CN102710566B - 多天线移动信道特征参数的序列迭代联合估计方法 - Google Patents

Abstract

本发明多天线移动信道特征参数的序列迭代联合估计方法，具体指一种用于移动通信接收设备的多天线移动信道特征参数的序列迭代联合估计方法，涉及无线移动信道特征参数获取技术领域。该方法包括：首先进行初始化，包括确定各参数的初值和初值方差以及重要性粒子及其权重；其次计算参数的一步预测值和一步预测粒子；然后用一步预测值构造某个发送和接收天线对间的隐含信号；再利用隐含信号更新粒子的重要性权重，得到当前估计值；依次估计每个发送接收天线对间的无线信道特征参数，随时间更新递推估计。本发明具有性能稳定、计算量低，易于实现，适用性强等特点。

Description

多天线移动信道特征参数的序列迭代联合估计方法

技术领域

本发明涉及无线移动信道特征参数获取技术领域，具体指一种用于移动通信接收设备的多天线移动信道特征参数的序列迭代联合估计方法。

背景技术

在宽带移动通信系统中采用收发端配置多个天线的多天线技术即多输入多输出(MIMO)技术，可使有限带宽的无线通信显著地增加信道容量。在MIMO系统的接收端获取无线信道状态信息(CSI)，特别是获取信道的多径衰落、多径时延以及多普勒频率偏置这三类特征参数，不仅是达到理论容量的有效途径，也是进行相干解调、符号检测和解码的必要信息，还是MIMO系统预编码、天线选择、无线资源管理及调度等实施时的主要参照。但在MIMO系统接收端进行信道特征参数的获取相比于单天线系统要复杂得多。当MIMO系统的不同收发对间信道衰落、时延和频率偏置各不相同，特别是当今正广泛研究的通过分散在不同地点的无线终端组成的分布式多天线系统，如协作中继MIMO系统、协作多点发送/接收MIMO系统等来获得发送分集和接收分集增益并增加链路可靠性，同时将面临维数较高且信道特征参数耦合的接收信号，而从该接收信号中有效获取信道特征参数将有利于先进的MIMO接收机的设计。

如所周知，多天线信道是多径时变信道，当接收机带宽B和符号周期T_s一定时，其对小尺度衰落，每条主路径p可用信道衰落、频率偏置、时延三类特征参数{h_p，f_p，τ_p}的亚扩展函数来表征，其等同于若干个不可分辨的时延小于1/2B并且频率偏置小于1/2T_s的路径的和。在信道衰落和时延结合处理时即信道为复信道衰落时，信道的特征参数都呈现随机时变性，复信道衰落的实部和虚部为快时变参数，而频率偏置为慢时变参数。但是，现有多天线信道特征参数的获取技术还很少用时变参数的方法，往往采用将三类特征参数分别估计或两两估计的方法，而很少对三类特征参数联合估计的方法，与此同时，在获取方法和接收机性能上也还有待进一步改善。

发明内容

本发明的目的在于克服现有技术存在的多天线移动通信系统在对信道特征参数获取时很少联合估计，可能导致估计虽方差较小但偏置较大；或将特征参数视作在若干个符号周期不变，采用定常参数估计方法获取，与无线信道是典型的时变信道的特性还有距离；或由于计算复杂度较高而导致难以实际应用的情况下，提供的一种多天线移动信道特征参数的序列迭代联合估计方法，既适用于一般移动通信场合如移动端静止、步行等特征参数慢速变动的场合，又适用于快速移动通信场合如车载终端通信场合下的一种多天线移动信道参数的序列迭代联合估计方法，使接收设备获得高精度的参数估计值，从而进行符号同步、频率同步和均衡。

本发明基于统计信号处理框架，将适用于时不变参数的蒙特卡洛期望最大化估计算法与粒子滤波方法相结合，将多参数的并行估计转变为序列串行迭代估计，显著减小了计算量，可快速得到较高精度的时变参数估计值。

