CN102143099B - 一种信道估计方法及装置 - Google Patents

Abstract

本发明实施例公开了一种信道估计方法及装置，用于提高信道估计的效果。本发明实施例方法包括：接收信号；根据接收到的信号进行初始信道估计得到估计结果；使用预置的降噪矩阵对所述估计结果进行降噪得到降噪处理结果，所述降噪矩阵由所述估计结果，数据子载波信息以及虚子载波信息计算得到，所述数据子载波信息用于指示所有子载波中数据子载波的编号，所述虚子载波信息用于指示所有子载波中虚子载波的编号；从所述降噪处理结果中提取有效子载波上的信道估计值。本发明实施例还提供一种信道估计装置。本发明实施例能够有效提高信道估计的效果。

Description

一种信道估计方法及装置

技术领域

本发明涉及信号处理领域，尤其涉及一种信道估计方法及装置。

背景技术

随着人们对通信宽带化的需求，无线通信系统正由窄带向宽带迅速发展。正交频分复用（OFDM，Orthogonal Frequency Division Multiplexing）技术是一种特殊的多载波传输技术，其通过将高速率的信息符号转化为并行的低速率信息符号，然后在多个正交的子载波上并行传输，有效地对抗了宽带系统在无线传输中遇到的频率选择性衰落现象。

在实际应用中，传输环境的因素使无线发送信号存在带宽限制，这一要求使OFDM系统中存在一定数量的虚子载波。近年来，虽然OFDM系统中基于导频辅助的信道估计算法已相当成熟，现有技术方案中关于存在虚子载波的OFDM系统的信道估计降噪方法并不多见。

现有技术中的一种基于虚子载波的OFDM系统的信道估计降噪方法为基于离散傅立叶变换（DFT，Discrete Fourier Transform）的降噪算法。

但是在使用现有技术中的基于DFT的降噪算法进行降噪的过程中，该算法会将所有的虚子载波上的信道系数默认为0，这样就给整个系统的鲁棒性带来了很大的隐患，尤其在高信噪比、大时延扩展信道下，误码性能会存在平台现象，严重影响了信道估计的效果。

发明内容

本发明实施例提供了一种信道估计方法及装置，能够提高信道估计的效果。

本发明实施例提供的信道估计方法，包括：接收信号；根据接收到的信号进行初始信道估计得到估计结果；使用预置的降噪矩阵对所述估计结果进行降噪得到降噪处理结果，所述降噪矩阵由所述估计结果，数据子载波信息以及虚子载波信息计算得到，所述数据子载波信息用于指示所有子载波中数据子载波的编号，所述虚子载波信息用于指示所有子载波中虚子载波的编号；从所述降噪处理结果中提取有效子载波上的信道估计值。

本发明实施例提供的信道估计装置，包括：接收单元，用于接收信号；估计单元，用于根据接收到的信号进行初始信道估计得到估计结果；降噪单元，用于使用预置的降噪矩阵对所述估计结果进行降噪得到降噪处理结果，所述降噪矩阵由所述估计结果，数据子载波信息以及虚子载波信息计算得到，所述数据子载波信息用于指示所有子载波中数据子载波的编号，所述虚子载波信息用于指示所有子载波中虚子载波的编号；提取单元，用于从所述降噪处理结果中提取有效子载波上的信道估计值。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例中，可以使用预置的降噪矩阵对估计结果进行降噪，而该降噪矩阵由初始信道估计结果，数据子载波信息以及虚子载波信息计算得到，其中，该虚子载波信息用于指示所有子载波中虚子载波的编号，所以该降噪矩阵能够考虑到虚子载波的相关信息，而并不会将所有的虚子载波上的信道系数默认为0，所以能够提高系统的鲁棒性，从而提高信道估计的效果。

