CN102158459A - 基于时频二维训练信息的ofdm块传输方法 - Google Patents

Abstract

本发明公开了一种基于时频二维训练信息的OFDM块传输方法，涉及数字通信中的无线传输。所述方法中：A：训练信息同时存在于时域训练序列和频域分组导频中；B：直接利用带干扰的时域训练序列估计信道的多径时延信息，通过频域分组导频估计信道各径系数，从而完成时频联合的信道估计；C：利用信道估计的结果完成OFDM数据块的循环特性重构，并且进行动态信道下的子载波间干扰消除，然后再进行频域均衡。本发明的方法既有很高的频谱效率，又能在动态信道下获得较好的传输性能。

Description

基于时频二维训练信息的OFDM块传输方法

技术领域

本发明涉及数字通信中的无线传输技术领域，特别涉及一种基于时频二维训练信息的OFDM块传输方法。

背景技术

物理层传输技术是通信系统的核心技术之一，因为接收机的诸多算法，包括同步、信道估计、均衡等，其复杂度和性能无不与发射机的信号传输格式息息相关。在下一代无线通信标准中，TD-LTE(TD-SCDMA Long Term Evolution)区别于LTE-FDD(LTE-Frequency Division Duplexing)的关键就在于物理层块传输帧结构的不同。同样，第一代中国数字电视标准DTMB(Digital Television/Terrestrial Multimedia Broadcasting)区别于国外同类标准的核心技术也是物理层块传输技术。

基于正交频分复用技术(Orthogonal Frequency Division Multiplexing，OFDM)的块传输技术是OFDM无线通信系统的核心技术之一。如图1所示，目前典型的OFDM块传输技术包括3种：带循环前缀的OFDM(Cyclic Prefix OFDM，CP-OFDM)、零填充(Zero Padding)的OFDM传输技术(ZP-OFDM)和时域同步正交频分复用(Time-Domain Synchronous OFDM，TDS-OFDM)。

如图1中(a)所示，在CP-OFDM中(参考L.Hanzo，M.Munster，B.J.Choi，and T.Keller，OFDM and MC-CDMA for Broadband Multi-User Communications，WLANs and Broadcasting.Chichester，UK：John Wiley，2003)，循环前缀(CP)填充是将OFDM数据块的最后一部分直接复制到OFDM数据块的前面，作为OFDM数据块的保护间隔。OFDM数据块之间填充的CP可以消除多径信道引入的IBI。更重要的是，循环前缀的插入还在OFDM传输系统中引入了循环特性(Cyclic Property)，正是由于这种循环特性，使得OFDM数据块与多径信道之间的线性卷积自动转化为循环卷积，消除了子载波间干扰(Inter-Carrier Interference，ICI)，保证了OFDM数据块经过多径信道后个子载波之间的正交性，进而使得接收机可以通过简单的单抽头频域均衡(Frequency Domain Equalization，FDE)实现对OFDM数据块的均衡。CP-OFDM中循环前缀的插入，不仅消除了IBI，而且消除了ICI，保证了接收端子载波间的正交性，从而实现了低复杂度的频域均衡，因此CP-OFDM是被DVB-T、IEEE 802.16、LTE等大多数通信标准所广泛采纳的块传输技术。此外，正是由于循环前缀的独特性质和优点，这种保护间隔填充方式被广泛采用。不但多载波OFDM系统通常采用循环前缀填充，很多单载波传输系统，如单载波频域均衡系统(Single-Carrier Frequency Domain Equalization，SC-FDE)以及LTE上行所采用的单载波频分多址接入系统(Single-Carrier Frequency Division Multiple Access，SC-FDMA)，也充分借鉴了CP-OFDM的思想，采用带循环前缀填充的块传输技术，以实现低复杂度的频域均衡。值得注意的是，为了辅助接收机进行同步(包括帧同步、载波同步、时钟恢复等)和信道估计等，CP-OFDM中的频域数据并不全都是有效的用户数据，而通常是包含了大量的导频(Pilots)。CP-OFDM系统中典型的导频插入方式包括块状导频、梳状导频和离散导频三种方式。实际系统中采用的导频插入方式通常是上述三种方式的组合。例如，DVB-T(Digital Video Broadcasting-Terrestrial)系统中的导频就包括块状导频和离散导频。为了提供较好的信道估计性能，通常导频的平均功率要比数据高一些，比如DVB-T中建议高3dB，DVB-T2(Second Generation Digital Terrestrial Television Broadcasting System)则建议典型情况下高2.5dB。

与CP-OFDM不同的是，图1中(b)所示的ZP-OFDM系统的保护间隔中填充的是一个零序列(参考B.Muquet，Z.Wang，G.B.Giannakis，M.de Courville，and P.Duhamel，“Cyclic prefix or zero-padding for multi-carrier transmissions？”IEEE Trans.on Commu.，vol.50，no.12，pp.2136-2148，Dec.2002)。由于CP-OFDM系统中的循环前缀是数据块的部分复制，并不携带新的信息，在接收端通常被直接扔掉，而CP本身还要消耗部分传输功率。因此，ZP-OFDM中将CP替换为零序列，可以节省CP所消耗的能量，同时也一样可以避免相邻OFDM符号之间由于多径产生的干扰。ZP-OFDM系统相对于CP-OFDM的另一个显著优点是，ZP-OFDM可以对抗强频率选择性信道中的频谱零点。不过，接收到的ZP-OFDM信号并不是发射信号与信道之间的循环卷积，因为不能直接按照CP-OFDM中的方法进行均衡。如图2所示，对于ZP-OFDM信号的均衡，最经典的方法是Muquet提出的重叠相加法(Overlap and Add，OLA)，从而重构出与CP-OFDM信号具有类似“循环特性”的接收信号矢量。与CP-OFDM系统类似，ZP-OFDM系统通常也在频域插入大量导频，用于辅助接收机进行同步、信道估计等。

CP-OFDM中的CP和ZP-OFDM中的ZP都会占用额外的时间资源，因此都会导致系统频率效率的降低。此外，为了辅助接收机进行同步和信道估计，在CP-OFDM和ZP-OFDM系统中通常都需要在有效数据中插入大量的导频，从而导致频谱效率的进一步降低。为了解决上述问题，清华大学提出了原创性的OFDM块传输技术——TDS-OFDM(参考Framing Structure，Channel Coding and Modulation for Digital Television Terrestrial Broadcasting System，Chinese National Standard GB 20600-2006，Aug.2006)，用已知的伪随机噪声(Pseudorandom Noise，PN)序列来取代CP-OFDM中的CP和ZP-OFDM中的ZP，如图1(c)所示。PN序列除了用作保护间隔外，作为已知的训练信息，PN序列还可用于接收机同步和信道估计(参考J.Wang，Z.Yang，C.Pan，and J.Song，“Iterative padding subtractionof the PN sequence for the TDS-OFDM over broadcast channels，”IEEETrans.Consum.Electron.，vol.51，no.11，pp.1148-1152，Nov.2005)，从而无需在有效数据中插入大量的导频，因此大大提高了系统的频率效率。此外，PN序列由于其接近理想的自相关特性，其自相关所得的相关峰比基于CP的相关峰更加尖锐，因此可以提供更快的同步捕获时间和更好的同步性能。此外，基于PN可以得到较为精确的时域信道估计，保证了TDS-OFDM系统的整体性能。TDS-OFDM技术是中国第一代地面数字电视标准DTMB的最核心的技术，是中国标准区别于欧洲的DVB-T标准、美国的ATSC标准和日本的ISDB-T标准的最基本特征。

