^{\&LeftArrow;}={\tilde{h}}_{P-1}---\left(14\right)$

并且P表示OFDM符号中可用原始信道估计值的数量。最终信道估计值继而可以评价为两个信道估计值的某个函数，例如(并不排他)，两个估计值的平均值：

${\hat{h}}_f=\frac{1}{2}(h_f^{\&RightArrow;}+h_f^{\&LeftArrow;})---\left(15\right)$

现在，描述所提出的信道估计器的频率内插部分。如上文所述，可以在原始信道估计值已经经过了IIR滤波之后执行此部分。这意味着可以在平滑后的信道估计值

上执行内插步骤。现在，考虑一个示例性内插步骤，其中仅两个最近周围平滑后的信道估计值用于计算CTF。然而，对于本领域技术人员容易理解如何将此示例扩展至更高阶的内插。出发点还是针对预测问题的LMMSE解：

${\hat{h}}_f=w_f^H\left(\begin{array}{c}{\hat{h}}_0\\ {\hat{h}}_1\end{array}\right)=w_f^H\left(\begin{array}{c}{h}_0+{\mathrm{\&epsiv;}}_0\\ h_1+{\mathrm{\&epsiv;}}_0\end{array}\right)---\left(16\right)$

其中是在频率f处的估计的CTF，

和表示平滑后的信道估计值，h₀和h₁表示真实(但未知)的CTF，以及ε₀和ε₁表示平滑后的信道估计值的估计噪声。继而以下给出最优的组合权重：

$w_f={\&lang;v_f{v}_f^H\&rang;}^{-1}\&lang;v_f{h}_f^H\&rang;$

$={\left(\begin{array}{cc}1+{\mathrm{\&sigma;}}^2& R^{*}\left(1\right)\\ R\left(1\right)& 1+{\mathrm{\&sigma;}}^2\end{array}\right)}^{-1}\left(\begin{array}{c}{R}^{*}\left(f\right)\\ R(1-f)\end{array}\right)$

$=\frac{1}{{(1+{\mathrm{\&sigma;}}^2)}^2-{\left|R\left(1\right)\right|}^2}\left(\begin{array}{cc}1+{\mathrm{\&sigma;}}^2& -R^{*}\left(1\right)\\ -R\left(1\right)& 1+{\mathrm{\&sigma;}}^2\end{array}\right)\left(\begin{array}{c}{R}^{*}\left(f\right)\\ R(1-f)\end{array}\right)---\left(17\right)$

$=\frac{1}{{(1+{\mathrm{\&sigma;}}^2)}^2-{\left|R\left(1\right)\right|}^2}\left(\begin{array}{c}(1+{\mathrm{\&sigma;}}^2)R^{*}\left(f\right)-R^{-*}\left(1\right)R(1-f)\\ (1+{\mathrm{\&sigma;}}^2)R(1-f)-R\left(1\right)R^{*}\left(f\right)\end{array}\right)$

其中σ²现在表示估计误差的方差。作为完整性检查，假设已经获得了平滑后的信道估计值，即，假设σ²＝0(没有估计噪声)。进一步假设平滑后的信道估计值的两个估计值不完全相关，即|R(1)|＜1。继而，最优组合向量直接变成：

$w_f=\frac{1}{1-{\left|R\left(1\right)\right|}^2}\left(\begin{array}{c}{R}^{*}\left(f\right)-R^{*}\left(1\right)R(1-f)\\ R(1-f)-R\left(1\right)R^{*}\left(f\right)\end{array}\right)---\left(18\right)$

其中，也就意味着

$w_0=\left(\begin{array}{c}1\\ 0\end{array}\right)$ 和 $w_1=\left(\begin{array}{c}0\\ 1\end{array}\right)---\left(19\right)$

现在，假设信道包括延迟了d秒的单个路径。在这种情况下，以下给出频率相关函数：

R(Δf)＝exp(-j2πdΔf)                         (20)

其中，也进而意味着可以将最优组合向量表示为：

$w_f=\frac{1}{{(1+{\mathrm{\&sigma;}}^2)}^2-{\left|R\left(1\right)\right|}^2}\left(\begin{array}{c}(1+{\mathrm{\&sigma;}}^2)R^{*}\left(f\right)-R^{-*}\left(1\right)R(1-f)\\ (1+{\mathrm{\&sigma;}}^2)R(1-f)-R\left(1\right)R^{*}\left(f\right)\end{array}\right)$

$=\frac{1}{{(1+{\mathrm{\&sigma;}}^2)}^2-{\left|R\left(1\right)\right|}^2}\left(\begin{array}{c}(1+{\mathrm{\&sigma;}}^2)\exp \left(j2\mathrm{\&pi;df}\right)-\exp \left(j2\mathrm{\&pi;d}\right)\exp (-j2\mathrm{\&pi;d}(1-f))\\ (1+{\mathrm{\&sigma;}}^2)\exp (-j2\mathrm{\&pi;d}(1-f))\exp (-j2\mathrm{\&pi;d})\exp \left(j2\mathrm{\&pi;df}\right)\end{array}\right)---\left(21\right)$

$=\frac{1}{{\mathrm{\&sigma;}}^2(2+{\mathrm{\&sigma;}}^2)}\left(\begin{array}{c}{\mathrm{\&sigma;}}^2\exp \left(j2\mathrm{\&pi;df}\right)\\ {\mathrm{\&sigma;}}^2\exp (-j2\mathrm{\&pi;d}(1-f))\end{array}\right)$

