CN102437976B - 信道估计方法及基站 - Google Patents

Abstract

本发明公开了一种信道估计方法及基站，该方法包括：基站接收终端在各个载波上发送的探测信号，根据接收到的探测信号与预设的与终端对应的探测信号对各个载波进行最小平方信道估计；基站根据最小平方信道估计的结果获取各个载波之间的相关系数；基站根据相关系数获得均方时延，并对均方时延和载波的信噪比进行量化，在预设的量化值与滤波矩阵的对应关系中查找与量化的结果对应的滤波矩阵；基站根据滤波矩阵和最小平方信道估计的结果获取各个载波的最小均方误差信道估计；基站使用最小均方误差信道估计进行线性插值，获得全部频带上各个载波的信道估计。本发明降低了计算的复杂度。

Description

信道估计方法及基站

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及基站。

背景技术

在众多的无线通信技术中，正交频分复用(OrthogonalFrequency Division Multiplexing，简称为OFDM)是最具有应用前景的技术之一。近几年来，由于数字信号处理技术的飞速发展，OFDM作为一种具有较高的频谱利用率和良好的抗多径性能地高速传输技术，引起了广泛的关注。OFDM技术已经成功的应用于数字音频广播(Digital Audio Broadcasting，简称为DAB)、数字视频广播(Digital Video Broadcasting，简称为DVB)、高清晰电视(HighDefinition Television，简称为HDTV)、无线局域网(Wireless LocalArea Network，简称为WLAN)和无线城域网(Wireless MetropolitanArea Network，简称为WMAN)。

波束赋形可以应用到OFDM系统中以提高系统的性能。使用这种技术需要知道信道信息。移动站(Mobile Station，简称为MS)可以向基站(Base Station，简称为BS)发送探测(Sounding)信号，利用信道互易的性质使BS能够知道BS到MS的信道响应。对Sounding信号进行信道估计的算法主要有最小平方(Least Squares，简称为LS)信道估计算法和最小均方误差(Minimum Mean SquareError，简称为MMSE)信道估计算法。LS信道估计算法实现简单，但是估计的精度不高，容易受到高斯噪声的影响，特别是在信噪比较低的情况下更容易受到影响。MMSE信道估计算法可以获得较好的性能。但是，发明人发现，相关技术中的MMSE信道估计方法计算复杂度较高。

发明内容

为解决上述技术问题，本发明提供了一种信道估计方案以解决相关技术中MMSE信道估计计算复杂度较高的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种信道估计方法，该方法包括：基站接收终端在各个载波上发送的探测信号，根据接收到的探测信号与预设的与终端对应的探测信号对各个载波进行最小平方信道估计；基站根据最小平方信道估计的结果获取各个载波之间的相关系数；基站根据相关系数获得均方时延，并对均方时延和载波的信噪比进行量化，在预设的量化值与滤波矩阵的对应关系中查找与量化的结果对应的滤波矩阵；基站根据滤波矩阵和最小平方信道估计的结果获取各个载波的最小均方误差信道估计；基站使用最小均方误差信道估计进行线性插值，获得全部频带上各个载波的信道估计。

为了实现上述目的，根据本发明的另一方面，提供了一种基站，该基站包括：接收模块，用于接收终端在各个载波上发送的探测信号；第一估计模块，用于根据接收到的探测信号与预设的与终端对应的探测信号对各个载波进行最小平方信道估计；第一获取模块，用于根据最小平方信道估计的结果获取各个载波之间的相关系数；第二获取模块，用于根据相关系数获得均方时延，并对均方时延和载波的信噪比进行量化，在预设的量化值与滤波矩阵的对应关系中查找与量化的结果对应的滤波矩阵；第二估计模块，用于根据滤波矩阵和最小平方信道估计的结果获取各个载波的最小均方误差信道估计；第三估计模块，用于使用最小均方误差信道估计进行线性插值，获得全部频带上各个载波的信道估计。

通过本发明，采用预先存储参数量化值与滤波矩阵的对应关系，通过查找对应关系获得滤波矩阵的方式，解决了相关技术中MMSE信道估计计算复杂度较高的问题，进而达到了降低计算复杂度的效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的信道估计方法的流程图；

图2是本发明实施例的MMSE信道估计方法的优选的流程图；

图3是根据本发明实施例的基站的结构框图；

图4为根据本发明实施例的基于特征参数量化的MMSE信道估计装置的结构框图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