附图说明

图1为本发明信道估计方法一个实施例示意图；

图2为本发明信道估计方法另一实施例示意图；

图3为本发明降噪矩阵简化过程示意图；

图4为本发明降噪矩阵简化过程示意图；

图5为本发明降噪矩阵简化过程示意图；

图6为本发明信道估计装置示意图；

图7为本发明仿真实验图。

具体实施方式

本发明实施例提供了一种信道估计方法及装置，能够提高信道估计的效果。

请参阅图1，本发明信道估计方法一个实施例包括：

101、接收信号；

本实施例中，信道估计装置可以接收到信号，该信号可用于进行信道估计。

102、根据接收到的信号进行初始信道估计得到估计结果；

当信道估计装置接收到信号之后，首先根据该信号进行初始信道估计得到估计结果，具体的初始估计的过程为本领域技术人员的公知常识，具体此处不作限定。

103、使用预置的降噪矩阵对估计结果进行降噪得到降噪处理结果；

信道估计装置得到估计结果之后，可以使用预置的降噪矩阵对估计结果进行降噪从而得到降噪结果。

需要说明的是，本实施例中的降噪矩阵由估计结果，数据子载波信息以及虚子载波信息计算得到。

其中，该数据子载波信息用于指示所有子载波中数据子载波的编号，该虚子载波信息用于指示所有子载波中虚子载波的编号。

104、从降噪处理结果中提取有效子载波上的信道估计值。

当降噪完成之后，信道估计装置即可从降噪结果中提取有效子载波上的信道估计值，具体的提取过程为本领域技术人员的公知常识，具体此处不作限定。

本实施例中，可以使用预置的降噪矩阵对估计结果进行降噪，而该降噪矩阵由初始信道估计结果，数据子载波信息以及虚子载波信息计算得到，其中，该虚子载波信息用于指示所有子载波中虚子载波的编号，所以该降噪矩阵能够考虑到虚子载波的相关信息，而并不会将所有的虚子载波上的信道系数默认为0，所以能够提高系统的鲁棒性，从而提高信道估计的效果。

为便于理解，下面以一具体实例对本发明信道估计方法进行详细说明，请参阅图2，本发明信道估计方法另一实施例包括：

201、接收信号；

本实施例中，信道估计装置可以接收到信号，该信号可用于进行信道估计。

OFDM传输体制通过循环前缀，能够克服无线多径信道带来的符号间干扰。

发射端发送的信号为x（t），则接收端接收到的信号为y（t）=x（t）*h（t）+n（t）；其中h（t）是信道的时域冲激响应。

202、根据接收到的信号进行初始信道估计得到估计结果；

当信道估计装置接收到信号之后，首先根据该信号进行初始信道估计得到估计结果。

本实施例中，在信道响应已知的前提下，可以根据接收到的信号来估计出发送的信号，补偿由于在信道中传输所造成的信号畸变。因此，在接收信号之前就需要先对信道进行估计。在相干传输系统中，最小二乘信道估计是获取信道知识的一种简便方法。根据上面的式子Y=X*H+N，在发送端先发送一些已知的符号，接收端根据接收到的信号除以发送的信号，就可以得到信道的估计值，具体的初始估计的过程为本领域技术人员的公知常识，具体此处不作限定。

203、根据估计结果，数据子载波信息以及虚子载波信息计算降噪矩阵；

本实施例中，完成初始信道估计得到估计结果之后，可以根据估计结果，数据子载波信息以及虚子载波信息计算降噪矩阵，具体计算的过程可以为：

获取进行初始信道估计得到的频域估计结果以及与频域估计结果对应的时域估计结果；

按照接收到的信号的循环前缀长度对时域估计结果进行划分时域划分结果，按照数据子载波信息以及虚子载波信息对频域估计结果进行划分得到频域划分结果；

根据时域划分结果以及频域划分结果的逆离散傅立叶变换过程计算降噪矩阵。

为便于理解，下面以具体的公式推导过程对上述计算降噪矩阵的过程进行描述：

将初始信道估计得到的频域估计结果划分为

以及

其中idx_k为数据子载波信息，idx_u为虚子载波信息，需要说明的是，该idx_k用于指示所有子载波中数据子载波的编号，该idx_u用于指示所有子载波中虚子载波的编号，例如，在8MHz的无线带宽限制下，1024点的OFDM符号中存在1024-768=256点的虚子载波，则idx_u可以表示为“1～128，以及897～1024为虚子载波”，idx_k可以表示为“129～896为数据子载波”。

