CN101895505B - 信道估计方法和装置 - Google Patents

Abstract

一种信道估计方法及装置，用于根据接收到的帧信号进行信道估计，所述帧信号由已知序列和数据序列组成，首先基于第i帧的前几帧的信道估计值预测第i帧的信道估计预测值，然后基于所述第i帧的信道估计预测值，得到第i帧及第i-1帧的数据序列的估计预测值；基于第i帧的数据序列的估计预测值及第i帧的信道估计预测值得到第i帧的已知序列在第i帧的数据序列的拖尾；基于第i-1帧的数据序列的估计预测值及第i帧的信道估计预测值得到第i-1帧的数据序列在第i帧的已知序列的拖尾，在时域重构第i帧的已知序列，进而得到第i帧的频域信道估计值和时域信道估计值。本发明的信道估计方法及信道估计装置简化了信道估计的复杂度，能够跟踪快速变化的动态信道。

Description

信道估计方法和装置

技术领域

本发明涉及无线通信技术，特别是涉及一种适用于单载波系统的信道估计方法及应用于接收机的信道估计装置。

背景技术

常见的宽带无线通信系统基于单载波或者多载波传输，对于单载波的传输体制来讲，有正交幅度调制(QAM：Quadrature Amplitude Modulation)，残留边带振幅调制(AM-VSB：Amplitude Modulation Vestigial Side-Band)等，而对于多载波的传输体制来讲最常见的就是正交频分复用(OFDM：Orthogonal Frequency Division Multiplexing)。单载波与多载波体制各有其优缺点，多载波体制比较灵活，容易与多入多出技术(MIMO：Multiple-InputMultiple-Out-put)，自适应调制等技术融合，而单载波信号的峰值均值功率比较小，也就是对功率放大器的利用效率更高。实践中，根据应用场合和用户要求的不同，两种体制均被广泛采用。

无线通信系统的性能在很大程度上受到无线信道的制约，发射机与接收机之间的传播路径非常复杂，从简单的视距传播，到遭遇各种复杂的地物，如建筑物、山脉和树叶等。无线信道不像有线信道那样固定并可预见，而是具有极度的随机性，难以分析。由于无线信道中反射及反射物的存在，构成了一个不断消耗信号能量的环境，导致信号幅度、相位及时间的变化。这些因素使发射波到达接收机时形成在时间、空间上相互区别的多个无线电波。不同多径成分具有的随机相位和幅度引起信号强度波动，导致小尺度衰落、信号失真、严重的码间干扰，降低了传输性的能。为了对抗多径，需要在接收机端使用均衡技术。常见的均衡技术包括时域均衡和频域均衡，时域均衡使用横向滤波器结构或判决反馈结构，只能用于单载波系统。而频域均衡既可以用于单载波系统，也可以用于多载波系统。

传统上人们倾向于使用OFDM系统对抗动态信道，因为OFDM系统的频域均衡处理起来方便，且在技术上也比较成熟。但是OFDM系统的峰均比过高，对于功放的线性范围要求很高，从而大大增加了设备成本.而且，OFDM系统对于系统同步的精度要求很高，并且对信道的时变性比较敏感.因此，很多的无线系统仍采用单载波调制，例如中国数字电视地面传输标准(DMBTH)就包括了两个部分：单载波部分和多载波部分。

单载波调制系统的一个主要缺点就在于其时域均衡器复杂度高，其时域均衡的运算复杂度与时延扩展成正比，因此限制了其在下一代高速无线通信中的应用。然而单载波调制系统的频域均衡却具有低复杂度的优点，其运算复杂度与信号时延扩展的对数成正比，因此，单载波系统在无线通信中得到了广泛的应用，图1为现有的一种单载波信号的传输格式：每一帧信号均由帧头和帧体组成。其中每一帧的帧头均相同，为已知序列，帧体为数据序列，即所要传输的有用数据和系统信息。

信道均衡是对估计出的信道衰减特征进行补偿，以减小信号在传输过程中所受到的外界影响，得到准确的信道特征是进行信道均衡的前提。信道估计与均衡性能的好坏共同决定了系统最后均衡的效果。

宽带无线通信接收机常工作在手持或者移动状态下，此时的信道为一个时变信道，也就是说，信道的时域冲激响应随时间变化。自适应时域均衡器在一定程度上可以跟踪时变信道，但随着信道变化的加剧，时域均衡器会很快变得不稳定。一般来讲，基于信道估计的频域均衡能够对付变化更快的时变信道，但前提是信道估计一定要准确，而且能够快速响应，以跟上信道的变化。

目前已有很多用于单载波信号的信道估计和频域均衡方法：如：判决反馈法，通过原始数据与判决恢复后的数据得到信道估计，然而一旦判决值出现错误，判决反馈法的性能将严重下降。时域线性相关法，通过将接收到的数据与本底伪随机序列线性相关的结果作为信道估计，但是该方法得到的信道估计结果通常带有很大的本底噪声，不经平滑不能直接用于均衡，而经过平滑又无法跟上动态信道。时域循环相关法，可参考“On channel estimation andequalization in TDS-OFDM based terrestrial HDTV broadcasting system”(Consumer Electronics，IEEE Transactions on，Aug.2005，Volume：51Issue：3，page(s)：790-797)，该文中利用了DMBTH中PN420模式和PN945模式下循环前缀特性，构造PN的循环相关，降低了线性相关带来的本底噪声，提高了信道估计的精度。但是，对于更一般的情况，PN序列可能不是完整的m序列，或没有循环前缀结构，所以无法使用时域循环相关法。

文章“iterative Padding Subtraction of the PN Sequence for the TDS-OFDMover Broadcast Channels”(Consumer Electronics，IEEE Transactions on，IssueDate：Nov.2005，Volume：51 Issue：4，page(s)：1148-1152)，提出了一种信道估计和均衡的方法，适用于多载波系统，但是该方法使用了两步预测和迭代的方法进行信道估计和均衡，然而由两步预测造成的预测误差难以用迭代的方法消除。

发明内容

本发明解决的问题是，提供一种信道估计方法和装置，以跟踪快速变化的动态时变信道。

为解决上述技术问题，本发明提供一种信道估计方法，用于根据接收到的帧信号进行信道估计，所述帧信号由已知序列和数据序列组成，包括如下步骤：

根据第i帧的前n帧的信道估计值预测第i帧的信道估计预测值，其中1≤n＜i；

利用第i帧的信道估计预测值对接收到的第i帧的数据序列与第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计预测值；

从第i帧的数据序列的估计预测值与第i帧的信道估计预测值的线性卷积结果和接收到的第i帧的数据序列中提取第i帧的已知序列在第i帧的数据序列的拖尾；

利用第i帧的信道估计预测值对接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i-1帧的数据序列的估计预测值；