实施例一

本发明实施例提供了一种信道估计方法，该方法基于Sounding信号的MMSE信道估计，可以应用于802.16e系统中。图1是根据本发明实施例的信道估计方法的流程图，该方法包括：

步骤S102，基站接收终端在各个载波上发送的探测信号，根据接收到的探测信号与预设的与终端对应的探测信号对各个载波进行最小平方信道估计；

步骤S104，基站根据最小平方信道估计的结果获取各个载波之间的相关系数；

步骤S106，基站根据相关系数获得均方时延，并对该均方时延和载波的信噪比进行量化，在预设的量化值与滤波矩阵的对应关系中查找与量化的结果对应的滤波矩阵；例如，预先在基站中存有滤波矩阵和量化值对应的表，通过查表获取量化结果对应的滤波矩阵。

步骤S108，基站根据滤波矩阵和最小平方信道估计的结果获取各个载波的最小均方误差信道估计；

步骤S110，基站使用最小均方误差信道估计进行线性插值，获得全部频带上各个载波的信道估计。

在该实施例中，采用了预先存储参数量化值与滤波矩阵的对应关系，通过查找对应关系获得滤波矩阵的方式，由于预先计算了滤波矩阵，因此，该实施例降低了进行信道估计时计算的复杂度。

步骤S106还可以采用以下实现方式：

基站使用下面公式获取滤波矩阵W：其中，R_pp是上述获取的相关系数组成的自相关矩阵，组成方法为现有技术，在此不再赘述，为各个载波的噪声，R为接收到的数据。R^H为矩阵的R转置共轭，(RR^H)^-1为RR^H的逆矩阵。

并且，步骤S106中，可以通过以下方式计算均方时延：基站使用公式计算均方时延，其中，L为相邻载波的频率间隔，Δl为各个载波之间的载波个数的间隔，R_pp(Δl)为相关系数，σ_τ为均方时延。

此外，在步骤S106中，对均方时延和载波的信噪比可以通过以下方式进行量化：使用下列公式得到向量量化邻近条件：

$\underset{j=0}{\overset{n_R-1}{\mathrm{\Σ}}}{\∫}_{y_j}^{y_{j+1}}(d(W(x_i,y),W\left(C_{i,j}\right))-d(W(x_i,y),W\left(C_{i+1,j}\right)))p_S\left(x_i\right)p_R\left(y\right)\mathrm{dy}=0$

$\underset{i=0}{\overset{n_S-1}{\mathrm{\Σ}}}{\∫}_{x_i}^{x_{i+1}}(d(W(x,y_j),W\left(C_{i,j}\right))-d(W(x,y_j),W\left(C_{i,j+1}\right)))p_S\left(x\right)p_R\left(y_j\right)\mathrm{dx}=0$

其中，n_S为信噪比的量化阶数，p_S(x)为信噪比的概率分布，信噪比的量化区间为{[x_i-1， x_i)，1≤i≤n_S}，n_R为均方时延的量化阶数，p_R(y)为均方时延的概率分布，均方时延的量化区间为{[y_j-1，y_j)，1≤j≤n_R}，C_i，j为x_S和y_R分别落入[x_i-1，x_i)和[y_j-1，y_j)时的量化样点，W为滤波矩阵，d矩阵W的量化失真；随后，根据获取到的向量量化邻近条件和质心条件对均方时延和载波的信噪比进行量化。

优选地，步骤S102可以通过以下方式实现：基站使用公式进行最小平方信道估计，其中，m为承载探测信号的载波的索引；R＝[r(0)，r(1)，...，r(L-1)]^T为接收到的探测信号；B＝[b(0)，b(1)，...，b(L-1)]^T为预设的与终端对应的探测信号，其中，对于探测序列循环(Cyclic)方式，L为预设值，例如，L＝P，P为协议中规定的若干取值；对于探测序列采样(Decimation)方式，L＝1。

其中，步骤S104可以通过以下方式实现：基站使用公式计算估计得到的相隔Δl个承载探测信号的载波的相关系数；如果Δl为零，则如果Δl不为零，则其中，R_pp(Δl)表示实际的相隔Δl个承载探测信号的载波的相关系数，E_m表示对每个载波k求平均，为最小平方信道估计的结果，表示估计得到的相隔Δl个承载探测信号的载波的相关系数，为各个载波的噪声。在后续的步骤中，使用R_pp(Δl)进行信道估计。

