CN102232308A - 用于上行链路接收器的复杂度降低的信道估计 - Google Patents

Abstract

本发明提出一种LTE eNodeB接收器信道估计技术，其被称作用于信道估计的复杂度降低的最小均方差(MMSE)技术。根据本发明的假设、估计和修改后的计算，本发明利用所述复杂度降低的MMSE矩阵和先前计算的LS信道估计H_LS如下生成RS的精确信道估计：(公式I)，

其利用所述复杂度降低的MMSE矩阵和先前计算的LS信道估计生成RS的精确信道估计。作为本发明的第二方面，期望所估计的SNR处于实际信道SNR的-3dB内。作为本发明的第三方面，在本发明中提出一种从RS信道进行数据信道内插的自适应方法。

Description

用于上行链路接收器的复杂度降低的信道估计

相关申请的交叉引用

本申请涉及2008年11月13日提交的临时专利申请序列号61/114,346、2008年12月15日提交的临时专利申请序列号61/122,533和2009年2月11日提交的临时专利申请序列号61/151,644，并且在35U.S.C.§119(e)下要求该较早提交的优先权。该临时专利申请也被合并到本发明专利申请中以作参考。

技术领域

本申请总体涉及无线通信技术，并且具体来说涉及通过提高信道估计的精度以及通过使用复杂度降低的信道估计减少系统上的开销来改进用户装备连接性。

背景技术

基于IP的移动系统包括无线通信系统上的至少一个移动节点。“移动节点”有时是指用户装备、移动单元、移动终端、移动设备或类似名称，这取决于具体系统提供商所采用的命名法。根据在任何具体网络配置或通信系统上所使用的命名法，可以用不同的名称来为所述系统上的各组件命名。

举例来说，“移动节点”或“用户装备”包含具有到无线网络的线缆(例如电话线(“双绞线”)、以太网线缆、光缆等等)连接性以及直接到蜂窝网络的无线连接性的PC，正如具有诸如因特网访问、电子邮件、消息传送服务等各种特征和功能的各种样式和型号的移动终端(“蜂窝电话”)所能体验到的那样。术语“移动节点”还包括移动通信单元(例如移动终端、“智能电话”、诸如具有无线连接性的膝上型PC之类的游动设备)。

用户装备或移动节点在从接入点发送的信号的上行链路方向上是信号的接收器，所述接入点在这种配置中被称作发送器。诸如发送器或接收器之类的术语并不意图被限制性地定义，而是可以包括位于网络上的各种移动通信单元或传输设备。此外，取决于在哪一个方向上发送及接收通信，术语“接收器”和“发送器”可以指代“接入点”(AP)、“基站”或“用户装备”。举例来说，对于下行链路环境，接入点AP或基站(eNodeB或eNB)是发送器并且用户装备是接收器，而对于上行链路环境，接入点AP或基站(eNodeB或eNB)是接收器并且用户装备是发送器。

在LTE无线系统中，精确的信道估计对于保持连接性、在支持从移动节点(或用户装备)到基站(或接入点)的传输的上行链路通信链路上实现良好的容量和吞吐量性能来说是不可缺少的。当移动节点或用户装备相对于接入点(发送器)高速行进时，已知的信道估计方法有两个主要缺陷，所述缺陷能够对系统性能造成负面影响。首先，已知的信道估计方法(例如基于最小均方差(MMSE)的估计)被证明在用户装备(或移动节点)高速行进时是不精确的。其次，已知的信道估计等式在计算上精细，从而会不必要地消耗系统资源、增加系统开销并且增加完成信道估计所需的时间。因此，为了在高移动性和/或高信道频率下实现良好的容量/吞吐量性能，需要解决由于信道估计不精确而导致的性能降低的问题，并且需要降低信道估计算法的复杂度。

基于最小均方差(MMSE)的信道估计器利用信道状态的二阶统计来最小化信道估计的均方差。基础的假设是时域信道矢量是高斯型，并且与信道噪声无关。如下给出线性MMSE信道估计：

${\hat{H}}_{\mathrm{LMMSE}}=R_{\mathrm{HH}}{(R_{\mathrm{HH}}+{\mathrm{\σ}}_N^2{\left({\mathrm{XX}}^{*}\right)}^{-1})}^{-1}{\hat{H}}_{\mathrm{LS}}---\left(1\right)$

其中：

·R_HH＝E[HH*]是频域信道相关矩阵，H是频域信道响应，*表示共轭转置

·X是包含已知导频或已知参考符号(RS)序列的矢量

·是信道噪声的方差

·

是信道的最小二乘(LS)估计，其中y是所接收到的RS符号矢量。

MMSE估计器产生比LS信道估计器独自所产生的好得多的性能，特别在低SNR情形下(比如用户装备的低速度)。但是MMSE估计器的主要缺陷在于其计算复杂度高，这是因为执行完整的MMSE等式增加系统资源的消耗并且会增加系统开销。

在等式(1)中，X表示由UE发送的已知参考信号(RS)序列。应当注意的是，在LTE标准中，对于上行链路RS序列允许序列跳跃(sequence hopping)和群组跳跃(group hopping)。如果启用序列/群组跳跃，则上面的MMSE等式将需要对于每一个时隙(0.5msec)执行两次矩阵求逆。在为任意用户分配一个RB的情况下，所述矩阵的尺寸是12x12，而在为一个用户分配所有48个RB的情况下，所述矩阵的尺寸则是576x576。这样的实时矩阵求逆对于实际实现方式来说在计算上精细，并且该MMSE等式证明在用户装备(或移动节点)以较高速度行进时是不精确的。

还应当注意的是，在某些情况下，信噪比(SNR)估计是eNodeB接收器中的一个非常重要的处理步骤，并且如果SNR的估计不足(under-estimation)，则系统性能降低。因此，需要精确地估计SNR以用在特定信道估计过程中，以增强系统性能并且把系统参数的恶化最小化。

还应当注意的是，信道估计方法还使用内插，而几种内插方法(例如线性、双线性或二次内插等)在特定情况下无法提供令人满意的结果。这些内插方法是静态的，并且通常对于所有UE移动性都使用相同的方法，因此对于特定情况无法提供最优的SNR对SER性能。

发明内容

本发明提出一种LTE eNodeB接收器信道估计技术，其被称作用于信道估计的复杂度降低的最小均方差(MMSE)技术。该技术提供与MMSE信道估计的性能相当的信道估计/解调性能，但是实施复杂度(硬件/计算复杂度)大大降低。