从第i-1帧的数据序列的估计预测值和第i帧的信道估计预测值的线性卷积结果中提取第i-1帧的数据序列在第i帧的已知序列的拖尾；

从接收到的第i帧的已知序列去除第i-1帧的数据序列在第i帧的已知序列的拖尾，并加上第i帧的已知序列在第i帧的数据序列的拖尾，得到第i帧的重构已知序列；

根据第i帧的重构已知序列和发送的第i帧的已知序列获得第i帧的信道估计值。

可选的，所述第i帧的数据序列的估计预测值由下述表达式获得：

${[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]}^{\′}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,j}}^{\′}\right))}\right)\right)$

${{\hat{x}}_{i,J}}^{\′}={[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]}^{\′}(1:L_f-L_{\mathrm{hdr}})$

其中，为第i帧的数据序列和第i+1帧已知序列的估计预测值，

为第i帧的数据序列的估计预测值，

表示第i帧的信道估计预测值，[x_i，c_i+1]为接收到的第i帧的数据序列和第i+1帧的已知序列组成的组合序列，L_f为帧长度，L_hdr为已知序列的长度。

可选的，所述提取第i帧的已知序列在第i帧的数据序列的拖尾由下述表达式获得：

${\mathrm{tail}}_c=x_i(1:L_{\mathrm{chan}})-{\tilde{x}}_{i,J}(1:L_{\mathrm{chan}})$

其中，tail_c为第i帧的已知序列在第i帧的数据序列的拖尾，x_i为接收到的第i帧的数据序列，

L_chan为多径时延长度。

可选的，所述第i-1帧的数据序列的估计预测值由下述表达式获得：

${[{\hat{x}}_{i-1,J},{\hat{c}}_{i,J}]}^{\′}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_{i-1},c_i\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,J}}^{\′}\right))}\right)\right)$

${{\hat{x}}_{i-1,J}}^{\′}={[{\hat{x}}_{i-1,J},{\hat{c}}_{i,J}]}^{\′}(1:L_f-L_{\mathrm{hdr}})$

其中，

为第i-1帧的数据序列和第i帧的已知序列的估计预测值，

为第i-1帧的数据序列的估计预测值，[x_i-1，c_i]为接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列。

可选的，所述提取第i-1帧的数据序列在第i帧的已知序列的拖尾由下述表达式获得：

${\mathrm{tail}}_x={\tilde{x}}_{i-1,J}(L_{\mathrm{data}}+1:L_{\mathrm{data}}+L_{\mathrm{chan}}-1)$

其中，tail_x为第i-1帧的数据序列在第i帧的已知序列的拖尾，

L_data为数据序列的长度。

可选的，所述第i帧的重构已知序列由下述表达式获得：

$c_{i,J}=c_i-[{\mathrm{tail}}_x,0_{1\×(L_{\mathrm{hdr}}-L_{\mathrm{chan}}+1)}]+[{\mathrm{tail}}_c,0_{1\×(L_{\mathrm{hdr}}-L_{\mathrm{chan}})}]$

其中，c_i，J为重构的第i帧的已知序列，c_i为接收到的第i帧的已知序列。可选的，所述第i帧的信道估计值由下述表达式获得：

${\hat{H}}_{i,J}=({\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(c_{i,J}\right)/{\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(p_i\right))$

${\hat{h}}_{i,J}=\left({\mathrm{IFFT}}_{L_{\mathrm{hdr}}}\left({\hat{H}}_{i,J}\right)\right)$

其中，

为第i帧的信道估计值，p_i为发送端发送的第i帧的已知序列。

可选的，所述信道估计方法还包括：利用第i帧的信道估计值和第i-1帧的信道估计值对接收到的第i帧的数据序列和第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计值；通过迭代更新第i帧的信道估计值，所述通过迭代更新第i帧的信道估计值是指令J＝J+1，

重新计算第i-1帧的数据序列的估计预测值、提取第i帧的已知序列在第i帧的数据序列的拖尾和第i-1帧的数据序列在第i帧的已知序列的拖尾、以更新第i帧的重构已知序列，并根据更新后的第i帧的重构已知序列和发送端发送的第i帧的已知序列获得第J+1次迭代时的第i帧的信道估计值，其中N≥J≥0，N为迭代次数，

为第J+1次迭代时第i帧的数据序列的估计预测值，

为第i帧的数据序列的估计值，

为第J+1次迭代时第i帧的信道估计预测值，

为第i帧的信道估计值。可选的，所述迭代次数由信噪比或误码率确定。

可选的，所述第i帧的数据序列的估计值由下述表达式获得：

$[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}({\hat{h}}_{i,J}+{\hat{h}}_{i-1})/2)}\right)\right)$

${\hat{x}}_{i,J}=[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}](1:L_f-L_{\mathrm{hdr}})$

其中，

为第i帧的数据序列和第i+1帧的已知序列的估计值，[x_i，c_i+1]为第i帧的数据序列与第i+1帧的已知序列组成的组合序列，

为第i帧的数据序列的估计值，

为第i-1帧的信道估计值。

可选的，所述帧信号为单载波信号。

可选的，所述已知序列为伪随机序列或线性调频序列。

可选的，所述根据前n帧的信道估计值预测第i帧的信道估计预测值采用多项式预测法。

可选的，所述前n帧的信道估计值采用判决反馈法、时域线性相关法或时域循环相关法。

为解决上述问题，本发明还提供一种信道估计装置，用于根据接收到的帧信号进行信道估计，所述帧信号由已知序列和数据序列组成，包括：

信道预测单元，用于根据第i帧的前n帧的信道估计值预测第i帧的信道估计预测值，其中1≤n＜i；

第一数据序列预测单元，用于根据信道预测单元预测的第i帧的信道估计预测值对接收到的第i帧的数据序列与第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计预测值；

已知序列拖尾提取单元，用于从所述第一数据序列预测单元获得的第i帧的数据序列的估计预测值与所述信道预测单元预测的第i帧的信道估计预测值的线性卷积结果和接收到的第i帧的数据序列中提取第i帧的已知序列在第i帧的数据序列的拖尾；

第二数据序列预测单元，用于根据所述信道预测单元预测的第i帧的信道估计预测值对接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i-1帧的数据序列的估计预测值；

数据序列拖尾提取单元，用于从所述第二数据序列预测单元获得的第i-1帧的数据序列的估计预测值和所述信道预测单元预测的第i帧的信道估计预测值的线性卷积结果中提取第i-1帧的数据序列在第i帧的已知序列的拖尾；

重构单元，用于从接收到的第i帧的已知序列去除所述数据序列拖尾提取单元提取的第i-1帧的数据序列在第i帧的已知序列的拖尾，并加上所述已知序列拖尾提取单元提取的第i帧的已知序列在第i帧的数据序列的拖尾，得到第i帧的重构已知序列；

信道估计单元，用于根据所述重构单元得到的第i帧的重构已知序列和发送的第i帧的已知序列获得第i帧的信道估计值。

可选的，所述第一数据序列预测单元根据下述表达式获得第i帧的数据序列的估计预测值：

${[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]}^{\′}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,j}}^{\′}\right))}\right)\right)$