同时将频域估计结果对应的时域估计结果

划分为

以及

其中 ${\stackrel{\‾}{h}}_1={[h_0,h_1,...,h_{N_g-1}]}^T,{\stackrel{\‾}{h}}_0={[h_{N_g},h_{N_g},...,h_{N_f}]}^T,$ N_g为循环前缀长度，N_f为快速傅立叶变换块的长度。

则逆离散傅立叶变换（IDFT）的过程可以重写为：

$\left[\begin{array}{c}{\stackrel{\‾}{h}}_1\\ {\stackrel{\‾}{h}}_0\end{array}\right]=\left[\begin{array}{cc}{F}_{11}& F_{12}\\ F_{21}& F_{22}\end{array}\right]\left[\begin{array}{c}{\stackrel{\‾}{H}}_{\mathrm{idx}\_k}\\ {\stackrel{\‾}{H}}_{\mathrm{idx}\_u}\end{array}\right]---\left(1\right)$

其中，F₁₁，F₁₂，F₂₁，F₂₂为IDFT矩阵相应行列的重新排列。

由于基于DFT的信道估计方法的基本思想为：

$h_k=\left\{\begin{array}{c}\≠0;k\∈[0,N_g-1]\\ 0;k\∈[N_g,N_f-1]\end{array}\right.---\left(2\right)$

所以，可以利用

和

求得

根据上述公式（1），（2）以及对各参数的定义，可以计算得到：

${\stackrel{\‾}{h}}_0=F_{21}{\stackrel{\‾}{H}}_{\mathrm{idx}\_k}+F_{22}{\stackrel{\‾}{H}}_{\mathrm{idx}\_u};$

$F_{22}{\stackrel{\‾}{H}}_{\mathrm{idx}\_u}=-F_{21}{\stackrel{\‾}{H}}_{\mathrm{idx}\_k};$

之后求取伪逆

$F_{22}^{+}={(F_{22}^{*}{F}_{22}+{\mathrm{\&gamma;}}^{2}I)}^{-1}{F}_{22}^{*},F_{22}^{+}{F}_{22}=I,0<\mathrm{\&gamma;}<<1/N_f,$ 其中，因子γ是为了避免矩阵求逆时的不稳定性。

计算得到

之后，则

可以表达如下公式：

${\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_u}=-F_{22}^{+}{F}_{21}{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_k}$

从计算

${\stackrel{\&OverBar;}{h}}_1=(F_{11}-F_{12}{F}_{22}^{+}{F}_{21}){\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_k}$

最后，再根据 $\left[\begin{array}{c}{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_k}\\ {\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_u}\end{array}\right]=\left[\begin{array}{cc}{F}_{11}^{*}& F_{21}^{*}\\ F_{12}^{*}& F_{22}^{*}\end{array}\right]\left[\begin{array}{c}{\stackrel{\&OverBar;}{h}}_1\\ {\stackrel{\&OverBar;}{h}}_0\end{array}\right],$

的表达式， ${\stackrel{\&OverBar;}{h}}_0=0$ 以及 ${\stackrel{\&OverBar;}{H}}_k=F_{\mathrm{NRM}}{H}_k$ 计算降噪矩阵：

$F_{\mathrm{NRM}}=F_{11}^{*}(F_{11}-F_{12}{F}_{22}^{+}{F}_{21}).$

本实施例中，当计算完成降噪矩阵后可将该降噪矩阵保存在本地，以供后续的降噪过程使用，而无需每次均计算降噪矩阵。

204、对计算得到的降噪矩阵进行简化；

在降噪的过程中，除去散布的导频，N个数据子载波会导致N的平方次的矩阵乘法运算，这样可能会占用大量的资源，并消耗很多的时间，因此，本发明实施例中还可以对降噪矩阵进行简化。