优选地，步骤S 108可以通过以下方式实现：基站使用公式计算各个载波的最小均方误差信道估计，其中，W为滤波矩阵；H_mmse为通过最小均方误差信道估计得到的承载探测信号的各个载波的信道响应，H_mmse为以为元素的向量为通过最小平方信道估计得到的承载探测信号的各个载波的信道响应，为以为元素的向量，其中，m为各个元素在向量中的位置。

对于探测序列循环方式，可以按照以下公式计算全部频带上的各个载波的信道估计 其中，w为载波的位置，P为承载探测信号循环方式的载波间隔，b为满足条件bP＜w＜(b+1)P的整数，c为满足条件的整数，为最小均方误差信道估计。

对于探测序列采样方式，可以按照以下公式计算全部频带上的各个载波的信道估计其中，w为载波的位置，D为承载探测信号采样方式的载波间隔，d为满足条件dD＜w＜(d+1)D的整数，e为满足条件e＝w-dD-g的整数，D为实际的采样偏移，为最小均方误差信道估计。

实施例二

图2是本发明实施例的MMSE信道估计方法的优选的流程图，如图2所示，根据本发明实施例的基于探测信号的MMSE信道估计主要包括了以下步骤：

步骤201，根据Sounding信号和接收信号对承载Sounding信号的各个载波进行LS信道估计。其中，Sounding信号为终端发送给基站的信号，基站中预先存储有终端对应的Sounding信号，接收信号为经过信道传送的Sounding信号，在传送过程中，Sounding信号可能发生变化，接收到的信号可能与终端发送的信号不相同。

具体的，发送的Sounding序列Decimation方式通过频分复用(Frequency Division Multiplexing，简称为FDM)方式正交，发送的Sounding序列Cyclic方式通过(Code Division Multiplexing，简称为CDM)方式正交。利用Sounding序列两种方式的正交性质，可以通过以下公式进行LS信道估计：

${\hat{H}}^{\mathrm{ls}}\left(m\right)={\left(B^{H}B\right)}^{-1}{B}^{H}R---\left(1\right)$

其中，ls表示采用的是LS信道估计；m表示承载Sounding信号载波的索引；R＝[r(0)，r(1)，...，r(L-1)]^T为接收到的数据的向量；B＝[b(0)，b(1)，...，b(L-1)]^T为用户发送的Sounding序列。对于Sounding序列Cyclic方式L＝P，对于Sounding序列Decimation方式L＝1。

步骤203：利用上一步骤求得的LS信道估计，计算承载Sounding信号的载波之间的相关系数。

具体的，承载Sounding信号载波的信道响应可以通过上面一个步骤的LS信道估计算法获得，承载Sounding信号载波的之间的相关系数可以通过下式进行估计：

${\hat{R}}_{\mathrm{pp}}\left(\mathrm{\Δl}\right)=E_m\left\{{\hat{H}}^{\mathrm{ls}}\left(m\right){\hat{H}}^{\mathrm{ls}}(m+\mathrm{\Δl})\right\}---\left(2\right)$

其中，表示估计得到的相隔Δl个承载Sounding信号的载波的相关系数；表示通过LS信道估计获得的承载Sounding信号载波的信道响应；E_m表示对每个载波m求平均。通过LS信道估计得到的结果可以如下表示：

${\hat{H}}^{\mathrm{ls}}\left(m\right)=H\left(m\right)+N\left(m\right)---\left(3\right)$

其中H(m)为真实的信道响应，N(m)为噪声。如果假设承载Sounding信号载波的信道响应和噪声之间相互独立，那么(2)式中的相关系数可以如下表示：

${\hat{R}}_{\mathrm{pp}}\left(\mathrm{\Δl}\right)=R_{\mathrm{pp}}\left(\mathrm{\Δl}\right)+R_Z\left(\mathrm{\Δl}\right)---\left(4\right)$

其中为估计的承载Sounding信号载波的之间的相关系数，R_pp(Δl)为真实的承载Sounding信号载波的之间的相关系数，R_Z(Δl)为噪声之间的相关系数。如果假设承载Sounding信号的不同载波上噪声是互不相关的，那么可以得知R_Z(Δl)为一个delta函数。故而(4)式可以如下表达

${\hat{R}}_{\mathrm{pp}}\left(\mathrm{\Δl}\right)=\left\{\begin{array}{cc}{R}_{\mathrm{pp}}\left(0\right)+{\mathrm{\σ}}_n^2& \mathrm{\Δl}=0\\ R_{\mathrm{pp}}\left(\mathrm{\Δl}\right)& \mathrm{\Δl}\≠0\end{array}\right.---\left(5\right)$