${{\hat{x}}_{i,J}}^{\′}={[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]}^{\′}(1:L_f-L_{\mathrm{hdr}})$

其中，

为第i帧的数据序列和第i+1帧的已知序列的估计预测值，

为第i帧的数据序列的估计预测值，

表示第i帧的信道估计预测值，[x_i，c_i+1]为接收到的第i帧的数据序列和第i+1帧的已知序列组成的组合序列，L_f为帧长度，L_hdr为已知序列的长度。

可选的，所述已知序列拖尾提取单元根据下述表达式提取第i帧的已知序列在第i帧的数据序列的拖尾：

${\mathrm{tail}}_c=x_i(1:L_{\mathrm{chan}})-{\tilde{x}}_{i,J}(1:L_{\mathrm{chan}})$

其中，tail_c为第i帧的已知序列在第i帧的数据序列的拖尾，x_i为接收到的第i帧的数据序列，

L_chan为多径时延长度。

可选的，所述第二数据序列预测单元根据下述表达式获得第i-1帧的数据序列的估计预测值：

${[{\hat{x}}_{i-1,J},{\hat{c}}_{i,J}]}^{\′}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_{i-1},c_i\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,J}}^{\′}\right))}\right)\right)$

${{\hat{x}}_{i-1,J}}^{\′}={[{\hat{x}}_{i-1,J},{\hat{c}}_{i,J}]}^{\′}(1:L_f-L_{\mathrm{hdr}})$

其中，为第i-1帧的数据序列和第i帧的已知序列的估计预测值，为第i-1帧的数据序列的估计预测值，[x_i-1，c_i]为接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列。

可选的，所述数据序列拖尾提取单元根据下述表达式提取第i-1帧的数据序列在第i帧的已知序列的拖尾：

${\mathrm{tail}}_x={\tilde{x}}_{i-1,J}(L_{\mathrm{data}}+1:L_{\mathrm{data}}+L_{\mathrm{chan}}-1)$

其中，tail_x为第i-1帧的数据序列在第i帧的已知序列的拖尾，L_data为数据序列的长度。

可选的，所述重构单元根据下述表达式获得第i帧的重构已知序列：

$c_{i,J}=c_i-[{\mathrm{tail}}_x,0_{1\×(L_{\mathrm{hdr}}-L_{\mathrm{chan}}+1)}]+[{\mathrm{tail}}_c,0_{1\×(L_{\mathrm{hdr}}-L_{\mathrm{chan}})}]$

其中，c_i，J为重构的第i帧的已知序列，c_i为接收到的第i帧的已知序列。可选的，所述信道估计单元根据下述表达式获得第i帧的信道估计值：

${\hat{H}}_{i,J}=({\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(c_{i,J}\right)/{\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(p_i\right)),$

${\hat{h}}_{i,J}=\left({\mathrm{IFFT}}_{L_{\mathrm{hdr}}}\left({\hat{H}}_{i,J}\right)\right)$

其中，

为第i帧的信道估计值，p_i为发送端发送的第i帧的已知序列。

可选的，所述信道估计装置还包括：

数据序列估计单元，用于根据第i-1帧的信道估计值和信道估计单元估计的第i帧的信道估计值对接收到的第i帧的数据序列和第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计值；

迭代控制单元，用于通过迭代更新第i帧的信道估计值，所述通过迭代更新第i帧的信道估计值是指令J＝J+1，

控制第二数据序列预测单元重新计算第i-1帧的数据序列的估计预测值、控制已知序列拖尾提取单元重新提取第i帧的已知序列在第i帧的数据序列的拖尾，控制数据序列拖尾提取单元重新提取第i-1帧的数据序列在第i帧的已知序列的拖尾、以控制重构单元更新第i帧的重构已知序列，并控制信道估计单元根据更新后的第i帧的重构已知序列和发送端发送的第i帧的已知序列获得第J+1次迭代时的第i帧的信道估计值，其中N≥J≥0，N为迭代次数，

为第J+1次迭代时第i帧的数据序列的估计预测值，为第i帧的数据序列的估计值，

为第J+1次迭代时第i帧的信道估计预测值，

为第i帧的信道估计值。

可选的，所述迭代次数由信噪比或误码率确定。

可选的，所述数据序列估计单元根据下述表达式获得第i帧的数据序列的估计值：

$[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}({\hat{h}}_{i,J}+{\hat{h}}_{i-1})/2)}\right)\right)$

${\hat{x}}_{i,J}=[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}](1:L_f-L_{\mathrm{hdr}})$

其中，为第i帧的数据序列和第i+1帧的已知序列的估计值，[x_i，c_i+1]为第i帧的数据序列与第i+1帧的已知序列组成的组合序列，

为第i帧的数据序列的估计值，

为第i-1帧的信道估计值。

可选的，所述帧信号为单载波信号。

可选的，所述已知序列为伪随机序列或线性调频序列。

可选的，所述信道预测单元采用多项式预测法预测第i帧的信道估计预测值。

可选的，所述信道预测单元采用判决反馈法、时域线性相关法或时域循环相关法预测前n帧的信道估计值。

与现有技术相比，本发明的信道估计方法和装置，采用了基于以往信道估计的一步预测及频域均衡和估计的方法对信道进行估计，相比现有技术的基于以往信道估计的两步预测，减小或避免了预测误差，简化了信道估计的复杂度，能够跟踪快速变化的动态信道。

同时通过迭代方式减小估计误差，可以获得更准确的信道估计值，从而能够对抗快速变化的动态信道。

附图说明

图1为一种单载波信号的帧结构示意图；

图2为本发明实施例中发送端发送的单载波宽带无线信号示意图；

图3为本发明实施例中接收端接收的单载波宽带无线信号示意图；

图4为本发明实施例的信道估计方法的流程图；

图5为本发明实施例的信道估计装置的结构示意图。

具体实施方式

本发明实施例提供了一种基于一步预测和频域均衡的信道估计方法和装置，具体而言，首先基于第i帧的前几帧的信道估计值预测第i帧的信道估计预测值，然后基于所述第i帧的信道估计预测值，在时域重构第i帧的已知序列，进而得到第i帧的频域信道估计值和时域信道估计值。

同时通过迭代方式减小信道估计误差，获得更准确的信道估计值。

以下结合附图对本发明具体实施例提供的信道估计方法进行详细的描述。本实施例的信道估计方法应用于单载波信号，所述单载波信号包括多个连续的帧信号，所述帧信号由已知序列和数据序列组成，所述已知序列具有均匀的功率谱，其可以为伪随机序列(PN：Pseudorandom Noise，如m序列、M序列、Gold序列)或线性调频序列等，本实施例中以PN序列为例进行说明。

图2给出了本发明具体实施例中发送端发送的单载波宽带无线信号，其中p_i-2、p_i-1、p_i分别表示第i-2、i-1、i帧的PN序列，s_i-2、s_i-1、s_i分别表示第i-2、i-1、i帧的数据序列。