然而，如图3所示，在TDS-OFDM系统中，PN和OFDM数据块之间存在相互干扰：一方面，PN序列本身也会对OFDM数据产生干扰，这部分干扰必须完全消除后TDS-OFDM信号才能转化为ZP-OFDM信号进行均衡，而这是以精确的信道估计结果为前提的；另一方面，OFDM数据也会对PN序列造成干扰，只有完全消除这部分干扰，才能利用接收到的PN序列得到精确的信道估计结果，而这是以准确的OFDM符号均衡为条件的。可以看出，在TDS-OFDM系统中，上述两部分的干扰消除互为条件，相互影响。经典的迭代干扰消除方法可以较好的达到干扰消除的目的，迭代算法的根本目标是，尽可能“彻底”消除PN和数据之间的干扰，从而得到“无干扰”的PN序列以得到准确的信道估计结果，并得到“无干扰”OFDM符号以进行准确的信道均衡。然而，上述干扰消除过程中，均是在同一TDS-OFDM符号内信道基本不变的这一假设的基础上来“计算”拖尾干扰的，且信道估计和信道均衡的性能相互依赖、互为条件。随着信道时变性的增强，基于上述假设计算得到的干扰必然与实际的IBI存在较大差距，特别是快时变信道下信道估计的误差会严重影响信道均衡的性能，而信道均衡的性能又会反过来影响下一次迭代时信道估计的精度。因此，在块时变信道下，虽然TDS-OFDM可以每帧都更新信道估计结果，但由于其传输结构设计的限制，接收机的性能将恶化得比较严重。

为了解决TDS-OFDM中的干扰问题，Kim等人在2006的VTC国际会议上首次提出了循环后缀填充的OFDM块传输技术(Cyclic Postfix OFDM)(参考J.Kim，S.Lee，and J.Seo，“Synchronization and channel estimation in cyclic postfix based OFDM system，”in Proc.IEEE63rd Vehicular Technology Conference(VTC’06-Spring)，Melbourne，Vic，May 2006，pp.2028-2032)，其基本思想是，如图4所示，训练序列(Training Sequence，TS)并不是像TDS-OFDM那样与OFDM数据块无关，而是训练训练本身就是时域OFDM符号的一部分，并且是通过OFDM中的梳状导频来产生的，导频的值由训练序列和有效数据共同决定，每个OFDM符号都需要重新计算。虽然Cyclic Postfix OFDM通过巧妙的信号设计有效解决了TS对数据块的干扰问题，但并没有解决数据对TS的干扰问题。信道估计仍然需要尽可能彻底的消除数据对TS的干扰，以得到精确的信道估计结果，因此Cyclic Postfix OFDM仍需要采用与TDS-OFDM类似的迭代干扰消除和信道估计算法，但该算法的复杂度较高，且动态信道下性能恶化较严重。更为重要的是，研究表明，Cyclic Postfix OFDM中导频的平均功率是有效信号的10倍左右，在发射机总功率一定的条件下，接收信号的等效信噪比直接损失了2～3dB(参考Huemer M.，Hofbauer Ch.，Huber J.B，“Unique word prefix in SC/FDE and OFDM：a comparison”，in the proc.the IEEE GLOBECOM 2010，Miami，USA，Dec.2010，pp.1321-1326)。

在所有针对TDS-OFDM存在的技术难题的研究成果中，最值得一提的是双PN填充的OFDM传输技术(Dual PN OFDM，DPN-OFDM)(参考J.Fu，J.Wang，J.Song，J，C.Pan，and Z.Yang，“A simplified equalization method for dual PN-sequence padding TDS-OFDM systems”，IEEE Trans.Broadcast.，vol.54，no.4，pp.825-830，Dec.2008)。如图5所示，DPN-OFDM可以看成是一种TDS-OFDM基础上的衍生技术，其基本思想是，把TDS-OFDM中的PN序列进行一次简单重复。这样，一方面，第二个接收到的不受OFDM数据块干扰的PN序列可直接用于信道估计，另一方面，信道均衡时所需的循环重构可通过非常简单的加减运算来实现，从而从根本上打破了信道估计和信道均衡的相互依赖关系，避免了迭代干扰消除这一基本框架，进而大大降低了接收机的复杂度，并显著提升了系统在动态信道下的性能。然而，DPN-OFDM存在一个很明显的缺点，那就是双PN填充会使得系统的频谱效率显著降低。以第一代数字电视标准的典型参数N＝3780、M＝420为例，TDS-OFDM系统的归一化频谱效率为而DPN-OFDM的归一化频谱效率仅为频谱效率下降高达8个百分点，与相同保护间隔长度的CP-OFDM的频谱效率相当。考虑到地面数字电视的典型应用为单频网，此时为了对抗“人工多径”，保护间隔更长，如第一代数字电视标准的PN945模式下M＝945，此时DPN-OFDM将使得TDS-OFDM的频谱效率从80％下降到67％，从而严重损失了TDS-OFDM技术的核心优势——高频谱效率。

综上，目前还没有一种合适的OFDM块传输技术既有很高的频谱效率，又能在动态信道下获得较好的传输性能。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何实现既有很高的频谱效率，又能在动态信道下获得较好的传输性能的OFDM块传输方法。

(二)技术方案

为解决上述技术问题，本发明提供了一种基于时频二维训练信息的OFDM块传输方法，所述方法中：

A：训练信息同时存在于时域训练序列和频域分组导频中；

B：直接利用带干扰的时域训练序列估计信道的多径时延信息，通过频域分组导频估计信道各径系数，从而完成时频联合的信道估计；

C：利用信道估计的结果完成OFDM数据块的循环特性重构，并且进行动态信道下的子载波间干扰消除，然后再进行频域均衡。

其中，信道的多径时延信息估计方式如下：利用带干扰的接收训练序列与本地训练序列做循环相关，得到时域信道初估计，然后从时域信道初估计结果中提取能量高的L条路径对应的时延信息作为信道的多径时延信息，其中L代表信道的可分辨多径总数。

其中，通过频域分组导频估计信道各径系数时，将同时利用接收到的位于频域分组导频中心位置处的中心导频信号，频域分组导频中所有导频的信息以及信道的多径时延信息。

其中，一个TFT-OFDM符号由一个已知的在时域或者频域定义的训练序列和OFDM数据块构成，其中频域的OFDM数据块既包含了有效数据，也包含了频域分组导频。

其中，信道时变越快，频域分组导频的组数N_group越大，每组导频的个数2d+1也越大，反之，信道时变越慢，导频组数N_group越小，每组导频的个数2d+1也越小，静态信道下每组导频的个数仅为1。

其中，所述频域分组导频的组数N_group应当满足N_group≥(Q+1)L，其中L表示信道的可分辨多径总数，Q表示快速时变信道进行泰勒展开近似时的阶数，信道时变越快，Q越大，反之，信道时变越慢，Q越小，若信道在一个TFT-OFDM符号内可认为近似不变，则Q＝0；TFT-OFDM中导频总数小于循环前缀OFDM中的导频总数。

其中，所述频域分组导频所占用的子载波位置集中分布于信号带宽中的一段或若干段，或者均匀分布于整个信号带宽、或者非均匀分布于整个信号带宽。

其中，信道的多径时延信息估计方式中，用于时延信息估计的带干扰的接收训练序列是完全未经过干扰消除的接收训练序列，或者是经过一次或若干次干扰消除后但有残留干扰的接收训练序列，或者是通过相邻多帧取平均的方式获得的若干个接收训练序列的平均值。

其中，通过频域分组导频估计信道各径系数时，只利用中心导频信号中来自相邻的2d个导频的子载波间干扰，中心导频信号两边各d个导频，并忽略与中心导频信号的距离超过d的数据子载波对中心导频信号的子载波间干扰。

其中，动态信道下的子载波间干扰消除，将消除来自相邻的2d个数据子载波产生的子载波间干扰。

其中，子载波间干扰的消除与频域均衡通过迭代的方式进行，第一步，利用时频联合信道估计的结果进行初始频域均衡，得到所有数据子载波的初始估计值；第二步，利用第一步的结果和信道估计结果计算与每个数据子载波相邻的2d个子载波对该子载波产生的子载波间干扰，并将所述子载波间干扰消除，再对所有子载波进行频域均衡，得到下一次迭代过程中所有子载波的估计值，然后再利用这些估计值和信道估计结果计算下一次迭代过程中与每个数据某子载波相邻的2d个子载波对该子载波产生的子载波间干扰，并将这些子载波间干扰消除，再对所有子载波进行频域均衡，如此重复进行；第三步，当前后两次迭代后所得结果基本一致，或者已经达到预先设定的迭代次数时，迭代终止。

本发明还提供了一种用于多天线系统中的基于时频二维训练信息的OFDM块传输方法，包括：

分配准正交的时域训练序列给各发射天线，同时分配正交的频域分组导频给各发射天线，接收端通过准正交的时域序列来获知不同发射天线到接收机之间的信道的时延信息，信道的各径系数则通过正交的频域分组导频来估计。