其中为噪声，即R_Z(0)的数值。

步骤205：根据承载Sounding信号载波的相关系数，估计此时能够表征信道的参数：均方时延。对均方时延和信号比噪声这二个特征参数进行量化，查表获得滤波矩阵。

具体的，在下面的推导过程中，主要做了一个假设：多径功率衰减服从负指数分布。而假设是否合理，可以通过仿真和实测获得。假设多径功率衰减服从负指数分布，那么功率延迟分布可以用式(6)近似表示：

$S_H\left(\mathrm{\τ}\right)=\left\{\begin{array}{cc}\frac{1}{{\mathrm{\σ}}_{\mathrm{\τ}}}\exp (-\frac{\mathrm{\τ}}{{\mathrm{\σ}}_{\mathrm{\τ}}})& 0\≤\mathrm{\τ}\\ 0& 0>\mathrm{\τ}\end{array}\right.---\left(6\right)$

其中σ_τ为均方时延。对S_H(τ)进行Fourier变换，可以得到信道频域相关函数：

$R_H\left(\mathrm{\Δf}\right)=\frac{1}{{\mathrm{\σ}}_{\mathrm{\τ}}}{\∫}_0^{\∞}\exp (-\frac{\mathrm{\τ}}{{\mathrm{\σ}}_{\mathrm{\τ}}})\exp (-j2\mathrm{\π\Δf\τ})\mathrm{d\τ}---\left(7\right)$

对上述结果进行整理可以得到：

$R_H\left(\mathrm{\Δf}\right)=\frac{1}{1+j2\mathrm{\π\Δf}{\mathrm{\σ}}_{\mathrm{\τ}}}---\left(8\right)$

那么两个相隔Δl个载波的相关系数为：

$R_H\left(\mathrm{\Δl}\right)=\frac{1}{1+j2\mathrm{\π\Δl}{\mathrm{\σ}}_{\mathrm{\τ}}L}---\left(9\right)$

其中L为相邻载波的频率间隔。

根据(5)式和(9)式可以求出均方时延σ_τ。可以看出滤波矩阵W完全由以下二个参数确定：均方时延σ_τ，信号功率比噪声功率(即，信噪比)如果对这二个参数进行量化，那么滤波矩阵W可以预先算出。进行基于探测信号的MMSE信道估计的时候可以通过查表获得矩阵W，从而避免实时的进行矩阵求逆和矩阵乘法运算，较大的减少了运算。

下面对参数量化的过程进行说明。

设信号比噪声snr的量化阶数为n_S，概率分布为p_S(x)，量化区间为{[x_i-1，x_i)，1≤i≤n_S}。设均方时延σ_τ的量化阶数为n_R，概率分布为p_R(y)，量化区间为{[y_j-1，y_j)，1≤j≤n_R}。如果x_S和y_R分别落入[x_i-1，x_i)和[y_j-1，y_j)，则量化样点为Q(x_S，y_R)＝C_i，j。在上述情况下总体量化的失真可以通过如下方式表示：采用Frobenius范数来度量矩阵W的量化失真。

$D=\underset{j=0}{\overset{n_R-1}{\mathrm{\Σ}}}\underset{i=0}{\overset{n_S-1}{\mathrm{\Σ}}}{\∫}_{y_j}^{y_{j+1}}{\∫}_{x_i}^{x_{i+1}}d(w(x,y),w\left(C_{i,j}\right))p_S\left(x\right)p_R\left(y\right)\mathrm{dxdy}---\left(10\right)$

设D对x_i的偏导为0，可得下式

$\frac{\∂D}{\∂x_i}=\underset{j=0}{\overset{n_R-1}{\mathrm{\Σ}}}{\∫}_{y_j}^{y_{j+1}}(d(w(x_i,y),w\left(C_{i,j}\right))-d(w(x_i,y),w\left(C_{i+1,j}\right)))p_S\left(x_i\right)p_R\left(y\right)\mathrm{dy}---\left(11\right)$

$=0$

设D对y_i的偏导为0，可得下式

$\frac{\∂D}{\∂y_j}=\underset{i=0}{\overset{n_S-1}{\mathrm{\Σ}}}{\∫}_{x_i}^{x_{i+1}}(d(w(x,y_j),w\left(C_{i,j}\right))-d(w(x,y_j),w\left(C_{i,j+1}\right)))p_S\left(x\right)p_R\left(y_j\right)\mathrm{dx}---\left(12\right)$

