CN102098239B - 一种信道估计方法、装置和vamos系统 - Google Patents

Abstract

本发明涉及通信领域，尤其是涉及一种信道估计方法、装置和VAMOS系统，提高了信道估计的准确度。本发明方法包括：确定两个用户中，信号较强用户的信道冲击响应的第一估计值并确定信号较强用户的第一训练序列信号，得到信号较弱用户的第二估计信号，并确定信号较弱用户的信道冲击响应的第二估计值；根据第二估计值确定信号较弱用户的第二训练序列信号；根据接收的总信号、第一训练序列信号及第二训练序列信号确定信噪比，并当信噪比大于设定的信噪比门限值时，确定第一估计值为信号较强用户的最终信道冲击响应值，第二估计值为信号较弱用户的最终的信道冲击响应值。采用本发明方法，能够提高信道估计的准确度，并具有稳定的抗干扰能力。

Description

一种信道估计方法、装置和VAMOS系统

技术领域

本发明涉及通信领域，尤其是涉及一种信道估计方法、装置和VAMOS系统。

背景技术

VAMOS(Voice services over Adaptive Multi-user Channels on One Slot，多用户语音共时隙复用)技术是GSM(Global System for Mobile Communication，全球移动通信系统)演进GERAN(GSM EDGE Radio Access Network)中关于话务容量演进的相关技术标准。近年来GSM话务市场需求的大幅提升，而且这些需求集中在人口密集而频谱资源受限的城市，这就要求有一种新的技术能够在现有的网络设备和频谱资源上提升话务容量，这种技术就是VAMOS技术。该技术不同于以往的通过语音编码使得两个用户共用一个时隙来提高话务量的技术(如HR)，可以在使用之前的编码技术的基础上使得一个时隙复用4个GSM-HR信道或者2个GSM-FR信道。

VAMOS系统新增8个训练序列称为new TSC(Train Sequence Code，训练序列码)，其与GSM传统训练序列(legacy TSC)自相关性和互相关性都很好。下行使用自适应α-QPSK(Quadrature Phase Shift Keying，正交相移键控)调制，两个用户分别使用新的和传统的训练序列进行调制；上行两个用户各自使用自己的训练序列和传统的GMSK调制，经过独立的信道，同时到达BTS(BaseTransceiver Station，基站收发台)接收端。BTS接收机需要同时检测两个用户的信号，上行可以使用SIC、JD等算法同时解出两个用户信号，这些算法的性能在一定程度上取决于前端信道估计的好坏。另一方面，VAMOS两个用户允许有一定的功率差，而且各用户之间不可避免地会存在一定的时延差，这些给信道估计带来很大的挑战。因此，在VAMOS系统中如何对有一定功率差并存在时延的各用户进行精确的信道估计是上行接收机的重中之重，也是决定上行接收机性能好坏的关键。

现有技术有两种方法进行VAMOS系统的信道估计。第一种是将另一个用户视为干扰，这种方法简单易实现，但是没有对干扰进行任何处理，其抗干扰性能很差，用这种方法估计出的信道冲击响应进行用户后续信号检测会导致上行接收机性能很难达到要求。另外一种方法就是联合信道估计方法，这种方法是建立一个包含各个用户的信号模型，同时估计出各个用户的信道冲击响应，虽然这种方法的抗干扰性能相比第一种大大提高，但这种方法仍存在两个不足：1)各用户必须完全同步；2)其抗干扰性能随着另一个用户功率的提高而减弱。

因为现有的信道估计方法存在上述缺陷，导致现有的信道估计的准确度不高。

发明内容

本发明提供一种信道估计方法、装置和VAMOS系统，能够提高信道估计的准确度。

一种信道估计方法，包括：

确定待进行信道估计的两个用户中，信号较强用户的信道冲击响应的第一估计值；

根据所述第一估计值确定信号较强用户的第一训练序列信号，并得到信号较弱用户的第二估计信号；

根据所述第二估计信号，确定信号较弱用户的信道冲击响应的第二估计值；

根据所述第二估计值确定信号较弱用户的第二训练序列信号；

根据接收的总信号、第一训练序列信号及第二训练序列信号确定信噪比，并当信噪比大于设定的信噪比门限值时，确定所述第一估计值为信号较强用户的最终信道冲击响应值，第二估计值为信号较弱用户的最终的信道冲击响应值，当信噪比小于信噪比门限值时，确定信号较强用户的估计信号，并重新确定较强用户的信道冲击响应以及估计较弱信号的信道冲击响应，直到信噪比大于门限值或者到达设定的迭代次数。