所述复杂度降低的MMSE等式是基于已知的系统性能属性和系统性能参数做出如下几项关键假设而导出的：(1)用其期望E{(XX*)^-1}替换(XX*)^-1项；(2)信号星座图在RS符号中的所有子载波上都是相同的，并且在所有星座图点上具有相等概率，E{(XX*)^-1}＝E{|1/Xk|²}*I，其中I是单位矩阵；(3)定义平均SNR＝E{|Xk|²}/σ_N ²、β＝E{|Xk|²}/E{|1/Xk|²}项和σ_N ²(XX*)^-1＝(β/SNR)I项，其中β是只取决于信号星座图的常数；(4)对于QPSK星座图，β＝1，对于16QAM星座图，β＝0.5294，并且对于64-QAM传输，β＝0.3724；(5)对于LTE上行链路传输，R_HH矩阵只取决于子载波间距和信道的r.m.s延迟扩展；(6)相同的矩阵可以被用于几个子帧，直到接收到不同的SNR估计为止(即使启用序列和群组跳跃)；(7)利用针对LTE上行链路RS模式生成信道自相关的过程中的简便性；(8)假设指数衰减的功率延迟分布图(delay profile)(这是针对信道功率分布图(power profile)的一种广为接受的行业标准)；(9)对于多普勒扩展假设Jakes频谱；(10)对于LTE上行链路RS模式，所述RS模式当中的时间相关函数是1，这是由于所有参考符号都处于相同的OFDM符号中这一事实；(11)在生成R_HH的过程中对于r.m.s延迟扩展假设2usec的数值。这是基于表明信道估计的精度对于所述r.m.s延迟扩展值不太敏感的仿真结果；(12)在每一个时隙(持续时间为0.5msec)中估计

其中y是所接收到的RS符号矢量，X是所述UL RS符号中的已知发送的CAZAC序列矢量；(13)如果用户装备正在连续发送则从先前的时隙或子帧获得SNR估计，或者在不连续发送的情况下利用信道估计

来估计SNR；(14)对于β(对于QPSK是1，对于16-QAM是0.5294，对于64-QAM是0.3724)、SNR估计和R_HH使用已知的数值。

根据上述假设、估计和经过修改的计算，本发明利用所述复杂度降低的MMSE矩阵和先前计算的LS信道估计如下生成RS的精确信道估计：

${\hat{H}}_{\mathrm{red}\_\mathrm{cmplx}}=R_{\mathrm{HH}}{(R_{\mathrm{HH}}+\frac{\mathrm{\β}}{\mathrm{SNR}}I)}^{-1}{\hat{H}}_{\mathrm{LS}}$

根据RS的MMSE估计，可以利用线性内插生成数据信道估计。本发明在所有类型的衰落情形下解决了由于LTE SC-FDMA上行链路中的不精确信道估计而导致的SNR恶化的问题。此外，本发明还针对与LTE上行链路接收器有关的信道估计问题提供一种解决方案。利用该信道估计方法，在所有类型的衰落信道情形下都可以保持良好的解调性能。此外，该方法的复杂度显著低于所述MMSE技术，因此对于LTE软件发布可以很容易将其实现在基站(eNodeB)硬件中。

作为本发明的第二方面，应当注意的是，在eNodeB接收器中，信噪比(SNR)估计是一个至关重要的处理步骤以用于所述复杂度降低的最小均方差(RC-MMSE)信道估计。本发明的(复杂度降低的MMSE信道估计)技术的性能对于所估计的SNR具有一定敏感性。对于+/-3dB内的SNR估计误差确定了解调SER与实际SNR的关系。应当注意的是，SNR的估计过高(over-estimation)导致略微更好的性能，而SNR的估计不足导致更差的性能。为了限制性能降低，希望所估计的SNR处于实际信道SNR的-3dB内。作为本发明的第三方面，在本发明中提出一种基于RS信号的数据信道内插的自适应方法。

附图说明

现在将参照附图仅以举例的方式来描述本申请的各实施例，其中：

图1是利用本发明的通信系统的方框图；以及

图2是示出在LTE传输中被分配给蜂窝频谱的各块的图示。

具体实施方式

利用本发明的系统的示例性组件包括如图1中所示的基站1000和移动站1002。基站1000包括无线接口1004，其用来通过无线链路与移动站1002中的无线接口1006进行无线通信。基站1000包括软件1008，所述软件1008在该基站1000中的一个或更多中央处理单元(CPU)1010上可执行，以便施行该基站的各项任务。所述(多个)CPU1010连接到存储器1012。软件1008可以包括调度器和其他软件模块。基站1000还包括基站间接口1014以便与另一个基站传送信息，比如回程信息和/或协调信息。

类似地，移动站1002包括在连接到存储器1020的一个或更多CPU1018上可执行的软件1016。软件1016是可执行的来施行移动站1002的各项任务。可以把这样的软件(1008和1016)的指令加载到所述CPU或其他类型的处理器上以供执行。所述处理器可以包括微处理器、微控制器、处理器模块或子系统(包括一个或更多微处理器或微控制器)或者其他控制或计算设备。“处理器”可以是指单个组件或多个组件。

(软件的)数据和指令被存储在相应的存储设备中，所述存储设备被实施为一个或更多计算机可读或计算机可用存储介质。所述存储介质包括不同形式的存储器，其中包括：半导体存储器设备，比如动态或静态随机存取存储器(DRAM或SRAM)、可擦写和可编程只读存储器(EPROM)、电可擦写和可编程只读存储器(ERPROM)以及闪存；磁盘，比如固定盘、软盘和可移动盘；包括磁带的其他磁介质；以及光学介质，比如紧致盘(CD)或数字视频盘(DVD)。

基于在前向或上行链路上的帧信令结构中周期性广播的指示信号来对信道进行估计。在该实施例中，移动站1002将接收所述指示信道信令，正如从传输中接收那样。移动站1002还可以是指接入终端。移动站1002可以施行信道估计计算或者基于所施行的信道估计协议向基站1000提供反馈，其中所述基站将施行信道估计计算。

基站1000或移动站1002根据所述信道估计将确定移动站1002如何被服务，并且基站1000可以确定移动站1002是否将需要监控通信信道。基站1000还可以基于所述信道估计计算来调度将从该基站1002发送的通信。基站1000还可以调度用户以避免干扰和重叠波束情况。

基于最小均方差(MMSE)的信道估计器利用信道条件的二阶统计来最小化信道估计的均方差。基础的假设是时域信道矢量是高斯型，并且与信道噪声无关。如下给出线性MMSE信道估计：

${\hat{H}}_{\mathrm{LMMSE}}=R_{\mathrm{HH}}{(R_{\mathrm{HH}}+{\mathrm{\σ}}_N^2{\left({\mathrm{XX}}^{*}\right)}^{-1})}^{-1}{\hat{H}}_{\mathrm{LS}}---\left(1\right)$

其中：

·R_HH＝E[HH*]是频域信道相关矩阵，H是频域信道响应，*表示共轭转置

·X是包含已知导频或已知参考符号(RS)序列的矢量

·

是信道噪声的方差

·

是信道的最小二乘(LS)估计，其中y是所接收到的RS符号矢量。

MMSE估计器产生比LS信道估计器独自所产生的好得多的性能，特别在低SNR情形下。但是MMSE估计器的一个主要缺陷在于其计算复杂度高，这是因为评估完整的MMSE等式增加系统资源消耗并且增加系统开销。