(三)有益效果

本发明提出的TFT-OFDM传输技术继承并升华了TDS-OFDM技术时频联合处理的基本思想，在发射端将TDS-OFDM或CP-OFDM中仅存在于时域或频域一维的训练信息同时扩展到时频二维，即TFT-OFDM中的训练信息由时域训练序列和极少量的频域分组导频构成；在接收端，与TDS-OFDM或CP-OFDM中信道估计仅依靠时域训练序列或频域导频不同，TFT-OFDM采用时频联合的信道估计方法，直接利用未经过干扰消除的训练序列来仅仅估计信道的时延信息，而信道各径的系数则通过极少量的频域分组导频来获得，从而避免了TDS-OFDM中的迭代干扰消除算法，显著提升了时变信道下的接收机性能。TFT-OFDM中的分组导频还可更好的跟踪信道的变化情况，信道均衡前的ICI消除可进一步提高系统在动态信道下的性能。TFT-OFDM中的频域分组导频数量极少，通常仅占有效子载波总数的约1％，故TFT-OFDM技术同样具有很高的频谱效率。因此，相对于现有的几种OFDM传输技术而言，本发明提出的TFT-OFDM技术同时获得高频谱效率和快时变信道下的高可靠性能。此外，TFT-OFDM技术在不明显增加额外开销的情况下，可直接扩展到MIMO系统和多址接入系统，可以从根本上解决CP-OFDM应用于MIMO系统中发射天线数量较大时降低等效导频密度所带来的性能损失问题，也解决了TDS-OFDM应用于MIMO系统时频谱效率明显降低的问题。

附图说明

图1三种典型的OFDM块传输技术的信号结构图：(a)CP-OFDM信号结构；(b)ZP-OFDM信号结构；(c)TDS-OFDM信号结构；

图2基于OLA算法的ZP-OFDM信号的均衡示意图；

图3TDS-OFDM系统中PN和数据部分之间的相互干扰示意图；

图4循环后缀OFDM信号的频域信号结构和时域信号结构示意图；

图5双PN填充的OFDM(DPN-OFDM)的信号结构示意图；

图6TDS-OFDM系统中具有不同的特性两部分干扰示意图；

图7TFT-OFDM的时频域信号结构及其对应的时频联合信道估计方法示意图；

图8利用未消除干扰的时域训练序列的信道时延估计示意图；

图9TFT-OFDM拓展到MIMO系统的示意图；

图10AWGN信道下TFT-OFDM与传统OFDM传输技术的性能对比图；

图11Vehicular B慢衰落瑞利信道下TFT-OFDM与传统OFDM传输技术的性能对比图；

图12Brazil D快衰落瑞利信道下TFT-OFDM与传统OFDM传输技术的性能对比图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图6所示，对于PN对数据产生的干扰，只要得到理想的信道估计，则可以完全消除；而对于数据对PN的干扰，即使得到了完全理想的信道估计，也会因为OFDM符号检测存在的误差(由于信道时变因此的ICI、信道均衡性能不理想等因素导致)，无法准确得到OFDM数据块经过多径信道后产生的拖尾，故而不能完全消除OFDM数据块对PN的干扰，从而最终导致利用带有干扰的PN序列得到的信道估计必然存在一定的误差。这个误差又会反过来导致PN对数据部分的干扰消除不理想，从而进一步增大OFDM符号检测的误差。既然在信道估计完全理想的情况下消除数据对PN的干扰也是不可能的，那么转换一下思路，允许残留干扰的存在，甚至完全不用消除这部分干扰。在传统的TDS-OFDM系统中，这是不可能的，因为这部分对PN序列的干扰会严重影响信道估计的性能。在TDS-OFDM系统中，数据对PN的干扰必须尽可能消除的根本原因在于，信道估计必须要利用一个“干净”的PN序列，同时估计多径信道的各径的时延信息，以及各径的系统。为了得到这个“干净”的PN序列，所付出的代价，包括复杂度的提升和系统性能的下降，是不容忽视的。然而，是否可以转变一下思路，允许未经过干扰消除的“不干净”的PN序列的存在。

基于上述分析。本发明提出的TFT-OFDM设计的基本思想是，如图7所示，在发射端，TFT-OFDM将TDS-OFDM或CP-OFDM中仅存在于时域或频域一维的训练信息，扩展到同时存在于时频二维，即TFT-OFDM中的训练信息同时存在与时域训练序列和极少量的频域分组导频；在接收端，与TDS-OFDM依靠干扰消除后的PN来得到完整的信道估计不同，TFT-OFDM接收机允许数据对TS干扰的存在，对这部分干扰并不予以消除，而仅仅是利用带有干扰的TS得到信道估计所需要的部分信息——信道的多径时延分布，而信道估计的另外一部分信息——信道各径的系数，则通过少量的频域分组导频估计得到。这样，TFT-OFDM就避免了TDS-OFDM中数据对训练序列的干扰消除，进而避免了传统的迭代干扰消除算法，打破了信道估计和信道均衡之间相互依赖、互为条件的迭代关系，从而显著提升了TFT-OFDM技术在时变信道下的性能。同时，由于用于估计信道各径系数的频域分组导频数量极小，通常仅占子载波总数的1％，远少于CP-OFDM中的导频数量，因此TFT-OFDM还可同时获得高频谱效率。

下面从时、频二域来分析本发明所提出的TFT-OFDM块传输技术。

在时域上，如图7所示，第i个TFT-OFDM符号s_i＝[s_i，0，s_i，1，...，s_i，P-1]^T由一个已知的训练序列c_i＝[c_i，0，c_i，1，...，c_i，M-1]^T和一个时域OFDM符号x_i＝[x_i，0，x_i，1，...，x_i，N-1]^T构成

$s_i={\left[\begin{array}{c}{c}_i\\ x_i\end{array}\right]}_{P\×1}={\left[\begin{array}{c}{I}_M\\ 0_{N\×K}\end{array}\right]}_{P\×M}{c}_i+{\left[\begin{array}{c}{0}_{M\×N}\\ I_N\end{array}\right]}_{P\×N}{F}_N^H{X}_i---\left(1\right)$

其中I_N表示N×N阶单位矩阵，0_N×K表示N×K阶零矩阵，F_N表示N×N阶的快速傅里叶变换(fast Fourier transform，FFT)矩阵，其第(n+1，k+1)个元素为

(·)^H表示矩阵转置；M表示TS的长度，N为OFDM符号的长度，P＝M+N为一个TFT-OFDM符号的长度，X_i＝[X_i，0，X_i，1，...，X_i，N-1]^T为时域OFDM符号x_i对应的频域信号，且有

与TDS-OFDM系统不同的是，这里的训练序列既可以是TDS-OFDM中的在时域定义的PN序列，也可以是其他任意的具备某些特征的已知序列，如CAZAC序列、Golay序列、Kasami序列、Legendre序列、Walsh序列等在时域定义的序列，还可以是其他在频域定义的序列，通常要求训练序列具有理想(如：CAZAC序列)的或者接近理想(如：PN序列)的循环自相关特性。这里，采用在频域定义的频域恒模序列，即c_i是通过频域定义的恒模信号C_i＝[C_i，0，C_i，1，...，C_i，M-1]^T经过IDFT后产生的

$c_i=F_M^H{C}_i---\left(2\right)$

其中|C_i，k|＝c，c为任意正实数。为简单起见，通常取C_i，k＝±1。可以证明，任意长度的频域恒模序列均具有理想的自相关特性：根据循环相关定理，有：

其中，符号表示循环相关，⊙表示两矢量中的元素一一对应相乘，

在频域上，与TDS-OFDM中OFDM符号全部用于传输有效数据不同，TFT-OFDM中的OFDM符号的N个子载波既包含了N_d个有效数据子载波，也包含了N_group个分散在OFDM符号中的分组频域分组导频(Grouped Pilots)，其中每组导频的个数为2d+1，各分组导频中心所在的子载波序号的集合η记为

$\mathrm{\η}=\{{\mathrm{\η}}_0,{\mathrm{\η}}_1,\·\·\·,{\mathrm{\η}}_{N_{\mathrm{group}}-1}\}---\left(4\right)$