$=0$

通过解非线性方程(11)和(12)可以得到新的向量量化邻近条件。根据这个新的向量量化邻近条件和质心条件(在量化区间[x_i-1，x_i)∪[y_j-1，y_j)中选择一点，是落在上述量化区间的矢量到它之间的平均失真最小)，采用LBG(Linde-Buzo-Gray)算法可以获得均方时延和信噪比的最优参数量化。

无约束的最优参数量化对于各个参数的量化阶数没有限制。在存储空间受限的情况下，需要限制各个参数的量化阶数以满足存储空间的限制。同时又需要使量化失真达到最小以提高系统性能。上述问题可以如下描述：

min    D              (13)

subjectto  n_Rn_S≤M    (14)

其中，M表示存储空间的限制，在公式(14)的条件下对D取最小值。如果对每组满足约束条件(14)的量化阶数(n_R，n_S)运用上面介绍的方法进行求解，那么计算复杂度是O(M³)。这样，当存储空间M的取值较大的时候，计算量是很大的。下面介绍的最速下降法的计算复杂度为O(3M)，可以较大程度的减少计算量。

为了更好的描述算法，下面设定了一些变量。

设表示量化阶数为(n_R，n_S)时造成的失真。表示量化阶数为(n_R，n_S)时需要的存储空间。其中是一个严格递减的函数，是一个严格递增的函数。

设e_j表示1×2的向量，其中第j个元素为1，其余元素为0。那么在第j个元素方向的梯度为：

$s_j\left(\stackrel{\‾}{n}\right)=-\frac{D\left(\stackrel{\‾}{n}\right)-D(\stackrel{\‾}{n}+e_j)}{M\left(\stackrel{\‾}{n}\right)-M(\stackrel{\‾}{n}+e_j)}---\left(15\right)$

最速下降法的具体步骤如下：

1初始化：设置

2当不满足约束条件(14)时，取值退回到上一循环，终止。

3令j为某个最大数值的索引，设置跳转至步骤2。

由于是一个严格递减的函数，同时在每次循环中量化阶数为的每个分量是严格增加的，故最终求得的结果应该是全局最优而非局部最优。

步骤207：根据计算出来的LS信道估计和滤波矩阵，计算承载Sounding信号的各个载波的MMSE信道估计

基于探测信号的MMSE信道估计可以应用如下公式：

$H_{\mathrm{mmse}}=W{\hat{H}}_{\mathrm{ls}}---\left(16\right)$

其中其中W为滤波矩阵；H_mmse为通过MMSE信道估计得到的承载Sounding信号的各个载波的信道响应，其中H_mmse是以为元素的向量，lm表示采用的是MMSE信道估计；为通过LS信道估计得到的承载Sounding信号的各个载波的信道响应，其中是以为元素的向量，ls表示采用的是LS信道估计。为噪声，R为接收的序列。

步骤209：最后根据MMSE信道估计，进行线性插值得到全部频带上载波的信道估计。

具体的，如果进行线性插值的载波之间相关性较大，那么采用线性插值会获得较好的性能；如果进行线性插值的载波之间相关性较小，那么采用线性插值就不会获得较好的性能。

根据步骤207中求得的信道估计H_mmse，通过以下公式进行线性插值求得全部频带上载波的信道估计：

对于Sounding序列Cyclic方式使用以下公式：

其中w为载波的位置，P为承载Sounding信号Cyclic方式的载波间隔，b为满足条件bP＜w＜(b+1)P的整数，c为满足条件的整数，为步骤207中确定的MMSE信道估计。

对于Sounding序列Decimation方式使用以下公式：

${\hat{H}}^{\mathrm{le}}\left(w\right)=(1-\frac{e}{D}){\hat{H}}^{\mathrm{lm}}(\mathrm{dD}+g)+\frac{e}{D}{\hat{H}}^{\mathrm{lm}}((d+1)D+g)---\left(18\right)$

其中w为载波的位置，D为承载Sounding信号Decimation方式的载波间隔，d为满足条件dD＜w＜(d+1)D的整数，e为满足条件e＝w-dD-g的整数，g为实际的decimation偏移，为步骤207中确定的MMSE信道估计。