在所述MMSE等式中，X表示由UE发送的已知参考信号(RS)序列。应当注意的是，在LTE标准系统中，对于上行链路RS序列允许序列跳跃和群组跳跃，并且如果启用序列/群组跳跃，则上面的MMSE等式将需要对于每一个时隙(0.5msec)执行两次矩阵求逆。在为任意用户分配一个RB的情况下，所述矩阵的尺寸是12x12，而在为一个用户分配所有48个RB的情况下，所述矩阵的尺寸则是576x576。这样的实时矩阵求逆对于实际实现方式来说在计算上精细。第二点应当注意的是，该MMSE等式被证明在用户装备(或移动节点)以较高速度行进时是不精确的。

通过所提出的方法可以如下实现前述MMSE技术的一定程度的复杂度降低：(1)用其期望E{(XX*)^-1}替换(XX*)^-1项；(2)由于信号星座图在RS符号中的所有子载波上都是相同的，并且在所有星座图点上具有相等概率，因此E{(XX*)^-1}＝E{|1/Xk|²}I，其中I是单位矩阵；(3)定义平均SNR＝E{|Xk|²}/σ_N ²、β＝E{|Xk|²}/E{|1/Xk|²}项和σ_N ²(XX*)^-1＝(β/SNR)I项，其中β是只取决于信号星座图的常数；(4)对于QPSK星座图，β＝1，对于16QAM星座图，β＝0.5294，对于64-QAM传输，β＝0.3724；并且(5)对于LTE上行链路，R_HH矩阵只取决于子载波间距和信道的r.m.s延迟扩展。

根据这些假设，所述MMSE信道估计等式可以被简化如下：

${\hat{H}}_{\mathrm{red}\_\mathrm{cmplx}}=R_{\mathrm{HH}}{(R_{\mathrm{HH}}+\frac{\mathrm{\β}}{\mathrm{SNR}}I)}^{-1}{\hat{H}}_{\mathrm{LS}}---\left(2\right)$

等式(2)中的实现方式的优点在于将只计算一次求逆，并且该矩阵包含常数值。相同的矩阵可以被用于几个子帧，直到接收到不同的SNR估计为止(即使启用序列和群组跳跃)。

通过利用生成LTE上行链路RS模式的信道自相关的过程中的简便性可以进一步降低复杂度。时间-频率OFDM栅格的信道自相关可以被写为频率相关函数与时间相关函数的乘积。

$E\left\{p_{k,l}{\hat{p}}_{k^{\′}{l}^{\′}}^{*}\right\}=R_{\mathrm{HH}}=r_f(k-k^{\′})r_l(l-l^{\′})---\left(3\right)$

其中，r_f和r_l表示频率相关函数和时间相关函数，k是子载波编号，并且l是符号时间索引。

通过假设指数衰减的功率延迟分布图(这是对于信道功率分布图的广为接受的行业标准)，所述频率相关函数可以被写为：

$r_f\left(k\right)=\frac{1}{1+j2\mathrm{\π}{\mathrm{\τ}}_{\mathrm{rms}}k/T}---\left(4\right)$

其中，1/T是子载波分离(其对于LTE是15KHz)，并且τ_rms是信道的r.m.s延迟扩展。

通过对于多普勒扩展假定Jakes频谱，所述时间相关函数可以被写为：

r_t(l)＝J_o(2πf_maxlT_s)    (5)

其中，J₀是一阶第一类Bessel函数，f_max是最大多普勒扩展，并且T_s是OFDM符号持续时间。

对于LTE上行链路RS模式，所述RS模式当中的时间相关函数是1。这是由于所有参考符号都处于相同的OFDM符号中这一事实。因此，等式(3)中的信道自相关可以被写为：

$E\left\{p_{k,l}{\hat{p}}_{k^{\′}{l}^{\′}}^{*}\right\}=R_{\mathrm{HH}}=r_f(k-k^{\′})---\left(6\right)$

用于LTE上行链路接收器的复杂度降低的MMSE信道估计的过程如下：本发明对于所有RB分配(1，2，3，4，...N_RB)根据等式(6)和(4)生成R_HH并且存储在存储器中用于信道估计。在生成R_HH的过程中对于r.m.s延迟扩展可以安全地假设2usec的数值。仿真表明，信道估计的精度对于r.m.s延迟扩展值不太敏感。这将意味着存储尺寸为(12x12，24x24，...576x576)的矩阵。这是一次性事件并且不需要重复。如果存储成问题，则可以实时生成它，尽管这种做法不是对于计算资源的高效使用。

在每一个时隙(持续时间为0.5msec)中估计

其中y是所接收到的RS符号矢量，并且X是所述UL RS符号中的已知发送的恒定幅度零自相关(CAZAC)序列的矢量。如果禁用RS群组和序列跳跃，则X的内容对于该用户保持相同。如果启用RS群组和序列跳跃，则X的内容可以在每一个时隙或子帧中改变。

如果UE正在连续发送则本发明从先前的时隙或子帧获得SNR估计，或者在不连续发送的情况下利用信道估计

来获得SNR的估计。

利用对应于β(对于QPSK是1，对于16-QAM是0.5294，对于64-QAM是0.3724)、SNR估计和R_HH的已知数值，生成所述复杂度降低的MMSE矩阵：

$R_{\mathrm{HH}}{(R_{\mathrm{HH}}+\frac{\mathrm{\β}}{\mathrm{SNR}}I)}^{-1}$

本发明利用所述复杂度降低的MMSE矩阵和先前计算的LS信道估计

生成RS的精确信道估计，正如以下重复的等式(2)中那样：

${\hat{H}}_{\mathrm{red}\_\mathrm{cmplx}}=R_{\mathrm{HH}}{(R_{\mathrm{HH}}+\frac{\mathrm{\β}}{\mathrm{SNR}}I)}^{-1}{\hat{H}}_{\mathrm{LS}}$

根据在本发明中所提供的RS的MMSE估计，可以利用线性内插生成数据信道估计。

在下面的图表1-10中示出了仿真结果，其中：(1)在3km/hr、60km/hr、120km/hr和350km/h的UE移动性下，信道估计和解调性能对于QPSK、16QAM、64QAM调制是变化的；(2)接收器包括eNodeB处的单个天线；(3)绘制出了未编码调制符号错误率SER对比SNR；(4)假设2GHz的载波频率，从而3km/hr、60km/hr、120km/hr和350km/hr下的最大多普勒扩展分别是5Hz、100Hz、200Hz、600Hz；(5)利用两个接收器天线、turbo码和交织，对于BER对比SNR预期有近似10dB的附加性能增益(这取决于码率和信道)；(6)在仿真结果中将RS信道估计直接应用于数据信道以用于解调。

