CN102246478B - 信道估计方法和装置 - Google Patents

信道估计方法和装置 Download PDF

Info

Publication number
CN102246478B
CN102246478B CN201180000278.3A CN201180000278A CN102246478B CN 102246478 B CN102246478 B CN 102246478B CN 201180000278 A CN201180000278 A CN 201180000278A CN 102246478 B CN102246478 B CN 102246478B
Authority
CN
China
Prior art keywords
matrix
inverse
training sequence
sub
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201180000278.3A
Other languages
English (en)
Other versions
CN102246478A (zh
Inventor
綦睿
袁佳杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changshu intellectual property operation center Co.,Ltd.
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN102246478A publication Critical patent/CN102246478A/zh
Application granted granted Critical
Publication of CN102246478B publication Critical patent/CN102246478B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • H04L25/0244—Channel estimation channel estimation algorithms using matrix methods with inversion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种信道估计方法和装置，涉及通信领域。为解决现有技术中芯片内部的数据存储量较大的问题而发明。本发明实施例提供的技术方案包括：矩阵存储单元，用于存储中间逆矩阵；矩阵获取单元，用于从矩阵存储单元存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵；逻辑计算单元，用于将矩阵获取单元获取的子逆矩阵与两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，得到信道估计因子；信道估计单元，用于根据逻辑计算单元计算得到的信道估计因子完成信道估计过程。