$=\frac{1}{(2+{\mathrm{\&sigma;}}^2)}\left(\begin{array}{c}\exp \left(j2\mathrm{\&pi;df}\right)\\ \exp (-j2\mathrm{\&pi;d}(1-f))\end{array}\right)$

在平滑后的信道估计值已经被估计没有任何噪声的情况下，最优组合向量变成：

${\lim }_{{\mathrm{\&sigma;}}^2\&RightArrow;0}{w}_f=\frac{1}{2}\left(\begin{array}{c}\exp \left(j2\mathrm{\&pi;df}\right)\\ \exp (-j2\mathrm{\&pi;d}(1-f))\end{array}\right)---\left(22\right)$

因此，在单个延迟路径并且没有估计噪声的情况下，将在频率f处的内插信道估计值给出为以下二者的平均值：改变了-2πdf的h₀相位和改变了2πd(1-f)的h₁相位。这是所期待的，因为此组合器将在给定可用数据的情况下实现可能的最大处理增益。

图2示出了复合图，其给出了根据各种实施方式的、上文所述基于所提出IIR的信道估计器的平滑(左图)和内插(右图)。在此示例性情况中，该IIR滤波器是2阶的，即，二阶滤波器。

图2中，假设CTF的变元在导频位置处采用整数值。这意味着在左图(平滑)中只考虑整数值变元，但在右图(内插)中在非整数变元处对CTF进行估计。左图示出了两个先前经过平滑的信道估计值(在频率f-1和f-2)如何与在频率f处的原始信道估计值进行组合，以便获得频率f处的前向平滑后的信道估计值。右图示出了两个最近周围平滑后的信道估计值(这里假设位于频率0和1)如何用于在频率f处估计CTF。

现在，描述了函数族，其可以用于根据信道状况调整IIR滤波器。如早先已提到的，最优(在MSE意义上)频率估计的Wiener或LMMSE解是频率相关函数和SNR的函数。下面考虑第一阶IIR滤波器的示例性情况。然而，本领域技术人员明了如何将这些原理应用于更高阶的IIR滤波器，例如，之前段落描述的IIR滤波器。

通常认为前向和/或后向平滑IIR滤波器给出如下：

$h_f^{\&RightArrow;}=\mathrm{\&lambda;}{e}^{j{\mathrm{\&theta;}}_1}{h}_{f-\mathrm{\&Delta;f}}^{\&RightArrow;}+(1-\mathrm{\&lambda;})h_f$ f∈导频位置

$h_f^{\&LeftArrow;}=\mathrm{\&lambda;}{e}^{-j{\mathrm{\&theta;}}_1}{h}_{f+\mathrm{\&Delta;f}}^{\&LeftArrow;}+(1-\mathrm{\&lambda;}){\tilde{h}}_f$

${\hat{h}}_f=\frac{1}{2}(h_f^{\&RightArrow;}+h_f^{\&LeftArrow;})$

其中Δf表示导频间隔。如上文所述，相位改变的一个选择可以是θ₁＝∠R(Δf)。形式上，此选择对于信道包括单个延迟路径的情况是最优的。因此，第一步是验证此选择还可以应用于信道具有非0延迟扩展的情况。

最初，可以将CTF的频率改变率ξ定义为：

ξ＝log ₁₀(Δfτ_rms)                    (24)

其中Δf表示导频子载波之间的频率间隔，并且τ_rms表示rms延迟扩展。

虽然在SNR非常低的情况下似乎存在某些不同，但确实可以通过使用信道改变率的真实值来获得最小MSE。对于高信道改变率，最小MSE变得更明显，并且在这种情况下，在真实信道改变率与IIR滤波器中所使用的信道改变率之间似乎存在良好的一致。

现在，将最优遗忘因子λ作为SNR和信道改变率ξ的函数导出。这里，可以使用近似值θ₁＝∠R(Δf)，这意味着鉴于信道改变率的知识，相位变化被假设为是已知的。可以看出，最优遗忘因子的值倾向于随着信道改变率的增加而减小。同样地，最优遗忘因子倾向于随着SNR的增加而减小。

在频率相关R(Δf)趋近于0的情况下，可以预料到：将先前估计的信道估计值与新的观察进行组合的增益将倾向于消失。在这种情况下，可以预料到最优滤波器将由经典LMMSE解给出，即：

$h_f^{\mathrm{LMMSE}}=\frac{1}{1+{\mathrm{\&sigma;}}^2}{h}_f---\left(25\right)$

将此解解译成λ的定义意味着：在这种情况下，可以预料到，在信道改变率趋于最小极限的时候，遗忘因子λ趋近于：

${\mathrm{\&lambda;}}_{-\&infin;}=1-\frac{1}{1+{\mathrm{\&sigma;}}^2}=\frac{{\mathrm{\&sigma;}}^2}{1+{\mathrm{\&sigma;}}^2}=\frac{1}{\mathrm{SNR}+1}---\left(26\right)$