本发明通过以下技术方案实现，首先进行初始化，包括确定各参数的初值和初值方差以及重要性粒子及其权重；其次计算参数的一步预测值和一步预测粒子；然后用一步预测值构造某个发送和接收天线对间的隐含信号；再利用隐含信号更新粒子的重要性权重，得到当前估计值；依次估计每个发送接收天线对间的无线信道特征参数，随时间更新递推估计。

本发明多天线移动信道特征参数的序列迭代联合估计方法，其特征对多个时变的复信道衰落和频率偏置，利用序贯的导频处接收信号构造分层的隐含信号，同时利用参数的随机动态模型，运用粒子滤波对多个时变的特征参数做联合递推估计。

以下对本发明多天线移动信道特征参数的序列迭代联合估计方法(步骤)作进一步说明：

A、进行多天线移动信道特征参数的初始化，包括确定复信道衰落的初值和初值方差，还包括确定对参数初始采样的重要性粒子的个数、重要性粒子的初值及其重要性权重；

B、用信道特征参数的随机动态模型一步递推参数的预测值和参数粒子的预测值；

C、用接收天线导频处的接收信号和信道特征参数的随机动态模型，采用序列迭代估计方式的粒子滤波，估计每个发送接收天线对间的无线信道特征参数，包括构造隐含信号，利用隐含信号更新粒子的重要性权重，归一化粒子的重要性权重，得到当前估计值；获得参数估计值后，则利用已获得的估计值来构造隐含信号进而估计其他参数；对各参数的粒子进行重要性重采样；

D、随着时间序列的增加重复步骤B、C，当估计误差方差达到稳态后，提供给接收端同步和均衡。

还包括：

所述A中的初始化，是指设定各发送端和某一个接收端间的复信道衰落和频率偏置的初值和初值方差其中，中各分量下标中的第一个下标分别表示第1至N_T个发送端，第二个下标表示初始时刻m-1；所述A中的确定对参数初始采样的重要性粒子的个数、重要性粒子的初值及其重要性权重，是指由粒子滤波方法确定滤波的初值，其中，重要性粒子的个数N根据初值方差确定，重要性粒子的初值按照一倍方差和正态分布得到，粒子的重要性权重确定为均匀权重，即 $w_{m-1}^{\left(i\right)}={[w_{h_{1,m-1}}^{\left(i\right)},w_{{\mathrm{\γ}}_{1,m-1}}^{\left(i\right)},...,w_{h_{N_{\text{T}},m-1}}^{\left(i\right)},w_{{\mathrm{\γ}}_{N_T,m-1}}^{\left(i\right)}]}^T={[1/N,1/N,...,1/N,1/N]}^T\text{;}$

所述B中的一步递推参数的预测值和参数粒子的预测值，是指在当前观测时刻m，根据各特征参数的随机动态模型，一步预测参数 $x_{m|m-1}={[h_{1,m|m-1},{\mathrm{\γ}}_{1,m|m-1},...,h_{1,m|m-1},{\mathrm{\γ}}_{N_T,m|m-1}]}^T$ 和粒子 $x_{m|m-1}^{\left(i\right)}=[h_{1,m|m-1}^{\left(i\right)},{\mathrm{\γ}}_{1,m|m-1}^{\left(i\right)},...,$ $h_{N_T,m|m-1}^{\left(i\right)},{\mathrm{\γ}}_{N_T,m|m-1}^{\left(i\right)}{]}^T;$