这样，一个TFT-OFDM符号中的分组导频所占的子载波集合为

$\mathrm{\Ψ}=\{{\mathrm{\η}}_0-d,{\mathrm{\η}}_0-d+1,\·\·\·,{\mathrm{\η}}_0+d,\·\·\·,{\mathrm{\η}}_{N_{\mathrm{group}}-1}-d,{\mathrm{\η}}_{N_{\mathrm{group}}-1}-d+1,\·\·\·,{\mathrm{\η}}_{N_{\mathrm{group}}-1}+d\},$

导频总数为N_p＝N_group(2d+1)，且有N＝N_d+N_p。值得注意的是，虽然导频在OFDM块传输技术中，特别是CP-OFDM中是非常常见的，但这里TFT-OFDM所采用的导频数量远远小于CP-OFDM系统中所采用的导频数量，即N_p＜＜N_d。

假设TFT-OFDM中的OFDM数据块已经完成了循环特性重构(具体的方法将在后面中详述)，则DFT变换后频域OFDM数据块Y_i＝[Y_i，0，Y_i，1，...，Y_i，N-1]^T可表示为(参号Z.Tang，R.C.Cannizzaro，G.Leus，and P.Banelli，“Pilot-assisted time-varying channel estimation for OFDM systems，”IEEE Trans.Signal Processing，vol.55，no.5，pp.2226-2238，May 2007)

Y_i＝H_iX_i+W_i                       (5)

其中W_i为N×1维加性高斯白噪声(AWGN)，其中每个元素的均值为0、方差为σ²，H_i为信道频域响应(Channel Frequency Response，CFR)矩阵，该矩阵的第(p+1，q+1)个元素H_i，p，q为

$H_{i,p,q}=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{H}_l^{(p,q)}{e}^{-j\frac{2\mathrm{\π}}{N}{\mathrm{qn}}_l}=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\left(\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{h}_{i,n,l}{e}^{-j\frac{2\mathrm{\π}}{N}n(p-q)}\right)e^{-j\frac{2\mathrm{\π}}{N}{\mathrm{qn}}_l}---\left(6\right)$

其中h_i，n，l表示时变信道在第i个OFDM数据块的第n个符号时第l径的系数，该径的时延为n_l，L为可分辨多径的总数。这里已经考虑到信道在一个OFDM符号内是时变的，即不同的n对应着不同的多径系数h_i，n，l，H_i，p，q(p≠q)则表示信道的时变特性引起的ICI。若假设信道在一个OFDM数据块内是不变的，即对于所有的多径0≤l≤L-1，均有h_i，0，l＝h_i，1，l＝…＝h_i，N-1，l＝h_i，l，则H_i，p，q＝0(p≠q)，即ICI项变为0，此时H_i退化为一个对角矩阵，且有

Y_i，k＝H_i，kX_i，k+W_i，k，0≤k≤N-1                     (7)

其中

$H_{i,k}=H_{i,k,k}=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{h}_{i,n,l}{e}^{-j\frac{2\mathrm{\π}}{N}{\mathrm{kn}}_l}=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{h}_{i,l}{e}^{-j\frac{2\mathrm{\π}}{N}{\mathrm{kn}}_l}---\left(8\right)$

为信道在第k个子载波上的频域响应。

从式(5)和(6)中可以看出，为了从接收信号Y_i，k中正确解调出发送数据X_i，k，必须得知对应的信道信息，包括信道的多径时延

和各径的系数h_i，n，l。在传统的TDS-OFDM系统中，以及循环后缀OFDM系统中，这些信息都是通过接收到的训练序列估计得到的。为了提高信道估计的精度，必须尽可能的彻底消除OFDM数据块对训练序列的干扰，然而，由于OFDM数据是随机的，通常很难完全精确的检测出，特别是在动态信道下，因此彻底消除OFDM数据块对训练序列的干扰很难实现。

本发明提出的TFT-OFDM技术方案中的信道估计，并不是通过干扰消除后的时域TS得到的，而是首先通过时域带干扰的TS来估计多径信道的时延信息，然后再通过频域少量分组导频来估计各径的系数，从而完成时频域联合信道估计。

1)时域估计信道的时延信息

在TFT-OFDM系统的接收端，由于多径的存在，OFDM数据块将会对TS产生干扰。为简便起见，假设信道在一个TFT-OFDM符号内保持不变，信道的冲击响应(Channel Impulse Response，CIR)矢量表示为h_i＝[h_i，0，h_i，1，…，h_i，L-1]^T，则接收到的训练序列d_i＝[d_i，0，d_i，1，…，d_i，M-1]^T可以表示为：

d_i＝B_i，ISIc_i+B_i-1，IBIx_{i-1，N-M：N-1}+v_i                 (9)

其中B_i，ISI表示首列为[h_i，0，h_i，1，…，h_i，L-1，0，…，0]^T的M×M维下三角Toeplitz矩阵，B_i，IBI表示首行为[0，…，0，h_i，L-1，h_i，L-2，…，h_i，1]^T的M×M维上三角Toeplitz矩阵，x_{i-1，N-M：N-1}表示前一个OFDM时域数据块x_i-1的最后M个元素，B_i，IBIx_{i-1，N-M：N-1}则表示前一个OFDM数据块对当前接收训练序列的干扰，v_i为AWGN噪声项。在TDS-OFDM中，为了得到准确的信道估计结果，需要对式(9)中的d_i进行干扰消除和循环重构。然而，一方面，在动态信道中，信道很难被精确的估计出，信号的检测也很难保证是无误的，因此，干扰不可能被完全消除；另一方面，循环重构与信道估计互为条件，只能通过迭代的方式来实现，但迭代算法在动态信道下性能恶化严重。

在本发明中，为了得到信道的多径时延信息，直接将本地已知训练序列c_i与未经过干扰消除和循环重构的接收到d_i做时域循环相关，可得初始信道估计结果

${\hat{h}}_i=\frac{1}{M}{c}_i\⊗d_i=h_i+{v_i}^{\′}+n_i---\left(10\right)$

其中，

表示h_i的估计值，本发明中形如

的，均表示对x的估计值，

$n_i=\frac{1}{M}{c}_i\⊗(B_{i-1,\mathrm{IBI}}{x}_{i-1,N-M:N-1}-B_{i,\mathrm{IBI}}{c}_i)---\left(11\right)$

由于数据x_i-1与训练序列c_i互不相干，因此n_i可等效为另一干扰项。信道的多径时延信息可从中直接得到。式(10)中除了高斯噪声以外的干扰项n_i会使得信道估计的结果误差变大，但这对所感兴趣的信息——信道的时延信息，影响并不大。图8给出了Brazil D多径信道下，当信噪比为5dB时初始信道估计结果

与实际信道h_i的对比。可以看出，虽然干扰的存在使得

中的各径系数与实际信道h_i有较大的偏差，但信道的多径时延与实际信道非常吻合，而这正是本发明提出的时频域联合信道估计算法中时域估计所需要达到的目的。

为了进一步提升上述多径时延信息估计算法在低信噪比和时变信道中的性能，第i帧的信道时延信息可以通过前U帧的初始信道估计结果取平均来得到：

${\stackrel{\‾}{h}}_i=\frac{1}{U}\underset{u=i-U+1}{\overset{i}{\mathrm{\Σ}}}{\hat{h}}_u=\frac{1}{\mathrm{UM}}\underset{u=i-U+1}{\overset{i}{\mathrm{\Σ}}}{c}_u\⊗d_u---\left(12\right)$

然后从

中选取功率将强的L个径作为信道的有效多径。多径的选取通常采用功率门限法，即首先设定一个功率门限值P_th，然后把

中功率低于P_th的径全部置为0，然后将有效多径的时延计入集合Γ中，则：

$\mathrm{\Γ}={\{n_l:{\left|{\stackrel{\‾}{h}}_{i,l}\right|}^2\≥P_{\mathrm{th}}\}}_{l=0}^{L-1}---\left(13\right)$