其中，所述确定信噪比的具体方法为：

根据接收的总信号、信号较强用户的第一训练序列信号及信号较弱用户的第二训练序列信号得到噪声估计值；

根据噪声估计值和总信号的能量确定信噪比。

进一步，当信噪比小于信噪比门限值时，具体执行以下步骤：

S210：将迭代的次数加1，统计迭代的次数，以设定的迭代次数为限，即当迭代的次数达到设定的门限值时，执行步骤S213，否则，执行步骤S211；

S211：获得较强用户的估计信号；

S212：根据现有的信道估计方法，估计较强用户的信道冲击响应，返回确定信号较强用户的第一训练序列信号的步骤；

S213：确定当前估计的两用户的信道冲击响应分别作为两用户的最终的信道冲击响应。。

其中，所述信号较强用户是指利用接收的总信号分别估计出待进行信道估计的两个用户的初始信道冲击响应值，并根据初始信道冲击响应值确定的信号能量较大的用户。

其中，所述根据第一估计值确定信号较强用户的第一训练序列信号具体为：

根据所述第一估计值和信号较强用户的第一训练序列卷积确定信号较强用户的第一训练序列信号；以及

所述根据第二估计值确定信号较弱用户的第二训练序列信号具体为：

根据所述第二估计值和信号较弱用户的第二训练序列卷积确定信号较弱用户的第二训练序列信号。

一种信道估计装置，包括：

第一估计值模块，用于确定待进行信道估计的两个用户中，信号较强用户的信道冲击响应的第一估计值；

第二估计值模块，用于根据所述第一估计值确定信号较强用户的第一训练序列信号，并得到信号较弱用户的第二估计信号；根据所述第二估计信号，确定信号较弱用户的信道冲击响应的第二估计值，并根据所述第二估计值确定信号较弱用户的第二训练序列信号；

确定模块，用于根据接收的总信号、第一训练序列信号及第二训练序列信号确定信噪比，并当信噪比大于设定的信噪比门限值时，确定所述第一估计值为信号较强用户的最终信道冲击响应值，第二估计值为信号较弱用户的最终的信道冲击响应值，当信噪比低于信噪比门限值时，确定信号较强用户的估计信号，并重新确定较强用户的信道冲击响应以及估计较弱信号的信道冲击响应，直到信噪比大于门限值或者到达设定的迭代次数。

进一步，当信噪比小于设定的信噪比门限值时，所述确定模块具体用于将迭代的次数加1，统计迭代的次数，以设定的迭代次数为限，即当迭代的次数达到设定的门限值时，确定当前估计的两用户的信道冲击响应分别作为两用户的最终的信道冲击响应，当迭代的次数小于设定的门限值时，获得较强用户的估计信号，根据现有的信道估计方法，估计较强用户的信道冲击响应，返回确定信号较强用户的第一训练序列信号的步骤。

其中，所述第一估计值模块，还用于根据接收的总信号分别估计出待进行信道估计的两个用户的初始信道冲击响应值，并根据初始信道冲击响应值确定出信号能量较大的用户为信号较强用户。

一种多用户语音共时隙复用VAMOS系统，包括：

第一估计值模块，用于确定待进行信道估计的两个用户中，信号较强用户的信道冲击响应的第一估计值；

第二估计值模块，用于根据所述第一估计值确定信号较强用户的第一训练序列信号，并得到信号较弱用户的第二估计信号；根据所述第二估计信号，确定信号较弱用户的信道冲击响应的第二估计值，并根据所述第二估计值确定信号较弱用户的第二训练序列信号；