Description

信道估计方法和装置
技术领域
本发明涉及通信领域，尤其涉及一种信道估计方法和装置。
背景技术
随着全球移动通信系统(Global System for MobileCommunication，GSM)用户数量的增加，语音业务的需求也随之增加，给现有网络带来了巨大的压力。为了缓解现有网络的压力，提出了语音业务多用户正交子信道(Voice Service Over Adaptive Multi-userOrthogonal Sub Channels，VAMOS)技术，它将两个用户复用到同一个时隙上，提高了每个基站收发台(Base Transceiver Station，BTS)的语音容量，从而能够更充分的利用现有的网络硬件资源，提高了频谱资源的利用率。
VAMOS技术中将两个用户复用在同一个时隙上，是通过将新的语音信道加入到原有语音信道中实现的，即如果第一个语音信道被占用，一个与第一个语音信道正交的子信道将会被用来当做另一个语音信道，从而达到加倍语音容量的目的。为了最大限度的提高每个BTS的语音容量，新的语音信道的引入有如下原则：新的语音信道与原有语音信道的互相关性最低。
现有技术中，使用VAMOS两个用户联合信道估计算法估计新的语音信道与原有语音信道的相关性，其具体过程包括：首先通过可以代表新的语音信道与原有语音信道的两个用户的训练序列号获取信道估计因子；然后将该信道估计因子用于VAMOS两用户联合信道检测，得到信道检测结果；最后将该结果用于VAMOS强弱用户联合信道检测以及后续其他检测。其中，通过可以代表新的语音信道与原有语音信道的两个用户的训练序列号获取信道估计因子的过程包括：从预先存储的信道估计因子中，获取两个用户的训练序列号相应的信道估计因子，该预先存储的信道估计因子为：y＝(ATA)-1AT，其中A为44*20的矩阵，具有如下格式：
Figure BDA0000062390000000021
其中Aj为22*5的矩阵，j＝0、1；Aj是由两个用户的训练序列号对应的训练序列生成的；由于两个用户的训练序列号对应的训练序列均有16种可能，因此每一个Aj有16种可能。
从上述过程可以看出信道估计过程处于VAMOS两个用户联合信道估计算法的最前端，其计算精度及实现方式对VAMOS两个用户联合信道估计算法的影响较大。在实现本发明的过程中，发明人发现，由于需要预先存储信道估计因子，使得信道估计因子采用x比特量化时，芯片的数据存储量为2*22*5*16*16*x＝56320x比特，芯片的数据存储量较大，提高了芯片的成本。
发明内容
本发明的实施例提供一种信道估计方法和装置，能够存储少量数据实现信道估计。
一方面，提供了一种信道估计装置，包括：
矩阵存储单元，用于存储中间逆矩阵；
矩阵获取单元，用于从所述矩阵存储单元存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵；
逻辑计算单元，用于将所述矩阵获取单元获取的子逆矩阵与所述两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，得到信道估计因子；
信道估计单元，用于根据所述逻辑计算单元计算得到的所述信道估计因子完成信道估计过程。
另一方面，提供了一种信道估计方法，包括：从预先存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵；将所述子逆矩阵与所述两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，得到信道估计因子；根据计算得到的所述信道估计因子完成信道估计过程。
本发明实施例提供的信道估计方法和装置，通过逻辑计算单元将矩阵存储单元存储的中间逆矩阵中两个用户的训练序列号相应的子逆矩阵，与训练序列号对应的训练序列生成的矩阵进行乘加逻辑计算，得到信道估计因子完成信道估计。由于只需对中间逆矩阵进行存储，即采用x比特量化时，最大数据存储量为x*(16*25+16*16*25)＝6800x比特，使得本发明实施例提供的技术方案能够减少芯片的数据存储量，从而减小芯片的面积，有效降低芯片的成本。本发明实施例解决了现有技术中芯片的数据存储量较大的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的信道估计装置的结构示意图；
图2为本发明实施例二提供的信道估计装置的结构示意图；
图3为图2所示的信道估计装置中第一矩阵计算模块的结构示意图；
图4为图2所示的信道估计装置中第二矩阵计算模块的结构示意图；
图5为本发明实施例三提供的信道估计方法的流程图；
图6为本发明实施例四提供的信道估计方法的流程图；
图7为本发明实施例五提供的信道估计方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有技术中芯片内部的数据存储量较大的问题，提出了一种信道估计方法和装置。
如图1所示，本发明实施例一提供的信道估计装置，包括：
矩阵存储单元101，用于存储中间逆矩阵。
在本实施例中，矩阵存储单元101中存储的中间逆矩阵，可以存储该中间逆矩阵中各个矩阵的全部元素；也可以根据该中间逆矩阵中各个矩阵的特性，存储各个矩阵相应的元素，例如该中间逆矩阵中某个矩阵为对称矩阵时，存储该矩阵的一半元素等；还可以通过其他方式存储该中间逆矩阵，在此不再一一赘述。
矩阵获取单元102，用于从矩阵存储单元存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵。
在本实施例中，矩阵获取单元102获取的子逆矩阵，可以是根据两个用户的训练序列号与中间逆矩阵的映射关系，从矩阵存储单元101存储的中间逆矩阵中获取的；也可以是通过其他方式从矩阵存储单元101存储的中间逆矩阵中获取的，在此不再一一赘述。
逻辑计算单元103，用于将矩阵获取单元获取的子逆矩阵与两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，得到信道估计因子。
在本实施例中，逻辑计算单元103中将子逆矩阵与两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，可以包括对该子逆矩阵和训练序列生成的矩阵进行乘法逻辑运算、加法逻辑运算和转置运算等，在此不再一一赘述。
信道估计单元104，用于根据逻辑计算单元计算得到的信道估计因子完成信道估计过程。
在本实施例中，通过信道估计单元104完成信道估计过程，可以包括将逻辑计算单元103计算得到的信道估计因子用于VAMOS两个用户联合信道检测，得到检测结果；并将该检测结果用于VAMOS强弱用户联合信道检测及其他后续检测等，在此不再一一赘述。