即为所求的多径时延信息。

为了提高时延信息估计的精度，也可以利用前一帧信道估计的结果和OFDM数据块的检测结果计算出OFDM数据块对TS的干扰并予以消除，同时利用B_i-1，IBIc_i来近似B_i，IBIc_i并完成对接收TS的循环重构，最后再经行循环相关。这样，可以以较低的复杂度换取低信噪比和干扰较严重时信道时延信息的精度。这里仅进行一次或有限多次的干扰消除和循环重构，允许残留干扰的存在和循环重构的不精确性，故该方法与TDS-OFDM需要不断迭代尽可能消除数据对PN的干扰在本质上是不同的。另外一种提高信道时延信息的精度的简单方法是，在TFT-OFDM块传输技术中按一定的频率采用类似于双PN的重复TS插入，利用接收到的第二个TS与本地TS做循环相关的方式可以得到较准确的信道信息(包括信道时延和各径系数)，从而提高时延信息的估计精度。但这种方法会降低系统的频谱效率。

在得到多径信道的时延信息后，还需要获取各径的系数，才能得到完整的信道信息。与TDS-OFDM中通过时域TS获取完整的信道信息不通，TFT-OFDM是通过少量的频域分组导频来估计信道的各径系数的，下面将进行详细阐述。

2)频域估计信道的各径系数

快速时变的信道可以在N/2点附近泰勒级数展开为Q阶多项式来近似：

h_i，n，l＝θ_iρ_i+ε_i，n，l                 (14)

其中θ_n＝[1，n，n²，…n^Q]_1(Q+1)，其每一个元素ρ_i，l，q为第i个TFT-OFDM符号中多径信道的第l个径的第q阶系数，Q为多项式的阶数，ε_i，n，l为近似误差，可表示为：

${\mathrm{\ϵ}}_{i,n,l}=\frac{{(n-N/2)}^{Q+1}}{(Q+1)!}\frac{d^{Q+1}{h}_{i,n_0,l}}{{\mathrm{dn}}^{Q+1}}---\left(15\right)$

其中n₀∈[n，N/2]。随着近似阶数Q的增加，近似误差e_i，n，l将趋近于零，同时变量的个数也随之增多。阶数Q的大小主要取决于信道时变的快慢(通常这取决于接收机的相对于发射机的移动速度)：若信道时变越快，则Q值越大，反之亦然。研究表明，若归一化最大多普勒频移f_dT＜0.1，其中f_d为最大多普勒频移，T为OFDM数据块的长度，则时变信道可以建模为一阶近似，即Q＝1。以一代国标DTMB为例，系统的信号带宽为7.56MHz，OFDM数据块的持续时间(不包括保护间隔)为500μs，则f_d＜200Hz时均可将时变信道展开为一阶近似，即Q＝1，此时式(14)中待估计参数的个数为2L。

Jeon等人经过严格的推导和分析后指出，OFDM系统中的ICI主要由相邻的几个子载波产生，由此距离较远的子载波所产生的ICI可以忽略不计(参考W.G.Jeon，K.H.Chang，and Y.S.Cho，“An equalization technique for OFDM systems in time-variant multipath channels，”IEEE Trans.Commun.，vol.47，pp.27-32，Jan.1999)，即可以近似的认为：若|k-j|＞d，则H_i，k，j＝0，其中2d为所考虑的ICI的项数。那么，将多项式信道模型(14)带入接收信号模型(5)中，第k个子载波上的接收信号Y_i，k就可以进一步表示为：

$Y_{i,k}=H_{i,k,k}{X}_{i,k}+\underset{j=0,j\≠k}{\overset{N-1}{\mathrm{\Σ}}}{H}_{i,k,j}{x}_{i,j}+W_{i,k}$

$\≈\underset{j=k-d}{\overset{k+d}{\mathrm{\Σ}}}{H}_{i,k,j}{X}_{i,j}+W_{i,k}---\left(16\right)$

$=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{i,l,q}{n}^q{\mathrm{\λ}}_{i,n,l,k}+\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_{i,n,l}{\mathrm{\λ}}_{i,n,l,k}+W_{i,k}$

$=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{i,l,q}{n}^q{\mathrm{\λ}}_{i,n,l,k}+{\mathrm{\ζ}}_{i,k}$

其中：

${\mathrm{\λ}}_{i,n,l,k}=\frac{1}{N}\underset{q=k-d}{\overset{k+d}{\mathrm{\Σ}}}{e}^{-j\frac{2\mathrm{\π}}{N}n(k-q)}{e}^{-j\frac{2\mathrm{\π}}{N}{\mathrm{qn}}_l}{X}_{i,q}---\left(17\right)$

${\mathrm{\ζ}}_{i,k}=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_{i,n,l}{\mathrm{\λ}}_{i,n,l,k}+W_{i,k}---\left(18\right)$

式(16)也可以用矩阵的形式来表达：

Y_i，k＝Λ_i，kθ_iρ_i+ζ_i，k                 (19)

其中：

Λ_i，k＝[λ_{i，0，0，k}，…，λ_{i，0，L-1，k}，λ_{i，1，0，k}，…，λ_{i，N-1，L-1，k}]_1×LN

${\mathrm{\θ}}_i={[{\mathrm{\θ}}_{i,0}^T,{\mathrm{\θ}}_{i,1}^T,\·\·\·,{\mathrm{\θ}}_{i,N-1}^T]}_{\mathrm{NL}\×(Q+1)L}^T---\left(20\right)$

θ_i，n＝[diag{θ_n，θ_n，…，θ_n}]_L×(Q+1)L

${\mathrm{\ρ}}_i={[{\mathrm{\ρ}}_{i,0}^T,{\mathrm{\ρ}}_{i,1}^T,\·\·\·,{\mathrm{\ρ}}_{i,L-1}^T]}_{(Q+1)L\×1}^T$

考虑位于TFT-OFDM信号中频域分组导频中心处的导频，即式(19)中子载波编号k取式(4)中的集合

那么式(17)中的2d+1个导频

均是已知的，同时多径信道的时延信息

也已经通过式(13)求得，那么式(17)中的λ_{i，n，l，k}便可全部求得。因此，接收到的中心导频

就可以表示为：

Y_p＝Λ_iθ_iρ_i+ζ_i                     (21)

其中

${\mathrm{\Λ}}_i={[{\mathrm{\Λ}}_{i,{\mathrm{\η}}_0},{\mathrm{\Λ}}_{i,{\mathrm{\η}}_1},\·\·\·,{\mathrm{\Λ}}_{i,{\mathrm{\η}}_{N_{\mathrm{group}}-1}}]}_{N_{\mathrm{group}}\×\mathrm{LN}}^T---\left(22\right)$

${\mathrm{\ζ}}_i={[{\mathrm{\ζ}}_{i,{\mathrm{\η}}_0},{\mathrm{\ζ}}_{i,{\mathrm{\η}}_1},\·\·\·,{\mathrm{\ζ}}_{i,{\mathrm{\η}}_{N_{\mathrm{group}}-1}}]}_{N_{\mathrm{group}}\×1}^T$

式(5-21)中的待估计的ρ_i中共有(Q+1)L未知变量，所以TFT-OFDM中分组导频的组数N_group应该满足N_group≥(Q+1)L才能保证矩阵β_i＝Λ_iθ_i是一个列满秩的矩阵，此时方程组(21)有解：

其中

表示在广义逆矩阵(Moore-Penrose Inverse Matrix)。这样，通过估计得到的

就得到了式(14)中时变多径信道的L条径在不同采样点n时的系数

(0≤n≤N-1)。若信道在一个OFDM数据块中时静止不变的，即在不同的n处，信道各径的系数保持不变，则有

${\hat{h}}_{i,l}=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\hat{h}}_{i,n,l}---\left(24\right)$

由于信道的时延信息已经通过时域初估计得到，故TFT-OFDM中估计各径系数时仅需要N_p＝(Q+1)(2d+1)L个导频，其中L为可分辨多径总数(注意，不是最大多径时延n_L)，其值通常远小于保护间隔长度M，即L＜＜M。此外，研究表明，d＝1时分组导频已经可以提供时变信道下足够好的近似性能，因此导频总数N_p很小。相反，CP-OFDM系统中信道的时延信息和各径系数均通过频域导频来估计，由Karhunen-Loeve定理可知，OFDM符号中插入的导频数量必须大于或等于保护间隔长度M，若同样采样分组导频来估计时变信道，则需要(Q+1)(2d+1)M个导频。由于L＜＜M，则TFT-OFDM所需的频域导频数量将远远小于CP-OFDM系统。