确定模块，用于根据接收的总信号、第一训练序列信号及第二训练序列信号确定信噪比，并当信噪比大于设定的信噪比门限值时，确定所述第一估计值为信号较强用户的最终信道冲击响应值，第二估计值为信号较弱用户的最终的信道冲击响应值，当信噪比小于信噪比门限值时，确定信号较强用户的估计信号，并重新确定较强用户的信道冲击响应以及估计较弱信号的信道冲击响应，直到信噪比大于门限值或者到达设定的迭代次数。

进一步，当信噪比小于设定的信噪比门限值时，所述确定模块具体用于将迭代的次数加1，统计迭代的次数，以设定的迭代次数为限，即当迭代的次数达到设定的门限值时，确定当前估计的两用户的信道冲击响应分别作为两用户的最终的信道冲击响应，当迭代的次数小于设定的门限值时，获得较强用户的估计信号，根据现有的信道估计方法，估计较强用户的信道冲击响应，返回确定信号较强用户的第一训练序列信号的步骤。

本发明提供一种信道估计方法，利用现有的信道估计算法确定待进行信道估计的两个用户中，信号较强用户的信道冲击响应，获得信号较强用户的训练序列信号，利用总的接收信号减去较强用户的训练序列信号获得较弱用户的估计信号，进而估计较弱用户的信道冲击响应及较弱用户的训练序列信号，根据总接收信号以及两用户的训练序列信号获得信噪比，并当信噪比大于信噪比门限值时，输出两用户当前的信道冲击响应的估计值。采用本发明方法，能够明显提高信道估计的准确度，即使是信号较弱的用户，信道冲击响应的准确性也能保证，并且可以估计出有一定时延差的两用户的信道冲击响应。

进一步，当信噪比低于信噪比门限值时，确定信号较强用户的估计信号，并重新确定较强用户的信道冲击响应以及估计较弱信号的信道冲击响应，直到信噪比大于设定的门限值或者到达设定的迭代次数，这样，估计出的两用户的信道冲击响应就更为准确。

附图说明

图1为本发明实施例的应用场景；

图2为本发明实施例提供的信道估计方法的流程图；

图3为本发明实施例提供的信道估计装置的结构图。

具体实施方式

因为信道估计的准确度是上行接收性能好坏的关键，现有技术的两种估计方法，第一种估计方法，抗干扰性能较低，而第二种联合信道估计方法，虽然抗干扰性能有了显著提高，但两个用户必须完全同步，同时抗干扰的性能随着另一个用户功率的提高而减弱，抗干扰性能并不稳定。由于上述缺陷，导致现有技术的信道估计准确度较低。

本发明实施例提供一种信道估计方法，利用现有的信道估计算法确定待进行信道估计的两个用户中，信号较强用户的信道冲击响应，获得较强用户的训练序列信号，利用总的接收信号减去较强用户的训练序列信号获得较弱用户的估计信号，进而估计较弱用户的信道冲击响应及较弱用户的训练序列信号，根据总接收信号以及两用户的训练序列信号获得信噪比，并当信噪比大于信噪比门限值时，输出两用户当前的信道冲击响应的估计值。进一步，当信噪比低于信噪比门限值时，确定信号较强用户的估计信号，并重新确定较强用户的信道冲击响应以及估计较弱信号的信道冲击响应，直到信噪比大于门限值或者到达设定的迭代次数。

本发明实施例提供的信道估计方法，能够明显提高信道估计的准确度。并且，本发明方法能够准确估计出有一定时延差的两个用户的信道冲击响应，而且本发明的信道估计的准确度不会随着干扰的增大而下降，即使是对于信号相对很弱的用户，估计出的信道冲击响应的准确性也能保证。同时，本发明设置了信噪比作为干扰消除的迭代门限，灵活控制迭代次数，在使得性能最优的同时有效控制计算的复杂度。

下面以VAMOS两用户时隙复用为例，结合附图对技术方案的实施作进一步的详细描述。

如图1所示，为本实施例的应用场景。在VAMOS系统中，上行有两个用户，用户0使用传统的或者新的TSC调制，用户1使用新的TSC调制后分别发射，各自经过独立的信道后，由BTS接收端在同一频点上同时接收。接收端收到的是两个用户叠加后的信号，信号估计模块利用该叠加信号和两用户的训练序列估计出两个用户的信道冲击响应。