本发明实施例提供的信道估计装置，通过逻辑计算单元将矩阵存储单元存储的中间逆矩阵中两个用户的训练序列号相应的子逆矩阵，与训练序列号对应的训练序列生成的矩阵进行乘加逻辑计算，得到信道估计因子实现信道估计。由于只需对中间逆矩阵进行存储，即采用x比特量化时，最大的数据存储量为x*(16*25+16*16*25)＝6800x比特，使得本发明实施例提供的技术方案能够减少芯片的数据存储量，从而减小芯片的面积，有效降低芯片的成本。本发明实施例解决了现有技术中芯片的数据存储量较大的问题。
如图2所示，本发明实施例二提供的信道估计装置，包括：
d矩阵存储模块201，用于存储中间逆矩阵中的d矩阵，该d矩阵为
Figure BDA0000062390000000051
矩阵。
在本实施例中，d矩阵存储模块201存储的矩阵中，A0、A1是由所述两个用户的训练序列号对应的训练序列生成的22*5的矩阵；由于两个用户的训练序列号对应的训练序列有16种可能，因此每一个A0、A1都有16种可能。
在本实施例中，d矩阵存储模块201可以通过第一存储子模块存储d矩阵的全部元素；由于即d矩阵为对称矩阵，因此d矩阵存储模块201还可以通过第二存储子模块存储d矩阵的一半元素；由于
Figure BDA0000062390000000054
当
Figure BDA0000062390000000055
Figure BDA0000062390000000056
时，BT＝PAT，即A和B可以线性转化，其对应的脉冲响应也可以线性转化，因此d矩阵存储模块201也可以通过第三存储子模块存储两个用户中用户1的训练序列号小于两个用户中用户2的训练序列号的d矩阵的元素；由于d矩阵既为对称矩阵，并且A和B的脉冲响应可以线性转化，因此d矩阵存储模块201可以通过第四存储子模块存储d矩阵的一半元素中，两个用户中用户1的训练序列号小于两个用户中用户2的训练序列号的元素；d矩阵存储模块201还可以通过其他方式存储d矩阵的元素，在此不再一一赘述。
在本实施例中，d矩阵存储模块201通过第一存储子模块存储d矩阵的元素，采用x比特量化时，数据存储量为16*16*25*x＝6656x比特；d矩阵存储模块201通过第二存储子模块存储d矩阵的元素，采用x比特量化时，数据存储量为16*16*15*x＝3840x比特；d矩阵存储模块201通过第三存储子模块存储d矩阵的元素，采用x比特量化时，数据存储量为120*25*x＝3000x比特；d矩阵存储模块201通过第四存储子模块存储d矩阵的元素，采用x比特量化时，数据存储量为120*15*x＝1800x比特。其中，d矩阵存储模块201通过第一存储子模块存储d矩阵的元素时，由于每一个A0、A1都有16种可能，且d矩阵为5*5的矩阵，因此采用x比特量化时，数据存储量为16*16*25*x＝6656x比特；d矩阵存储模块201通过第二存储子模块存储d矩阵的元素时，由于每一个A0、A1都有16种可能，且d矩阵为5*5的矩阵，存储一半元素时，每个需要存储15个元素，因此采用x比特量化时，数据存储量为16*16*15*x＝3840x比特；d矩阵存储模块201通过第三存储子模块存储d矩阵的元素时，由于只需存储两个用户中用户1的训练序列号小于两个用户中用户2的训练序列号的d矩阵的元素，且用户1和用户2的训练序列号都有16种可能，因此当用户1的训练序列号为0时，需要存储15个d矩阵；当用户1的训练序列号为1时，需要存储14个d矩阵；当用户1的训练序列号为2时，需要存储14个d矩阵；......；当用户1的训练序列号为15时，需要存储0个d矩阵，因此d矩阵共有15+14+13+......+1+0＝120个，因此采用x比特量化时，数据存储量为120*25*x＝3000x比特；d矩阵存储模块201通过第四存储子模块存储d矩阵的元素的数据存储量，与上述计算过程相似，在此不再一一赘述。
逆矩阵存储模块202，用于存储中间逆矩阵中的逆矩阵，该逆矩阵为矩阵。
在本实施例中，逆矩阵存储模块202存储的
Figure BDA0000062390000000072
矩阵，A0、A1是由所述两个用户的训练序列号对应的训练序列生成的22*5的矩阵；由于两个用户的训练序列号对应的训练序列有16种可能，因此每一个A0、A1都有16种可能。
在本实施例中，逆矩阵存储模块202可以通过第五存储子模块存储逆矩阵的全部元素；由于
Figure BDA0000062390000000073
即逆矩阵为对称矩阵，因此逆矩阵存储模块202也可以通过第六存储子模块存储逆矩阵的一半元素；逆矩阵存储模块202还可以通过其他方式存储逆矩阵的元素，在此不再一一赘述。
在本实施例中，逆矩阵存储模块202通过第五存储子模块存储逆矩阵的元素，采用x比特量化时，数据存储量为15*25*x＝400x比特；逆矩阵存储模块202通过第六存储子模块存储逆矩阵的元素，采用x比特量化时，数据存储量为16*15*x＝240x比特。其中，逆矩阵存储模块202通过第五存储子模块存储逆矩阵的元素时，由于由于每一个A0、A1都有16种可能，且逆矩阵为5*5的矩阵，因此采用x比特量化时，数据存储量为15*25*x＝400x比特；逆矩阵存储模块202通过第六存储子模块存储逆矩阵的元素时，由于由于每一个A0、A1都有16种可能，且逆矩阵为5*5的矩阵，存储一般元素时，每个需要存储15个元素，因此采用x比特量化时，数据存储量为16*15*x＝240x比特。
子逆矩阵获取模块203，用于从d矩阵存储模块和逆矩阵存储模块存储的d矩阵和逆矩阵中获取两个用户的训练序列号相应的子逆矩阵d1和m1。
在本实施例中，子逆矩阵获取模块203获取的逆矩阵d1和m1，可以是根据两个用户的训练序列号与d矩阵存储模块201和逆矩阵存储模块202存储的d矩阵和逆矩阵的映射关系，从d矩阵存储模块201和逆矩阵存储模块202存储的d矩阵和逆矩阵中获取的；也可以是通过其他方式从d矩阵存储模块201和逆矩阵存储模块202存储的d矩阵和逆矩阵中获取的，在此不再一一赘述。
第一矩阵计算模块204，用于将子逆矩阵获取模块获取的子逆矩阵d1和m1，与训练序列生成的矩阵进行乘加逻辑运算，得到
Figure BDA0000062390000000081
矩阵。
在本实施例中，第一矩阵计算模块204得到的
Figure BDA0000062390000000082
矩阵中，b矩阵为
Figure BDA0000062390000000083
该训练序列生成的矩阵可以为A0和A1。
进一步的，如图3所示，本实施例中第一矩阵计算模块204，还可以包括：
第一计算子模块2041，用于将A0、A1进行乘法逻辑运算，得到
Figure BDA0000062390000000084
矩阵。
第二计算子模块2042，用于将
Figure BDA0000062390000000085
矩阵与子逆矩阵m1进行乘法逻辑运算，得到t矩阵，该t矩阵为
Figure BDA0000062390000000086
第三计算子模块2043，用于将t矩阵与d1矩阵进行乘法逻辑运算，得到b矩阵，该b矩阵为-t*d1。
第四计算子模块2044，用于将b矩阵与A0进行乘法逻辑运算，得到