对应地，图3给出了本发明具体实施例中接收端接收到的单载波宽带无线信号，c_i-2、c_i-1、c_i分别为接收到的第i-2、i-1、i帧的PN序列，x_i-2、x_i-1、x_i分别为接收到的第i-2、i-1、i帧的数据序列。

由于信号从发射端到接收端可以借助不同的传播路径，受信道多径的影响，接收端接收到的PN序列和数据序列会部分交叠形成干扰，仍参考图3，以接收端接收到的第i帧数据为例，如图3阴影部分所示，第i-1帧的数据序列x_i-1会和第i帧的PN序列c_i产生混叠，第i帧的PN序列c_i会和第i帧的数据序列x_i产生混叠，其余帧的PN序列和数据序列也会产生相同的现象。通常，将数据序列与紧随其后的PN序列的混叠部分称为数据序列在PN序列的拖尾，将PN序列与紧随其后的数据序列的混叠部分称为PN序列在数据序列的拖尾。在利用PN序列进行信道估计时，为了能对信道进行准确的估计，需要重构具有循环特性的PN序列，即将接收到的PN序列减去紧邻PN序列的位于其前的数据序列在PN序列的拖尾，并加上PN序列在紧随其后的数据序列的拖尾，以第i帧的PN序列c_i为例，需要将第i帧的PN序列c_i减去第i-1帧的数据序列x_i-1在第i帧的PN序列c_i的拖尾，并加上第i帧的PN序列c_i在第i帧的数据序列x_i的拖尾。

本实施例中设PN序列的长度为L_hdr，数据序列的长度为L_data，则一帧信号的长度为L_f＝L_hdr+L_data例如，基于DMBTH标准的单载波信号，其PN序列长度为595个符号，数据序列的长度为3780个符号，帧信号的长度为4375个符号。另外，本实施例中，多径时延的长度为L_chan(通常，多径时延的长度可以根据实践经验给出一个预设值，或在下述步骤S11中应用时域相关法等得到初始的信道估计时，来检测当前信道多径时延的长度)，在实际的传输系统中，多径时延的长度设计为不超过PN序列的长度，即L_chan＜L_hdr。

需要说明的是本发明实施例所提供信道估计方法，是在接收端已经进行了准确的同步下进行的。

图4给出了本发明实施例的信道估计方法流程图，首先进行步骤S11，在步骤S11中，根据第i帧的前n帧的信道估计值预测第i帧的信道估计预测值，其中1≤n＜i；其具体过程如下：

当n＝1时，直接将第i-1帧信道估计值作为第i帧的信道估计预测值，本实施例中n＝2，则第i帧的前2帧为第i-1帧和第i-2帧。根据第i-2帧和i-1帧的信道估计值

通过线性预测法得到第i帧的信道估计预测值

本步骤中是在第i-2帧和i-1帧的信道估计

为已知的情况下对第i帧的信道估计预测值

进行一步预测得到的，除了采用所述的线性预测法对第i帧的信道估计预测值

进行一步预测外，还可以通过多项式预测法，如抛物线预测法对第i帧的信道估计预测值

进行一步预测，此时可以取第i帧前的多个帧(n≥3)的已知信道估计值。所述线性预测法、多项式预测法为本领域进行信道估计的常用技术手段，在此不再赘述。

需要说明的是，在实际的接收过程中，接收机开始处理数据(接收机系统开始运行的初始状态)时，基于第i帧的前n帧如i为第3帧则其前2帧：第1帧和第2帧的信道估计值并不是已知的，此时可以采用现有的判决反馈法、时域线性相关或时域循环相关的方法对接收到的前几帧的信道估计值进行初始化预估。当接收机系统运行一段时间后，前n帧的信道估计值可以应用本发明实施例的信道估计方法获得。

步骤S12，利用第i帧的信道估计预测值对接收到的第i帧的数据序列与第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计预测值；

需要说明的是，本实施例中获得第i帧的数据序列的估计预测值，并不是以第i帧的信号进行频域均衡的，而是以第i帧的数据序列和第i+1帧的已知序列组成的组合序列进行频域均衡的。

这是因为，虽然一帧信号是由c_i和x_i组成的，记为[c_i，x_i](以下以r_i表示)，经过信道传输后，r_i中混入了来自x_i-1的拖尾，同时，r_i的拖尾也进入了c_i+1，如果要对r_i均衡，必须首先要构造r_i的循环数据，也就是将x_i-1对r_i的拖尾去掉，将r_i在c_i+1中的拖尾加回来，这样会导致均衡过程很繁琐。但是，如果将[x_i，c_i+1](以下以R_i表示)作为组合序列，经过信道传输后，R_i中混入了来自c_i的拖尾，同时，R_i的拖尾也进入了x_i+1。本实施例中接收端接收到的每一帧信号，其所有的已知序列都是相同的，即c_i和c_i+1是相同的已知序列，假定信道情况在c_i和c_i+1处相同，那么来自c_i的拖尾和R_i对x_i+1的拖尾是一样的，因此，以[x_i，c_i+1]作为组合序列，不需要去掉拖尾和加回拖尾的操作，其本身就是循环数据，无需重构。

步骤S12的具体过程如下：

对接收到的第i帧的数据序列和第i+1帧的PN序列组成的组合序列进行快速傅里叶变换得到

对第i帧信号的信道估计预测值先进行补零操作后再进行快速傅里叶变换得到

将

和

在频域相除，即对接收到的第i帧的数据序列和第i+1帧的PN序列组成的组合序列进行频域均衡，对均衡后的结果进行快速傅立叶逆变换至时域并对其进行判决，得到第i帧的数据序列和第i+1帧的PN序列的估计预测值，上述过程可由下述表达式(以下表达式均为MATLAB语言格式)表示：

${[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]}^{\′}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,j}}^{\′}\right))}\right)\right)$

其中，

为第i帧的数据序列和第i+1帧的PN序列的估计预测值，

表示第i帧的信道估计预测值，[x_i，c_i+1]为接收到的第i帧的数据序列和第i+1帧的PN序列组成的组合序列，

为L_f点FFT，slicer为判决操作，zero_padding是补零操作，使得

补零后长度与FFT的点数匹配；L_f为帧长度。其中J≥0，关于J将在后面进行详细的说明。

从第i帧的数据序列和第i+1帧的PN序列的估计预测值中取第1～L_f-L_hdr个值(L_hdr为PN序列的长度)，就可获得第i帧的数据序列的估计预测值

即

本实施例中传输的单载波信号基于DMBTH标准，其帧体的数据序列的长度3780个符号，因此只要将获取的第i帧的数据序列和第i+1帧的PN序列的估计预测值中取前3780个符号就可以得到第i帧的数据序列的估计预测值。

步骤S13从第i帧的数据序列的估计预测值与第i帧的信道估计预测值的线性卷积结果和接收到的第i帧的数据序列中提取第i帧的已知序列在第i帧的数据序列的拖尾；具体过程如下：