如图1所示，接收用户0和用户1的总信号y，利用y以及两用户的训练序列m⁽⁰⁾(k)和m⁽¹⁾(k)，估计用户0和用户1的信道冲击响应；

其中，VAMOS系统是抽头有限的系统，令L表示当前系统的信道抽头个数，因为GSM是多径信道，信道抽头个数即径数。假设两用户不同步且用户0的时延为τ₀，用户1的时延为τ₁，则用户0和用户1的叠加信号为：

$y\left(k\right)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{x}^{\left(0\right)}(k_0-l-{\mathrm{\τ}}_0)h^{\left(0\right)}\left(l\right)+\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{x}^{\left(1\right)}(k_1-l-{\mathrm{\τ}}_1)h^{\left(1\right)}\left(l\right)+n\left(k\right)$

其中，y(k)中表示接收的含有用户0和1的叠加信号，x⁽⁰⁾(k)和x⁽¹⁾(k)分别表示用户0和用户1的输入信号，h⁽⁰⁾(l)和h⁽¹⁾(l)分别是用户0和用户1对应的信道的冲击响应，理论上信道冲击响应无限长，也就是k无限长，k指接收时刻，k0和k1分别为用户0和用户1的接收时刻，k₀∈[τ₀，∞)，k₁∈[τ₁，∞)。

假设τ₀≤τ₁，则上式可改写为：

$y(k-{\mathrm{\τ}}_1)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{x}^{\left(0\right)}(k-l+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))h^{\left(0\right)}\left(l\right)+\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{x}^{\left(1\right)}(k-l)h^{\left(1\right)}\left(l\right)+n(k-{\mathrm{\τ}}_1)$

因为信道估计使用的是训练序列部分，对于GSM训练序列之前有61比特，因此该部分信号为：

$y(k+61-{\mathrm{\τ}}_1)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{m}^{\left(0\right)}(k-l+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))h^{\left(0\right)}\left(l\right)+\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{m}^{\left(1\right)}(k-l)h^{\left(1\right)}\left(l\right)+n(k+61-{\mathrm{\τ}}_1)$

其中，m⁽⁰⁾(k)和m⁽¹⁾(k)分别表示用户0和用户1的训练序列的符号，上式用矩阵表示：

Y＝M⁽⁰⁾H⁽⁰⁾+M⁽¹⁾H⁽¹⁾+n

其中：

$M^{\left(0\right)}=\left[\begin{array}{cccc}{m}^{\left(0\right)}(L-1+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))& m^{\left(0\right)}(L-2)+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))& \·\·\·& m^{\left(0\right)}(0+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))\\ m^{\left(0\right)}(L+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))& m^{\left(0\right)}(L-1+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))& \·\·\·& m^{\left(0\right)}(1+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ m^{\left(0\right)}(N-1+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))& m^{\left(0\right)}(N-2+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))& \·\·\·& m^{\left(0\right)}(N-L+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))\end{array}\right]$

$M^{\left(1\right)}=\left[\begin{array}{cccc}{m}^{\left(1\right)}(L-1)& m^{\left(1\right)}(L-1)& \·\·\·& m^{\left(1\right)}\left(0\right)\\ m^{\left(1\right)}\left(L\right)& m^{\left(1\right)}(L-1)& \·\·\·& m^{\left(1\right)}\left(1\right)\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ m^{\left(1\right)}(N-1)& m^{\left(1\right)}(N-2)& \·\·\·& m^{\left(1\right)}(N-L)\end{array}\right]$

所谓信道估计，即是根据接收的信号Y以及两用户的训练序列矩阵M⁽⁰⁾和M⁽¹⁾，分别估计出两信道冲击响应H⁽⁰⁾和H⁽¹⁾。

如图2所示，为本发明实施例提供的一种信道估计方法，包括：

S201：接收两用户的总信号Y；

在本发明中，接收的两用户的叠加信号即是y(k+61-τ₁)，用矩阵表示即Y。

S202：估计两用户的初始信道冲击响应；

其中，可以使用现有的任何适合单用户或两用户的信道估计方法，可以根据实际情况和性能优劣选择一种，如果各用户严格同步可以使用联合信道估计，各用户之间有一定的时延差则可以使用单用户信道估计方法。

