CN102055692B - 一种多天线系统中的信道估计方法及装置 - Google Patents

Abstract

本发明公开了一种多天线系统中的信道估计方法及装置，包括：获取基站阵列天线接收到的上行每个用户每个阵元的原始信道估计值后，组成信道估计矩阵；将用户信道估计矩阵分解为信道估计幅度矩阵和信道估计相位矩阵；将信道估计幅度矩阵中同一抽头位置上的各阵元的元素组成一组，进行信号变换处理；将信号变换处理后得到的变换域数据中高频部分的数据进行变换域降噪处理；对降噪处理后的数据进行反变换，得到多天线变换域降噪后的信道估计幅度数据；将降噪后的信道估计幅度矩阵与对应的信道估计相位矩阵进行信道估计相位信息复原后，得到幅度部分进行了多天线变换域降噪后的信道估计值。本发明提高了信道估计的精确度，提升了多天线系统的整体性能。

Description

一种多天线系统中的信道估计方法及装置

技术领域

本发明涉及一种无线通信技术，尤其涉及一种多天线系统中的信道估计方法及装置。

背景技术

无线通信系统中的信道估计算法是指利用一组已知的序列进行信道冲击响应估计；信道估计算法是接收检测、发射预处理等关键技术的基础。理想信道估计是指与噪声无关的信道估计，它反映无线信道本身的特性。原始信道估计是信道估计序列经过无线信道，到达接收机后，在信号检测前，根据信道估计算法获得的信道估计。相比于理想信道估计，原始信道估计包含了干扰和噪声的影响，存在一定的估计误差，估计误差会对信号检测和发射预处理算法性能产生影响。因此，在获得原始信道估计后要进一步进行后处理以抑制信道估计结果中的干扰和噪声，减少估计误差。

现有技术中，在TD-SCDMA系统信道估计后处理过程中，通过固定或自适应功率门限，去除用户信道估计窗内没有过门限的噪声抽头和小信号抽头，从而提高通信系统信道估计的精度。但是其不足在于：对于信道估计信号抽头中的残余噪声是无法估计和去除的，所以信道估计精度相对较差。

发明内容

本发明提供一种多天线系统中的信道估计方法及装置，用以降低噪声对信道估计的影响。

本发明一方面提供了一种多天线系统中的信道估计方法，包括如下步骤：

获取基站阵列天线接收到的上行每个用户每个阵元的原始信道估计值后，组成信道估计矩阵，以每个阵元上的信道估计值为矩阵的行向量，以每个信道估计抽头位置上各天线的信道估计值为矩阵的列向量；

将用户信道估计矩阵分解为信道估计幅度矩阵和信道估计相位矩阵；

将信道估计幅度矩阵中同一抽头位置上的各阵元的元素组成一组，进行信号变换处理；

将信号变换处理后得到的变换域数据中高频部分的数据进行变换域降噪处理；

对降噪处理后的数据进行反变换，得到多天线变换域降噪后的信道估计幅度数据；

将降噪后的信道估计幅度矩阵与对应的信道估计相位矩阵进行信道估计相位信息复原后，得到幅度部分进行了多天线变换域降噪后的信道估计值。

较佳地，进一步包括：

对多天线变换域降噪处理后的信道估计值的抽头功率进行信道估计功率门限后处理。

较佳地，变换域数据中高频部分的数据进行变换域降噪处理为：将变换域数据中高频部分的数据置零。

较佳地，在将信号变换处理后得到的变换域数据中高频部分的数据置零时，将得到的变换域数据中最后的m行的元素置零，m小于天线总数，m通过仿真得到。

较佳地，所述信号变换处理为以下方式之一：离散傅里叶变换(DFT)、离散余弦变换(DCT)、离散小波变换(DWT)。

本发明还提供了一种多天线系统中的信道估计装置，包括：

矩阵模块，用于获取基站阵列天线接收到的上行每个用户每个阵元的原始信道估计值后，组成信道估计矩阵，以每个阵元上的信道估计值为矩阵的行向量，以每个信道估计抽头位置上各天线的信道估计值为矩阵的列向量；