Figure BDA0000062390000000087
矩阵。
第五计算子模块2045，用于将d1矩阵与A1进行乘法逻辑运算，得到
Figure BDA0000062390000000091
矩阵。
第六计算子模块2046，用于将所述
Figure BDA0000062390000000092
矩阵与所述
Figure BDA0000062390000000093
矩阵进行加法逻辑运算，得到所述矩阵。
第二矩阵计算模块205，用于将子逆矩阵获取模块获取的子逆矩阵d1和m1，与训练序列生成的矩阵进行乘加逻辑计算，得到
Figure BDA0000062390000000095
矩阵。
在本实施例中，第二矩阵计算模块205得到的
Figure BDA0000062390000000096
矩阵中，a矩阵为
Figure BDA0000062390000000097
该训练序列生成的矩阵可以为A0和A1。
进一步的，如图4所示，本实施例中第二矩阵计算模块205，还可以包括：
第一计算子模块2051，用于将A0、A1进行乘法逻辑运算，得到
Figure BDA0000062390000000098
矩阵。
第二计算子模块2052，用于将
Figure BDA0000062390000000099
矩阵与子逆矩阵m1进行乘法逻辑运算，得到t矩阵，该t矩阵为
Figure BDA00000623900000000910
第三计算子模块2053，用于将t矩阵与d1矩阵进行乘法逻辑运算，得到b矩阵，该b矩阵为-t*d1。
第七计算子模块2054，用于将b矩阵与t矩阵进行乘法逻辑运算，得到b*[t]T矩阵。
第八计算子模块2055，用于将子逆矩阵m1与b*[t]T矩阵进行乘法逻辑运算，得到a矩阵，该a矩阵为m1+b*[t]T。
第九计算子模块2056，用于将所述a矩阵与A0进行乘法逻辑运算，得到
Figure BDA00000623900000000911
矩阵。
第十计算子模块2057，用于将所述b矩阵与A1进行乘法逻辑运算，得到矩阵。
第十一计算子模块2058，用于将所述
Figure BDA00000623900000000913
矩阵与所述
Figure BDA00000623900000000914
矩阵进行加法逻辑运算，得到所述矩阵。
拼接模块206，用于将第一矩阵计算模块得到的
Figure BDA0000062390000000101
矩阵和第二矩阵计算模块得到的
Figure BDA0000062390000000102
矩阵拼接，得到信道估计因子
Figure BDA0000062390000000103
信道估计模块207，用于根据逻辑计算单元计算得到的信道估计因子完成信道估计过程。
在本实施例中，通过信道估计模块207完成信道估计过程，可以包括将拼接模块206拼接得到的信道估计因子用于VAMOS两个用户联合信道检测，得到检测结果；并将该检测结果用于VAMOS强弱用户联合信道检测及其他后续检测等，在此不再一一赘述。
本发明实施例提供的信道估计装置，采用x比特量化时，最大数据存储量为x*(16*25+16*16*25)＝6800x比特，仅为原有算法的6800x/56320x＝12.07％，可以节省大量的存储空间。
本发明实施例提供的信道估计装置，通过逻辑计算单元将矩阵存储单元存储的中间逆矩阵中两个用户的训练序列号相应的子逆矩阵，与训练序列号对应的训练序列生成的矩阵进行乘加逻辑计算，得到信道估计因子实现信道估计。由于只需对中间逆矩阵进行存储，即采用x比特量化时，最大数据存储量为x*(16*25+16*16*25)＝6800x比特，使得本发明实施例提供的技术方案能够减少芯片的数据存储量，从而减小芯片的面积，有效降低芯片的成本。本发明实施例解决了现有技术中芯片的数据存储量较大的问题。
如图5所示，本发明实施例三提供的信道估计方法，包括：
步骤501，从预先存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵。
在本实施例中，所述预先存储的中间逆矩阵，可以存储该中间逆矩阵中各个矩阵的全部元素；也可以根据该中间逆矩阵中各个矩阵的特性，存储各个矩阵相应的元素，例如该中间逆矩阵中某个矩阵为对称矩阵时，存储该矩阵的一半元素等；还可以通过其他方式存储该中间逆矩阵，在此不再一一赘述。
在本实施例中，通过步骤501获取的子逆矩阵，可以是根据两个用户的训练序列号与中间逆矩阵的映射关系，从预先存储的中间逆矩阵中获取的；也可以是通过其他方式从预先存储的中间逆矩阵中获取的，在此不再一一赘述。
步骤502，将子逆矩阵与两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，得到信道估计因子。
在本实施例中，将子逆矩阵与两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，可以包括对该子逆矩阵和训练序列生成的矩阵进行乘法逻辑运算、加法逻辑运算和转置运算等，在此不再一一赘述。
步骤503，根据计算得到的信道估计因子完成信道估计过程。
在本实施例中，通过步骤503完成信道估计过程，可以包括将通过步骤502计算得到的信道估计因子用于VAMOS两个用户联合信道检测，得到检测结果；并将该检测结果用于VAMOS强弱用户联合信道检测及其他后续检测等，在此不再一一赘述。
本发明实施例提供的信道估计方法，通过将预先存储的中间逆矩阵中两个用户的训练序列号相应的子逆矩阵，与训练序列号对应的训练序列生成的矩阵进行乘加逻辑计算，从而得到信道估计因子实现信道估计。由于只需对中间逆矩阵进行预先存储，即采用x比特量化时，最大的数据存储量为x*(16*25+16*16*25)＝6800x比特，使得本发明实施例提供的技术方案能够减少芯片的数据存储量，从而减小芯片的面积，有效降低芯片的成本。本发明实施例解决了现有技术中芯片的数据存储量较大的问题。
如图6所示，本发明实施例四提供的信道估计方法，包括：
步骤601，存储中间逆矩阵中的d矩阵和逆矩阵，d矩阵为
Figure BDA0000062390000000121
矩阵，逆矩阵为
Figure BDA0000062390000000122
矩阵。
在本实施例中，通过步骤601存储的d矩阵和逆矩阵中，A0、A1是由所述两个用户的训练序列号对应的训练序列生成的22*5的矩阵；由于两个用户的训练序列号对应的训练序列有16种可能，因此每一个A0、A1都有16种可能。
在本实施例中，存储中间逆矩阵中的d矩阵时，步骤601可以通过方法一存储d矩阵的全部元素；由于
Figure BDA0000062390000000123
即d矩阵为对称矩阵，因此步骤601还可以通过方法二存储d矩阵的一半元素；由于
Figure BDA0000062390000000124
当
Figure BDA0000062390000000126