具体的，对降噪矩阵F_NRM进行观察，发现其主要能量集中在对角线周围几行。

则可以按照如下方式进行简化：

选取降噪矩阵中主要能量分布的若干个对角线；

使用若干个乘法器进行单次矩阵乘法运算，该乘法器的数目与选取的对角线的数目相同；

对乘法滤波的输入数据以及滤波系数进行调整以完成剩余次数的矩阵乘法运算。

具体请参阅图3，图3中，典型的n*n维降噪矩阵F_NRM具有如图3所示的结构特征，即主要能量集中在对角线对称的一段。

根据这一特征可以对F_NRM进行简化，对除对角线元素之外的元素进行置零处理。置零时，涉及到k值的选取。

以a_i,j表示F_NRM的第i行第j列元素。假定系统按照阈值的原则选取k值，使对角线上一段元素的能量超过矩阵全部能量的一定比例λ，即：

$(\underset{i=1}{\overset{k-1}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{k+i-1}{\mathrm{\&Sigma;}}}{a}_{i,j}+\underset{i=k}{\overset{n-k+1}{\mathrm{\&Sigma;}}}\underset{j=i-k+1}{\overset{k+i-1}{\mathrm{\&Sigma;}}}{a}_{i,j}+\underset{i=n-k+2}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=i-k+1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_{i,j})/\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_{i,j}\&GreaterEqual;\mathrm{\&lambda;}$

k值决定了矩阵F_NRM的一行与H_k相乘时需要的乘法器个数为2k-1。

然而矩阵F_NRM有n行，为有效利用器件中的乘法器资源，根据矩阵乘法的特点，图4提出了流水线式的乘法过程：

图4中的[b（1），b（2），…，b（2k-1）]为H_k元素，[a（1），a（2），…，a（2k-1）]为F_NRM元素，当k=3时，[b（1），b（2），…，b（2k-1）]和[a（1），a（2），…，a（2k-1）]的获取过程如图5所示。

简化之后，当N=736时，若取了7个对角线，则使用7个乘法器就可以完成原本一次736*1个乘法运算。同时，通过变化乘法滤波的输入数据和滤波系数完成余下的原本736*735个乘法运算。

在乘法器资源受限时，可以通过八倍时钟分时复用1个乘法器取代7个乘法器，以节省乘法器资源。

205、使用降噪矩阵对估计结果进行降噪得到降噪处理结果；

信道估计装置对降噪矩阵进行简化之后，可以使用简化后的降噪矩阵对估计结果进行降噪从而得到降噪结果。

206、从降噪处理结果中提取有效子载波上的信道估计值。

当降噪完成之后，信道估计装置即可从降噪结果中提取有效子载波上的信道估计值，具体的提取过程为本领域技术人员的公知常识，具体此处不作限定。

本实施例中，可以使用降噪矩阵对估计结果进行降噪，而该降噪矩阵由初始信道估计结果，数据子载波信息以及虚子载波信息计算得到，其中，该虚子载波信息用于指示所有子载波中虚子载波的编号，所以该降噪矩阵能够考虑到虚子载波的相关信息，而并不会将所有的虚子载波上的信道系数默认为0，所以能够提高系统的鲁棒性，从而提高信道估计的效果；

其次，本实施例中，可以对计算得到的降噪矩阵进行简化，从而减少降噪过程的计算量。

请参阅图6，本发明信道估计装置一个实施例包括：

接收单元601，用于接收信号；

估计单元602，用于根据接收到的信号进行初始信道估计得到估计结果；

降噪单元605，用于使用预置的降噪矩阵对估计结果进行降噪得到降噪处理结果，降噪矩阵由估计结果，数据子载波信息以及虚子载波信息计算得到，数据子载波信息用于指示所有子载波中数据子载波的编号，虚子载波信息用于指示所有子载波中虚子载波的编号；