可见，对于非常高的延迟扩展，在仿真找到的最优遗忘因子与预测的遗忘因子之间有良好的一致性。现在剩下的是在SNR和信道改变率两个方面来参数化最优遗忘因子。

此想法是将SNR修正成有效的滤波器SNR，该SNR是用于在IIR滤波器中设立遗忘因子的SNR。有效的滤波器SNR应当以随着信道选择性的增加而增加的方式行动。基于此，下面提出了针对遗忘因子的函数形式：

$\mathrm{\&lambda;}({\mathrm{SNR}}_{\mathrm{dB}},\mathrm{\&Delta;f}{\mathrm{\&tau;}}_{\mathrm{rms}})=\frac{1}{1+\mathrm{\&alpha;}{\mathrm{SNR}}^{\mathrm{\&alpha;}}}=\frac{1}{1+\mathrm{\&alpha;}{10}^{\mathrm{\&alpha;SNR}\_\mathrm{dB}/10}}---\left(27\right)$

其中α(ξ)是依赖于信道改变率的增益修改量。可以将该增益修改量建模为对数函数：

$\log \mathrm{\&alpha;}\left(\mathrm{\&xi;}\right)=-c_0\log (21+\exp (-c_1(\mathrm{\&xi;}+c_2)))=-\frac{\mathrm{\&phi;}}{c_1}\log (1+\exp (-c_1(\mathrm{\&xi;}+c_2)))---\left(28\right)$

其中φ、c₁和c₂是要确定的常量。基于仿真结果，可以导出斜率φ和偏移量c₂，其产生：

$\log \mathrm{\&alpha;}\left(\mathrm{\&xi;}\right)=-\frac{1}{c_1}\log (1+\exp (-c_1(\mathrm{\&xi;}+0.5)))---\left(29\right)$

其中c₁是转换参数，其控制线性区与非线性区之间的转换率。作为示例，可以将转换参数设置为c₁＝10。最后，可见，增益修改量的此表达式几乎等同于：

$\mathrm{\&alpha;}\left(\mathrm{\&Delta;f}{\mathrm{\&tau;}}_{\mathrm{rms}}\right)={(1+{\left(\mathrm{\&pi;\&Delta;f}{\mathrm{\&tau;}}_{\mathrm{rms}}\right)}^{-c_1/\log \left(10\right)})}^{-1/c_1}---\left(30\right)$

下面，描述时域中的处理。根据最优线性估计的理论，最优(在MSE意义上)时间平滑可以基于实数值滤波器。因此，提出了下面用于时间处理的简单方法，其减轻了对大缓冲区的需求。基本上这只是上述频率平滑器的时间等效。

让

表示在时间t处的最新信道估计值(来自频率处理)。为了方便注释，已经禁止了子载波索引。假设已经获得了在时间t-Δ_t处的时间滤波的信道估计值

其中Δ_t表示在时间t处的当前导频符号与先前导频符号之间的差值。继而将在时间t处的时间滤波信道估计值给出为：

$s_1={\mathrm{\&lambda;}}^{{\mathrm{\&Delta;}}_t}{s}_{t-{\mathrm{\&Delta;}}_t}+(1-{\mathrm{\&lambda;}}^{{\mathrm{\&Delta;}}_t}){\hat{h}}_t---\left(31\right)$

其中λ是时间遗忘因子，其部分地(但不排他)是SNR和相干时间二者的函数。在于时间t处已经获得了滤波后的信道估计值之后，可以在时间t-Δ_t和t处的信道估计值之间线性内插，以便获得最终信道估计值，即

$h_{t-({\mathrm{\&Delta;}}_t-\mathrm{\&xi;})}=s_{t-{\mathrm{\&Delta;}}_t}+\frac{s_t-s_{t-{\mathrm{\&Delta;}}_t}}{{\mathrm{\&Delta;}}_t}\mathrm{\&xi;},\mathrm{\&xi;}=\mathrm{0,1,2},...,{\mathrm{\&Delta;}}_t---\left(32\right)$

此过程的一个优势是其减轻了对大缓冲区的需求，因为所有需要存储的是在最后导频符号处的估计CTF。可以将所述的估计直接扩展至如下情况，其中最终信道估计值依赖于CTF的甚至更旧的和未来的估计值。在这种情况下，提供前向和后向递归的集合，类似于针对上文频率IIR滤波器所述的那些。

在实际实现中，OFDM接收器还可以可选地包含时序校正循环、频率校正循环(AFC)和增益控制单元(AGC)。这些接收器子系统做出的时间和频率更新应当在信道估计值的时间处理中予以考虑。

图3A和图3B示出了预先FFT时序调整对信道估计的影响。图3A和图3B分别示出了离线(即，内插-需要缓冲)和在线(即，外插-不需要缓冲)信道估计的情况。图3A和图3B的图要以如下方式进行阅读。线和填充模式示出了用于信道估计器的输入和输出的预先FFT定时。新进入的导频被符号化为第一行中的花纹盒(从上面数)。在第二行中，新的导频与先前的导频对准。在第三行中，时间平滑后的导频使用新的时间对准的导频和状态(第四行中示出)来获得。在第五行中，更新的状态与接下来的导频对准。

信道估计器的时间处理部分基本上包括两个部分：(1)平滑部分，其中使用其他估计值(或者压缩至状态中的历史)对最新的信道估计值进行平滑，以及(2)内插或外插部分，其中平滑后的估计值用于估计导频符号外的CTF。在平滑部分中，最新的导频符号的时间定义与当前历史状态所使用的时间定义对准。