图表1-4提供QPSK解调性能比较如下：

图表1：对于QPSK调制和3Km/hr的UE移动性的SER对比SNR

图表2：对于QPSK调制和60Km/hr的UE移动性的SER对比SNR

图表3：对于QPSK调制和120Km/hr的UE移动性的SER对比SNR

图表4：对于QPSK调制和350Km/hr的UE移动性的SER对比SNR

图表5-7提供16QAM解调性能比较如下：

图表5：对于16QAM调制和3Km/hr的UE移动性的SER对比SNR

图表6：对于16QAM调制和60Km/hr的UE移动性的SER对比SNR

图表7：对于16QAM调制和120Km/hr的UE移动性的SER对比SNR

图表8-10提供64QAM解调性能比较如下：

图表8：对于64QAM调制和3Km/hr的UE移动性的SER对比SNR

图表9：对于64QAM调制和60Km/hr的UE移动性的SER对比SNR

图表10：对于64QAM调制和120Km/hr的UE移动性的SER对比SNR

本发明的复杂度降低的MMSE信道估计方法在开销减少、计算时间缩短并且系统性能提高的情况下提供等效的精度以支持高达350km/hr的QPSK调制。

对于16QAM调制，所述信道估计精度可以支持高达120km/hr的移动性。对于利用16QAM的更高移动性，载波间干扰(ICI)变为居主导地位，并且诸如将噪声视为AWGN的MMSE之类的技术无法通过提高SNR来改进信道估计性能。正如将在第二实施例中所探究的那样，执行与信道估计相组合的ICI抵消的技术对于这种高移动性可能更加有效。

对于64QAM调制，所述信道估计精度可以支持高达60km/hr的移动性。对于64QAM调制，所述信道估计精度不够鲁棒，并且因此120km/hr下的ICI无法提供令人满意的解调性能，正如图表10中所示出的那样。执行联合ICI抵消与信道估计的技术对于利用64QAM调制的那些更高移动性下的这种密集星座图可能更加有效。

应当注意的是，在eNodeB接收器中，信噪比(SNR)的精确估计是一个至关重要的处理步骤用于本发明的复杂度降低的最小均方差(RC-MMSE)信道估计。本发明的(复杂度降低的MMSE信道估计)技术的性能对于所估计的SNR具有一定敏感性。在图表11中对于+/-3dB内的SNR估计误差绘制出解调SER对比实际SNR。应当注意的是，SNR的估计过高导致略微更好的性能，而SNR的估计不足导致更差的性能。为了限制性能降低，希望所估计的SNR处于实际信道SNR的-3dB内。

图表11：RC-MMSE信道估计性能对于SNR估计误差的敏感性

尽管SNR的估计过高可能有助于RC-MMSE信道估计性能，但是估计过高的SNR可导致用于调度(资源分配)、调制和编码控制、移交、功率控制以及软判决解码的算法的性能降低。因此，至关重要的是尽可能精确地估计SNR，以便使得总体系统性能降低最小化。

作为本发明的第二方面的一部分的更加精确的SNR估计包括两部分估计：(i)信号功率估计；以及(ii)噪声加干扰方差估计。信号功率估计相对直接明了，并且可以根据信道估计来执行。但是，噪声或干扰的方差的精确估计是复杂的。

用于噪声方差估计的传统算法假设噪声统计在分配带宽上保持恒定(白噪声)。在实际的LTE部署中，利用N＝1的频率再用，网络中的每一个小区站点将在每一个扇区中使用相同的物理资源块(PRB)集合。即使在通过协调而减轻干扰的情况下，在来自邻近小区/扇区的PRB分配中将有显著的重叠。来自远处小区的部分或完全重叠的资源块引入共信道干扰(CCI)。

此外还有由于对邻近信道的滤波不充分而导致的邻近信道干扰(ACI)，以及由于来自高用户装备(UE)移动性下的多普勒扩展的频谱展宽而导致的载波间干扰(ICI)。这些干扰在本质上一般来说不是白色而是有色的，其跨越带宽具有不均匀的频谱密度。实际上，存在于上行链路接收器中的总噪声常常由白高斯噪声以及相关的有色噪声构成。

在下面的段落中，提出从eNodeB接收器中的RC-MMSE信道估计器进行SNR估计的方法和过程。从用户装备的物理随机访问信道(PRACH)前同步码或探测参考信号(SRS)估计的SNR可以被用于物理上行链路共享信道(PUSCH)第一时隙解调参考信号(DMRS)信道估计。第二时隙DRS信道估计可以使用通过使用下面描述的方法从第一时隙DMRS估计的更新后的SNR。

作为LTE上行链路中的信号干扰噪声比估计的一部分，在经过FFT之后，所接收到的RS信号在对于第k个子载波的第n个符号处可以被写为：

Y_n，k＝S_n，kH_n，k+I_n，k+W_n，k

Y_n，k＝S_n，kH_n，k+Z_n，k    (7)

其中：

S_n，k是所发送的RS符号

H_n，k是信道频率响应(CFR)的数值

I_n，k是包括CCI、ACI和ICI的有色噪声(干扰)

W_n，k是白高斯噪声样本

Z_n，k是总体噪声项

假设由于不完美的同步、收发器非线性等等而导致的损害被折叠到W_n，k中。还假设CFR在观测时间内不改变。

被用于LTE上行链路中的信道估计的参考信号(RS)发生在相同的SC-FDMA符号内。这一点对于所有LTE上行链路物理信道(SRS、PRACH、PUCCH和PUSCH)都是成立的。由于所提出的SINR估计方法利用RS信道估计和RS中的代码符号的知识，因此数学表达式将去掉代表符号编号的下标n。

所提出的方法的信号功率估计是直接明了的。其利用信道估计来获得有用的信号功率水平。所述复杂度降低的最小均方差(RC-MMSE)信道估计[1]提供信道估计

所述估计的均方差(MSE)低至-30dB，正如图表12中所描述的那样。因此，所述信道估计可以被用来如下生成平均接收信号功率：

$S=\mathrm{avg}\left({\left|{\hat{H}}_k\right|}^2\right)---\left(8\right)$

图表12：作为估计器输入处的实际SNR的函数的RC-MMSE信道估计的均方差(MSE)性能

本发明提出使用信号再生(SR)估计器来估计干扰加噪声的水平。这种用于噪声功率估计的方法是基于找到频域内的有噪声接收样本与无噪声接收样本的最佳假设之间的差异。RS中的代码符号值S_k在eNodeB接收器处是已知的。因此，通过利用信道估计

噪声加干扰样本可以被写为：

${\hat{Z}}_k=Y_k-S_k{\hat{H}}_k---\left(9\right)$

由于存在于中的噪声和干扰的不同来源及它们不同的频谱特性和互相关，干扰加噪声方差的精确估计是复杂的。如前所述，所接收到的信号的干扰分量包括CCI、ACI和ICI。对于这里的讨论，将白高斯噪声建模为W_k＝N(0，σ₀ ²)，并且干扰项为I_k＝N(0，σ_k ²)，其中σ_k是局部标准偏差。