时，BT＝PAT，即A和B可以线性转化，其对应的脉冲响应也可以线性转化，因此步骤601也可以通过方法三存储两个用户中用户1的训练序列号小于两个用户中用户2的训练序列号的d矩阵的元素；由于d矩阵既为对称矩阵，并且A和B的脉冲响应可以线性转化，因此步骤601可以通过方法四存储d矩阵的一半元素中，两个用户中用户1的训练序列号小于两个用户中用户2的训练序列号的元素；步骤601还可以通过其他方法存储d矩阵的元素，在此不再一一赘述。
在本实施例中，步骤601通过方法一存储d矩阵的元素，采用x比特量化时，数据存储量为16*16*25*x＝6656x比特；步骤601通过方法二存储d矩阵的元素，采用x比特量化时，数据存储量为16*16*15*x＝3840x比特；步骤601通过方法三存储d矩阵的元素，采用x比特量化时，数据存储量为120*25*x＝3000x比特；步骤601通过方法四存储d矩阵的元素，采用x比特量化时，数据方法一第一存储子模块存储d矩阵的元素时，由于每一个A0、A1都有16种可能，且d矩阵为5*5的矩阵，因此采用x比特量化时，数据存储量为16*16*25*x＝6656x比特；步骤601通过方法二存储d矩阵的元素时，由于每一个A0、A1都有16种可能，且d矩阵为5*5的矩阵，存储一半元素时，每个需要存储15个元素，因此采用x比特量化时，数据存储量为16*16*15*x＝3840x比特；步骤601通过方法三存储d矩阵的元素时，由于只需存储两个用户中用户1的训练序列号小于两个用户中用户2的训练序列号的d矩阵的元素，且用户1和用户2的训练序列号都有16种可能，因此当用户1的训练序列号为0时，需要存储15个d矩阵；当用户1的训练序列号为1时，需要存储14个d矩阵；当用户1的训练序列号为2时，需要存储14个d矩阵；......；当用户1的训练序列号为15时，需要存储0个d矩阵，因此d矩阵共有15+14+13+......+1+0＝120个，因此采用x比特量化时，数据存储量为120*25*x＝3000x比特；步骤601通过方法四存储d矩阵的元素的数据存储量，与上述计算过程相似，在此不再一一赘述。
在本实施例中，步骤601可以通过方法五存储逆矩阵的全部元素；由于即逆矩阵为对称矩阵，因此步骤601也可以通过方法六存储逆矩阵的一半元素；步骤601还可以通过其他方法存储逆矩阵的元素，在此不再一一赘述。
在本实施例中，步骤601通过方法五存储逆矩阵的元素，采用x比特量化时，数据存储量为15*25*x＝400x比特；步骤601通过方法六存储逆矩阵的元素，采用x比特量化时，数据存储量为16*15*x＝240x比特。其中，步骤601通过方法五存储逆矩阵的元素时，由于由于每一个A0、A1都有16种可能，且逆矩阵为5*5的矩阵，因此采用x步骤601通过方法六存储逆矩阵的元素时，由于由于每一个A0、A1都有16种可能，且逆矩阵为5*5的矩阵，存储一般元素时，每个需要存储15个元素，因此采用x比特量化时，数据存储量为16*15*x＝240x比特。
步骤602，从预先存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵。
在本实施例中，步骤602中的子逆矩阵，可以是根据两个用户的训练序列号与中间逆矩阵的映射关系，从预先存储的中间逆矩阵中获取的；也可以是通过其他方式从预先存储的中间逆矩阵中获取的，在此不再一一赘述。
步骤603，将子逆矩阵与两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，得到信道估计因子。
在本实施例中，步骤603中将子逆矩阵与两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，可以包括对该子逆矩阵和训练序列生成的矩阵进行乘法逻辑运算、加法逻辑运算和转置运算等，在此不再一一赘述。
步骤604，根据计算得到的所述信道估计因子完成信道估计过程。
在本实施例中，通过步骤604完成信道估计过程，可以包括将通过步骤603计算得到的信道估计因子用于VAMOS两个用户联合信道检测，得到检测结果；并将该检测结果用于VAMOS强弱用户联合信道检测及其他后续检测等，在此不再一一赘述。
本发明实施例提供的信道估计方法，采用x比特量化时，最大数据存储量为x*(16*25+16*16*25)＝6800x比特，仅为原有算法的6800x/56320x＝12.07％，可以节省大量的存储空间。
本发明实施例提供的信道估计方法，通过将预先存储的中间逆矩阵中两个用户的训练序列号相应的子逆矩阵，与训练序列号对应的训练序列生成的矩阵进行乘加逻辑计算，从而得到信道估计因子实现信道估计。由于只需对中间逆矩阵进行预先存储，即采用x比特量化时，最大的数据存储量为x*(16*25+16*16*25)＝6800x比特，使得本发明实施例提供的技术方案能够减少芯片的数据存储量，从而减小芯片的面积，有效降低芯片的成本。本发明实施例解决了现有技术中芯片的数据存储量较大的问题。
如图7所示，本发明实施例五提供的信道估计方法，包括：
步骤701，存储中间逆矩阵中的d矩阵和逆矩阵，d矩阵为
Figure BDA0000062390000000151
矩阵，逆矩阵为
Figure BDA0000062390000000152
矩阵。
在本实施例中，通过步骤701存储的d矩阵和逆矩阵中，A0、A1是由所述两个用户的训练序列号对应的训练序列生成的22*5的矩阵；由于两个用户的训练序列号对应的训练序列有16种可能，因此每一个A0、A1都有16种可能。
在本实施例中，存储中间逆矩阵中的d矩阵时，步骤701可以通过方法一存储d矩阵的全部元素；由于
Figure BDA0000062390000000153
即d矩阵为对称矩阵，因此步骤701还可以通过方法二存储d矩阵的一半元素；由于
Figure BDA0000062390000000154
当
Figure BDA0000062390000000155
Figure BDA0000062390000000156
时，BT＝PAT，即A和B可以线性转化，其对应的脉冲响应也可以线性转化，因此步骤701也可以通过方法三存储两个用户中用户1的训练序列号小于两个用户中用户2的训练序列号的d矩阵的元素；由于d矩阵既为对称矩阵，并且A和B的脉冲响应可以线性转化，因此步骤701可以通过方法四存储d矩阵的一半元素中，两个用户中用户1的训练序列号小于两个用户中用户2的训练序列号的元素；步骤701还可以通过其他方法存储d矩阵的元素，在此不再一一赘述。