分解模块，用于将用户信道估计矩阵分解为信道估计幅度矩阵和信道估计相位矩阵；

变换模块，用于将信道估计幅度矩阵中同一抽头位置上的各阵元的元素组成一组，进行信号变换处理；

降噪模块，用于将信号变换处理后得到的变换域数据中高频部分的数据进行变换域降噪处理；

逆变换模块，用于对降噪处理后的数据进行反变换，得到多天线变换域降噪后的信道估计幅度数据；

复原模块，用于将降噪后的信道估计幅度矩阵与对应的信道估计相位矩阵进行信道估计相位信息复原后，得到幅度部分进行了多天线变换域降噪后的信道估计值。

较佳地，进一步包括：

后处理模块，用于对多天线变换域降噪处理后的信道估计值的抽头功率进行信道估计功率门限后处理。

较佳地，降噪模块进一步用于在变换域数据中高频部分的数据进行变换域降噪处理时，是将变换域数据中高频部分的数据置零。

较佳地，降噪模块进一步用于在将信号变换处理后得到的变换域数据中高频部分的数据置零时，将得到的变换域数据中最后的m行的元素置零，m小于天线总数，m通过仿真得到。

较佳地，变换模块进一步用于采用以下方式之一进行信号变换处理：离散傅里叶变换(DFT)、离散余弦变换(DCT)、离散小波变换(DWT)。

本发明有益效果如下：

与现有技术相比较，本发明实施中提供的技术方案根据基站端阵列天线接收到的上行信号进行原始信道估计，利用多天线变换域降噪的方法抑制信道估计中信号抽头上的噪声，提高了信道估计的精确度，从而提升多天线系统的整体性能。

附图说明

图1为本发明实施例中多天线系统中的信道估计方法实施流程示意图；

图2为本发明实施例中多天线系统中的信道估计装置结构示意图。

具体实施方式

在发明过程中发明人注意到：阵列天线是多天线系统的一种，阵列天线各阵元接收信号具有较强的相关性，而各阵元上的噪声是独立的，相关性很弱，可以利用阵列天线这一特点进行各阵元信道估计的去噪处理，进一步去除信道估计信号抽头的噪声影响，提高系统信道估计的准确度，提升系统性能。基于此，本发明实施例提供了一种能够适合多天线系统降低信道估计噪声影响的方案，用以提升通信系统的性能。下面结合附图对本发明的具体实施方式进行说明。

图1为多天线系统中的信道估计方法实施流程示意图，如图所示，在信道估计时可以包括如下步骤：

步骤101、获取基站阵列天线接收到的上行每个用户每个阵元的原始信道估计值后，组成信道估计矩阵；

信道估计矩阵可以以每个阵元上的信道估计值为矩阵的行向量，以每个信道估计抽头位置上各天线的信道估计值为矩阵的列向量；

实施中，获得基站阵列天线接收到的上行每个用户每个阵元的原始信道估计值，组成信道估计矩阵，矩阵的行向量代表某阵元上的信道估计值，矩阵的列向量代表某一信道估计抽头位置上各天线的信道估计值；

步骤102、将用户信道估计矩阵分解为信道估计幅度矩阵和信道估计相位矩阵；

步骤103、将信道估计幅度矩阵中同一抽头位置上的各阵元的元素组成一组，进行信号变换处理；

实施中，获得的某一用户信道估计矩阵后，分解为信道估计幅度矩阵和相位矩阵，将信道估计幅度矩阵中同一抽头位置上的各阵元的元素组成一组，进行信号变换处理，也就是对多天线数据进行变换处理，得到信道估计幅度在多天线变换域的数据，这里的信号变换可以包含DFT(Discrete FourierTransformation，离散傅里叶变换)、DCT(Discrete Cosine Transformation，离散余弦变换)、DWT(Discrete Wavelet Transform，离散小波变换)等方式，相应的，变换域则分别对应DFT变换域、DCT变换域，DWT变换域等；