对第i帧的数据序列的估计预测值与第i帧信道估计预测值做线性卷积，其表达式如下：

${\tilde{x}}_{i,J}={{\hat{x}}_{i,J}}^{\′}*{{\hat{h}}_{i,J}}^{\′}$

其中，

为第i帧的数据序列的估计预测值，长度为L_data，

为第i帧的信道估计预测值，长度为L_chan，因此，

的长度为L_data+L_chan-1。提取第i帧的PN序列在第i帧的数据序列的拖尾，其表达式如下：

${\mathrm{tail}}_c=x_i(1:L_{\mathrm{chan}})-{\tilde{x}}_{i,J}(1:L_{\mathrm{chan}})$

其中，tail_c为第i帧的PN序列在第i帧的数据序列的拖尾，x_i为接收到的第i帧的数据序列。

步骤S14利用第i帧的信道估计预测值对接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i-1帧的数据序列的估计预测值；本步中以第i-1帧的数据序列与第i帧的已知序列组成的组合序列来获得第i-1帧的数据序列估计预测值的理由与步骤S12中获得第i帧的数据序列估计预测值的理由相同，此处不再赘述。

步骤S14的具体过程如下：

对接收到的第i-1帧的数据序列和第i帧的PN序列组成的组合序列进行快速傅里叶变换得到

对第i帧信号的信道估计预测值先进行补零操作后再进行快速傅里叶变换得到

将和

在频域相除，即对接收到的第i-1帧的数据序列和第i帧的PN序列组成的组合序列进行频域均衡，对均衡后的结果进行快速傅立叶逆变换至时域并对其进行判决，得到第i-1帧的数据序列和第i帧的PN序列的估计预测值，上述过程可由下述表达式(以下表达式均为MATLAB语言格式)表示：

${[{\hat{x}}_{i-1,J},{\hat{c}}_{i,J}]}^{\′}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_{i-1},c_i\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,J}}^{\′}\right))}\right)\right)$

其中，

为第i-1帧的数据序列和第i帧的PN序列的估计预测值，

表示第i帧的信道估计预测值，[x_i-1，c_i]为接收到的第i-1帧的数据序列和第i帧的PN序列组成的组合序列，

为L_f点FFT，slicer为判决操作，zero_padding是补零操作，使得

补零后长度与FFT的点数匹配；L_f为帧长度。

从第i-1帧的数据序列和第i帧的PN序列的估计预测值中取第1～L_f-L_hdr个值(L_hdr为PN序列的长度)，就可获得第i-1帧的数据序列的估计预测值

即

本实施例中传输的单载波信号基于DMBTH标准，其帧体的数据序列的长度为3780个符号，因此只要将获取的第i-1帧的数据序列和第i帧的PN序列的估计预测值中取前3780个符号就可以得到第i-1帧的数据序列的估计预测值。

步骤S15从第i-1帧的数据序列的估计预测值和第i帧的信道估计预测值的线性卷积结果中提取第i-1帧的数据序列在第i帧的已知序列的拖尾；具体过程如下：

对第i-1帧的数据序列的估计预测值与第i帧信道估计预测值做线性卷积，其表达式如下：

${\tilde{x}}_{i-1,J}={{\hat{x}}_{i-1,J}}^{\′}*{{\hat{h}}_{i,J}}^{\′}$

其中，

为第i-1帧的数据序列的估计预测值，长度为L_data，

为第i帧的信道估计预测值，长度为L_chan，因此，

的长度为L_data+L_chan-1。提取第i-1帧的数据序列在第i帧的PN序列的拖尾，其表达式如下：

${\mathrm{tail}}_x={\tilde{x}}_{i-1,J}(L_{\mathrm{data}}+1:L_{\mathrm{data}}+L_{\mathrm{chan}}-1)$

其中，tail_x为第i-1帧的数据序列在第i帧的PN序列的拖尾。

步骤S16从接收到的第i帧的已知序列去除第i-1帧的数据序列在第i帧的已知序列的拖尾，并加上第i帧的已知序列在第i帧的数据序列的拖尾，得到第i帧的重构已知序列；具体过程如下：

对由步骤S13和S15得到的tail_x和tail_x分别进行补零的操作使其长度为L_hdr，然后将接收端接收到的第i帧的PN序列中第i-1帧的数据序列在第i帧的PN序列中的拖尾减去，将第i帧的PN序列在第i帧的数据序列中的拖尾加上，得到第i帧的重构PN序列，其表达式如下：

$c_{i,J}=c_i-[{\mathrm{tail}}_x,0_{1\×(L_{\mathrm{hdr}}-L_{\mathrm{chan}}+1)}]+[{\mathrm{tail}}_c,0_{1\×(L_{\mathrm{hdr}}-L_{\mathrm{chan}})}]$

其中

为1×(L_hdr-L_chan+1)的全零矩阵，

为1×(L_hdr-L_chan)的全零矩阵。

为长度为L_hdr的第i-1帧的数据序列x_i-1在第i帧的PN序列c_i的拖尾，

为长度为L_hdr的第i帧的PN序列c_i在第i帧数据序列x_i中的拖尾。c_i，J即为第i帧的重构PN序列。

步骤S17根据第i帧的重构已知序列和发送的第i帧的已知序列获得第i帧的信道估计值。具体过程如下：

对第i帧的重构PN序列c_i，J进行快速傅立叶变换至频域得到

对发送端发送的PN序列p_i进行快速傅立叶变换至频域得到

则第i帧的频域信道估计值为：

${\hat{H}}_{i,J}=({\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(c_{i,J}\right)/{\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(p_i\right)),$

第i帧的时域信道估计值为：

${\hat{h}}_{i,J}=\left({\mathrm{IFFT}}_{L_{\mathrm{hdr}}}\left({\hat{H}}_{i,J}\right)\right)$

其中，

为第i帧的频域信道估计值，

为第i帧的信道估计值(或者说时域信道估计值)，p_i为发送端发送的第i帧的PN序列，

为L_hdr点的逆快速付立叶变换。

下面对上述出现的J的含义进行详细说明，上述步骤S11-S17中的J的含义为进行第“J”次迭代。一般来说，采用上述步骤得到的

是可以直接作为第i帧的信道估计值，以继续对后续帧进行信道估计的。即不需要进行迭代(J＝0)。而为了获得更准确的信道估计值，以更好地跟踪快速变化的动态时变信道，可以采用迭代的方式，即通过迭代更新第i帧的信道估计值。

所述通过迭代更新第i帧的信道估计值是指令J＝J+1，

返回执行步骤S13，提取第i帧的PN序列在第i帧的数据序列的拖尾；继续执行步骤S14，计算第i-1帧的数据序列的估计预测值；继续执行步骤S15，提取第i-1帧的数据序列在第i帧的PN序列的拖尾；继续执行步骤S16以更新第i帧的重构PN序列；继续执行步骤S17，根据更新后的第i帧的重构PN序列和发送端发送的第i帧的PN序列获得更新后的第i帧的信道估计值，其中N≥J≥0，N为迭代次数。