该信道估计方法可以是最大似然估计(ML)，可以是最小均方误差估计(MMSE)，也可以是最小平方估计(LS)，但并不限于上述方法。如果两用户同步，也可以使用联合信道估计同时估计出两个用户的信道冲击响应使得初始信道估计尽量准确。

这里，用户0和用户1不同步，使用LS算法分别进行信道估计。

${\hat{H}}_{\mathrm{init}}^{\left(0\right)}={\left(M^{\left(0\right)H}{M}^{\left(0\right)}\right)}^{-1}{M}^{\left(0\right)H}Y$

${\hat{H}}_{\mathrm{init}}^{\left(1\right)}={\left(M^{{\left(1\right)}^H}{M}^{\left(1\right)}\right)}^{-1}{M}^{{\left(1\right)}^H}Y$

其中，Y为总信号，即两用户叠加后的信号；M为训练序列符号的矩阵；得到：

H_init ⁽⁰⁾＝[h⁽⁰⁾(0)  h⁽⁰⁾(1)  …  h⁽⁰⁾(L-1)]^T

H_init ⁽¹⁾＝[h⁽¹⁾(0)  h⁽¹⁾(1)  …  h⁽¹⁾(L-1)]^T

在这一步中，在现有的估计方法中，信号较强用户的信道冲击响应准确度比较高。

S203：根据估计出的初始信道冲击响应，得到信号较强的用户；

其中，可以通过比较信道的幅值或者信道的能量获得信号较强的用户；

用户0和用户1的信道能量分别按照下式进行计算：

$E_{h_0}={\left|h^{\left(0\right)}\left(0\right)\right|}^2+{\left|h^{\left(0\right)}\left(1\right)\right|}^2+\·\·\·+{\left|h^{\left(0\right)}(L-1)\right|}^2$

$E_{h_1}={\left|h^{\left(1\right)}\left(0\right)\right|}^2+{\left|h^{\left(1\right)}\left(1\right)\right|}^2+\·\·\·+{\left|h^{\left(1\right)}(L-1)\right|}^2$

其中，||表示复数的模，比较

和

比，找出能量较大的用户，即是信号较强的用户。这里，假设

则用户0为信号较强用户，用户1为信号较弱用户。

S204：确定信号较强用户的训练序列信号；

其中，根据获得的信号较强用户的信道冲击响应和训练序列卷积确定信号较强用户的训练序列信号，计算式如下：

${\hat{Y}}_{M-\mathrm{rebuild}}^{\left(0\right)}=M^{\left(0\right)}{\hat{H}}_{\mathrm{init}}^{\left(0\right)}$

展开上式，得到较强用户的训练序列信号为：

${\hat{y}}_{M-\mathrm{rebuild}}^{\left(0\right)}(k+61-{\mathrm{\τ}}_1)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{m}^{\left(0\right)}(k-l+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))h^{\left(0\right)}\left(l\right)$

其中，k＝L-1～N-1，其中，N为选用的训练序列的符号数，有用的k值范围是L-1～N-1，即有用的训练序列的个数为N-L个；

S205：确定信号较弱用户的估计信号；

其中，从总信号中减去信号较强用户的训练序列信号，得到信号较弱用户的估计信号：

${\hat{Y}}_{\mathrm{Est}}^{\left(1\right)}=Y-{\hat{Y}}_{M-\mathrm{rebuild}}^{\left(0\right)}$

展开，得信号较弱用户的估计信号为：

$y_{\mathrm{Est}}^{\left(1\right)}(k+61-{\mathrm{\τ}}_1)=y(k+61-{\mathrm{\τ}}_1)-{\hat{y}}_{M-\mathrm{rebuild}}^{\left(0\right)}(k+61-{\mathrm{\τ}}_1)$

其中，从总信号中减去信号较强用户的训练序列信号时，需要考虑两个用户之间的时延差，必须使两个用户在所选择训练序列上对齐之后做差。这一步，因为去除了信号较强用户的信号，得到的信号较弱用户的信号会更加纯净，可以大大改善信号较弱用户的信道冲击响应；