在本实施例中，步骤701通过方法一存储d矩阵的元素，采用x比特量化时，数据存储量为16*16*25*x＝6656x比特；步骤701通过方法二存储d矩阵的元素，采用x比特量化时，数据存储量为16*16*15*x＝3840x比特；步骤701通过方法三存储d矩阵的元素，采用x比特量化时，数据存储量为120*25*x＝3000x比特；步骤701通过方法四存储d矩阵的元素，采用x比特量化时，数据方法一第一存储子模块存储d矩阵的元素时，由于每一个A0、A1都有16种可能，且d矩阵为5*5的矩阵，因此采用x比特量化时，数据存储量为16*16*25*x＝6656x比特；步骤701通过方法二存储d矩阵的元素时，由于每一个A0、A1都有16种可能，且d矩阵为5*5的矩阵，存储一半元素时，每个需要存储15个元素，因此采用x比特量化时，数据存储量为16*16*15*x＝3840x比特；步骤701通过方法三存储d矩阵的元素时，由于只需存储两个用户中用户1的训练序列号小于两个用户中用户2的训练序列号的d矩阵的元素，且用户1和用户2的训练序列号都有16种可能，因此当用户1的训练序列号为0时，需要存储15个d矩阵；当用户1的训练序列号为1时，需要存储14个d矩阵；当用户1的训练序列号为2时，需要存储14个d矩阵；......；当用户1的训练序列号为15时，需要存储0个d矩阵，因此d矩阵共有15+14+13+......+1+0＝120个，因此采用x比特量化时，数据存储量为120*25*x＝3000x比特；步骤701通过方法四存储d矩阵的元素的数据存储量，与上述计算过程相似，在此不再一一赘述。
在本实施例中，步骤701可以通过方法五存储逆矩阵的全部元素；由于
Figure BDA0000062390000000161
即逆矩阵为对称矩阵，因此步骤701也可以通过方法六存储逆矩阵的一半元素；步骤701还可以通过其他方法存储逆矩阵的元素，在此不再一一赘述。
在本实施例中，步骤701通过方法五存储逆矩阵的元素，采用x比特量化时，数据存储量为15*25*x＝400x比特；步骤701通过方法六存储逆矩阵的元素，采用x比特量化时，数据存储量为16*15*x＝240x比特。其中，步骤701通过方法五存储逆矩阵的元素时，由于由于每一个A0、A1都有16种可能，且逆矩阵为5*5的矩阵，因此采用x步骤701通过方法六存储逆矩阵的元素时，由于由于每一个A0、A1都有16种可能，且逆矩阵为5*5的矩阵，存储一般元素时，每个需要存储15个元素，因此采用x比特量化时，数据存储量为16*15*x＝240x比特。
步骤702，从d矩阵和逆矩阵中获取两个用户的训练序列号相应的子逆矩阵d1和m1。
在本实施例中，步骤702获取的逆矩阵d1和m1，可以是根据两个用户的训练序列号与通过步骤701存储的d矩阵和逆矩阵的映射关系，从步骤701存储的d矩阵和逆矩阵中获取的；也可以是通过其他方式从步骤701存储的d矩阵和逆矩阵中获取的，在此不再一一赘述。
步骤703，将子逆矩阵d1和m1，与训练序列生成的矩阵进行乘加逻辑运算，得到
Figure BDA0000062390000000171
矩阵。
在本实施例中，步骤703得到的
Figure BDA0000062390000000172
矩阵中，b矩阵为
Figure BDA0000062390000000173
该训练序列生成的矩阵可以为A0和A1。
在本实施例中，通过步骤703得到矩阵的过程，具体可以包括：
一、将A0、A1进行乘法逻辑运算，得到
Figure BDA0000062390000000175
矩阵。
二、将
Figure BDA0000062390000000176
矩阵与子逆矩阵m1进行乘法逻辑运算，得到t矩阵，t矩阵为
Figure BDA0000062390000000177
三、将t矩阵与d1矩阵进行乘法逻辑运算，得到b矩阵，b矩阵为-t*d1。
四、将b矩阵与矩阵A0进行乘法逻辑运算，得到
Figure BDA0000062390000000178
矩阵。
五、将d1矩阵与矩阵A1进行乘法逻辑运算，得到
Figure BDA0000062390000000181
矩阵。
六、将矩阵与
Figure BDA0000062390000000183
矩阵进行加法逻辑运算，得到
Figure BDA0000062390000000184
矩阵。
步骤704，将子逆矩阵d1和m1，与训练序列生成的矩阵进行乘加逻辑运算，得到
Figure BDA0000062390000000185
矩阵。
在本实施例中，通过步骤704得到的
Figure BDA0000062390000000186
矩阵中，a矩阵为
Figure BDA0000062390000000187
该训练序列生成的矩阵可以为A0和A1。
在本实施例中，通过步骤704得到的
Figure BDA0000062390000000188
矩阵的过程，具体可以包括：
一、将A0、A1进行乘法逻辑运算，得到
Figure BDA0000062390000000189
矩阵。
二、将矩阵与子逆矩阵m1进行乘法逻辑运算，得到t矩阵，t矩阵为
三、将t矩阵与d1矩阵进行乘法逻辑运算，得到b矩阵，b矩阵为-t*d1。
四、将b矩阵与t矩阵进行乘法逻辑运算，得到b*[t]T矩阵。
五、将子逆矩阵m1与b*[t]T矩阵进行乘法逻辑运算，得到a矩阵，a矩阵为m1+b*[t]T。
六、将a矩阵与A0进行乘法逻辑运算，得到矩阵。
七、将b矩阵与A1进行乘法逻辑运算，得到
Figure BDA00000623900000001813
矩阵。
八、将矩阵与
Figure BDA00000623900000001815
矩阵进行加法逻辑运算，得到
Figure BDA00000623900000001816
矩阵。
步骤705，将
Figure BDA00000623900000001817
矩阵与
Figure BDA00000623900000001818
矩阵拼接，得到信道估计因子
Figure BDA00000623900000001819
步骤706，根据计算得到的信道估计因子完成信道估计过程。
在本实施例中，通过步骤706完成信道估计过程，可以包括将通过步骤705计算得到的信道估计因子用于VAMOS两个用户联合信道检测，得到检测结果；并将该检测结果用于VAMOS强弱用户联合信道检测及其他后续检测等，在此不再一一赘述。
本发明实施例提供的信道估计方法，采用x比特量化时，最大数据存储量为x*(16*25+16*16*25)＝6800x比特，仅为原有算法的6800x/56320x＝12.07％，可以节省大量的存储空间。
本发明实施例提供的信道估计方法，通过将预先存储的中间逆矩阵中两个用户的训练序列号相应的子逆矩阵，与训练序列号对应的训练序列生成的矩阵进行乘加逻辑计算，从而得到信道估计因子实现信道估计。由于只需对中间逆矩阵进行预先存储，即采用x比特量化时，最大的数据存储量为x*(16*25+16*16*25)＝6800x比特，使得本发明实施例提供的技术方案能够减少芯片的数据存储量，从而减小芯片的面积，有效降低芯片的成本。本发明实施例解决了现有技术中芯片的数据存储量较大的问题。
本发明实施例提供的信道估计方法和装置，可以应用在VAMOS技术中，检测新的语音信道与原有语音信道的相关性。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (16)