本发明的方法提出一种利用来自信道估计的信号再生的噪声方差估计；因此还存在由于信道估计误差而导致的附加噪声分量。所述信道估计误差可以被建模为方差E_k＝N(0，σ_g ²)的零均值复白高斯过程。

假设所述干扰和白噪声项不相关，则可以把总体噪声项

建模为

其中

分量

包含白高斯噪声部分的方差，其包括信道估计误差方差，并且

包含有色干扰噪声的方差。目标是估计可以被用来找到SNR的应当注意的是，如果

则可以假设总体噪声是白色的，否则其是有色的。

这里所描述的方法和过程假设

并且因此所接收到的样本中的总噪声遵循高斯分布函数。

本发明利用通过等式(8)获得的信号功率产生SNR估计，并且如下计算由等式(9)定义的噪声样本的噪声方差：

$\mathrm{SNR}=\frac{{\left|{\hat{H}}_k\right|}^2}{\mathrm{Var}\left(\right|Y_k-S_k{\hat{H}}_k\left|\right)}---\left(10\right)$

在图表13中示出从等式(10)获得的本发明中的SNR估计器的性能。

图表13：作为估计器输入处的实际SNR的函数的信号再生(SR)类型估计器的SNR估计误差性能

在该图表中，示出了作为实际SNR的函数的SNR估计误差。SNR估计误差＝实际SNR-估计SNR。从图表13中可以看出，在实际SNR的较低数值处对SNR估计过高(这意味着对噪声方差估计不足)，并且在实际SNR的较高数值处对SNR估计不足(这意味着对噪声方差估计过高)。

在高SNR数值处对噪声方差的估计过高部分地是由于信道估计误差。在高SNR数值处，所述信道估计误差方差与所测量的噪声/干扰方差相当，因此高于所报告的实际噪声/干扰。

为了补偿SNR估计误差，直接明了的做法是假设在干扰加噪声水平与信道估计误差之间有直接关系。为了考虑到信道估计误差方差对总体噪声方差估计的影响，并且从而补偿总噪声估计过高，提出引入补偿因数ρ。因数ρ被定义为信道估计误差的方差与干扰加噪声的方差之间的比值。

利用该比值ρ，可以从等式(11)获得对于SNR水平的更加精确的估计：

${\mathrm{SNR}}^{\′}=\frac{{\left|{\hat{H}}_k\right|}^2}{\mathrm{Var}\left(\frac{1}{1+\mathrm{\ρ}}\right|Y_k-S_k{\hat{H}}_k\left|\right)}---\left(11\right)$

等式(11)中的比值ρ补偿由于等式(10)中的信道估计误差而导致的估计过高。ρ的数值可以在0到1之间被优化。因数ρ主要取决于信道估计器的性能。信道估计器的性能可以从所述信道估计器的均方信道估计误差(MSE)仿真导出。在完美信道估计的理想情况下，ρ等于0。

在图表14中针对ρ的不同数值示出了作为实际SNR的函数的经过补偿后的SNR估计误差。

图表14：作为实际SNR的函数的经过补偿的SNR估计

在表1中还提供了对于补偿因数ρ的不同数值的SNR估计误差。

表1：对于补偿因数ρ的不同数值的SNR估计误差

正如从图表4和表1中可以看出，通过ρ进行的SNR估计误差补偿使得SNR估计误差值的总体平滑化。但是在低SNR处仍然有一定程度的估计过高，在高SNR数值处估计不足的情况被最小化。对于ρ＝0.9的补偿因数，SNR估计误差大体处在-6dB/+4dB的范围内。作为基准，应当注意的是，这个估计性能好于在CDMA空中接口标准所规定的+/-9dB的功率测量精度要求。

为了从等式(2)获得精确的RS信道估计，还有必要利用RS符号中的子载波之间的频率相关。在低用户装备移动性下，可以将这些RS信道估计直接应用于数据信道均衡化。这是由于在RS信道估计与数据信道估计之间存在时域内的高度相关这一事实。

但是，在较高用户装备移动性下(通常＞60km/hr)，时域内的相关在RS信道估计与数据信道估计之间降低。因此，直接应用RS信道估计来均衡化数据信道将导致略微降低的SNR对比SER性能。在较高用户装备移动性下，需要从RS信道估计内插数据信道估计。存在几种内插方法，包括线性、双线性和二次方法。这些内插方法是静态的并且对于所有UE移动性使用相同的方法，并且因此无法提供最优的SNR对比SER性能。

在本发明中提出一种从RS信道进行数据信道内插的自适应方法。在该方法中，对于内插利用在数据信道与RS信道之间的时间相关函数。给定子帧内的符号到符号信道时间相关被有利地用于从RS信道估计进行数据信道内插。由于所述时间相关函数取决于多普勒扩展，因此该方法首先估计由于UE移动性而导致的多普勒扩展。

提出两种方法用于多普勒估计。

(i)基于RS信道估计互相关的方法

(ii)基于RS信道估计相位线性的方法

利用所估计的多普勒扩展的知识，可以导出数据信道与RS信道之间的时间相关并且将其用于从RS信道估计内插数据信道估计。

参照示出了上行链路PRB和RS结构的图2，可以对于所述子帧的14个符号当中的每一个数据子载波执行这个数据内插方法。由于所有这14个符号对于给定子载波都处于相同频率下，因此所述频率相关在对于给定子载波跨越所有14个符号都是1。但是，跨越符号的时间相关将取决于符号间距和UE移动性而不同。通过估计多普勒扩展并且利用所述多普勒扩展来生成跨越符号的子载波之间的时间相关，有可能从RS信道估计精确地内插数据信道估计。

本发明的该第三方面具有三个主要步骤：(1)从RS信道估计生成用户装备多普勒扩展估计；(2)利用来自步骤1的多普勒估计生成数据符号关于RS符号的时间相关矩阵；(3)利用来自步骤2的时间相关矩阵从RS信道估计内插数据信道估计。

对于步骤1，利用所述上行链路子帧的时隙0和时隙1中的两个RS符号之间的互相关生成用户装备多普勒扩展估计。从等式(5)我们可以获得：

r_t(l)＝J_o(2πf_maxlT_s)

其中

J₀是零阶第一类Bessel函数，

f_max是UE的最大多普勒扩展，

T_s是OFDMA/SCFDMA总符号持续时间(符号加CP持续时间)，并且

l是符号索引。

在图表15中作为最大多普勒扩展的函数绘出了时隙0和时隙1中的RS之间的时间相关。

图表15：对于LTE上行链路的时隙0和时隙1的RS符号之间的时间相关对比最大多普勒扩展

作为本发明的该方面中的方法的步骤1的一部分，利用通过RC-MMSE技术获得的来自时隙0和时隙1的RS信道估计生成多普勒估计，其被用来如下生成互相关C_{s0_s1}：