3)时变信道下TFT-OFDM块传输技术的信道均衡

在TFT-OFDM系统中，由于TS的插入，破坏了OFDM数据块的循环特性，所以必须首先对接收到的OFDM数据块进行循环重构。

为了便于分析，这里首先假设信道在帧内是保持不变的。那么，接收到的OFDM数据块y_i＝[y_i，0，y_i，1，…，y_i，N-1]^T可以表示为：

y_i＝H_i，ISIx_i+I_TS+w_i                          (25)

其中H_i，ISI表示首列为[h_i，0，h_i，1，…，h_i，L-1，0，…，0]^T的N×N阶下三角Toeplitz矩阵，w_i为AWGN，

$I_{\mathrm{TS}}=H_{i,\mathrm{IBI}}{\left[\begin{array}{c}{0}_{(N-M)\×1}\\ c_i\end{array}\right]}_{N\×1}---\left(26\right)$

表示TS对OFDM数据块的干扰，其中H_i，IBI表示首行为[0，…，0，h_i，L-1，h_i，L-2，…，h_i，1]^T的N×N阶上三角Toeplitz矩阵。显然，TFT-OFDM中的接收信号y_i并不满足循环特性。为了便于接收机进行低复杂度的频域均衡，需要对y_i进行循环特性重构：

${\tilde{y}}_i=y_i-I_{\mathrm{TS}}+H_{i,\mathrm{IBI}}{x}_i=H_{i,\mathrm{CIR}}{x}_i+w_i---\left(27\right)$

其中H_i，CIR＝H_i，ISI+H_i，IBI表示首列为[h_i，0，h_i，1，…，h_i，L-1，0，…，0]^T的N×N阶循环矩阵。上式所示的循环重构包括两个步骤：首先消除TS对OFDM数据块的干扰I_TS，然后将OFDM数据块经过多径信道后的拖尾H_i，IBIx_i叠加到接收信号y_i上，从而完成OFDM数据块的循环重构。

式(27)中计算H_i，IBIx_i时需要假设当前发送的OFDM符号x_i已从接受信号y_i中正确解调，这在信道均衡之前是不可能得到的，因此只能通过迭代的方式得到，但这势必会导致接收机复杂度的增加和性能的损失。为了避免上述问题，注意到，x_i产生的拖尾不仅仅可以通过H_i，IBIx_i计算得到，也可以从下一帧接收到的训练序列d_i+1中到：

$H_{i,\mathrm{IBI}}{x}_i=\left[\begin{array}{c}{d}_{i+1}\\ 0_{(N-M)\×1}\end{array}\right]-H_{i,\mathrm{ISI}}\left[\begin{array}{c}{c}_{i+1}\\ 0_{(N-M)\×1}\end{array}\right]---\left(28\right)$

将式(28)代入式(27)，可得实际的循环重构过程为：

${\tilde{y}}_i=y_i-H_{i,\mathrm{IBI}}{\left[\begin{array}{c}{0}_{(N-M)\×1}\\ c_i\end{array}\right]}_{N\×1}+\left[\begin{array}{c}{d}_{i+1}\\ 0_{(N-M)\×1}\end{array}\right]-H_{i,\mathrm{ISI}}\left[\begin{array}{c}{c}_{i+1}\\ 0_{(N-M)\×1}\end{array}\right]---\left(29\right)$

$=H_{i,\mathrm{CIR}}{x}_i+w_i+\left[\begin{array}{c}{v}_{i+1}\\ 0_{(N-M)\×1}\end{array}\right]$

上式计算TS的拖尾和OFDM数据块的拖尾时所需要的当前帧信道信息可以直接采用上一帧已经获得的最后一个时刻(n＝N-1)的信道估计结果，即：

h_i，l＝h_{i-1，N-1，l}，0≤l≤L-1                    (30)

对

做傅里叶变换，则得到式(5)中的频域接收信号：

$Y_i={[Y_{i,0},Y_{i,1},\·\·\·Y_{i,N-1}]}^T=F_N{\tilde{y}}_i---\left(31\right)$

值得注意的是，虽然这里的循环重构方法与TDS-OFDM中比较类似，但这里的重构仅需要一次，而不是TDS-OFDM那样需要不断迭代。

接着，对TFT-OFDM系统中的OFDM数据块进行频域信道均衡，具体过程如下：

(1)第一步：初始信道均衡。利用时频域联合信道估计的结果求得式(6)中ICI系数的估计值

然后对式(5)中的除了分组导频以外的频域信号进行初始信道均衡：

${\hat{X}}_{i,k}^{\left(0\right)}=\frac{Y_{i,k}}{{\hat{H}}_{i,k,k}},k\∉\mathrm{\Ψ}---\left(32\right)$

(2)第二步：迭代ICI消除。在第j次迭代时，考虑到ICI主要由相邻的d个子载波引起，则第k个数据子载波做如下的迭代更新：

${\hat{X}}_{i,k}^{\left(j\right)}=\frac{Y_{i,k}-\underset{q=k-d,q\≠k}{\overset{k+d}{\mathrm{\Σ}}}{\hat{H}}_{i,k,q}{\hat{X}}_{i,q}^{(j-1)}}{{\hat{H}}_{i,k,k}},k\∉\mathrm{\Ψ}---\left(33\right)$

(3)第三步：迭代终止判断。当迭代次数到达预先设定的最大迭代次数J₀时(一般取J₀≤3)，迭代过程终止；若达到最大迭代次数J时，已有前后两次信道均衡的结果非常接近，即：

$\frac{{\mathrm{\Σ}}_{k\∉\mathrm{\Ψ}}{\hat{X}}_{i,k}^{(j+1)}-{\hat{X}}_{i,k}^{\left(j\right)}}{{\mathrm{\Σ}}_{k\∉\mathrm{\Ψ}}{\hat{X}}_{i,k}^{(j+1)}}\≤\mathrm{\δ}---\left(34\right)$

时迭代过程提前终止，其中δ为一个门限值，在实际系统中可根据系统需求选取，通常δ＜＜1。若两种迭代终止条件均不满足，则返回第二步进行下一次迭代。

值得注意的是，虽然TFT-OFDM接收机的信道均衡也用到了迭代，但这里的迭代仅仅是为了消除快速时变信道引起的ICI，没有涉及到信道估计。若信道在一个TFT-OFDM符号内是时不变的，那么就没有ICI，也就没有必要进行迭代ICI消除。相反，对于TDS-OFDM接收机所采用的迭代算法，首先假设信道在帧内是是不变的，其次迭代是针对信道估计和信道均衡的，其主要目的是通过迭代的方式逐步消除PN和数据之间的干扰，从而获得更好的信道估计性能和信道均衡性能。

此外，本发明提出的TFT-OFDM技术，可以在采用完全相同的保护间隔长度的前提下，在时域上，不同发射天线采用不同的具有较好(而不是理想)自相关特性和较好(而不是理想)互相关特性的准正交序列作为保护间隔，在频域上，不同的发射天线之间采用彼此正交的频域导频，从而将TFT-OFDM块传输技术直接扩展任意天线数的MIMO系统中，并继承了TFT-OFDM块传输系统高频谱效率这一突出优势。图10以发射天线数等于2为例，说明了MIMO系统中的TFT-OFDM块传输技术。

首先从时域上来分析上述MIMO系统中的TFT-OFDM块传输技术。从TFT-OFDM的设计原理可知，其时频域联合信道估计中的时域初估计仅需要得知信道的时延信息，因此并不要求训练序列具有理想的自相关特性。同时，仅估计信道的时延信息时，允许部分干扰的存在，因此在TFT-OFDM应用于MIMO系统中时，也并不要求训练序列具有理想的互相关特性以消除不同天线间的训练序列的相互干扰。这样，对MIMO系统中对训练序列的苛刻要求就大大降低。因此，可以在保持训练序列长度不变(即系统的频谱效率基本不变)的前提下，从大量的现有技术中，选取一些具有较好互相关特性的序列，比如Gold序列。

再从频域上来分析上述MIMO系统中的TFT-OFDM块传输技术。虽然正交导频在基于CP-OFDM的MIMO系统中亦广泛采用，但由于CP-OFDM系统中的导频数量较多，随着发射天线数的增加，系统的整体频谱效率下降非常明显。以导频密度为5％为例，双天线时导频密度为10％，4天线时导频密度则高达20％。当然这可以通过减少单天线等效导频密度的方式来保证系统的频谱效率维持在一定的水平之上，比如LTE标准就明确规定，4天线时导频的开销不能超过15％，故4天线时的密度比2天线时的导频密度低，但这势必会牺牲一定的信道估计性能。然而，由于本章提出的TFT-OFDM传输技术仅需要极少量的频域分组导频用于估计多径信道各径的系数，比如导频密度为1％，那么在不降低单天线等效导频密度的前提下(即不明显牺牲信道估计的性能)，4个发射天线的MIMO系统中导频的密度为4％，8天线时导频密度也仅为8％。