本发明实施例还提供了一种基站，该基站用于实现上述方法。

图3是根据本发明实施例的基站的结构框图，如图3所示，该基站包括：接收模块302，用于接收终端在各个载波上发送的探测信号；第一估计模块304，耦合至接收模块302，用于根据接收到的探测信号与预设的与终端对应的探测信号对各个载波进行最小平方信道估计；第一获取模块306，耦合至第一估计模块304，用于根据最小平方信道估计的结果和各个载波的噪声获取各个载波之间的相关系数；第二获取模块308，耦合至第一获取模块306，用于根据相关系数获得均方时延，并对均方时延和载波的信噪比进行量化，在预设的量化值与滤波矩阵的对应关系中查找与量化的结果对应的滤波矩阵；第二估计模块310，耦合至第二获取模块308，用于根据滤波矩阵和最小平方信道估计的结果获取各个载波的最小均方误差信道估计；第三估计模块312，耦合至第二估计模块310，用于使用最小均方误差信道估计进行线性插值，获得全部频带上各个载波的信道估计。

优选地，该第二获得模块308用于使用计算均方时延，其中，L为相邻载波的频率间隔，Δl为各个载波之间的载波个数的间隔，R_pp(Δl)为相关系数，σ_τ为均方时延。

优选地，第一估计模块304用于使用公式进行最小平方信道估计，其中，m为承载探测信号的载波的索引；R＝[r(0)，r(1)，...，r(L-1)]^T为接收到的探测信号；B＝[b(0)，b(1)，...，b(L-1)]^T为预设的与终端对应的探测信号，其中，对于探测序列循环方式，L＝P，其中P为预设值，对于探测序列采样方式，L＝1。

根据本发明实施例，还提供了一种基于探测信号的MMSE信道估计装置，该装置可以用来实现本发明提供的基于探测信号的MMSE信道估计方法。

图4为根据本发明实施例的基于特征参数量化的MMSE信道估计装置的结构框图，如图4所示，该装置包括：LS信道估计模块401，相关系数计算模块403，均方时延估计和参数量化模块405，MMSE信道估计模块407，线性插值模块409。其中，LS信道估计模块401，对应于第一估计模块304，用于根据Sounding信号和接收信号，对承载Sounding信号的各个载波进行LS信道估计；相关系数计算模块403，对应于第一获取模块306，通过利用承载Sounding信号的载波的LS信道估计，计算承载Sounding信号的载波之间的相关系数；均方时延估计和特征参数量化模块405，对应于第二获取模块308，根据承载Sounding信号载波的相关系数，估计此时能够表征信道特性的参数：均方时延。同时对均方时延和信号比噪声进行量化，通过查表获得滤波矩阵；MMSE信道估计模块407，对应于第二估计模块310，用于根据LS信道估计和滤波矩阵，计算承载Sounding信号的各个载波的MMSE信道估计；线性插值模块409，对应于第三估计模块312，用于根据承载Sounding信号的各个载波的MMSE信道估计，进行线性插值得到全部频带上载波的信道估计。

综上所述，本发明实施提供的基于探测信号的MMSE信道估计方法具有以下优点：

1.当只采用LS信道估计和线性插值信道估计方法时，承载Sounding信号的载波位置的信道响应容易受到高斯噪声的影响。当噪声功率过大时，此时再根据通过LS信道估计获得的承载Sounding信号的载波位置上的信道响应计算其它载波上的信道响应，系统的性能会有明显的下降。但是当采用MMSE信道估计方法时，通过滤波矩阵可以去除部分噪声，这样其它载波的信道估计更加接近真实的信道响应，系统的性能也会有所提升。

2.通过推导可以得到滤波矩阵完全由以下两个参数确定：均方时延和信号功率比噪声功率。本发明提供的基于探测信号的MMSE信道估计方法对这两个参数进行量化，并对滤波矩阵预先进行计算。这样，进行MMSE信道估计的时候可以通过查表获得滤波插值矩阵，避免了实时进行矩阵求逆和矩阵乘法运算，很大程度上减少了运算。

并且，采用本发明所述的基于探测信号的MMSE信道估计方法，可以较为精确的获得信道响应。与基于LS信道估计算法和线性插值信道估计算法相比较，在没有显著增加运算的前提下，本发明实施例可以获得1.0dB左右的性能提升。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种信道估计方法，其特征在于，包括：

基站接收终端在各个载波上发送的探测信号，根据接收到的所述探测信号与预设的与所述终端对应的探测信号对所述各个载波进行最小平方信道估计；

所述基站根据所述最小平方信道估计的结果获取所述各个载波之间的相关系数；

所述基站根据所述相关系数获得均方时延，并对所述均方时延和所述载波的信噪比进行量化，在预设的量化值与滤波矩阵的对应关系中查找与所述量化的结果对应的滤波矩阵，其中，对所述均方时延和所述载波的信噪比进行量化包括：