$C_{s0\_s1}=\frac{1}{N_{\mathrm{RB}\_\mathrm{len}}}\underset{i=1}{\overset{N_{\mathrm{RB}\_\mathrm{len}}}{\mathrm{\Σ}}}{\mathrm{RS}}_{s0}\left(i\right){\mathrm{RS}}_{s1}^{*}\left(i\right)---\left(12\right)$

其中，RS_s0和RS_s1是时隙0和时隙1的参考信号，N_{RB_len}是所分配的RB数目乘以12，并且*表示复数共轭。

从根据等式(5)计算并且被存储在DSP存储器中的对应于有限数目的f_max数值(50，100，150，200，250，300，350，400，450，500，550，600Hz)的相关值中减去从步骤1获得的数值。对应于来自步骤(2)的最小误差的f_max被视为针对UE的多普勒扩展估计的最佳近似。

在本发明中的该第三方法是基于针对RS信道估计的相位的分段线性近似。如下面的图表16中所示，所估计的RS信道的相位与RS信道估计样本具有分段线性关系。

图表16：对于5Hz、100Hz、300MHz、600Hz的不同多普勒扩展的RS信道相位估计对比RS信道估计样本数

通过把φ定义为RS信道估计的相位，φw.r.t时间的微分提供最大多普勒扩展的估计。可以通过取得图表16中所示的RS信道估计相位对比样本关系的斜率来等效地实现所述微分。

$\frac{\mathrm{d\φ}}{\mathrm{dt}}=\frac{\mathrm{\Δ\φ}}{\mathrm{\Δt}}={2\mathrm{\πf}}_{\max }---\left(13\right)$

可以如下总结出用于获得多普勒扩展的过程：首先，利用前面所描述的本发明的RC-MMSE方法施行RS信道估计；其次，计算最低子载波和最高子载波信道估计的相位(这可以通过tan^-1(Y/X)来计算，其中Y是信道估计的虚部，并且X是信道估计的实部)；第三，把所述相位之间的差除以等效样本时间以获得2πf_max。

所估计的多普勒扩展被用来生成进行数据信道内插所需的时间相关。需要生成两个时间相关矩阵。第一个是R_PP，即导频自相关矩阵，并且第二个是

即有噪声导频信道估计与数据信道估计之间的互相关。

对于图2中所示的LTE上行链路资源块，两个导频信道估计之间的时间自相关在一行中，R_PP是2x2矩阵并且可以从等式(5)生成。下面示出对于3km/hr、30km/hr、120km/hr和360km/hr的UE移动性的矩阵值：

$R_{\mathrm{pp}}=\left[\begin{array}{cc}1.0& 1.0\\ 1.0& 1.0\end{array}\right]$ 2GHz下的3km/hr的UE移动性

$R_{\mathrm{pp}}=\left[\begin{array}{cc}1.0& 0.9955\\ 0.9955& 1.0\end{array}\right]$ 2GHz下的30km/hr的UE移动性

$R_{\mathrm{pp}}=\left[\begin{array}{cc}1.0& 0.9820\\ 0.9820& 1.0\end{array}\right]$ 2GHz下的60km/hr的UE移动性

$R_{\mathrm{pp}}=\left[\begin{array}{cc}1.0& 0.9289\\ 0.9289& 1.0\end{array}\right]$ 2GHz下的120km/hr的UE移动性

$R_{\mathrm{pp}}\left[\begin{array}{cc}1.0& 0.4472\\ 0.4472& 1.0\end{array}\right]$ 2GHz下的360km/hr的UE移动性

类似地，可以利用本发明的RC-MMSE计算从LTE上行链路RS模式生成对于有噪声导频信道估计与数据信道估计的互相关矩阵其是14x2矩阵，并且可以对于不同的UE移动性条件来生成。下面示出对于3km/hr、30km/hr、120km/hr和360km/hr的矩阵值：

$\begin{array}{cc}1.0000& 0.9999\\ 1.0000& 0.9999\\ 1.0000& 0.9999\\ 1.0000& 0.9999\\ 1.0000& 1.0000\\ 1.0000& 1.0000\\ 1.0000& 1.0000\\ 1.0000& 1.0000\\ 1.0000& 1.0000\\ 1.0000& 1.0000\\ 0.9999& 1.0000\\ 0.9999& 1.0000\\ 0.9999& 1.0000\\ 0.9999& 1.0000\end{array}$

(a)对于3km/hr的UE移动性的

矩阵

$\begin{array}{cc}0.9989& 0.9875\\ 0.9995& 0.9898\\ 0.9999& 0.9920\\ 1.0000& 0.9939\\ 0.9999& 0.9955\\ 0.9995& 0.9969\\ 0.9989& 0.9980\\ 0.9980& 0.9989\\ 0.9969& 0.9995\\ 0.9955& 0.9999\\ 0.9939& 1.0000\\ 0.9920& 0.9999\\ 0.9898& 0.9995\\ 0.9875& 0.998\end{array}$

(b)对于30km/hr的UE移动性的

矩阵

$\begin{array}{cc}\begin{array}{c}0.9955\\ 0.9980\\ 0.9995\\ 1.0000\\ 0.9995\\ 0.9980\end{array}& \begin{array}{c}0.9504\\ 0.9597\\ 0.9681\\ 0.9755\\ 0.9820\\ 0.9875\end{array}\\ \begin{array}{c}0.9955\\ 0.9920\\ 0.9875\\ 0.9820\\ 0.9755\\ 0.9681\\ 0.9597\\ 0.9507\end{array}& \begin{array}{c}0.9920\\ 0.9955\\ 0.9980\\ 0.9995\\ 1.0000\\ 0.9995\\ 0.9980\\ 0.9955\end{array}\end{array}$

(c)对于60km/hr的UE移动性的

矩阵

$\begin{array}{cc}0.9820& 0.8088\\ 0.9920& 0.8436\\ 0.9980& 0.8754\\ 1.0000& 0.9039\\ 0.9980& 0.9289\\ 0.9920& 0.9504\\ 0.9820& 0.9681\\ 0.9681& 0.9820\\ 0.9504& 0.9920\\ 0.9289& 0.9980\\ 0.9039& 1.0000\\ 0.8754& 0.9980\\ 0.8436& 0.9920\\ 0.8088& 0.9820\end{array}$

(d)对于120km/hr的UE移动性的

矩阵

$\begin{array}{cc}0.8436& -0.1383\\ 0.9289& -0.0086\\ 0.9820& 0.1369\\ 1.0000& 0.2915\\ 0.9820& 0.4472\\ 0.9289& 0.5962\\ 0.8436& 0.7307\\ 0.7307& 0.8436\\ 0.5962& 0.9289\\ 0.4472& 0.9820\\ 0.2915& 1.0000\\ 0.1369& 0.9820\\ -0.0086& 0.9289\\ -0.1383& 0.8436\end{array}$