1.一种信道估计装置，其特征在于，包括：
矩阵存储单元，用于存储中间逆矩阵；
矩阵获取单元，用于从所述矩阵存储单元存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵；
逻辑计算单元，用于将所述矩阵获取单元获取的子逆矩阵与所述两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，得到信道估计因子；
信道估计单元，用于根据所述逻辑计算单元计算得到的所述信道估计因子完成信道估计过程。
2.根据权利要求1所述的信道估计装置，其特征在于，所述矩阵存储单元，包括：
d矩阵存储模块，用于存储所述中间逆矩阵中的d矩阵，所述d矩阵为
Figure FDA00003565087200011
矩阵；
逆矩阵存储模块，用于存储所述中间逆矩阵中的逆矩阵，所述逆矩阵为
Figure FDA00003565087200012
矩阵；
其中，所述A0、A1是由所述训练序列生成的22*5的矩阵。
3.根据权利要求2所述的信道估计装置，其特征在于，所述d矩阵存储模块，包括：
第一存储子模块，用于存储所述d矩阵的全部元素；或者，
第二存储子模块，用于存储所述d矩阵的一半元素；或者，
第三存储子模块，用于存储所述两个用户中用户1的训练序列号小于所述两个用户中用户2的训练序列号的d矩阵的元素；或者，
第四存储子模块，用于存储所述d矩阵的一半元素中，所述两个用户中用户1的训练序列号小于所述两个用户中用户2的训练序列号的元素。
4.根据权利要求2所述的信道估计装置，其特征在于，所述逆矩阵存储模块，包括：
第五存储子模块，用于存储所述逆矩阵的全部元素；或者，
第六存储子模块，用于存储所述逆矩阵的一半元素。
5.根据权利要求2所述的信道估计装置，其特征在于，所述矩阵获取单元，包括：
子逆矩阵获取模块，用于从所述d矩阵存储模块和逆矩阵存储模块存储的d矩阵和逆矩阵中获取所述两个用户的训练序列号相应的子逆矩阵d1和m1。
6.根据权利要求5所述的信道估计装置，其特征在于，所述逻辑计算单元，包括：
第一矩阵计算模块，用于将所述子逆矩阵获取模块获取的子逆矩阵d1和m1，与所述训练序列生成的矩阵进行乘加逻辑运算，得到矩阵；
第二矩阵计算模块，用于将所述子逆矩阵获取模块获取的子逆矩阵d1和m1，与所述训练序列生成的矩阵进行乘加逻辑计算，得到
Figure FDA00003565087200023
矩阵；
拼接模块，用于将所述第一矩阵计算模块得到的
Figure FDA00003565087200024
矩阵和所述第二矩阵计算模块得到的
Figure FDA00003565087200025
矩阵拼接，得到所述信道估计因子 a A 0 T + b A 1 T 0 0 a A 0 T + b A 1 T b T A 0 T + d 1 A 1 T 0 0 b T A 0 T + d 1 A 1 T ;
其中，所述b矩阵为
Figure FDA00003565087200026
a矩阵为。
7.根据权利要求6所述的信道估计装置，其特征在于，所述第一矩阵计算模块，包括：
第一计算子模块，用于将所述A0、A1进行乘法逻辑运算，得到
Figure FDA00003565087200028
矩阵；
第二计算子模块，用于将所述
Figure FDA00003565087200031
矩阵与所述子逆矩阵m1进行乘法逻辑运算，得到t矩阵，所述t矩阵为
Figure FDA00003565087200032
；
第三计算子模块，用于将所述t矩阵与所述d1矩阵进行乘法逻辑运算，得到b矩阵，所述b矩阵为-t*d1；
第四计算子模块，用于将所述b矩阵与所述A0进行乘法逻辑运算，得到矩阵；
第五计算子模块，用于将所述d1矩阵与所述A1进行乘法逻辑运算，得到
Figure FDA00003565087200034
矩阵；
第六计算子模块，用于将所述
Figure FDA00003565087200035
矩阵与所述矩阵进行加法逻辑运算，得到所述
Figure FDA00003565087200037
矩阵。
8.根据权利要求6所述的信道估计装置，其特征在于，所述第二矩阵计算模块，包括：
第一计算子模块，用于将所述A0、A1进行乘法逻辑运算，得到
Figure FDA00003565087200038
矩阵；
第二计算子模块，用于将所述
Figure FDA00003565087200039
矩阵与所述子逆矩阵m1进行乘法逻辑运算，得到t矩阵，所述t矩阵为
Figure FDA000035650872000310
；
第三计算子模块，用于将所述t矩阵与所述d1矩阵进行乘法逻辑运算，得到b矩阵，所述b矩阵为-t*d1；
第七计算子模块，用于将所述b矩阵与所述t矩阵进行乘法逻辑运算，得到b*[t]T矩阵；
第八计算子模块，用于将所述子逆矩阵m1与所述b*[t]T矩阵进行乘法逻辑运算，得到a矩阵，所述a矩阵为m1+b*[t]T；
第九计算子模块，用于将所述a矩阵与所述A0进行乘法逻辑运算，得到
Figure FDA000035650872000311
矩阵；
第十计算子模块，用于将所述b矩阵与所述A1进行乘法逻辑运算，得到
Figure FDA00003565087200041
矩阵；
第十一计算子模块，用于将所述矩阵与所述
Figure FDA00003565087200043
矩阵进行加法逻辑运算，得到所述
Figure FDA00003565087200044
矩阵。
9.一种信道估计方法，其特征在于，包括：
从预先存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵；
将所述子逆矩阵与所述两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，得到信道估计因子；
根据计算得到的所述信道估计因子完成信道估计过程。
10.根据权利要求9所述的信道估计方法，其特征在于，所述从预先存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵之前，所述方法还包括：
存储所述中间逆矩阵中的d矩阵和逆矩阵，所述d矩阵为矩阵，所述逆矩阵为
Figure FDA00003565087200046
矩阵；
其中，所述A0、A1是由所述训练序列生成的22*5的矩阵。
11.根据权利要求10所述的信道估计方法，其特征在于，所述存储所述中间逆矩阵中的d矩阵，包括：
存储所述d矩阵的全部元素；或者，
存储所述d矩阵的一半元素；或者，
存储所述两个用户中用户1的训练序列号小于所述两个用户中用户2的训练序列号的d矩阵的元素；或者，
存储所述d矩阵的一半元素中，所述两个用户中用户1的训练序列号小于所述两个用户中用户2的训练序列号的元素。
12.根据权利要求10所述的信道估计方法，其特征在于，所述存储所述中间逆矩阵中的逆矩阵，包括：
存储所述逆矩阵的全部元素；或者，
存储所述逆矩阵的一半元素。
13.根据权利要求10所述的信道估计方法，其特征在于，所述从预先存储的中间逆矩阵中获取两个用户的训练序列号相应的子逆矩阵，包括：
从所述d矩阵和逆矩阵中获取所述两个用户的训练序列号相应的子逆矩阵d1和m1。
14.根据权利要求13所述的信道估计方法，其特征在于，所述将所述子逆矩阵与所述两个用户的训练序列号对应的训练序列生成的矩阵进行乘加逻辑运算，包括：
将所述子逆矩阵d1和m1，与所述训练序列生成的矩阵进行乘加逻辑运算，得到
Figure FDA00003565087200052
矩阵；
将所述子逆矩阵d1和m1，与所述训练序列生成的矩阵进行乘加逻辑运算，得到
Figure FDA00003565087200053
矩阵；
将所述矩阵与所述
Figure FDA00003565087200055
矩阵拼接，得到所述信道估计因子 a A 0 T + b A 1 T 0 0 a A 0 T + b A 1 T b T A 0 T + d 1 A 1 T 0 0 b T A 0 T + d 1 A 1 T ;
其中，所述b矩阵为
Figure FDA00003565087200056
a矩阵为
Figure FDA00003565087200057
。
15.根据权利要求14所述的信道估计方法，其特征在于，所述将所述子逆矩阵d1和m1，与所述训练序列生成的矩阵进行乘加逻辑运算，得到
Figure FDA00003565087200058
矩阵，包括：
将所述A0、A1进行乘法逻辑运算，得到
Figure FDA00003565087200059
矩阵；
将所述
Figure FDA000035650872000510
矩阵与所述子逆矩阵m1进行乘法逻辑运算，得到t矩阵，所述t矩阵为
Figure FDA000035650872000511
；
将所述t矩阵与所述d1矩阵进行乘法逻辑运算，得到b矩阵，所述b矩阵为-t*d1；
将所述b矩阵与所述矩阵A0进行乘法逻辑运算，得到
Figure FDA00003565087200061
矩阵；
将所述d1矩阵与所述矩阵A1进行乘法逻辑运算，得到
Figure FDA00003565087200062
矩阵；
将所述矩阵与所述
Figure FDA00003565087200064
矩阵进行加法逻辑运算，得到所述
Figure FDA00003565087200065
矩阵。
16.根据权利要求14所述的信道估计方法，其特征在于，所述将所述子逆矩阵d1和m1，与所述训练序列生成的矩阵进行乘加逻辑运算，得到
Figure FDA00003565087200066
矩阵，包括：
将所述A0、A1进行乘法逻辑运算，得到
Figure FDA00003565087200067
矩阵；
将所述
Figure FDA00003565087200068
矩阵与所述子逆矩阵m1进行乘法逻辑运算，得到t矩阵，所述t矩阵为
Figure FDA00003565087200069
；
将所述t矩阵与所述d1矩阵进行乘法逻辑运算，得到b矩阵，所述b矩阵为-t*d1；
将所述b矩阵与所述t矩阵进行乘法逻辑运算，得到b*[t]T矩阵；
将所述子逆矩阵m1与所述b*[t]T矩阵进行乘法逻辑运算，得到a矩阵，所述a矩阵为m1+b*[t]T；
将所述a矩阵与所述A0进行乘法逻辑运算，得到矩阵；
将所述b矩阵与所述A1进行乘法逻辑运算，得到
Figure FDA000035650872000611
矩阵；
将所述
Figure FDA000035650872000612
矩阵与所述
Figure FDA000035650872000613
矩阵进行加法逻辑运算，得到所述
Figure FDA000035650872000614
矩阵。
CN201180000278.3A 2011-04-25 2011-04-25 信道估计方法和装置 Active CN102246478B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2011/073249 WO2011110129A2 (zh) 2011-04-25 2011-04-25 信道估计方法和装置