提取单元606，用于从降噪处理结果中提取有效子载波上的信道估计值。

本实施例中的信道估计装置还可以进一步包括：

计算单元603，用于根据估计结果，数据子载波信息以及虚子载波信息计算降噪矩阵。

本实施例中的信道估计装置还可以进一步包括：

简化单元604，用于选取降噪矩阵中主要能量分布的若干个对角线，使用若干个乘法器进行单次矩阵乘法运算，乘法器的数目与选取的对角线的数目相同，对乘法滤波的输入数据以及滤波系数进行调整以完成剩余次数的矩阵乘法运算。

本实施例中，计算单元603计算降噪矩阵的过程以及简化单元604对降噪矩阵进行简化的过程与前述图2所示的实施例中描述的内容类似，此处不再赘述。

请参阅图7，下面结合具体的实验结果对本发明实施例中的信道估计方法的效果进行评价：

图7中，系统仿真参数为：FFT点1024，有效数据子载波数736，多径功率时延分布为[0-2-5-10]dB和[0.525]us，信道编码为217卷积编码，交织器按32*46设计。

其中，曲线701表示的是DFT滤波的性能曲线，曲线702表示的是简化NRM滤波的性能曲线，曲线703表示的是完整NRM滤波的性能曲线，曲线704表示的是理想的性能曲线。

从图7中可以看出，原有的DFT滤波方法在高信噪比区域出现了平台现象，这使系统的鲁棒性受到了损失。可以看到，简化的降噪矩阵F_NRM性能可以在非常低的计算复杂度下，接近完整的降噪矩阵F_NRM性能，同时要优于原有的DFT滤波性能，并且与理想信道知识的情形相差不到1分贝。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上对本发明所提供的一种信道估计方法及装置进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，因此，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种信道估计方法，其特征在于，包括：

接收信号；

根据接收到的信号进行初始信道估计得到估计结果；

使用预置的降噪矩阵对所述估计结果进行降噪得到降噪处理结果，所述降噪矩阵由所述估计结果，数据子载波信息以及虚子载波信息计算得到，所述数据子载波信息用于指示所有子载波中数据子载波的编号，所述虚子载波信息用于指示所有子载波中虚子载波的编号；

从所述降噪处理结果中提取有效子载波上的信道估计值；

所述降噪矩阵通过如下方式计算得到：

获取进行初始信道估计得到的频域估计结果以及与所述频域估计结果对应的时域估计结果；

按照接收到的信号的循环前缀长度对所述时域估计结果进行划分得到时域划分结果，按照数据子载波信息以及虚子载波信息对所述频域估计结果进行划分得到频域划分结果；

根据所述时域划分结果以及频域划分结果的逆离散傅立叶变换过程计算降噪矩阵。

2.根据权利要求1所述的方法，其特征在于，所述根据所述时域划分结果以及频域划分结果的逆离散傅立叶变换过程计算降噪矩阵包括：

根据逆离散傅立叶变换过程：

$\left[\begin{array}{c}{\stackrel{\&OverBar;}{h}}_1\\ {\stackrel{\&OverBar;}{h}}_0\end{array}\right]=\left[\begin{array}{cc}{F}_{11}& F_{12}\\ F_{21}& F_{22}\end{array}\right]\left[\begin{array}{c}{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_k}\\ {\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_u}\end{array}\right]$ 得到：

${\stackrel{\&OverBar;}{h}}_0=F_{21}{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_k}+F_{22}{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_u}$ 以及 $F_{22}{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_u}=-F_{21}{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_k};$

进而计算 ${\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_u}:{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_u}=-F_{22}^{+}{F}_{21}{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_k};$

进而计算 ${\stackrel{\&OverBar;}{h}}_1:{\stackrel{\&OverBar;}{h}}_1=(F_{11}-F_{12}{F}_{22}^{+}{F}_{21}){\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_k};$