(e)对于360km/hr的UE移动性的

矩阵

基于MMSE估计理论，从RS信道估计时域内插的数据信道估计可以被写为：

${\hat{H}}_{\mathrm{int\; erp}\_\mathrm{data}}=R_{\hat{p}\_d}{(R_{\mathrm{pp}}+{\mathrm{\σ}}_N^2{\left(X_p{X}_p^{*}\right)}^{-1})}^{-1}\hat{p}---\left(14\right)$

其中，

是在子帧内跨越符号的有噪声RS信道估计与数据信道估计之间的互相关矩阵，

X是包含导频或参考符号(RS)值的矢量，

是每个RS音调的噪声的方差，

是来自RC-MMSE信道估计过程的RS信道估计，其是

通过利用在导出RC-MMSE信道估计时所使用的类似简化，等式(14)可以被写为：

${\hat{H}}_{\mathrm{int\; erp}\_\mathrm{data}}=R_{\hat{p}\_d}{(R_{\mathrm{pp}}+\frac{\mathrm{\β}}{\mathrm{SNR}}I)}^{-1}{\hat{H}}_{\mathrm{red}\_\mathrm{cmplx}}---\left(15\right)$

其中，β取决于RS星座图(其对于QPSK是1，对于16-QAM是0.5294，对于64-QAM是0.3724)，并且SNR是每个RS音调的信噪比。

本发明中的用于从RS信道估计进行数据信道内插的过程包括以下步骤。首先，通过使用下面再现的等式(2)，利用所描述的RC-MMSE过程生成对于时隙0和时隙1的RS信道估计。这样就针对其所分配的PRB生成用户的RS信道估计(12*PRB_{alloc_size}x1矢量)：

${\hat{H}}_{\mathrm{red}\_\mathrm{cmplx}}=R_{\mathrm{HH}}{(R_{\mathrm{HH}}+\frac{\mathrm{\β}}{\mathrm{SNR}}I)}^{-1}{\hat{H}}_{\mathrm{LS}}$

其次，本发明将通过利用前面描述的方法估计用户装备多普勒扩展f_max。

第三，使用对应于所估计的多普勒扩展f_max的被存储在存储器中的预先计算的矩阵R_PP和

第四，利用关于RS的RC-MMSE估计、SNR估计以及RS星座图的知识，可以利用根据等式(15)的线性内插来获得数据信道估计。

前面提到的线性内插生成14x1矢量，其包括12个数据信道估计。将所述内插重复12*PRB_{alloc_size}次以便获得所有数据信道估计。

所述内插涉及三个矩阵的相乘，即(14x2)*(2x2)*(2x1)。该内插提供14x1矢量，其对于跨越所有符号的1个子载波包括12个数据信道估计(以及两个RS估计)。这等效于每个子载波84次复数乘法。

对于10MHz的系统，在每一毫秒内需要对于48x12＝576个子载波执行该乘法。因此，复数乘法的数目等于每秒48.384e06。这与对于RC-MMSE RS信道估计所需的0.6900992e+009次复数乘法相比相对不重要。

把对应于所有可能的多普勒扩展的所有时间相关值都存储在存储器中的做法并不实际。正如从图2中可以看出，在0-700Hz的多普勒范围内，子帧中的RS符号之间的相关从1.0改变到0.1。在2.0GHz的载波频率下，360km/hr的UE速度转换到600Hz的多普勒扩展。建议存储对应于以下的量化多普勒扩展值集合的相关值：[50 100 150 200250 300 350 400 450 500 550 600]，以Hz计。

由于对多普勒扩展的这样量化近似而导致的性能降低不重要。还针对前面提到的相同的多普勒扩展值集合，将R_PP和

矩阵存储在存储器中。为了避免任何存储要求，还有可能做出关于是否需要数据信道内插器的二元判定。如果所述时间相关值低于0.8，或者所述多普勒扩展值高于300Hz，则使用内插器，否则就没有用于数据信道估计的内插器。

在下面的图表17-19中示出的仿真结果服从以下假设：(1)采用在较高移动性下对于QPSK/16-QAM/64-QAM具有和不具有内插的信道估计和数据解调性能；(2)假设接收器在eNodeB处具有单个天线；(3)绘制出了未编码调制符号错误率SER对比SNR；(4)假设2GHz的载波频率，从而最大多普勒扩展对于360km/hr是600Hz。应当注意的是，利用两个接收器天线、turbo码和交织，对于BER对比SNR预期有近似10dB的附加性能增益(这取决于码率和信道)。

图表17-19提供解调性能比较如下：

图表17：350km/hr的UE移动性下的QPSK的SER对比SNR。具有和不具有数据信道估计内插的性能比较。

图表18：对于350km/hr的UE移动性下的16QAM的SER对比SNR。具有和不具有数据信道估计内插的性能比较。

图表19：在120km/hr的UE移动性下的64QAM的SER对SNR。具有和不具有数据信道估计内插的性能比较。

前面描述的本发明的实施例意图仅作为举例。在不偏离本申请的范围的情况下，本领域技术人员可以对特定实施例做出更改、修改及改变。在前面的描述中阐述了许多细节以便提供对于本发明的理解。但是本领域技术人员将会理解的是，可以在没有这些细节的情况下实践本发明。虽然关于有限数目的实施例公开了本发明，但是本领域技术人员将认识到来自其中的许多修改和改变。所附权利要求书意图涵盖落在本发明的真实精神和范围内的所述修改和改变。

Claims (38)

1.一种用于在具有发送器和接收器的无线通信系统中估计上行链路接收器信道的方法，所述方法包括：

在所述无线系统上提供发送器和上行链路接收器，利用复杂度降低的最小均方差(MMSE)等式

来计算所述上行链路接收器信道，以便估计用于该上行链路接收器的信道；

所述复杂度降低的最小均方差等式关于系统性能做出多项假设，并且替换所述最小均方差等式中的因数以降低等式计算的复杂度，从这导致减少处理时间并且减少系统开销的使用。

2.权利要求1的方法，其中，一个所替换的因数是用其期望E{(XX^*)^-1}来替换所述最小均方差等式中的(XX^*)^-1项。

3.权利要求1的方法，其中，关于系统性能的一项假设是信号星座图在RS符号中的所有子载波上都是相同的，并且在所有星座图点上具有相等概率，E{(XX^*)^-1}＝E{|1/Xk|²}I，其中I是单位矩阵。

4.权利要求1的方法，其中，关于系统性能的一项假设是定义平均SNR＝E{|Xk|²}/σ_N ²、β＝E{|Xk|²}/E{|1/Xk|²}项和σ_N ²(XX^*)^-1＝(β/SNR)I项，其中β是只取决于信号星座图的常数。