为第J+1次迭代时第i帧的数据序列的估计预测值，

为第i帧的数据序列的估计值(在通过迭代更新第i帧的信道估计值时，

即为第J次迭代时第i帧的数据序列的估计值)，为第J+1次迭代时第i帧的信道估计预测值，

为第i帧的信道估计值(在通过迭代更新第i帧的信道估计值时，

即为第J次迭代时第i帧的信道估计值)。

所述第i帧的数据序列的估计值是利用第i帧的信道估计值和第i-1帧的信道估计值对接收到的第i帧的数据序列和第i+1帧的PN序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决而获得，其可以由下述表达式表示：

$[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}({\hat{h}}_{i,J}+{\hat{h}}_{i-1})/2)}\right)\right)$

${\hat{x}}_{i,J}=[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}](1:L_f-L_{\mathrm{hdr}})$

其中，

为第i帧的数据序列和第i+1帧的PN序列的估计值(在通过迭代更新第i帧的信道估计值时，

即为第J次迭代时第i帧的数据序列和第i+1帧的PN序列的估计值)，

为第i帧的数据序列的估计值(在通过迭代更新第i帧的信道估计值时，

即为第J次迭代时第i帧的数据序列的估计值)，为第i-1帧的信道估计值。上述迭代次数N可以根据经验值预先设定，例如设定为1次、2次等。也可以由获得的第J次迭代时第i帧的数据序列的估计值

来确定，可以根据第J次迭代时第i帧的数据序列的估计值

计算信噪比，其具体过程如下：将第J次迭代时第i帧的数据序列的估计值

送入判决器，得到均衡后数据的硬判决，将判决器的输出与输入相减，即得到误差：

假定信号质量很好，那么判决器的输出基本上就是没有被信道失真的数据，然后就可以得到信噪比：

其中，||表示取模操作。

或者可以根据第J次迭代时第i帧的数据序列的估计值

计算误码率，其具体过程如下：将第J次迭代时第i帧的数据序列的估计值

送入信道解码器，只要错误数据的数量不超过信道解码器的能力，就可以恢复原始数据，得到误码个数，并进一步得到误码率。解码器检测与纠正错误的方法与具体信道编码相关。

通过对上述第J次迭代时数据序列的估计值的信噪比或误码率计算进而进行判断，如果信噪比大于预设值或误码率小于预设值，则不再继续迭代，反之，则继续迭代。

对应上述信道估计方法，本实施例还提供一种信道估计装置，如图5所示，所述信道估计装置包括：

信道预测单元10，用于根据第i帧的前n帧的信道估计值预测第i帧的信道估计预测值，其中1≤n＜i；

第一数据序列预测单元20，用于根据信道预测单元10预测的第i帧的信道估计预测值对接收到的第i帧的数据序列与第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计预测值；

已知序列拖尾提取单元30，用于从所述第一数据序列预测单元20获得的第i帧的数据序列的估计预测值与所述信道预测单元10预测的第i帧的信道估计预测值的线性卷积结果和接收到的第i帧的数据序列中提取第i帧的已知序列在第i帧的数据序列的拖尾；

第二数据序列预测单元40，用于根据所述信道预测单元10预测的第i帧的信道估计预测值对接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i-1帧的数据序列的估计预测值；

数据序列拖尾提取单元50，用于从所述第二数据序列预测单元40获得的第i-1帧的数据序列的估计预测值和所述信道预测单元10预测的第i帧的信道估计预测值的线性卷积结果中提取第i-1帧的数据序列在第i帧的已知序列的拖尾；

重构单元60，用于从接收到的第i帧的已知序列去除所述数据序列拖尾提取单元50提取的第i-1帧的数据序列在第i帧的已知序列的拖尾，并加上所述已知序列拖尾提取单元30提取的第i帧的已知序列在第i帧的数据序列的拖尾，得到第i帧的重构已知序列；

信道估计单元70，用于根据所述重构单元60得到的第i帧的重构已知序序列和发送的第i帧的已知序列获得第i帧的信道估计值。

另外，本实施例的信道估计装置还可以包括(图中未示出)：

数据序列估计单元，用于根据第i-1帧的信道估计值和信道估计单元70估计的第i帧的信道估计值对接收到的第i帧的数据序列和第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计值；

迭代控制单元，用于通过迭代更新第i帧的信道估计值，所述通过迭代更新第i帧的信道估计值是指令J＝J+1，

控制第二数据序列预测单元40重新计算第i-1帧的数据序列的估计预测值、控制已知序列拖尾提取单元30重新提取第i帧的已知序列在第i帧的数据序列的拖尾，控制数据序列拖尾提取单元50重新提取第i-1帧的数据序列在第i帧的已知序列的拖尾、以控制重构单元60更新第i帧的重构已知序列，并控制信道估计单元70根据更新后的第i帧的重构已知序列和发送端发送的第i帧的已知序列获得第J+1次迭代时的第i帧的信道估计值，其中N≥J≥0，N为迭代次数，

为第J+1次迭代时第i帧的数据序列的估计预测值，

为第i帧的数据序列的估计值，为第J+1次迭代时第i帧的信道估计预测值，

为第i帧的信道估计值。

综上所述，本实施例提供的信道估计方法及信道估计装置，采用了基于以往信道估计的一步预测及频域均衡和估计的方法对信道进行估计，避免了基于以往信道估计的两步预测带来的预测误差，简化了信道估计的复杂度，能够跟踪快速变化的动态信道。通过迭代方式减小估计误差，可以获得更准确的信道估计值，从而能够对抗快速变化的动态信道。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (28)

1.一种信道估计方法，用于根据接收到的帧信号进行信道估计，所述帧信号由已知序列和数据序列组成，其特征在于，包括如下步骤：

根据第i帧的前n帧的信道估计值预测第i帧的信道估计预测值，其中1≤n<i；

利用第i帧的信道估计预测值对接收到的第i帧的数据序列与第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计预测值；

从第i帧的数据序列的估计预测值与第i帧的信道估计预测值的线性卷积结果和接收到的第i帧的数据序列中提取第i帧的已知序列在第i帧的数据序列的拖尾；

利用第i帧的信道估计预测值对接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i-1帧的数据序列的估计预测值；

从第i-1帧的数据序列的估计预测值和第i帧的信道估计预测值的线性卷积结果中提取第i-1帧的数据序列在第i帧的已知序列的拖尾；

从接收到的第i帧的已知序列去除第i-1帧的数据序列在第i帧的已知序列的拖尾，并加上第i帧的已知序列在第i帧的数据序列的拖尾，得到第i帧的重构已知序列；

根据第i帧的重构已知序列和发送的第i帧的已知序列获得第i帧的信道估计值。

2.如权利要求1所述的信道估计方法，其特征在于，所述第i帧的数据序列的估计预测值由下述表达式获得：

${[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]}^{\&prime;}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,j}}^{\&prime;}\right))}\right)\right)$

${{\hat{x}}_{i,J}}^{\&prime;}={[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]}^{\&prime;}(1:L_f-L_{\mathrm{hdr}})$