内插或者外插部分是基于平滑后的信道估计值和历史状态的。在图3B的在线情况下，来自外插的输出是时间修正的，以便与在任何给定时间处所使用的预先FFT时序对准。注意，图3A的离线情况可以通过类似方式来实现，该方式可以有效地从图中移除较低的行。在遇到新的信道估计值(导频)时，将平滑后的信道估计值提升(在适当时间对准之后)至历史状态。

同样地，可以考虑频率更新对信道传递函数的时间演进的影响。再一次，参考图3A和图3B。取代预先FFT时序调整，考虑发生在两个导频符号之间的频率更新的情况。更具体地，假设已经获得在时间t-Δ_t处的时间滤波信道估计值

其中Δ_t表示在时间t处的当前导频符号与先前导频符号之间的时间差异。在两个导频符号之间的时间Δ_t期间，频率已经改变了量Δ_f。继而，给出在时间t处的时间滤波信道估计值，如下：

$s_t={\mathrm{\&lambda;}}^{{\mathrm{\&Delta;}}_t}{e}^{j2\mathrm{\&pi;}{\mathrm{\&Delta;}}_f{\mathrm{\&Delta;}}_t}{s}_{t-{\mathrm{\&Delta;}}_t}+(1-{\mathrm{\&lambda;}}^{{\mathrm{\&Delta;}}_t}){\hat{h}}_t---\left(33\right)$

因为频率改变将导致信道传递函数的时间相关的相位改变。考虑到时间依赖相位改变，继而对时间滤波信道估计值执行线性内插，即

${\hat{h}}_{t-({\mathrm{\&Delta;}}_t-\mathrm{\&xi;})}=(s_{t-{\mathrm{\&Delta;}}_t}+\frac{s_t{e}^{-j2\mathrm{\&pi;}{\mathrm{\&Delta;}}_f{\mathrm{\&Delta;}}_t}-s_{t-{\mathrm{\&Delta;}}_t}}{{\mathrm{\&Delta;}}_t})e^{j2\mathrm{\&pi;}{\mathrm{\&Delta;}}_f\mathrm{\&xi;}},\mathrm{\&xi;}=\mathrm{0,1,2},...,{\mathrm{\&Delta;}}_t---\left(34\right)$

本领域技术人员容易理解如何应用相同的原理以适应由于自动增益控制(AGC)更新带来的时间影响。处理这种情况的一种简单方法可以只是在AGC更新发生时清除历史状态，即，所有的均重新开始并且不使用先前的估计值。备选地，如果将访问交给所应用的增益步骤，继而可以将此信息用于通过上文时间更新和AFC情况所述的类似方式，将历史状态的增益与新估计值的增益对准。

图4示出了根据第一实施方式的OFDM收发器的接收器部分的示意框图，其可以实现为电路、集成芯片、芯片组或者接收器模块。

从RF前端(未示出)提供的抽样射频(RF)信号34在FFT阶段11进行FFT处理，并且FFT处理的抽样在导频估计(PE)阶段12被处理，以用于估计在导频位置处的信道值来为阶段13到15中的信道估计处理所使用。更具体地，导频位置处的估计值在递归频域滤波器阶段(RFF)14中进行处理，以用于执行上文所述的频域处理，继而在递归时域滤波器阶段(RTF)15中进行处理，以用于执行上文所述时域处理。频域和时域阶段14、15都由信道调整阶段13控制，其配置用于调整频域和时域滤波器阶段14、15以适应于从导频和/或其它信道控制信令导出的信道状况或者参数。从而，在输出处获得最终时间频率信道估计值36。

注意，在备选的实施方式中，也可以交换递归频域和时域滤波器阶段14、15的位置或顺序。从而，时域滤波可以先于频域滤波之前执行。

图5示出了根据第二实施方式的、所提出的信道估计方案的基于软件实现的示意性框图。这里，接收器30可以是集成芯片、芯片组或模块，包括处理单元310，其可以是具有控制单元的任何处理器或计算机设备，该控制单元基于存储在存储器312中的控制程序的软件例程执行控制。程序代码指令从存储器312取回，并且加载至处理单元310的控制单元，以便执行在上文中和在下文中结合图6和图8描述的估计处理步骤。处理步骤可以基于输入数据DI执行，并且可以生成输出数据DO，其中输入数据DI可以对应于从RF前端接收的RF抽样，而输出数据DO可以对应于信道估计结果的时间频率值。

图6示出了根据第三实施方式的信道估计过程的流程图。

在步骤S101中，掺噪CTE抽样的集合从在预定导频位置处的抽样获得。继而，在步骤S102中，执行FFT处理并且每个处理过的CTF抽样在步骤S103中除以其相关联的初始导频值，以导出在导频位置处的CTF估计值。继而，在步骤S104中，调整递归频率内插(或者外插或平滑)滤波处理以适应于如上文所述的信道状况。在步骤S105中，频域中的平滑处理通过使用如上文所述的经过调整的滤波处理执行，并且在步骤S106中，频域中的内插或外插通过使用如上文所述的经过调整的滤波处理执行。接下来，在步骤S107中，递归时间内插(或者外插或平滑)滤波处理被调整以适应于信道状况，如上文所述。继而，在步骤S108中，时域中的平滑处理通过使用上文所述的经过调整的滤波处理执行，并且在步骤S109中，时域中的内插或外插通过使用上文所述的经过调整的滤波处理执行。