本发明TFT-OFDM中的训练序列可以是任何在时域或频域定义的已知序列，如时域m序列、Walsh序列、CAZAC序列、Kasami序列等，以及在频域定义的频域恒模序列等等。优选地，选择具有较好自相关特性和较低峰均比的序列。

TFT-OFDM中分组导频可以均匀分布在OFDM子载波上，也可以集中分布在某一个(或多个)频段，优选地，分组导频分散在OFDM信号带宽中。

TFT-OFDM系统中时变信道的建模阶数Q可以是任意非负整数，其值主要取决于信道的时变快慢，当信道在一个TFT-OFDM符号内准静止时，Q＝0，当信道在一个TFT-OFDM符号变化比较明显时，Q≥1，通常信道变化越快，则Q越大，反之，信道变化越慢，则Q越小，优选地，通常选取Q＝1。

TFT-OFDM中每一分组导频中的导频个数可以是任意正整数，其值主要取决于信号经过时变信道后产生的ICI的大小，当d＝0时分组导频退化为梳状导频，优选地，选取d＝1以消除大部分ICI。

TFT-OFDM中分组导频的组数N_group可以是任意正整数，其值主要取决于多径信道的径数，优选地，由于无线系统中大量典型的信道模型中多径经数小于等于6，选取L≥6，则N_group≥(Q+1)L，TFT-OFDM中的导频总数N_p≥(Q+1)(2d+1)L。

TFT-OFDM中OFDM数据块的长度N可以是任意正整数，在地面数字电视系统中，通常N＝1024、N＝2048、N＝3780、N＝4096、N＝8192等值，优选地，选取DTMB中的典型参数值N＝3780。

TFT-OFDM中训练序列的长度M可以是任意正整数，其基本原则是训练序列的长度应当大于或等于信道的最大多径时延，通常取M＝N/4、M＝N/8、M＝N/9、M＝N/16、M＝N/32等值，优选地，选取DTMB中的典型参数值M＝420(即PN420模式)。

TFT-OFDM中消除ICI的迭代次数J₀可以是任意非负整数，当信道在一个TFT-OFDM符号内准静止不变时，信号经过信道后无明显ICI产生，则J₀＝0，当信道时变较快时，J₀＞0，且信道变化越快，ICI约严重，则J₀越大。优选地，选取J₀＝3。

以典型参数Q＝1、d＝1、L＝6、N＝3780、M＝420、J₀＝3为例，此时TFT-OFDM系统中的导频个数为N_P＝36，仅占有效子载波总数的不到1％！当OFDM数据块的长度N增大时，频域分组导频所占的比较将更低，因此TFT-OFDM中新增的极少量分组导频对于系统频谱效率的影响是非常微小的。而对于CP-OFDM系统，由Karhunen-Loeve定理可知，为了获得较好的信道估计性能，OFDM符号中的导频个数应该不小于CP的长度(比如DVB-T2中CP的长度可取OFDM数据块长度N的1/4、1/8、1/16、1/32等值)，故CP-OFDM中的导频数量较大。可见，同样是频域导频，TFT-OFDM所需的导频数量远远小于CP-OFDM。下面表1给出了N＝4096时不同的保护间隔情况下CP-OFDM、TDS-OFDM、DPN-OFDM和本发明提出的TFT-OFDM的归一化频谱效率对比。

表1N＝4096时四种OFDM块传输技术的归一化频谱效率对比

从表中可以看出，TDS-OFDM具有最高的频谱效率，本章提出的TFT-OFDM次之，其频谱效率与TDS-OFDM非常接近，CP-OFDM则在所有情况下的频谱效率都是最低，DPN-OFDM的频谱效率则明显低于TDS-OFDM和TFT-OFDM，特别是保护间隔比较长时。而较长的保护间隔正是地面数字电视网络的典型单频网(Single Frequency Network，SFN)应用所需要的，在LTE中，单频网也只主要的工作模式之一，比如为支持多媒体广播和多播业务(Multimedia Broadcast and Multicast Service，MBMS)时标准所定义的单频网多播/广播(Multicast/Broadcast Single Frequency Network，MB SFN)工作模式。以典型的4K模式、保护间隔M＝N/8为例，TFT-OFDM的归一化频谱效率为87.52％，比频谱效率最高的TDS-OFDM仅低了1.37个百分点，比CP-OFDM的77.78％则高出了9.74个百分点，比DPN-OFD的80.00％则高出7.52个百分点。此时，作为TDS-OFDM的衍生技术，DPN-OFDM的归一化频谱效率80.00％仅比CP-OFDM高出2.22个百分点，比TDS-OFDM则低了8.89个百分点，因此没有继承TDS-OFDM高频谱效率的优点，其相对于CP-OFDM的频谱效率优势也很小。而本章提出的TFT-OFDM块传输技术则较好的继承了TDS-OFDM频谱效率高这一突出技术优势，在8K模式下相对于TDS-OFDM下降的频谱效率不超过0.49个百分点，在4K模式下频谱效率的降低也不超过1.63个百分点，因此相对于CP-OFDM在频谱效率方面仍有着非常明显的优势：当M＝N/8时，TFT-OFDM比CP-OFDM的归一化频谱效率高出约10个百分点，当M＝N/4时则高出约20个百分点。

值得注意的是，若假设信道在帧内近似静止不变，即信道在帧内为常数，则Q＝0，且接收信号无ICI，故可取d＝0，即各分组导频只需要一个导频即可用于估计信道各径的系数，此时N_p＝L＝6，即只需要6个导频就可以估计出静态信道各径的系数。此时，TFT-OFDM系统的频谱效率将更高。

下面给出本发明实施例的TFT-OFDM技术按照上述典型参数，在AWGN信道、慢时变瑞利衰落信道和快时变瑞利衰落信道等典型的应用场景下，对TFT-OFDM与现有的OFDM块传输技术CP-OFDM、TDS-OFDM、DPN-OFDM和Cyclic Postfix OFDM的性能经行了对比仿真。仿真中，系统的中心工作频率为770MHz，信道带宽为7.56MHz，调制方式采用QPSK，仿真所用的多径信道模型是Vehicular B和Braizl D信道，其中Vehicular B的频域响应较为平坦，即频率选择性衰落较弱，而Braizl D信道具有两条平均功率基本一致的多径，其频域响应起伏较大，即频率选择性衰落较强，这可以模拟数字电视系统中典型的单频网信道。信道的最大多普勒扩展为20Hz和100Hz，分别对应770MHz工作频段时接收机的相对移动速度分别为28km/h和140km/h。

图10给出了AWGN信道下、调制方式为QPSK时TFT-OFDM与CP-OFDM、TDS-OFDM、DPN-OFDM和Cyclic Postfix OFDM等其他四种OFDM传输技术的在不同的SNR下的误比特率(Bit Error Rate，BER)性能对比，此时假设所有系统均获得理想的信道估计结果。从图中可以看出TFT-OFDM与TDS-OFDM和DPN-OFDM具有非常接近的BER性能，在BER为0.01时相对于CP-OFDM有约0.18dB的增益，这是因为CP-OFDM中的导频导致了接收信号等效SNR的降低。同时，Cyclic Postfix OFDM的BER性能与上述3种OFDM传输技术存在较大的差距，当BER为0.01时比TFT-OFDM恶化了约2.2dB，这是因为Cyclic Postfix OFDM中生成时域训练序列的频域导频功率过高，在相同的发射信号功率条件下，其接收信号的等效SNR大约下降了2.2dB。这是由于这个原因，Cyclic Postfix OFDM不太可能在实际系统中应用，因此后面的仿真中将不再考虑Cyclic Postfix OFDM。