步骤104、将信号变换处理后得到的变换域数据中高频部分的数据进行变换域降噪处理；

实施中，变换域数据中高频部分的数据进行变换域降噪处理可以为：将变换域数据中高频部分的数据置零。

在将信号变换处理后得到的变换域数据中高频部分的数据置零时，可以将得到的变换域数据中最后的m行的元素置零，m小于天线总数，m可以通过仿真得到。

步骤105、对降噪处理后的数据进行反变换，得到多天线变换域降噪后的信道估计幅度数据；

实施中，将得到的变换域数据中高频部分的数据置零，进行变换域降噪处理，然后再对置零处理后的数据进行反变换，得到多天线变换域降噪后的信道估计幅度数据；

步骤106、将降噪后的信道估计幅度矩阵与对应的信道估计相位矩阵进行信道估计相位信息复原后，得到幅度部分进行了多天线变换域降噪后的信道估计值；

实施中还可以进一步包括：

步骤107、对多天线变换域降噪处理后的信道估计值的抽头功率进行信道估计功率门限后处理。

下面再以实例进行说明，实施例中将分别以DCT、DWT为例进行说明。

实施例1：

本实施例中，以TD-SCDMA 8单元直线阵为例，则TD-SCDMA多天线DCT信道估计可以按如下方式处理：

1、对基站上行8天线接收到的训练序列信号进行信道估计，获得每个天线阵元的原始信道估计：

${\hat{h}}_i^{\mathrm{ka}}=\mathrm{IFFT}\left(\frac{\mathrm{FFT}\left(e_{\mathrm{mid}}^{\mathrm{ka}}\right)}{\mathrm{FFT}\left(\mathrm{mid}\right)}\right)$ i＝1，2，...，128

其中，ka∈1...Ka，ka为天线序号，Ka为基站阵列的天线数目，本实施例中，Ka＝8；i表示信道估计时间抽头序号，原始信道估计长度为128，i＝1，2，...，128；e_mid ^ka表示第ka天线上接收到的训练序列信号；mid代表midamble码母码；

表示第ka天线上第i个时间抽头的原始信道估计。

2、从原始信道估计值中截取用户k的信道估计窗内的信道冲击响应，设本实施例中，用户k的信道估计窗长为W＝16，得到8×16的用户k多天线信道估计矩阵用矩阵表示为：

${\hat{H}}_k=\left[\begin{array}{cccc}{\hat{h}}_1^1& {\hat{h}}_2^1& L& {\hat{h}}_W^1\\ {\hat{h}}_1^2& {\hat{h}}_2^2& L& {\hat{h}}_W^2\\ M& M& O& M\\ {\hat{h}}_1^{\mathrm{Ka}}& {\hat{h}}_2^{\mathrm{Ka}}& L& {\hat{h}}_W^{\mathrm{Ka}}\end{array}\right]$

其中，用户k多天线信道估计矩阵

中的元素为

ka＝1，2，...，Ka，ka为天线序号，Ka为基站阵列的天线数目；w＝1，2，...，W，w表示信道估计窗内时间抽头序号； ${\hat{h}}_w^{\mathrm{ka}}={\hat{a}}_w^{\mathrm{ka}}\·\exp \left(j{\widehat{\mathrm{\θ}}}_w^{\mathrm{ka}}\right),$ 将分解为幅度矩阵

和相位矩阵

得到：

${\hat{A}}_k=\left[\begin{array}{cccc}{\hat{a}}_1^1& {\hat{a}}_2^1& L& {\hat{a}}_W^1\\ {\hat{a}}_1^2& {\hat{a}}_2^2& L& {\hat{a}}_W^2\\ M& M& O& M\\ {\hat{a}}_1^{\mathrm{Ka}}& {\hat{a}}_2^{\mathrm{Ka}}& L& {\hat{a}}_W^{\mathrm{Ka}}\end{array}\right],$

${\widehat{\mathrm{\Θ}}}_k=\left[\begin{array}{cccc}\exp \left(j{\widehat{\mathrm{\θ}}}_1^1\right)& \exp \left(j{\widehat{\mathrm{\θ}}}_2^1\right)& L& \exp \left(j{\widehat{\mathrm{\θ}}}_W^1\right)\\ \exp \left(j{\widehat{\mathrm{\θ}}}_1^2\right)& \exp \left(j{\widehat{\mathrm{\θ}}}_2^2\right)& L& \exp \left(j{\widehat{\mathrm{\θ}}}_W^2\right)\\ M& M& O& M\\ \exp \left(j{\widehat{\mathrm{\θ}}}_1^{\mathrm{Ka}}\right)& \exp \left(j{\widehat{\mathrm{\θ}}}_2^{\mathrm{Ka}}\right)& L& \exp \left(j{\widehat{\mathrm{\θ}}}_W^{\mathrm{Ka}}\right)\end{array}\right].$