其中，

为第i帧的数据序列和第i+1帧的已知序列的估计预测值，

为第i帧的数据序列的估计预测值，

表示第i帧的信道估计预测值，[x_i,c_i+1]为接收到的第i帧的数据序列和第i+1帧的已知序列组成的组合序列，L_f为帧长度，L_hdr为已知序列的长度，slicer为判决操作，zero_padding为补零操作。

3.如权利要求2所述的信道估计方法，其特征在于，所述提取第i帧的已知序列在第i帧的数据序列的拖尾由下述表达式获得：

${\mathrm{tail}}_c=x_i(1:L_{\mathrm{chan}})-{\tilde{x}}_{i,J}(1:L_{\mathrm{chan}})$

其中，tail_c为第i帧的已知序列在第i帧的数据序列的拖尾，x_i为接收到的第i帧的数据序列，

L_chan为多径时延长度。

4.如权利要求3所述的信道估计方法，其特征在于，所述第i-1帧的数据序列的估计预测值由下述表达式获得：

${[{\hat{x}}_{i-1,J},{\hat{c}}_{i,J}]}^{\&prime;}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_{i-1},c_i\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,J}}^{\&prime;}\right))}\right)\right)$

${{\hat{x}}_{i-1,J}}^{\&prime;}={[{\hat{x}}_{i-1,J},{\hat{c}}_{i,J}]}^{\&prime;}(1:L_f-L_{\mathrm{hdr}})$

其中，为第i-1帧的数据序列和第i帧的已知序列的估计预测值，

为第i-1帧的数据序列的估计预测值，[x_i-1，c_i]为接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列。

5.如权利要求4所述的信道估计方法，其特征在于，所述提取第i-1帧的数据序列在第i帧的已知序列的拖尾由下述表达式获得：

${\mathrm{tail}}_x={\tilde{x}}_{i-1,J}(L_{\mathrm{data}}+1:{L_{\mathrm{data}}+L}_{\mathrm{chan}}-1)$

其中，tail_x为第i-1帧的数据序列在第i帧的已知序列的拖尾，L_data为数据序列的长度。

6.如权利要求5所述的信道估计方法，其特征在于，所述第i帧的重构已知序列由下述表达式获得：

$c_{i,J}=c_i-[{\mathrm{tail}}_x,0_{1\&times;(L_{\mathrm{hdr}}-L_{\mathrm{chan}}+1)}]+[{\mathrm{tail}}_c,0_{1\&times;(L_{\mathrm{hdr}}-L_{\mathrm{chan}})}]$

其中，c_i，J为重构的第i帧的已知序列，c_i为接收到的第i帧的已知序列，

为1×(L_hdr-L_chan+1)的全零矩阵，为1×(L_hdr-L_chan)的全零矩阵。

7.如权利要求6所述的信道估计方法，其特征在于，所述第i帧的信道估计值由下述表达式获得：

${\hat{H}}_{i,J}=({\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(c_{i,J}\right)/{\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(p_i\right)),$

${\hat{h}}_{i,J}=\left({\mathrm{IFFT}}_{L_{\mathrm{hdr}}}\left({\hat{H}}_{i,J}\right)\right)$

其中，

为第i帧的频域信道估计值，

为第i帧的时域信道估计值，p_i为发送端发送的第i帧的已知序列。

8.如权利要求7所述的信道估计方法，其特征在于，还包括：

利用第i帧的信道估计值和第i-1帧的信道估计值对接收到的第i帧的数据序列和第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计值；

通过迭代更新第i帧的信道估计值，所述通过迭代更新第i帧的信道估计值是指令J＝J+1，

重新计算第i-1帧的数据序列的估计预测值、提取第i帧的已知序列在第i帧的数据序列的拖尾和第i-1帧的数据序列在第i帧的已知序列的拖尾、以更新第i帧的重构已知序列，并根据更新后的第i帧的重构已知序列和发送端发送的第i帧的已知序列获得第J+1次迭代时的第i帧的信道估计值，其中N≥J≥0，N为迭代次数，

为第J+1次迭代时第i帧的数据序列的估计预测值，

为第i帧的数据序列的估计值,

为第J+1次迭代时第i帧的信道估计预测值，

为第i帧的信道估计值。

9.如权利要求8所述的信道估计方法，其特征在于，所述迭代次数由信噪比或误码率确定。

10.如权利要求8所述的信道估计方法，其特征在于，所述第i帧的数据序列的估计值由下述表达式获得：

$[{\hat{x}}_{i,J},={\hat{c}}_{i+1,J}]=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}({\hat{h}}_{i,J}+{\hat{h}}_{i-1})/2)}\right)\right)$

${\hat{x}}_{i,J}=[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}](1:L_f-L_{\mathrm{hdr}})$

其中，

为第i帧的数据序列和第i+1帧的已知序列的估计值，[x_i,c_i+1]为第i帧的数据序列与第i+1帧的已知序列组成的组合序列，

为第i帧的数据序列的估计值，为第i-1帧的信道估计值。

11.如权利要求1所述的信道估计方法，其特征在于，所述帧信号为单载波信号。

12.如权利要求1所述的信道估计方法，其特征在于，所述已知序列为伪随机序列或线性调频序列。

13.如权利要求1所述的信道估计方法，其特征在于，所述根据前n帧的信道估计值预测第i帧的信道估计预测值采用多项式预测法。

14.如权利要求1所述的信道估计方法，其特征在于，所述前n帧的信道估计值采用判决反馈法、时域线性相关法或时域循环相关法。

15.一种信道估计装置，用于根据接收到的帧信号进行信道估计，所述帧信号由已知序列和数据序列组成，其特征在于，包括：

信道预测单元，用于根据第i帧的前n帧的信道估计值预测第i帧的信道估计预测值，其中1≤n<i；

第一数据序列预测单元，用于根据信道预测单元预测的第i帧的信道估计预测值对接收到的第i帧的数据序列与第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计预测值；

已知序列拖尾提取单元，用于从所述第一数据序列预测单元获得的第i帧的数据序列的估计预测值与所述信道预测单元预测的第i帧的信道估计预测值的线性卷积结果和接收到的第i帧的数据序列中提取第i帧的已知序列在第i帧的数据序列的拖尾；

第二数据序列预测单元，用于根据所述信道预测单元预测的第i帧的信道估计预测值对接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i-1帧的数据序列的估计预测值；

数据序列拖尾提取单元，用于从所述第二数据序列预测单元获得的第i-1帧的数据序列的估计预测值和所述信道预测单元预测的第i帧的信道估计预测值的线性卷积结果中提取第i-1帧的数据序列在第i帧的已知序列的拖尾；

重构单元，用于从接收到的第i帧的已知序列去除所述数据序列拖尾提取单元提取的第i-1帧的数据序列在第i帧的已知序列的拖尾，并加上所述已知序列拖尾提取单元提取的第i帧的已知序列在第i帧的数据序列的拖尾，得到第i帧的重构已知序列；