再根据 $\left[\begin{array}{c}{\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_k}\\ {\stackrel{\&OverBar;}{H}}_{\mathrm{idx}\_u}\end{array}\right]=\left[\begin{array}{cc}{F}_{11}^{*}& F_{21}^{*}\\ F_{12}^{*}& F_{22}^{*}\end{array}\right]\left[\begin{array}{c}{\stackrel{\&OverBar;}{h}}_1\\ {\stackrel{\&OverBar;}{h}}_0\end{array}\right],$ 的表达式， ${\stackrel{\&OverBar;}{h}}_0=0$ 以及 ${\stackrel{\&OverBar;}{H}}_k=F_{\mathrm{NRM}}{H}_k$ 计算降噪矩阵： $F_{\mathrm{NRM}}=F_{11}^{*}(F_{11}-F_{12}{F}_{22}^{+}{F}_{21});$

其中，

以及

为时域划分结果， ${\stackrel{\&OverBar;}{h}}_1={[h_0,h_1,...,h_{N_g-1}]}^T,$

N_g为循环前缀长度，N_f为快速傅立叶变换块的长度，

$h_k=\left\{\begin{array}{c}\&NotEqual;0;k\&Element;[0,N_g-1]\\ 0;k\&Element;[N_g,N_f-1]\end{array}\right.;$

以及

为频域划分结果，其中idx_k为数据子载波信息，idx_u为虚子载波信息；

F₁₁，F₁₂，F₂₁，F₂₂为逆离散傅立叶变换矩阵相应行列的重新排列；

$F_{22}^{+}={(F_{22}^{*}{F}_{22}+{\mathrm{\&gamma;}}^{2}I)}^{-1}{F}_{22}^{*},F_{22}^{+}{F}_{22}=I,0<\mathrm{\&gamma;}<<1/N_f.$

3.根据权利要求1至2中任一项所述的方法，其特征在于，所述根据接收到的信号进行初始信道估计得到估计结果具体为：

采用最小二乘信道估计算法，根据接收到的信号进行初始信道估计得到估计结果。

4.根据权利要求1至2中任一项所述的方法，其特征在于，所述根据所述估计结果，数据子载波信息以及虚子载波信息计算降噪矩阵之后包括：

选取所述降噪矩阵中主要能量分布的若干个对角线；

使用若干个乘法器进行单次矩阵乘法运算，所述乘法器的数目与选取的对角线的数目相同；

对乘法滤波的输入数据以及滤波系数进行调整以完成剩余次数的矩阵乘法运算。

5.根据权利要求4所述的方法，其特征在于，所述对乘法滤波的输入数据以及滤波系数进行调整以完成剩余次数的矩阵乘法运算具体为：

对乘法滤波的输入数据以及滤波系数进行调整，并通过八倍时钟分时复用1个乘法器取代7个乘法器以完成剩余次数的矩阵乘法运算。

6.一种信道估计装置，其特征在于，包括：

接收单元，用于接收信号；

估计单元，用于根据接收到的信号进行初始信道估计得到估计结果；

降噪单元，用于使用预置的降噪矩阵对所述估计结果进行降噪得到降噪处理结果，所述降噪矩阵由所述估计结果，数据子载波信息以及虚子载波信息计算得到，所述数据子载波信息用于指示所有子载波中数据子载波的编号，所述虚子载波信息用于指示所有子载波中虚子载波的编号；

提取单元，用于从所述降噪处理结果中提取有效子载波上的信道估计值；

所述降噪矩阵通过如下方式计算得到：

获取进行初始信道估计得到的频域估计结果以及与所述频域估计结果对应的时域估计结果；按照接收到的信号的循环前缀长度对所述时域估计结果进行划分得到时域划分结果，按照数据子载波信息以及虚子载波信息对所述频域估计结果进行划分得到频域划分结果；根据所述时域划分结果以及频域划分结果的逆离散傅立叶变换过程计算降噪矩阵。

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括：

简化单元，用于选取所述降噪矩阵中主要能量分布的若干个对角线，使用若干个乘法器进行单次矩阵乘法运算，所述乘法器的数目与选取的对角线的数目相同，对乘法滤波的输入数据以及滤波系数进行调整以完成剩余次数的矩阵乘法运算。

Images