使用下列公式得到向量量化邻近条件：

$\underset{j=0}{\overset{n_R-1}{\mathrm{\Σ}}}{\∫}_{y_j}^{y_{j+1}}(d(W(x_i,y),W\left(C_{i,j}\right))-d(W(x_i,y),W\left(C_{i+1,j}\right)))p_S\left(x_i\right)p_R\left(y\right)\mathrm{dy}=0$

$\underset{i=0}{\overset{n_S-1}{\mathrm{\Σ}}}{\∫}_{x_i}^{x_{i+1}}(d(W\left({x,y}_j\right),W\left(C_{i,j}\right))-d(W\left({x,y}_j\right),W\left(C_{i,j+1}\right)))p_S\left(x\right)p_R\left(y_j\right)\mathrm{dx}=0$

其中，n_S为所述信噪比的量化阶数，p_S(x)为所述信噪比的概率分布，所述信噪比的量化区间为{[x_i-1,x_i),1≤i≤n_S}，n_R为所述均方时延的量化阶数，p_R(y)为所述均方时延的概率分布，所述均方时延的量化区间为{[y_j-1,y_j),1≤j≤n_R}，C_i,j为x_S和y_R分别落入[x_i-1,x_i)和[y_j-1,y_j)时的量化样点，W为所述滤波矩阵,d为所述W的量化失真，x为所述信噪比的总体量化区间，y为所述均方时延的总体量化区间；根据所述向量量化邻近条件和质心条件对所述均方时延和所述载波的信噪比进行量化；

所述基站根据所述滤波矩阵和所述最小平方信道估计的结果获取所述各个载波的最小均方误差信道估计；

所述基站使用所述最小均方误差信道估计进行线性插值，获得全部频带上各个载波的信道估计。

2.根据权利要求1所述的方法，其特征在于，所述基站根据所述相关系数获得均方时延包括：

所述基站使用计算均方时延，其中，L为相邻载波的频率间隔，△l为各个载波之间的载波个数的间隔，R_pp(△l)为所述相关系数，σ_τ为所述均方时延。

3.根据权利要求1所述的方法，其特征在于，根据接收到的所述探测信号与预设的与所述终端对应的探测信号对所述各个载波进行最小平方信道估计包括：

所述基站使用公式进行所述最小平方信道估计，其中，m为承载所述探测信号的载波的索引，R=[r(0),r(1),...,r(L-1)]^T为所述接收到的所述探测信号，B=[b(0),b(1),...,b(L-1)]^T为所述预设的与所述终端对应的探测信号，其中，对于探测序列循环方式，L=P，其中P为预设值，对于探测序列采样方式，L=1，为通过所述最小平方信道估计得到的承载所述探测信号的载波m的信道响应，B^H为所述预设的与所述终端对应的探测信号的共轭转置，(B^HB)^-1为所述预设的与所述终端对应的探测信号的共轭转置与所述预设的与所述终端对应的探测信号乘积的矩阵的逆，T为矩阵转置。

4.根据权利要求3所述的方法，其特征在于，所述基站根据所述最小平方信道估计的结果获取所述各个载波之间的相关系数包括：

所述基站使用公式计算估计得到的相隔△l个承载所述探测信号的载波的相关系数；

如果△l为零，则如果△l不为零，则其中，R_pp(△l)表示实际的相隔△l个承载探测信号的载波的相关系数，E_m表示对每个载波m求平均，为通过所述最小平方信道估计得到的承载所述探测信号的载波m的信道响应，表示估计得到的相隔△l个承载所述探测信号的载波的相关系数，为所述载波的噪声。

5.根据权利要求3所述的方法，其特征在于，所述基站根据所述滤波矩阵和所述最小平方信道估计的结果获取所述各个载波的最小均方误差信道估计包括：

所述基站使用公式计算所述各个载波的最小均方误差信道估计，其中，W为所述滤波矩阵；H_mmse为通过最小均方误差信道估计得到的承载所述探测信号的各个载波的信道响应，H_mmse为以为元素的向量，为通过所述最小平方信道估计得到的承载所述探测信号的各个载波的信道响应，为以为元素的向量，为通过最小均方误差信道估计得到的承载所述探测信号的载波m的信道响应。