5.权利要求1的方法，其中，关于系统性能的一项假设是定义以下各项的其中之一：对于QPSK星座图，β＝1；对于16QAM星座图，β＝0.5294；以及对于64-QAM传输，β＝0.3724。

6.权利要求1的方法，其中，关于系统性能的一项假设是假设对于LTE上行链路传输，R_HH矩阵只取决于子载波间距和信道的r.m.s延迟扩展。

7.权利要求1的方法，其中，关于系统性能的一项假设是假设相同的矩阵能够被用于几个子帧，直到接收到不同的SNR估计为止，即使启用序列和群组跳跃。

8.权利要求1的方法，其中，通过利用生成LTE上行链路RS模式的信道自相关的过程中的简便性获得所述等式中的一个简化因数。

9.权利要求1的方法，其中，关于系统性能的一项假设是假设指数衰减的功率延迟分布图(这是针对信道功率分布图的广为接受的行业标准)。

10.权利要求1的方法，其中，一个所替换的因数是对于LTE上行链路RS模式把所述RS模式当中的时间相关函数设定到1，这与所有参考符号都处于相同的OFDM符号中这一事实有关。

11.权利要求1的方法，其中，关于系统性能的一项假设是在生成R_HH的过程中对于r.m.s延迟扩展假设2usec的数值，因为仿真表明信道估计的精度对于所述r.m.s延迟扩展值不太敏感。

12.权利要求1的方法，其中，关于系统性能的一项假设是对于每一个时隙(持续时间为0.5msec)估计

其中y是所接收到的RS符号矢量，X是所述UL RS符号中的已知发送的CAZAC序列矢量。

13.权利要求1的方法，其中，关于系统性能的一项假设是在用户装备正连续发送的情况下从先前的时隙/子帧获得SNR估计。

14.权利要求1的方法，其中，关于系统性能的一项假设是在不连续发送的情况下利用信道估计获得SNR估计，因为仿真表明信道估计性能对于SNR估计误差是鲁棒的。

15.权利要求1的方法，其中，关于系统性能的一项假设是对于β(对于QPSK是1，对于16-QAM是0.5294，对于64-QAM是0.3724)、SNR估计和R_HH使用已知的数值。

16.权利要求1的方法，其还包括以下步骤：

利用线性内插和参考信号的最小均方差估计生成数据信道估计。

17.权利要求1的方法，其中，所估计的SNR处于实际信道SNR的-3dB内。

18.权利要求1的方法，其还包括以下步骤：

利用自适应步骤、最大多普勒扩展的估计以及参考信号信道来内插数据信道。

19.一种在无线通信系统中估计上行链路接收器信道的传输系统，所述系统包括：

所述无线系统上的发送器和上行链路接收器，利用复杂度降低的最小均方差(MMSE)等式

来计算所述上行链路接收器信道估计，以便估计用于该上行链路接收器的信道；

所述复杂度降低的最小均方差等式关于系统性能做出多项假设，并且替换所述最小均方差等式中的因数以降低等式计算的复杂度，这导致减少处理时间并且减少系统开销的使用。

20.权利要求19的系统，其中，一个所替换的因数是用其期望E{(XX^*)^-1}来替换所述最小均方差等式中的(XX^*)^-1项。

21.权利要求19的系统，其中，关于系统性能的一项假设是信号星座图在RS符号中的所有子载波上都是相同的，并且在所有星座图点上具有相等概率，E{(XX^*)^-1}＝E{|1/Xk|²}I，其中I是单位矩阵。

22.权利要求19的系统，其中，关于系统性能的一项假设是定义平均SNR＝E{|Xk|²}/σ_N ²、β＝E{|Xk|²}/E{|1/Xk|²}项和σ_N ²(XX^*)^-1＝(β/SNR)I项，其中β是只取决于信号星座图的常数。

23.权利要求19的系统，其中，关于系统性能的一项假设是定义以下各项的其中之一：对于QPSK星座图，β＝1；对于16QAM星座图，β＝0.5294；以及对于64-QAM传输，β＝0.3724。

24.权利要求19的系统，其中，关于系统性能的一项假设是假设对于LTE上行链路传输，R_HH矩阵只取决于子载波间距和信道的r.m.s延迟扩展。

25.权利要求19的系统，其中，关于系统性能的一项假设是假设相同的矩阵能够被用于几个子帧，直到接收到不同的SNR估计为止，即使启用序列和群组跳跃。

26.权利要求19的系统，其中，通过利用生成LTE上行链路RS模式的信道自相关的过程中的简便性获得所述等式中的一个简化因数。

27.权利要求19的系统，其中，关于系统性能的一项假设是假设指数衰减的功率延迟分布图(这是针对信道功率分布图的广为接受的行业标准)。

28.权利要求19的系统，其中，一个所替换的因数是对于LTE上行链路RS模式把所述RS模式当中的时间相关函数设定到1，这与所有参考符号都处于相同的OFDM符号中这一事实有关。

29.权利要求19的系统，其中，关于系统性能的一项假设是在生成R_HH的过程中对于r.m.s延迟扩展假设2usec的数值，这是因为仿真表明信道估计的精度对于所述r.m.s延迟扩展值不太敏感。

28.权利要求19的系统，其中，关于系统性能的一项假设是对于每一个时隙(持续时间为0.5msec)估计其中y是所接收到的RS符号矢量，X是所述UL RS符号中的已知发送的CAZAC序列矢量。

29.权利要求19的系统，其中，关于系统性能的一项假设是在用户装备正连续发送的情况下从先前的时隙/子帧获得SNR估计。

30.权利要求19的系统，其中，关于系统性能的一项假设是在不连续发送的情况下利用信道估计

获得SNR估计，因为仿真表明信道估计性能对于SNR估计误差是鲁棒的。

31.权利要求1的系统，其中，关于系统性能的一项假设是对于β(对于QPSK是1，对于16-QAM是0.5294，对于64-QAM是0.3724)、SNR估计和R_HH使用已知的数值。

32.权利要求19的系统，其中，所述发送器利用线性内插和参考信号的最小均方差估计生成数据信道估计。

33.权利要求19的系统，其中，所估计的SNR处于实际信道SNR的-3dB内。

34.权利要求19的系统，其中，所述接收器利用自适应步骤、最大多普勒扩展的估计以及参考信号信道来内插数据信道。

35.一种估计上行链路接收器信道的无线通信系统，所述系统具有发送器和接收器，并且利用复杂度降低的最小均方差(MMSE)等式

来计算所述上行链路接收器信道，以便估计用于该上行链路接收器的信道。

36.权利要求35的系统，其中，所述接收器利用线性内插和参考信号的最小均方差估计生成数据信道估计。

37.权利要求35的系统方法，其中，所估计的SNR处于实际信道SNR的-3dB内。

38.权利要求35的系统，其中，所述接收器利用自适应步骤、最大多普勒扩展的估计以及参考信号信道来内插数据信道。

Images