信道估计单元，用于根据所述重构单元得到的第i帧的重构已知序列和发送的第i帧的已知序列获得第i帧的信道估计值。

16.如权利要求15所述的信道估计装置，其特征在于，所述第一数据序列预测单元根据下述表达式获得第i帧的数据序列的估计预测值：

${[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]}^{\&prime;}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,j}}^{\&prime;}\right))}\right)\right)$

${{\hat{x}}_{i,J}}^{\&prime;}={[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}]}^{\&prime;}(1:L_f-L_{\mathrm{hdr}})$

其中，

为第i帧的数据序列和第i+1帧的已知序列的估计预测值，为第i帧的数据序列的估计预测值，表示第i帧的信道估计预测值，[x_i,c_i+1]为接收到的第i帧的数据序列和第i+1帧的已知序列组成的组合序列，L_f为帧长度，L_hdr为已知序列的长度，slicer为判决操作，zero_padding为补零操作。

17.如权利要求16所述的信道估计装置，其特征在于，所述已知序列拖尾提取单元根据下述表达式提取第i帧的已知序列在第i帧的数据序列的拖尾：

${\mathrm{tail}}_c=x_i(1:L_{\mathrm{chan}})-{\tilde{x}}_{i,J}(1:L_{\mathrm{chan}})$

其中，tail_c为第i帧的已知序列在第i帧的数据序列的拖尾，x_i为接收到的第i帧的数据序列，

L_chan为多径时延长度。

18.如权利要求17所述的信道估计装置，其特征在于，所述第二数据序列预测单元根据下述表达式获得第i-1帧的数据序列的估计预测值：

${[{\hat{x}}_{i-1,J},{\hat{c}}_{i,J}]}^{\&prime;}=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_{i-1},c_i\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}\left({{\hat{h}}_{i,J}}^{\&prime;}\right))}\right)\right)$

${{\hat{x}}_{i-1,J}}^{\&prime;}={[{\hat{x}}_{i-1,J},{\hat{c}}_{i,J}]}^{\&prime;}(1:L_f-L_{\mathrm{hdr}})$

其中，

为第i-1帧的数据序列和第i帧的已知序列的估计预测值，

为第i-1帧的数据序列的估计预测值，[x_i-1，c_i]为接收到的第i-1帧的数据序列与第i帧的已知序列组成的组合序列。

19.如权利要求18所述的信道估计装置，其特征在于，所述数据序列拖尾提取单元根据下述表达式提取第i-1帧的数据序列在第i帧的已知序列的拖尾：

${\mathrm{tail}}_x={\tilde{x}}_{i-1,J}(L_{\mathrm{data}}+1:{L_{\mathrm{data}}+L}_{\mathrm{chan}}-1)$

其中，tail_x为第i-1帧的数据序列在第i帧的已知序列的拖尾，

L_data为数据序列的长度。

20.如权利要求19所述的信道估计装置，其特征在于，所述重构单元根据下述表达式获得第i帧的重构已知序列：

$c_{i,J}=c_i-[{\mathrm{tail}}_x,0_{1\&times;(L_{\mathrm{hdr}}-L_{\mathrm{chan}}+1)}]+[{\mathrm{tail}}_c,0_{1\&times;(L_{\mathrm{hdr}}-L_{\mathrm{chan}})}]$

其中，c_i，J为重构的第i帧的已知序列，c_i为接收到的第i帧的已知序列，

为1×(L_hdr-L_chan+1)的全零矩阵，

为1×(L_hdr-L_chan)的全零矩阵。

21.如权利要求20所述的信道估计装置，其特征在于，所述信道估计单元根据下述表达式获得第i帧的信道估计值：

${\hat{H}}_{i,J}=({\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(c_{i,J}\right)/{\mathrm{FFT}}_{L_{\mathrm{hdr}}}\left(p_i\right)),$

${\hat{h}}_{i,J}=\left({\mathrm{IFFT}}_{L_{\mathrm{hdr}}}\left({\hat{H}}_{i,J}\right)\right)$

其中，为第i帧的频域信道估计值，

为第i帧的时域信道估计值，p_i为发送端发送的第i帧的已知序列。

22.如权利要求21所述的信道估计装置，其特征在于，还包括：

数据序列估计单元，用于根据第i-1帧的信道估计值和信道估计单元估计的第i帧的信道估计值对接收到的第i帧的数据序列和第i+1帧的已知序列组成的组合序列进行频域均衡，并对频域均衡结果进行时域判决，获得第i帧的数据序列的估计值；

迭代控制单元，用于通过迭代更新第i帧的信道估计值，所述通过迭代更新第i帧的信道估计值是指令J＝J+1，

控制第二数据序列预测单元重新计算第i-1帧的数据序列的估计预测值、控制已知序列拖尾提取单元重新提取第i帧的已知序列在第i帧的数据序列的拖尾，控制数据序列拖尾提取单元重新提取第i-1帧的数据序列在第i帧的已知序列的拖尾、以控制重构单元更新第i帧的重构已知序列，并控制信道估计单元根据更新后的第i帧的重构已知序列和发送端发送的第i帧的已知序列获得第J+1次迭代时的第i帧的信道估计值，其中N≥J≥0，N为迭代次数，

为第J+1次迭代时第i帧的数据序列的估计预测值，为第i帧的数据序列的估计值,

为第J+1次迭代时第i帧的信道估计预测值，为第i帧的信道估计值。

23.如权利要求22所述的信道估计装置，其特征在于，所述迭代次数由信噪比或误码率确定。

24.如权利要求23所述的信道估计装置，其特征在于，所述数据序列估计单元根据下述表达式获得第i帧的数据序列的估计值：

$[{\hat{x}}_{i,J},={\hat{c}}_{i+1,J}]=\mathrm{slicer}\left({\mathrm{IFFT}}_{L_f}\left(\frac{{\mathrm{FFT}}_{L_f}\left(\right[x_i,c_{i+1}\left]\right)}{{\mathrm{FFT}}_{L_f}(\mathrm{zero}\_\mathrm{padding}({\hat{h}}_{i,J}+{\hat{h}}_{i-1})/2)}\right)\right)$

${\hat{x}}_{i,J}=[{\hat{x}}_{i,J},{\hat{c}}_{i+1,J}](1:L_f-L_{\mathrm{hdr}})$

其中，

为第i帧的数据序列和第i+1帧的已知序列的估计值，[x_i,c_i+1]为第i帧的数据序列与第i+1帧的已知序列组成的组合序列，

为第i帧的数据序列的估计值，

为第i-1帧的信道估计值。

25.如权利要求15所述的信道估计装置，其特征在于，所述帧信号为单载波信号。

26.如权利要求15所述的信道估计装置，其特征在于，所述已知序列为伪随机序列或线性调频序列。

27.如权利要求15所述的信道估计装置，其特征在于，所述信道预测单元采用多项式预测法预测第i帧的信道估计预测值。

28.如权利要求15所述的信道估计装置，其特征在于，所述信道预测单元采用判决反馈法、时域线性相关法或时域循环相关法预测前n帧的信道估计值。

Images