6.根据权利要求5所述的方法，其特征在于，

对于探测序列循环方式，所述基站使用所述最小均方误差信道估计进行线性插值，获得全部频带上各个载波的信道估计包括：

按照以下公式计算全部频带上的各个载波的信道估计

其中，w为载波的位置，P为承载探测信号循环方式的载波间隔，b为满足条件bP<w<(b+1)P的整数，c为满足条件的整数，为所述最小均方误差信道估计；

对于探测序列采样方式，所述基站使用所述最小均方误差信道估计进行线性插值，获得全部频带上各个载波的信道估计包括：

按照以下公式计算全部频带上的各个载波的信道估计

${\hat{H}}^{\mathrm{le}}\left(w\right)=(1-\frac{e}{D}){\hat{H}}^{\mathrm{lm}}(\mathrm{dD}+g)+\frac{e}{D}{\hat{H}}^{\mathrm{lm}}((d+1)D+g)$

其中，w为载波的位置，D为承载探测信号采样方式的载波间隔，d为满足条件dD<w<(d+1)D的整数，e为满足条件e=w-dD-g的整数，g为实际的采样偏移，为所述最小均方误差信道估计。

7.一种基站，其特征在于，包括：

接收模块，用于接收终端在各个载波上发送的探测信号；

第一估计模块，用于根据接收到的所述探测信号与预设的与所述终端对应的探测信号对所述各个载波进行最小平方信道估计；

第一获取模块，用于根据所述最小平方信道估计的结果获取所述各个载波之间的相关系数；

第二获取模块，用于根据所述相关系数获得均方时延，并对所述均方时延和所述载波的信噪比进行量化，在预设的量化值与滤波矩阵的对应关系中查找与所述量化的结果对应的滤波矩阵，其中，对所述均方时延和所述载波的信噪比进行量化包括：

使用下列公式得到向量量化邻近条件：

$\underset{j=0}{\overset{n_R-1}{\mathrm{\&Sigma;}}}{\&Integral;}_{y_j}^{y_{j+1}}(d(W(x_i,y),W\left(C_{i,j}\right))-d(W(x_i,y),W\left(C_{i+1,j}\right)))p_S\left(x_i\right)p_R\left(y\right)\mathrm{dy}=0$

$\underset{i=0}{\overset{n_S-1}{\mathrm{\&Sigma;}}}{\&Integral;}_{x_i}^{x_{i+1}}(d(W\left({x,y}_j\right),W\left(C_{i,j}\right))-d(W\left({x,y}_j\right),W\left(C_{i,j+1}\right)))p_S\left(x\right)p_R\left(y_j\right)\mathrm{dx}=0$

其中，n_S为所述信噪比的量化阶数，p_S(x)为所述信噪比的概率分布，所述信噪比的量化区间为{[x_i-1,x_i),1≤i≤n_S}，n_R为所述均方时延的量化阶数，p_R(y)为所述均方时延的概率分布，所述均方时延的量化区间为{[y_j-1,y_j),1≤j≤n_R}，C_i,j为x_S和y_R分别落入[x_i-1,x_i)和[y_j-1,y_j)时的量化样点，W为所述滤波矩阵,d为所述W的量化失真，x为所述信噪比的总体量化区间，y为所述均方时延的总体量化区间；根据所述向量量化邻近条件和质心条件对所述均方时延和所述载波的信噪比进行量化；

第二估计模块，用于根据所述滤波矩阵和所述最小平方信道估计的结果获取所述各个载波的最小均方误差信道估计；

第三估计模块，用于使用所述最小均方误差信道估计进行线性插值，获得全部频带上各个载波的信道估计。

8.根据权利要求7所述的基站，其特征在于，所述第二获取模块用于使用计算均方时延，其中，L为相邻载波的频率间隔，△l为各个载波之间的载波个数的间隔，R_pp(△l)为所述相关系数，σ_τ为所述均方时延。

9.根据权利要求7所述的基站，其特征在于，所述第一估计模块用于使用公式进行所述最小平方信道估计，其中，m为承载所述探测信号的载波的索引；R=[r(0),r(1),...,r(L-1)]^T为所述接收到的所述探测信号；B=[b(0),b(1),...,b(L-1)]^T为所述预设的与所述终端对应的探测信号，其中，对于探测序列循环方式，L=P，其中P为预设值，对于探测序列采样方式，L=1，为通过所述最小平方信道估计得到的承载所述探测信号的载波m的信道响应，B^H为所述预设的与所述终端对应的探测信号的共轭转置，(B^HB)^-1为所述预设的与所述终端对应的探测信号的共轭转置与所述预设的与所述终端对应的探测信号乘积的矩阵的逆，T为矩阵转置。