对幅度矩阵的每一列分别进行Ka点的DCT变换，也就是对幅度矩阵的同一时间抽头(w抽头)数据在各个天线阵元上进行DCT变换，由于是基于不同天线上进行的DCT，所以称之为空域DCT：

${\hat{y}}_w^{\mathrm{ka}}=w(\mathrm{ka}-1)\underset{n=0}{\overset{\mathrm{Ka}-1}{\mathrm{\Σ}}}{\hat{a}}_w^{n+1}\cos \frac{\mathrm{\π}(2n+1)(\mathrm{ka}-1)}{2\mathrm{Ka}}$ ka＝1，2，...，Ka

其中

$w(\mathrm{ka}-1)=\left\{\begin{array}{cc}1/\sqrt{\mathrm{Ka}}& \mathrm{ka}-1=0\\ \sqrt{2/\mathrm{Ka}}& \mathrm{ka}-1\≠0\end{array}\right.$

为第w个时间抽头第n+1个天线阵元上的信道估计幅度值，Ka为基站接收天线的阵元个数。

同样的，对信道估计幅度矩阵

的所有时间抽头列向量进行空域DCT，得到经过空域DCT后的幅度矩阵

${\hat{Y}}_k=\left[\begin{array}{cccc}{\hat{y}}_1^1& {\hat{y}}_2^1& L& {\hat{y}}_W^1\\ {\hat{y}}_1^2& {\hat{y}}_2^2& L& {\hat{y}}_W^2\\ M& M& O& M\\ {\hat{y}}_1^{\mathrm{Ka}}& {\hat{y}}_2^{\mathrm{Ka}}& L& {\hat{y}}_W^{\mathrm{Ka}}\end{array}\right]$

3、对经过空域DCT变换后的幅度矩阵

中最后的m行的元素置零(m＜Ka)，得到新的幅度矩阵

${\hat{Y}}_k^{\′}=\left[\begin{array}{cccc}{\hat{y}}_1^{\′1}& {\hat{y}}_2^{\′1}& L& {\hat{y}}_W^{\′1}\\ {\hat{y}}_1^{\′2}& {\hat{y}}_2^{\′2}& L& {\hat{y}}_W^{\′2}\\ M& M& O& M\\ {\hat{y}}_1^{\′\mathrm{Ka}}& {\hat{y}}_2^{\′\mathrm{Ka}}& L& {\hat{y}}_W^{\′\mathrm{Ka}}\end{array}\right]$

其中

${\hat{y}}_w^{\′\mathrm{ka}}=\left\{\begin{array}{cc}{\hat{y}}_w^{\mathrm{ka}}& \mathrm{ka}\≤\mathrm{Ka}-m\\ 0& \mathrm{ka}>\mathrm{Ka}-m\end{array}\right.$

再对得到的新幅度矩阵的每列分别进行Ka点IDCT：

${\hat{a}}_w^{\′\mathrm{ka}}=\underset{n=0}{\overset{\mathrm{Ka}-1}{\mathrm{\Σ}}}w\left(n\right){\hat{y}}_w^{\′n+1}\cos \frac{\mathrm{\π}(2(\mathrm{ka}-1)+1)n}{2\mathrm{Ka}}$ ka＝1，...，Ka

其中

$w\left(n\right)=\left\{\begin{array}{cc}1/\sqrt{\mathrm{Ka}}& n=0\\ \sqrt{2/\mathrm{Ka}}& n\≠0\end{array}\right.$

m的选取可以通过仿真得到。

同样的，对经过DCT置零处理的信道幅度矩阵

的时间抽头列进行空域IDCT，得到经过空域IDCT后的幅度矩阵

4、对IDCT后的幅度矩阵数据

进行相位信息恢复，得到经过空域DCT后的信道估计值

${\hat{H}}_k^{\′}={\hat{A}}_k^{\′}\·{\widehat{\mathrm{\Θ}}}_k$

其中(·)表示矩阵点乘。

5、对空域DCT后的信道估计进行信道后处理。

实施例2：

本实施例以TD-SCDMA 8单元直线阵为例，则TD-SCDMA多天线DWT信道估计方法可以按如下方式处理：

1、对基站上行8天线接收到的训练序列信号进行信道估计，获得每个天线阵元的原始信道估计：

${\hat{h}}_i^{\mathrm{ka}}=\mathrm{IFFT}\left(\frac{\mathrm{FFT}\left(e_{\mathrm{mid}}^{\mathrm{ka}}\right)}{\mathrm{FFT}\left(\mathrm{mid}\right)}\right)$ i＝1，2，...，128