S206：估计信号较弱用户的信道冲击响应；

其中，根据上一步得到的用户1的信号，利用现有的信道估计方法估计用户1的信道冲击响应。

其中，在步骤S202中估计出的信号较强用户的信道冲击响应较高，可以直接作为最终估计的较强用户的信道冲击响应，经过上述步骤，估计出的信号较弱用户的信道冲击响应较步骤S202中采用现有技术估计的信道冲击响应精确了很多。因此，可以直接将S202中估计的较强用户的信道冲击响应及这里得到的能量较弱用户的信道冲击响应作为最终的信道冲击响应；

S207：确定信号较弱用户的训练序列信号；

其中，可根据步骤S206中估计出的较弱用户的信道冲击响应和较弱用户的训练序列获得较弱用户的训练序列信号，获得的用户1的训练序列信号为：

${\hat{Y}}_{M-\mathrm{rebuild}}^{\left(1\right)}=M^{\left(1\right)}{\hat{H}}^{\left(1\right)}$

${\hat{y}}_{M-\mathrm{rebuild}}^{\left(1\right)}(k+61-{\mathrm{\τ}}_1)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{m}^{\left(1\right)}(k-l)h^{\left(1\right)}\left(l\right)$

S208：计算信噪比；

根据接收的总信号以及两用户的训练序列信号，得到噪声估计值；

噪声估计值为：

$\hat{n}=Y-M^{\left(0\right)}{H}^{\left(0\right)}-M^{\left(1\right)}{H}^{\left(1\right)}$

对于训练序列部分，考虑时延差，展开，如下计算公式计算每个符号的噪声估计：

$n(k+61-{\mathrm{\τ}}_1)=y(k+61-{\mathrm{\τ}}_1)-\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{m}^{\left(0\right)}(k-l+({\mathrm{\τ}}_1-{\mathrm{\τ}}_0))h^{\left(0\right)}\left(l\right)-\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{m}^{\left(1\right)}(k-l)h^{\left(1\right)}\left(l\right)$

其中，k＝L-1～N-1，N为取用的训练序列的符号数；

噪声方差σ²可根据下式，由每个符号的噪声估计值得到：

${\mathrm{\σ}}^2=\frac{\underset{k=L-1}{\overset{N-1}{\mathrm{\Σ}}}{\left|n(k+61-{\mathrm{\τ}}_1)\right|}^2}{N-L}$

平均信号能量根据下式计算：

$E_s=\frac{\underset{k=L-1}{\overset{N-1}{\mathrm{\Σ}}}\left|y{(k+61-{\mathrm{\τ}}_1)}^2\right|}{N-L}$

信噪比根据噪声能量以及总信号能量获得，信噪比按下式计算：

${\mathrm{SNR}}_{\mathrm{curr}}=-10{\log }_{10}\left(\frac{E_s}{{\mathrm{\σ}}^2}\right)$

S209：确定信噪比大于设定的信噪比门限值时，执行步骤S213，否则执行步骤S210；

其中，信噪比门限值是一个经验值，可以通过仿真等途径得到；

S210：将迭代的次数加1，统计迭代的次数，以设定的迭代次数为限，即当迭代的次数达到设定的门限值时，执行步骤S213，否则，执行步骤S211；

其中，迭代次数是用来监控两用户信道冲击响应的估计次数，并当每一次估计出弱信号的信道冲击响应时将迭代次数加1；

其中，迭代次数门限值是一个经验值，是权衡考虑性能和复杂度需求的结果；

其中，以设定的迭代次数为限，可以保证当信噪比小于信噪比门限值但到达门限值时，可以强行结束，避免了继续循环的计算，使得性能最优的同时有效控制了计算复杂度；

S211：获得较强用户的估计信号；

其中，采用总信号Y减去较弱用户的训练序列信号的较强用户的估计信号；

${\hat{Y}}_{\mathrm{Est}}^{\left(0\right)}=Y-{\hat{Y}}_{M-\mathrm{rebuild}}^{\left(1\right)}$

展开，得到：

$y_{\mathrm{Est}}^{\left(0\right)}(k+61-{\mathrm{\τ}}_1)=y(k+61-{\mathrm{\τ}}_1)-{\hat{y}}_{M-\mathrm{rebuild}}^{\left(1\right)}(k+61-{\mathrm{\τ}}_1)$