图11给出了接收机相对运动速度为28km/h时，Vehicular B瑞利衰落信道下TFT-OFDM与传统OFDM传输技术的性能对比。从图中可以看出，虽然TDS-OFDM具有最高的频谱效率，但其BER性能也最差，DPN-OFDM通过引入额外的一个训练序列，大大提升了其在动态信道下的BER性能，但牺牲了较多的频谱效率，CP-OFDM的性能则介于TDS-OFDM和DPN-OFDM之间。本章提出的TFT-OFDM比上述三种传统的OFDM块传输技术都具有更好的性能。以BER为0.1为例，TFT-OFDM比DPN-OFDM提升了0.6dB，比CP-OFDM提升了1.5dB，比TDS-OFDM则提升了3.1dB。

图12给出了接收机相对运动速度为140km/h时，Brazil D瑞利衰落瑞利信道下TFT-OFDM与传统OFDM传输技术的性能对比。与慢时变Vehicular B瑞利衰落下的结果类似，本章提出的TFT-OFDM仍具有最好的BER性能，且性能优势进一步拉大。以BER为0.1为例，TFT-OFDM比DPN-OFDM提升了1.0dB，比CP-OFDM提升了3.3dB，比TDS-OFDM则提升了6.9dB。

从上面各种典型信道下的仿真结果中可以看出，虽然AWGN信道下TFT-OFDM与CP-OFDM、TDS-OFDM、DPN-OFDM等其他三种OFDM传输技术具有基本一致的BER性能，但在动态信道下(不管信道是Vehicular B那样频率选择性较弱的信道，还是Brazil D那样频率选择性较强的信道)，TFT-OFDM的BER性能有着明显的提升。这是因为，TDS-OFDM需要对PN和数据之间的干扰进行迭代消除，首先需要消除数据对PN的干扰，已利用PN序列进行时域信道估计，然后利用信道估计的结果消除PN对数据的干扰，并进行信道均衡，最后利用均衡后的数据与前一次得到的信道估计结果计算数据的拖尾，以在下一步的迭代中进一步消除数据对PN的干扰，得到一个更“干净”的PN序列以提高迭代过程中信道估计的精度，进而提高干扰消除和信道均衡的性能。可以看出，在这个迭代过程中，信道估计和信道均衡是相互依赖、互为条件的，动态信道下信道估计的偏差会严重影响干扰消除和信道均衡的性能，特别是信道变化比较快时。DPN-OFDM通过引入一个额外的PN序列，打破了这种相互依赖的的关系，使得信道估计和信道均衡相互独立，因此显著提高了动态下的性能，但这个额外的PN序列会显著降低TDS-OFDM的频谱效率，使得DPN-OFDM与CP-OFDM的频谱效率相当，从而丢失了TDS-OFDM的核心技术优势。

本发明提出的TFT-OFDM块传输技术，从一个全新的角度出发，将TDS-OFDM中的训练信息从时域一维扩展到时频二维，允许TDS-OFDM中数据对训练序列干扰的存在，并不予以消除，而是仅利用“不干净”的时域训练序列来估计信道的时延信息，信道各径的系数则通过频域极少量的分组导频来估计，通过这种时频联合的信道估计算法，同样达到了分离信道估计和信道均衡的目的，并且信道估计算法可以很好的跟踪信道的时变特性，信道均衡时通过ICI消除则进一步提高了信号解调的性能。取得上述诸多优势的唯一代价是，频域极少量的分组导频会带来约1％的频谱效率的微弱降低。

基于时频二维训练信息的OFDM块传输方法可以用于多天线系统中的，包括：

分配准正交的时域训练序列给各发射天线，同时分配正交的频域分组导频给各发射天线，接收端通过准正交的时域序列来获知不同发射天线到接收机之间的信道的时延信息，信道的各径系数则通过正交的频域分组导频来估计。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (12)

1.一种基于时频二维训练信息的OFDM块传输方法，其特征在于，所述方法中：

A：训练信息同时存在于时域训练序列和频域分组导频中；

B：直接利用带干扰的时域训练序列估计信道的多径时延信息，通过频域分组导频估计信道各径系数，从而完成时频联合的信道估计；

C：利用信道估计的结果完成OFDM数据块的循环特性重构，并且进行动态信道下的子载波间干扰消除，然后再进行频域均衡。

2.如权利要求1所述的基于时频二维训练信息的OFDM块传输方法，其特征在于，信道的多径时延信息估计方式如下：利用带干扰的接收训练序列与本地训练序列做循环相关，得到时域信道初估计，然后从时域信道初估计结果中提取能量高的L条路径对应的时延信息作为信道的多径时延信息，其中L代表信道的可分辨多径总数。

3.如权利要求1所述的基于时频二维训练信息的OFDM块传输方法，其特征在于，通过频域分组导频估计信道各径系数时，将同时利用接收到的位于频域分组导频中心位置处的中心导频信号，频域分组导频中所有导频的信息以及信道的多径时延信息。

4.如权利要求1所述的基于时频二维训练信息的OFDM块传输方法，其特征在于，一个TFT-OFDM符号由一个已知的在时域或者频域定义的训练序列和OFDM数据块构成，其中频域的OFDM数据块既包含了有效数据，也包含了频域分组导频。

5.如权利要求1所述的基于时频二维训练信息的OFDM块传输方法，其特征在于，信道时变越快，频域分组导频的组数N_group越大，每组导频的个数2d+1也越大，反之，信道时变越慢，导频组数N_group越小，每组导频的个数2d+1也越小，静态信道下每组导频的个数仅为1。

6.如权利要求1所述的基于时频二维训练信息的OFDM块传输方法，其特征在于，所述频域分组导频的组数N_group应当满足N_group≥(Q+1)L，其中L表示信道的可分辨多径总数，Q表示快速时变信道进行泰勒展开近似时的阶数，信道时变越快，Q越大，反之，信道时变越慢，Q越小，若信道在一个TFT-OFDM符号内可认为近似不变，则Q＝0；TFT-OFDM中导频总数小于循环前缀OFDM中的导频总数。

7.如权利要求1所述的基于时频二维训练信息的OFDM块传输方法，其特征在于，所述频域分组导频所占用的子载波位置集中分布于信号带宽中的一段或若干段，或者均匀分布于整个信号带宽、或者非均匀分布于整个信号带宽。

8.如权利要求2所述的基于时频二维训练信息的OFDM块传输方法，其特征在于，信道的多径时延信息估计方式中，用于时延信息估计的带干扰的接收训练序列是完全未经过干扰消除的接收训练序列，或者是经过一次或若干次干扰消除后但有残留干扰的接收训练序列，或者是通过相邻多帧取平均的方式获得的若干个接收训练序列的平均值。

9.如权利要求3所述的基于时频二维训练信息的OFDM块传输方法，其基本特征在于，通过频域分组导频估计信道各径系数时，只利用中心导频信号中来自相邻的2d个导频的子载波间干扰，中心导频信号两边各d个导频，并忽略与中心导频信号的距离超过d的数据子载波对中心导频信号的子载波间干扰。

10.如权利要求1所述的基于时频二维训练信息的OFDM块传输方法，其特征在于，动态信道下的子载波间干扰消除，将消除来自相邻的2d个数据子载波产生的子载波间干扰。

11.如权利要求10所述的基于时频二维训练信息的OFDM块传输方法，其特征在于，子载波间干扰的消除与频域均衡通过迭代的方式进行：

第一步，利用时频联合信道估计的结果进行初始频域均衡，得到所有数据子载波的初始估计值；

第二步，利用第一步的结果和信道估计结果计算与每个数据子载波相邻的2d个子载波对该子载波产生的子载波间干扰，并将所述子载波间干扰消除，再对所有子载波进行频域均衡，得到下一次迭代过程中所有子载波的估计值，然后再利用这些估计值和信道估计结果计算下一次迭代过程中与每个数据某子载波相邻的2d个子载波对该子载波产生的子载波间干扰，并将这些子载波间干扰消除，再对所有子载波进行频域均衡，如此重复进行；

第三步，当前后两次迭代后所得结果基本一致，或者已经达到预先设定的迭代次数时，迭代终止。

12.一种用于多天线系统中的基于时频二维训练信息的OFDM块传输方法，其特征在于，包括：

分配准正交的时域训练序列给各发射天线，同时分配正交的频域分组导频给各发射天线，接收端通过准正交的时域序列来获知不同发射天线到接收机之间的信道的时延信息，信道的各径系数则通过正交的频域分组导频来估计。

Images