还是在此实施方式中，备选地，时域处理步骤107至109可以在频域处理步骤104至106之前执行，以便时域滤波先于频域滤波执行。

从而，提供了用于执行时间频率信道估计的低复杂度方法。这意味着信道估计的计算负担相对于早先的解决方案降低了。这也就意味着：例如，通过利用诸如数据辅助信道估计的迭代方法，可以减小调制解调器或接收器的功率功耗，或者备选地，空闲的计算资源可以用于改进性能。此外，可以完成激进的时间平均而不产生存储器的增加。这在低移动情境中尤其有用。

在上述实施方式中，已经描述了基于IIR的平滑或内插或外插过程，其可以应用于例如基于OFDM的收发器系统的时分双工(TDD)操作。TDD的特征在于上行链路传输和下行链路传输都使用相同频率集。即，在上行链路传输期间，终端设备(例如，移动台(MS))的接收器不接收导频。因此，在具有导频位置的时间位置之间存在具有上行链路传输的周期的情况，与其之间不存在上行链路传输的情况相比，在包含导频位置的两个(下行链路传输)时间位置之间的时间距离通常明显较长。

从而，提供了用于改进基于TDD(时分双工)OFDM的收发器系统中基于内插的信道和噪声协方差估计的计算有效方式。在典型的基于OFDM的收发器系统中，在给定已知为导频位置的时间频率位置集合处对信道传递函数和噪声协方差进行抽样。继而，信道估计的任务是根据给定的导频位置处的抽样值，推出在所有相关时间频率位置处的整个信道传递函数。类似地，噪声协方差估计器的任务是根据给定的在导频位置估计的噪声协方差，推出在所有相关时间频率位置的噪声协方差。通常，在导频位置之间的信道和噪声协方差估计值的推导首先于给定时间位置处在频域中执行，将该估计值扩展得覆盖在该时间位置处的所有相关频率。继而，在携带导频位置的时间位置之间执行这些估计值的平滑。最后，将信道传递函数和噪声协方差的估计值扩展到不包含导频位置的时间位置。

在第四实施方式中，提出了上文不相等导频间持续时间问题的解。在以TDD模式操作的基于OFDM的收发器系统中，调制OFDM符号的频率集合用于上行链路传输和下行链路传输二者。在特定OFDM符号周期(时间位置)期间，所有频率都用于上行链路传输(从MS至BS(基站)的传输)，或者所有频率都用于下行链路传输(从BS至MS的传输)。OFDM符号周期等于发射如图1中所示的包括循环前缀(CP)防护时间的单个OFDM符号所花费的时间。

图7示出了OFDM符号可以如何分布在上行链路传输与下行链路传输之间的示例。根据图7，示出了一系列OFDM符号周期，其由具有下行链路传输的周期接着上行链路传输的(任意长度的)周期接着另一个下行链路传输的周期组成。在下行链路周期中，包含导频位置的OFDM符号由“P”指出。导频是在接收器侧已知的所发射星座点的集合，从而可以用于估计信道传递函数和噪声协方差，如结合第一至第三实施方式所描述的。

操作的TDD模式的特征是：虽然包含导频位置的OFDM符号之间的时间距离在连续下行链路传输期间相对短，但当导频符号由具有上行链路传输的周期分隔时，两个包含导频位置的符号之间的时间距离可以非常长。

在包含导频位置的符号的频率处的信道和噪声协方差估计值通常首先扩展/推广到该时间位置/符号处的所有频率。设h_t，f表示在时间位置/符号t处针对频率f的信道传递函数的估计值，并且设C_t，f表示对应的噪声协方差估计值。下面，将假设具有在对应于包含导频的OFDM符号的时间位置(例如，对应于图7中编号t0、t1、t2和t3的时间位置/符号)处所有频率的可用估计值h_t，f和C_t，f。

用于不包含导频位置的下行链路OFDM符号的信道传递函数和噪声协方差的估计值(图7中带有↓箭头的方块)通常通过内插方法的某些形式获得。执行此内插之前，有利的是，出于减小噪声的目的，通过时间平滑方法对估计值h_t，f和C_t，f进行滤波。

用于进行时间平滑的一种方法是：执行估计值的IIR(无限冲击响应)滤波，如上文结合第一到第三实施方式所描述的。设h_t，f表示在最近接收到的具有导频位置的OFDM符号t的信道估计值，设Δ_t表示与先前包含导频位置的OFDM符号的时间差异(利用OFDM符号周期的编号来测量)。现在，将在符号时间位置t处的时间滤波/平滑信道估计值计算如下：

${\tilde{h}}_{t,f}={\mathrm{\&lambda;}}_h^{{\mathrm{\&Delta;}}_t}{\tilde{h}}_{t-{\mathrm{\&Delta;}}_t,f}+(1-{\mathrm{\&lambda;}}_h^{{\mathrm{\&Delta;}}_t})\&CenterDot;h_{t,f}---\left(35\right)$