S212：根据现有的信道估计方法，估计较强用户的信道冲击响应，返回步骤S204；

此时，估计出的较强用户的信道冲击响应较步骤S102中估计的较强用户的初始信道冲击响应更为准确；

因此经过步骤S204～S206，估计出的信号较弱用户的信道冲击响应也就比初始时估计的信道冲击响应精确度高，因此在步骤S208中计算得到的信噪比就更接近信噪比门限值，直到信噪比大于门限值，或者迭代次数达到门限值。

其中，每重复估计一次，所估计的两用户的信道冲击响应均比上一次估计的信道冲击响应更加准确。

S213：确定当前估计的两用户的信道冲击响应分别作为两用户的最终的信道冲击响应，结束。

其中，本发明实施例给出的是两用户不同步的信道估计方法，该实施例中两个用户同步时就相当于τ₁＝τ₀＝0，此时上述方法仍适用。

本发明实施例还提供一种信道估计装置，如图3所示，包括：

第一估计值模块31，用于确定信号较强用户的信道冲击响应的第一估计值；

第二估计值模块32，用于根据第一估计值确定信号较强用户的第一训练序列信号，并得到信号较弱用户的第二估计信号；根据该第二估计信号，确定信号较弱用户的信道冲击响应的第二估计值，并根据该第二估计值确定信号较弱用户的第二训练序列信号；

确定模块33，用于根据接收的总信号、第一训练序列信号及第二训练序列信号确定信噪比，并当信噪比大于设定的信噪比门限值时，确定该第一估计值为信号较强用户的最终信道冲击响应值，第二估计值为信号较弱用户的最终的信道冲击响应值。

其中，确定模块33还用于以设定的迭代次数为限，当信噪比小于设定的信噪比门限值时，根据该第二训练序列信号得到信号较强用户的第一估计信号，并根据该第一估计信号，估计信号较强用户的信道冲击响应的第三估计值；以及

第一估计值模块31，还用于确定该第一估计值等于第三估计值。

其中，第一估计值模块31，还用于根据接收的总信号分别估计出待进行信道估计的两个用户的初始信道冲击响应值，并根据初始信道冲击响应值确定出信号能量较大的用户为信号较强用户。

本发明实施例还提供一种VAMOS系统，包括上述信道估计装置的所有单元。

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)

1.一种信道估计方法，其特征在于，包括：

确定待进行信道估计的两个用户中，信号较强用户的信道冲击响应的第一估计值；

根据所述第一估计值确定信号较强用户的第一训练序列信号，并得到信号较弱用户的第二估计信号；

根据所述第二估计信号，确定信号较弱用户的信道冲击响应的第二估计值；

根据所述第二估计值确定信号较弱用户的第二训练序列信号；

根据接收的总信号、第一训练序列信号及第二训练序列信号确定信噪比，并当信噪比大于设定的信噪比门限值时，确定所述第一估计值为信号较强用户的最终信道冲击响应值，第二估计值为信号较弱用户的最终的信道冲击响应值，当信噪比小于信噪比门限值时，确定信号较强用户的估计信号，并重新确定较强用户的信道冲击响应以及估计较弱信号的信道冲击响应，直到信噪比大于门限值或者到达设定的迭代次数。

2.如权利要求1所述的方法，其特征在于，所述确定信噪比的具体方法为：

根据接收的总信号、信号较强用户的第一训练序列信号及信号较弱用户的第二训练序列信号得到噪声估计值；

根据噪声估计值和总信号的能量确定信噪比。

3.如权利要求1或2所述的方法，其特征在于，当信噪比小于信噪比门限值时，确定信号较强用户的估计信号，并重新确定较强用户的信道冲击响应以及估计较弱信号的信道冲击响应，直到信噪比大于门限值或者到达设定的迭代次数，具体包括：

将迭代的次数加1，统计迭代的次数，以设定的迭代次数为限，即当迭代的次数达到设定的门限值时，确定当前估计的两用户的信道冲击响应分别作为两用户的最终的信道冲击响应，当迭代的次数小于设定的门限值时，获得较强用户的估计信号，根据现有的信道估计方法，估计较强用户的信道冲击响应，返回确定信号较强用户的第一训练序列信号的步骤。