其中，ka∈1...Ka，ka为天线序号，Ka为基站阵列的天线数目，本实施例中，Ka＝8；i表示信道估计时间抽头序号，原始信道估计长度为128，i＝1，2，...，128；e_mid ^ka表示第ka天线上接收到的训练序列信号；mid代表midamble码母码；

表示第ka天线上第i个时间抽头的原始信道估计。

2、从原始信道估计值中截取用户k的信道估计窗内的信道冲击响应，设本实施例中，用户k的信道估计窗长为W＝16，得到8×16的用户k多天线信道估计矩阵

用矩阵表示为：

${\hat{H}}_k=\left[\begin{array}{cccc}{\hat{h}}_1^1& {\hat{h}}_2^1& L& {\hat{h}}_W^1\\ {\hat{h}}_1^2& {\hat{h}}_2^2& L& {\hat{h}}_W^2\\ M& M& O& M\\ {\hat{h}}_1^{\mathrm{Ka}}& {\hat{h}}_2^{\mathrm{Ka}}& L& {\hat{h}}_W^{\mathrm{Ka}}\end{array}\right]$

其中，用户k多天线信道估计矩阵中的元素为

ka＝1，2，...，Ka；w＝1，2，...，W，w表示信道估计窗内时间抽头序号； ${\hat{h}}_w^{\mathrm{ka}}={\hat{a}}_w^{\mathrm{ka}}\·\exp \left(j{\widehat{\mathrm{\θ}}}_w^{\mathrm{ka}}\right),$ 将

分解为幅度矩阵

和相位矩阵

得到：

${\hat{A}}_k=\left[\begin{array}{cccc}{\hat{a}}_1^1& {\hat{a}}_2^1& L& {\hat{a}}_W^1\\ {\hat{a}}_1^2& {\hat{a}}_2^2& L& {\hat{a}}_W^2\\ M& M& O& M\\ {\hat{a}}_1^{\mathrm{Ka}}& {\hat{a}}_2^{\mathrm{Ka}}& L& {\hat{a}}_W^{\mathrm{Ka}}\end{array}\right],$

${\widehat{\mathrm{\Θ}}}_k=\left[\begin{array}{cccc}\exp \left(j{\widehat{\mathrm{\θ}}}_1^1\right)& \exp \left(j{\widehat{\mathrm{\θ}}}_2^1\right)& L& \exp \left(j{\widehat{\mathrm{\θ}}}_W^1\right)\\ \exp \left(j{\widehat{\mathrm{\θ}}}_1^2\right)& \exp \left(j{\widehat{\mathrm{\θ}}}_2^2\right)& L& \exp \left(j{\widehat{\mathrm{\θ}}}_W^2\right)\\ M& M& O& M\\ \exp \left(j{\widehat{\mathrm{\θ}}}_1^{\mathrm{Ka}}\right)& \exp \left(j{\widehat{\mathrm{\θ}}}_2^{\mathrm{Ka}}\right)& L& \exp \left(j{\widehat{\mathrm{\θ}}}_W^{\mathrm{Ka}}\right)\end{array}\right].$

对幅度矩阵的每一列分别进行Ka点的DWT变换，也就是对幅度矩阵的同一时间抽头(w抽头)数据在各个天线阵元上进行DWT变换，由于是基于不同天线上进行的DWT，所以称之为空域DWT：本实施例中使用哈尔小波变换(Haar wavelet transform)表示：

$B_{\mathrm{Haar}}=\left[\begin{array}{cccccccc}\frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}\\ \frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}& \frac{1}{\sqrt{8}}& \frac{-1}{\sqrt{8}}& \frac{-1}{\sqrt{8}}& \frac{-1}{\sqrt{8}}& \frac{-1}{\sqrt{8}}\\ \frac{1}{2}& \frac{1}{2}& \frac{-1}{2}& \frac{-1}{2}& 0& 0& 0& 0\\ 0& 0& 0& 0& \frac{1}{2}& \frac{1}{2}& \frac{-1}{2}& \frac{-1}{2}\\ \frac{1}{\sqrt{2}}& \frac{-1}{\sqrt{2}}& 0& 0& 0& 0& 0& 0\\ 0& 0& \frac{1}{\sqrt{2}}& \frac{-1}{\sqrt{2}}& 0& 0& 0& 0\\ 0& 0& 0& 0& \frac{1}{\sqrt{2}}& \frac{-1}{\sqrt{2}}& 0& 0\\ 0& 0& 0& 0& 0& 0& \frac{1}{\sqrt{2}}& \frac{-1}{\sqrt{2}}\end{array}\right]$