其中λ_h是信道估计值的时间遗忘因子，0≤λ_h＜1。类似地，将在符号时间位置t处的时间滤波/平滑噪声协方差估计值

计算为：

${\tilde{C}}_{t,f}={\mathrm{\&lambda;}}_C^{{\mathrm{\&Delta;}}_t}\&CenterDot;{\tilde{C}}_{t-{\mathrm{\&Delta;}}_t,f}+(1-{\mathrm{\&lambda;}}_C^{{\mathrm{\&Delta;}}_t})\&CenterDot;C_{t,f}---\left(36\right)$

其中λ_c是噪声协方差估计值的时间遗忘因子，0≤λ_C＜1。遗忘因子λ_h和λ_c确定先前估计值与当前估计值相比对作为结果的平滑后的估计值的影响或“权重”。λ_h和λ_c的较大值给予先前估计值较大的权重，而给予当前估计值较小的值，这通常适于低速MS，其中传输信道状况改变较慢。λ_h和λ_c的较小值给予先前估计值较小的权重，而给予当前估计值较大的权重，这通常适于高速MS，其中传输信道状况改变得更加快速。对于λ_h和λ_c的所有值，以下是适用的：与包含导频位置的先前OFDM符号的时间差异Δ_t越大，给予先前估计值的权重越小，而给予当前估计值取的权重越大。

用于选择遗忘因子值的策略是使用固定且不随时间改变的λ_h和λ_c的值。它们可以被选择，以便它们针对MS低速和高速的接收器性能之间给出良好的折衷。此方法的优势包括：使得不需要用于λ_h和λ_c的自适应估计的复杂并且可能计算上繁琐的算法。此外，用于自适应估计的算法可以要求例如SNR和相干时间的历史测量，在基于OFDM的收发器系统操作于TDD模式中时，在具有上行链路传输的周期期间通常不能测量。使用固定值的优势还包括在不同操作环境(例如，传输信道状况和MS的速度)中具有已知行为的鲁棒性接收器设计。此外，在MS低速时，如果给予上行链路周期之前的估计值和

有效地大于0的有效权重，那么接收器的性能将显著改进。为了使此成真，λ_h和λ_c的值必须相当大。

在第四实施方式中，在没有由具有上行链路传输的周期分隔的导频之间平滑时，使用固定遗忘因子λ_h，D和λ_C，D的一个集合，而在由具有上行链路传输的周期分隔的导频符号之间平滑时，使用固定遗忘因子λ_h，U和λ_C，U的另一集合。

操作于TDD模式(在该模式中，调制OFDM符号的频率的相同集合用于上行链路传输和下行链路传输)的基于OFDM的收发器系统由此配置用于，在执行时间平滑时使用两个集合的固定遗忘因子，该时间平滑使用携带导频位置的OFDM符号的时间位置之间的噪声协方差估计值和信道传递函数估计值的IIR滤波器。固定遗忘因子的一个集合在没有由上行链路传输周期分隔(连续下行链路传输)的导频符号之间平滑时使用。固定遗忘因子的另一个集合在由具有上行链路传输的周期分隔的导频符号之间平滑时使用。

图8示出了根据第四实施方式的估计过程的流程图。

让h_t，f表示在时间位置/符号t处针对频率f的信道传递函数的估计值，并且让C_t，f表示对应的噪声协方差估计值。下面，将假设具有在对应于包含导频位置的OFDM符号的时间位置(例如，对应于图7中编号t0、t1、t2和t3的时间位置/符号)的所有频率的可用估计值h_t，f和C_t，f。出于减小噪声的目的，这些估计值的平滑可以通过使用时间IIR滤波器来执行。让t表示最近接收到的具有导频位置的OFDM符号的时间位置/OFDM符号编号，并且让Δ_t表示与包含导频位置的先前OFDM符号的时间差异(利用OFDM符号周期的数量来测量)。

在步骤S201中，检查两个连续或者相邻导频位置之间的周期，并且在步骤S202中做出关于是否包括了上行链路(UL)传输周期的决定。

如果在步骤S202确定在时间位置t-Δ_t和t的相邻导频位置之间的时间周期不包含上行传输周期(即，在连续下行链路传输期间)，那么该过程继续到步骤S203并且选择使用遗忘因子的第一集合。继而在步骤S205中，通过使用所选的遗忘因子集合来执行时间平滑，以便获得在符号时间位置t处针对所有频率f的平滑后的信道传递函数估计值

这可以表示如下：

${\tilde{h}}_{t,f}={\mathrm{\&lambda;}}_{h,D}^{{\mathrm{\&Delta;}}_t}{\tilde{h}}_{t-{\mathrm{\&Delta;}}_t,f}+(1-{\mathrm{\&lambda;}}_{h,D}^{{\mathrm{\&Delta;}}_t})\&CenterDot;h_{t,f}---\left(37\right)$

其中λ_h，D是信道估计值的固定时间遗忘因子，0≤λ_h，D＜1。此外，执行时间平滑，其中按照如下计算在符号时间位置t处针对所有频率f的平滑后的噪声协方差估计值

${\tilde{C}}_{t,f}={\mathrm{\&lambda;}}_{C,D}^{{\mathrm{\&Delta;}}_t}\&CenterDot;{\tilde{C}}_{t-{\mathrm{\&Delta;}}_t,f}+(1-{\mathrm{\&lambda;}}_{C,D}^{{\mathrm{\&Delta;}}_t})\&CenterDot;C_{t,f}---\left(38\right)$