Publications (2)

Publication Number Publication Date
CN102246478A CN102246478A (zh) 2011-11-16
CN102246478B true CN102246478B (zh) 2013-10-09

Family

ID=44563908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180000278.3A Active CN102246478B (zh) 2011-04-25 2011-04-25 信道估计方法和装置

Country Status (2)

Country Link
CN (1) CN102246478B (zh)
WO (1) WO2011110129A2 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103427933B (zh) * 2012-05-15 2018-06-08 深圳市中兴微电子技术有限公司 矢量处理器及其生成扰码序列的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1351427A (zh) * 2000-10-26 2002-05-29 华为技术有限公司 利用训练序列快速进行信道估计的方法和装置
CN1905432A (zh) * 2006-07-31 2007-01-31 华为技术有限公司 一种在多天线数字无线通信系统中检测信号的方法
CN101292481A (zh) * 2005-09-06 2008-10-22 皇家飞利浦电子股份有限公司 一种基于隐训练序列的估计信道的方法和装置
WO2009124568A1 (en) * 2008-04-11 2009-10-15 Trident Microsystems (Far East) Ltd. Method and circuit device for correlation and reshaping based channel estimation in a dtmb receiver

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7203257B2 (en) * 2003-05-23 2007-04-10 Zenith Electronics Corporation Best linear unbiased channel estimation for frequency selective multipath channels with long delay spreads

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1351427A (zh) * 2000-10-26 2002-05-29 华为技术有限公司 利用训练序列快速进行信道估计的方法和装置
CN101292481A (zh) * 2005-09-06 2008-10-22 皇家飞利浦电子股份有限公司 一种基于隐训练序列的估计信道的方法和装置
CN1905432A (zh) * 2006-07-31 2007-01-31 华为技术有限公司 一种在多天线数字无线通信系统中检测信号的方法
WO2009124568A1 (en) * 2008-04-11 2009-10-15 Trident Microsystems (Far East) Ltd. Method and circuit device for correlation and reshaping based channel estimation in a dtmb receiver

Also Published As

Publication number Publication date
CN102246478A (zh) 2011-11-16
WO2011110129A3 (zh) 2012-04-05
WO2011110129A2 (zh) 2011-09-15

Similar Documents

Publication Publication Date Title
CN108234364B (zh) 一种lte-a系统中基于小区参考信号的信道估计方法
CN101707582A (zh) 基于多相分解的多天线信道估计方法
CN101827047B (zh) 一种频域干扰信号消除方法及装置
Mansour Optimized architecture for computing Zadoff-Chu sequences with application to LTE
CN101917356A (zh) LTE系统上行参考信号q阶ZC序列的生成方法及其系统
CN116032702B (zh) 自适应信道估计方法、装置、计算机设备和存储介质
CN100581085C (zh) Td-scdma系统中接收机的联合检测系统及其数据处理方法
JP5032506B2 (ja) 積和演算を実行する方法及び装置
CN101640550B (zh) 检测前导的方法及其装置
CN102246478B (zh) 信道估计方法和装置
EP2709301A1 (en) Reception device, reception method, and computer program
CN104243124B (zh) 探测参考信号信道系数矩阵的计算方法及装置
CN102098252B (zh) 一种干扰消除方法和装置
CN101651900B (zh) 一种在频域内干扰消除的信道估计方法和装置
CN111356151B (zh) 一种数据处理方法及装置、计算机可读存储介质
CN111064495A (zh) 一种时频域联合窄带干扰抑制方法
CN101465828A (zh) 完整噪声相关估计方法及完整噪声相关估计设备
CN103188192A (zh) 应用于视频传感器的基带处理装置
CN102025678B (zh) 信道估计方法、装置及相干检测系统
CN103595663B (zh) 一种发射复数信号的估计方法
CN102130874B (zh) 一种信道估计方法和装置
CN107204817A (zh) 一种干扰检测方法及终端
CN101437003B (zh) 低复杂度帧头模式识别方法
CN102271103B (zh) 一种td-scdma系统中的多小区信道估计方法
CN111131116A (zh) 一种频率偏移估计方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201105

Address after: 215500 No.13, Caotang Road, Changshu, Suzhou, Jiangsu Province

Patentee after: Changshu intellectual property operation center Co.,Ltd.

Address before: Unit 2414-2416, main building, no.371, Wushan Road, Tianhe District, Guangzhou City, Guangdong Province

Patentee before: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd.

Effective date of registration: 20201105

Address after: Unit 2414-2416, main building, no.371, Wushan Road, Tianhe District, Guangzhou City, Guangdong Province

Patentee after: GUANGDONG GAOHANG INTELLECTUAL PROPERTY OPERATION Co.,Ltd.

Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen

Patentee before: HUAWEI TECHNOLOGIES Co.,Ltd.

CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 215500 5th floor, building 4, 68 Lianfeng Road, Changfu street, Changshu City, Suzhou City, Jiangsu Province

Patentee after: Changshu intellectual property operation center Co.,Ltd.

Address before: No.13 caodang Road, Changshu City, Suzhou City, Jiangsu Province

Patentee before: Changshu intellectual property operation center Co.,Ltd.