4.如权利要求1所述的方法，其特征在于，所述信号较强用户是指利用接收的总信号分别估计出待进行信道估计的两个用户的初始信道冲击响应值，并根据初始信道冲击响应值确定的信号能量较大的用户。

5.如权利要求1所述的方法，其特征在于，所述根据第一估计值确定信号较强用户的第一训练序列信号具体为：

根据所述第一估计值和信号较强用户的第一训练序列卷积确定信号较强用户的第一训练序列信号；以及

所述根据第二估计值确定信号较弱用户的第二训练序列信号具体为：

根据所述第二估计值和信号较弱用户的第二训练序列卷积确定信号较弱用户的第二训练序列信号。

6.一种信道估计装置，其特征在于，包括：

第一估计值模块，用于确定待进行信道估计的两个用户中，信号较强用户的信道冲击响应的第一估计值；

第二估计值模块，用于根据所述第一估计值确定信号较强用户的第一训练序列信号，并得到信号较弱用户的第二估计信号；根据所述第二估计信号，确定信号较弱用户的信道冲击响应的第二估计值，并根据所述第二估计值确定信号较弱用户的第二训练序列信号；

确定模块，用于根据接收的总信号、第一训练序列信号及第二训练序列信号确定信噪比，并当信噪比大于设定的信噪比门限值时，确定所述第一估计值为信号较强用户的最终信道冲击响应值，第二估计值为信号较弱用户的最终的信道冲击响应值，当信噪比小于信噪比门限值时，确定信号较强用户的估计信号，并重新确定较强用户的信道冲击响应以及估计较弱信号的信道冲击响应，直到信噪比大于门限值或者到达设定的迭代次数。

7.如权利要求6所述的装置，其特征在于，当信噪比小于设定的信噪比门限值时，所述确定模块具体用于将迭代的次数加1，统计迭代的次数，以设定的迭代次数为限，即当迭代的次数达到设定的门限值时，确定当前估计的两用户的信道冲击响应分别作为两用户的最终的信道冲击响应，当迭代的次数小于设定的门限值时，获得较强用户的估计信号，根据现有的信道估计方法，估计较强用户的信道冲击响应，返回确定信号较强用户的第一训练序列信号的步骤。

8.如权利要求7所述的装置，其特征在于，所述第一估计值模块，还用于根据接收的总信号分别估计出待进行信道估计的两个用户的初始信道冲击响应值，并根据初始信道冲击响应值确定出信号能量较大的用户为信号较强用户。

9.一种多用户语音共时隙复用VAMOS系统，其特征在于，包括：

第一估计值模块，用于确定待进行信道估计的两个用户中，信号较强用户的信道冲击响应的第一估计值；

第二估计值模块，用于根据所述第一估计值确定信号较强用户的第一训练序列信号，并得到信号较弱用户的第二估计信号；根据所述第二估计信号，确定信号较弱用户的信道冲击响应的第二估计值，并根据所述第二估计值确定信号较弱用户的第二训练序列信号；

确定模块，用于根据接收的总信号、第一训练序列信号及第二训练序列信号确定信噪比，并当信噪比大于设定的信噪比门限值时，确定所述第一估计值为信号较强用户的最终信道冲击响应值，第二估计值为信号较弱用户的最终的信道冲击响应值，当信噪比小于信噪比门限值时，确定信号较强用户的估计信号，并重新确定较强用户的信道冲击响应以及估计较弱信号的信道冲击响应，直到信噪比大于门限值或者到达设定的迭代次数。

10.如权利要求9所述的系统，其特征在于，当信噪比小于设定的信噪比门限值时，所述确定模块具体用于将迭代的次数加1，统计迭代的次数，以设定的迭代次数为限，即当迭代的次数达到设定的门限值时，确定当前估计的两用户的信道冲击响应分别作为两用户的最终的信道冲击响应，当迭代的次数小于设定的门限值时，获得较强用户的估计信号，根据现有的信道估计方法，估计较强用户的信道冲击响应，返回确定信号较强用户的第一训练序列信号的步骤。

Images