其中λ_C，D是噪声协方差估计值的固定时间遗忘因子，0≤λ_C，D＜1。λ_h，D和λ_C，D是固定遗忘因子的第一集合，其在连续下行链路传输期间的相邻导频时间位置之间进行平滑时使用。

在步骤S202中确定了在时间位置t-Δ_t和t的相邻导频位置之间的时间周期包括具有上行链路传输的周期，过程分支到步骤S204，并且选择使用遗忘因子的第二集合。继而，过程继续步骤S205，其中时间平滑通过使用所选的遗忘因子集合来执行，以便获得在符号时间位置t处针对所有频率f的平滑后的信道传递函数估计值其可以计算如下：

${\tilde{h}}_{t,f}={\mathrm{\&lambda;}}_{h,U}^{{\mathrm{\&Delta;}}_t}{\tilde{h}}_{t-{\mathrm{\&Delta;}}_t,f}+(1-{\mathrm{\&lambda;}}_{h,U}^{{\mathrm{\&Delta;}}_t})\&CenterDot;h_{t,f}---\left(39\right)$

其中λ_h，U是用于信道估计值的固定时间遗忘因子，0≤λ_h，U＜1。在符号时间位置t处针对所有频率f的平滑后的噪声协方差估计值

可以计算如下：

${\tilde{C}}_{t,f}={\mathrm{\&lambda;}}_{C,U}^{{\mathrm{\&Delta;}}_t}\&CenterDot;{\tilde{C}}_{t-{\mathrm{\&Delta;}}_t,f}+(1-{\mathrm{\&lambda;}}_{C,U}^{{\mathrm{\&Delta;}}_t})\&CenterDot;C_{t,f}---\left(40\right)$

其中λ_C，U是用于噪声协方差估计值的固定时间遗忘因子，0≤λ_C，U＜1。λ_h，U和λ_C，U是固定遗忘因子的第二集合，其在由具有上行链路传输的周期分隔的相邻导频时间位置之间进行平滑时使用。

最后，在步骤S206，检查是否已经达到接收结束。如果达到，过程结束。否则，如果有进一步可用的接收数据，该过程跳回至步骤S201，并且为另一数据部分重复上述步骤。

在第四实施方式中，可以通过使用将遗忘因子保持为固定的IIR滤波器来防止用于确定时间信道传递函数和噪声协方差估计值的遗忘因子的可能不精确并且计算上繁琐的自适应估计算法。对于操作于TDD模式的基于OFDM的收发器系统，本发明通过使用固定遗忘因子的两个集合来改进接收器性能。在TDD模式中，用于遗忘因子的自适应估计方法在上行链路传输的周期之后就可能出现问题，因为不可能获得该方法在上行链路传输期间所依赖的测量。

总之，已经描述了方法、计算机程序产品和设备，其被提供以通过将估计值的内插或外插或平滑分成频域部分和时域部分来估计多载波传输的信道，其中将信道估计单元配置用于为频域部分和时域部分使用相应的递归滤波器，以及其中至少一个所述递归滤波器被调整以适应于多载波传输的信道状况。

注意，本发明不受限于上文所述基于OFDM的实施方式，而是可以在各种无线通信系统中实现。通常，实施方式可以使用在涉及信道传递函数的时间平滑和/或噪声协方差估计值的任何通信系统中。此外，所有递归滤波器并不都需要是自适应的。例如，用于频率处理的递归(例如，IIR)滤波器可以是自适应的，而用于时间处理的递归(例如)IIR滤波器可以保持固定(即，可以为TDD模式提供两个固定的滤波器)。因此，用于时间处理的自适应滤波器功能(例如，基于信道状况)不是必要特征。因此，实施方式可以在所附的权利要求范围中变化。

Claims (36)

1.一种方法，包括：

通过将估计值的内插或外插或者平滑分成频域部分和时域部分，来执行针对多载波传输的信道估计；

针对所述频域部分和所述时域部分使用相应的递归滤波器；以及

调整至少一个所述递归滤波器以适应于所述多载波传输的信道状况。

2.根据权利要求1所述的方法，进一步包括：从在预定导频位置的原始信道估计值导出所述估计值。

3.根据权利要求1或2所述的方法，其中所述递归滤波器是无限冲击响应多相滤波器。

4.根据权利要求1至3中任一所述的方法，进一步包括：配置用于所述频域部分的所述递归滤波器以具有复数值滤波器系数。

5.根据权利要求1至4中任一所述的方法，进一步包括：使用时序估计器导出从其中导出所述估计值的信号部分。

6.根据权利要求2所述的方法，进一步包括：对所述原始估计值进行所述平滑，并且在所述平滑后的原始估计值上执行所述内插或所述外插。

7.根据权利要求6所述的方法，其中所述平滑包括原始信道估计器的前向递归平滑。

8.根据权利要求1至7中任一所述的方法，其中所述调整包括：从信道改变率和信道质量参数中的至少一个导出所述频域部分的所述递归滤波器的遗忘因子。

9.根据权利要求8所述的方法，进一步包括：在所述信道改变率和所述信道质量参数中的至少一个方面，对所述遗忘因子进行参数化。

10.根据权利要求1至9中任一所述的方法，其中所述调整包括：从相干时间和信道质量参数中的至少一个导出所述时域部分的所述递归滤波器的遗忘因子。

11.根据权利要求10所述的方法，进一步包括：为所述时域部分的所述递归滤波器提供至少一个第一遗忘因子和第二遗忘因子；使用所述至少一个第一遗忘因子以用于在一个传输方向中的、没有被在另一传输方向中的传输周期分隔的估计值之间进行平滑；以及使用所述至少一个第二遗忘因子以用于在所述一个传输方向中的、被在所述另一传输方向中的传输周期分隔的估计值之间进行平滑。