其中BHaar表示8点Harr小波变换。

${\hat{Y}}_k=\left[\begin{array}{cccc}{\hat{y}}_1^1& {\hat{y}}_2^1& L& {\hat{y}}_W^1\\ {\hat{y}}_1^2& {\hat{y}}_2^2& L& {\hat{y}}_W^2\\ M& M& O& M\\ {\hat{y}}_1^{\mathrm{Ka}}& {\hat{y}}_2^{\mathrm{Ka}}& L& {\hat{y}}_W^{\mathrm{Ka}}\end{array}\right]=B_{\mathrm{Haar}}*{\hat{A}}_k$

得到经过空域DWT后的幅度矩阵

3、对经过空域DWT变换后的幅度矩阵

中最后的m行的元素置零(m＜Ka)，得到新的幅度矩阵

${\hat{Y}}_k^{\′}=\left[\begin{array}{cccc}{\hat{y}}_1^{\′1}& {\hat{y}}_2^{\′1}& L& {\hat{y}}_W^{\′1}\\ {\hat{y}}_1^{\′2}& {\hat{y}}_2^{\′2}& L& {\hat{y}}_W^{\′2}\\ M& M& O& M\\ {\hat{y}}_1^{\′\mathrm{Ka}}& {\hat{y}}_2^{\′\mathrm{Ka}}& L& {\hat{y}}_W^{\′\mathrm{Ka}}\end{array}\right]$

其中

${\hat{y}}_w^{\′\mathrm{ka}}=\left\{\begin{array}{cc}{\hat{y}}_w^{\mathrm{ka}}& \mathrm{ka}\≤\mathrm{Ka}-m\\ 0& \mathrm{ka}>\mathrm{Ka}-m\end{array}\right.$

再对得到的新幅度矩阵

的每列分别进行Ka点IDWT：

${\hat{A}}_k^{\′}={\hat{Y}}_k^{\′}*B_{\mathrm{Haar}}^T$

得到经过空域IDWT后的幅度矩阵

其中B_Haar ^T表示B_Haar的转置；

4、对IDWT后的幅度矩阵数据

进行相位信息恢复，得到经过空域DWT后的信道估计值

${\hat{H}}_k^{\′}={\hat{A}}_k^{\′}\·{\widehat{\mathrm{\Θ}}}_k$

其中(·)表示矩阵点乘。

5、对空域DWT后的信道估计进行信道后处理。

基于同一发明构思，本发明实施例中还提供了一种多天线系统中的信道估计装置，由于该装置解决问题的原理与多天线系统中的信道估计方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

图2为多天线系统中的信道估计装置结构示意图，如图所示，装置中可以包括：

矩阵模块201，用于获取基站阵列天线接收到的上行每个用户每个阵元的原始信道估计值后，组成信道估计矩阵，以每个阵元上的信道估计值为矩阵的行向量，以每个信道估计抽头位置上各天线的信道估计值为矩阵的列向量；

分解模块202，用于将用户信道估计矩阵分解为信道估计幅度矩阵和信道估计相位矩阵；

变换模块203，用于将信道估计幅度矩阵中同一抽头位置上的各阵元的元素组成一组，进行信号变换处理；

降噪模块204，用于将信号变换处理后得到的变换域数据中高频部分的数据进行变换域降噪处理；

逆变换模块205，用于对降噪处理后的数据进行反变换，得到多天线变换域降噪后的信道估计幅度数据；

复原模块206，用于将降噪后的信道估计幅度矩阵与对应的信道估计相位矩阵进行信道估计相位信息复原后，得到幅度部分进行了多天线变换域降噪后的信道估计值。

实施中，在装置中还可以进一步包括：

后处理模块207，用于对多天线变换域降噪处理后的信道估计值的抽头功率进行信道估计功率门限后处理。

实施中，降噪模块还可以进一步用于在变换域数据中高频部分的数据进行变换域降噪处理时，是将变换域数据中高频部分的数据置零。

实施中，降噪模块还可以进一步用于在将信号变换处理后得到的变换域数据中高频部分的数据置零时，将得到的变换域数据中最后的m行的元素置零，m小于天线总数，m通过仿真得到。