12.根据任一前述权利要求所述的方法，进一步包括：考虑到时间相关相位改变和增益改变中的至少一个，在时间滤波信道估计值上执行所述时域中的所述内插或所述外插。

13.一种装置，包括：

信道估计单元，其配置用于通过将估计值的内插或外插或者平滑分成频域部分和时域部分来估计多载波传输的信道，其中所述信道估计单元进一步配置用于针对所述频域部分和所述时域部分使用相应的递归滤波器，以及其中至少一个所述递归滤波器被调整以适应于所述多载波传输的信道状况。

14.根据权利要求13所述的装置，其中所述信道估计单元配置用于从在预定导频位置的原始信道估计值导出所述估计值。

15.根据权利要求13或14所述的装置，其中所述递归滤波器是无限冲击响应多相滤波器。

16.根据权利要求13至15中任一所述的装置，其中所述频域部分的所述递归滤波器配置用于具有复数值滤波器系数。

17.根据权利要求13至16中任一所述的装置，其中所述信道估计单元配置用于使用时序估计器来导出从其导出所述估计值的信号部分。

18.根据权利要求14所述的装置，其中所述信道估计单元配置用于对所述原始估计值进行所述平滑，并且用于在所述平滑后的原始估计值上执行所述内插或所述外插。

19.根据权利要求18所述的装置，其中所述信道估计单元配置用于执行原始信道估计值的前向递归平滑。

20.根据权利要求13至19中任一所述的装置，其中所述信道估计单元配置用于从信道改变率和信道质量参数中的至少一个导出所述频域部分的所述递归滤波器的遗忘因子。

21.根据权利要求20所述的装置，其中所述信道估计单元配置用于在所述信道改变率和所述信道质量参数中的至少一个方面，对所述遗忘因子进行参数化。

22.根据权利要求13至21中任一所述的装置，其中所述信道估计单元配置用于从相干时间和信道质量参数中的至少一个导出所述时域部分的所述递归滤波器的遗忘因子。

23.根据权利要求22所述的装置，其中所述信道估计单元配置用于为所述时域部分的所述递归滤波器提供至少一个第一遗忘因子和第二遗忘因子；使用所述至少一个第一遗忘因子以用于在一个传输方向中的、没有被在另一传输方向中的传输周期分隔的估计值之间进行平滑，并且使用所述至少一个第二遗忘因子以用于在所述一个传输方向中的、被在所述另一传输方向中的传输周期分隔的估计值之间进行平滑。

24.根据权利要求13至23中任一所述的装置，其中所述信道估计单元配置用于：考虑到时间相关相位改变和增益改变中的至少一个，在时间滤波信道估计值上执行所述时域中的所述内插或所述外插。

25.一种终端设备，包括根据权利要求13至24中任一所述的装置。

26.一种接收器模块，包括根据权利要求13至24中任一所述的装置。

27.一种芯片器件，包括根据权利要求13至24中任一所述的装置。

28.一种装置，包括：

信道估计装置，用于通过将估计值的内插或外插或者平滑分成频域部分和时域部分来估计多载波传输的信道，以及针对所述频域部分和所述时域部分使用相应的递归滤波器装置，其中至少一个所述递归滤波器装置被调整以适应于所述多载波传输的信道状况。

29.根据权利要求28所述的装置，其中所述信道估计装置配置用于从在预定导频位置的原始信道估计值导出所述估计值。

30.一种终端设备，包括根据权利要求28或29所述的装置。

31.一种接收器模块，包括根据权利要求28或29所述的装置。

32.一种芯片器件，包括根据权利要求28或29所述的装置。

33.一种计算机程序产品，包括承载有内嵌在其中与计算机一起使用的计算机程序代码的计算机可读介质，所述计算机程序代码包括：

用于通过将估计值的内插或外插或者平滑分成频域部分和时域部分来执行针对多载波传输的信道估计的代码；

用于针对所述频域部分和所述时域部分使用相应的递归滤波器的代码；以及

用于调整至少一个所述递归滤波器以适应于所述多载波传输的代码。

34.根据权利要求33所述的计算机程序产品，进一步包括：用于从在预定导频位置的原始信道估计值导出所述估计值的代码。

35.一种计算机程序，包括：

当所述计算机程序在处理器上运行时：

用于通过将估计值的内插或外插或者平滑分成频域部分和时域部分来执行针对多载波传输的信道估计的代码；

用于针对所述频域部分和所述时域部分使用相应的递归滤波器的代码；以及

用于调整至少一个所述递归滤波器以适应于所述多载波传输的代码。

36.一种装置，包括：

处理单元，其配置用于通过将估计值的内插或外插或者平滑分成频域部分和时域部分来估计多载波传输的信道，其中所述处理单元进一步配置用于针对所述频域部分和所述时域部分使用相应的递归滤波器，以及其中至少一个所述递归滤波器被调整以适应于所述多载波传输的信道状况。

Images