实施中，变换模块还可以进一步用于采用以下方式之一进行信号变换处理：离散傅里叶变换(DFT)、离散余弦变换(DCT)、离散小波变换等(DWT)。

为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本发明时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。

由上述实施可见，与现有技术相比较，本发明提供的技术方案根据基站端阵列天线接收到的上行信号进行原始信道估计，利用多天线变换域降噪的方法抑制信道估计中信号抽头上的噪声，提高信道估计的精确度，从而提升多天线系统的整体性能。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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 (10)

1.一种多天线系统中的信道估计方法，其特征在于，包括如下步骤：

获取基站阵列天线接收到的上行每个用户每个阵元的原始信道估计值后，组成信道估计矩阵，以每个阵元上的信道估计值为矩阵的行向量，以每个信道估计抽头位置上各天线的信道估计值为矩阵的列向量；

将用户信道估计矩阵分解为信道估计幅度矩阵和信道估计相位矩阵；

将信道估计幅度矩阵中同一抽头位置上的各阵元的元素组成一组，进行信号变换处理；

将信号变换处理后得到的变换域数据中高频部分的数据进行变换域降噪处理；

对降噪处理后的数据进行反变换，得到多天线变换域降噪后的信道估计幅度数据；

将降噪后的信道估计幅度矩阵与对应的信道估计相位矩阵进行信道估计相位信息复原后，得到幅度部分进行了多天线变换域降噪后的信道估计值。

2.如权利要求1所述的方法，其特征在于，进一步包括：

对多天线变换域降噪处理后的信道估计值的抽头功率进行信道估计功率门限后处理。

3.如权利要求1或2所述的方法，其特征在于，变换域数据中高频部分的数据进行变换域降噪处理为：将变换域数据中高频部分的数据置零。

4.如权利要求3所述的方法，其特征在于，在将信号变换处理后得到的变换域数据中高频部分的数据置零时，将得到的变换域数据中最后的m行的元素置零，m小于天线总数，m通过仿真得到。

5.如权利要求1或2或4所述的方法，其特征在于，所述信号变换处理为以下方式之一：离散傅里叶变换(DFT)、离散余弦变换(DCT)、离散小波变换(DWT)。

6.一种多天线系统中的信道估计装置，其特征在于，包括：

矩阵模块，用于获取基站阵列天线接收到的上行每个用户每个阵元的原始信道估计值后，组成信道估计矩阵，以每个阵元上的信道估计值为矩阵的行向量，以每个信道估计抽头位置上各天线的信道估计值为矩阵的列向量；

分解模块，用于将用户信道估计矩阵分解为信道估计幅度矩阵和信道估计相位矩阵；

变换模块，用于将信道估计幅度矩阵中同一抽头位置上的各阵元的元素组成一组，进行信号变换处理；

降噪模块，用于将信号变换处理后得到的变换域数据中高频部分的数据进行变换域降噪处理；

逆变换模块，用于对降噪处理后的数据进行反变换，得到多天线变换域降噪后的信道估计幅度数据；

复原模块，用于将降噪后的信道估计幅度矩阵与对应的信道估计相位矩阵进行信道估计相位信息复原后，得到幅度部分进行了多天线变换域降噪后的信道估计值。

7.如权利要求6所述的装置，其特征在于，进一步包括：

后处理模块，用于对多天线变换域降噪处理后的信道估计值的抽头功率进行信道估计功率门限后处理。

8.如权利要求6或7所述的装置，其特征在于，降噪模块进一步用于在变换域数据中高频部分的数据进行变换域降噪处理时，是将变换域数据中高频部分的数据置零。

9.如权利要求8所述的装置，其特征在于，降噪模块进一步用于在将信号变换处理后得到的变换域数据中高频部分的数据置零时，将得到的变换域数据中最后的m行的元素置零，m小于天线总数，m通过仿真得到。

10.如权利要求6或7或9所述的装置，其特征在于，变换模块进一步用于采用以下方式之一进行信号变换处理：离散傅里叶变换(DFT)、离散余弦变换(DCT)、离散小波变换(DWT)。

Images