所述C中的接收信号模型是式中，y_m为某一个接收端在第m个时刻的接收信号，它包含两个正交分量：实部Re(y_m)和虚部Im(y_m)，记为Y_m＝[Re(y_m)，Im(y_m)]^T，s_l，m为已知的第l个发送天线在时刻m的发送信号，η_m是方差为R_m＝diag{η²/2，η²/2}的复高斯观测噪声，所述C的随机动态模型是指x_m＝Ax_m-1+Bθ_m-1，式中x_m、x_m-1分别为在时刻m和m-1各发送天线和某一个接收天线对间待估计的信道特征参数矢量，A为系统矩阵，B为过程噪声矩阵，θ_m-1为过程噪声；所述的序列迭代估计方式，是指依次从l＝1，…，N_T发送天线到第1，2，…，N_R个接收天线进行特征参数估计；所述C的粒子滤波，是指包括重要性采样和重要性重采样的迭代粒子滤波，进一步包括：由接收信号构造频率偏置的隐含信号 $z_{1,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_{{\mathrm{\γ}}_{1,m-1}}^{\left(i\right)}\left\{\underset{v=1,v\≠l}{\overset{N_T}{\mathrm{\Σ}}}\right[y_m-h_{v,m|m-1}{s}_{v,m}{e}^{2\mathrm{\π}{\mathrm{\γ}}_{v,m|m-1}^{\left(i\right)}m}\left]\right\},$ 它包含两个正交分量：实部Re(z_1，l)和虚部Im(z_1，l)，记为Z_1，l＝[Re(z_1，l)，Im(z_1，l)]^T，由频率偏置粒子可得到的信号为它也包含两个正交分量：实部和虚部记为然后得到m时刻频率偏置粒子的重要性权重为 $w_{{\mathrm{\γ}}_{l,m}}^{\left(i\right)}=w_{{\mathrm{\γ}}_{l,m-1}}^{\left(i\right)}\·\exp [-1/2{(U_m^{\left(i\right)}-Z_{1,l})}^T{R}_m^{-1}(U_m^{\left(i\right)}-Z_{1,l})],$ 再得到归一化的频率偏置粒子的重要性权重得到当前频率偏置的估计值利用该估计值构造复信道衰落的隐含信号 $Z_{2,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_{h_{l,m}}^{\left(i\right)}\underset{v=1,v\≠l}{\overset{N_T}{\mathrm{\Σ}}}(y_m-{\hat{h}}_{v,m|m-1}^{\left(i\right)}{s}_{v,m}{e}^{2\mathrm{\π}{\widehat{\mathrm{\γ}}}_{v,m}m}),$ 它包含两个正交分量：实部Re(z_2，l)和虚部Im(z_2，l)，记为Z_2，l＝[Re(z_2，l)，Im(z_2，l)]^T，由复信道衰落粒子可得到的信号为它也包含两个正交分量：实部和虚部记为然后得到m时刻复信道衰落粒子的重要性权重为 $w_{h_{l,m}}^{\left(i\right)}=w_{h_{l,m-1}}^{\left(i\right)}\·\exp [-1/2{(V_m^{\left(i\right)}-Z_{2,l})}^T{R}_m^{-1}(V_m^{\left(i\right)}-Z_{2,l})],$ 再得到归一化的复信道衰落粒子的重要性权重得到当前复信道衰落的估计值分别用对粒子进行重要性权重采样，复制权重大的粒子，剔除权重小的粒子，保持各参数粒子的总数不变；

所述D为递推估计方式。

本发明多天线移动信道特征参数的序列迭代联合估计方法，相比于现有的获取技术，将数理统计信号处理方法应用到移动信道特征参数的联合估计中，采用数理统计学的一个分支：非线性滤波方法中的粒子滤波得到信道特征参数。相比于现有方法，它没有计算量较大的求逆运算，具有与未知变量维数呈线性增长的计算量，计算量较少，可获得高精度的参数估计值。本方法不仅可用于时变特征参数的获取，也可用于定常参数的获取，适用性强。本发明可提供给接收机做同步和均衡，可为单天线系统、多天线系统的接收机方案提供重要的理论依据和具体的实现方法。

附图说明

图1为本发明多天线移动信道特征参数的序列迭代联合估计方法的算法框图；

图2为本发明的多天线系统的发送接收传输框图；

图3为本发明的多天线系统的导频插入结构；

图4-9为信噪比SNR＝0dB时，可获得的复信道衰落h₁、频率偏置γ₁、复信道衰落h₂、频率偏置γ₂参数的估计结果；

图10-21为信噪比SNR＝0dB时，可获得的复信道衰落h₁、频率偏置γ₁、复信道衰落h₂、频率偏置γ₂、复信道衰落h₃、频率偏置γ₃、复信道衰落h₄、频率偏置γ₄参数的估计结果。

具体实施方式

以下结合附图和实施例对本发明作进一步描述

本发明多天线移动信道特征参数的序列迭代联合估计方法，首先进行初始化，包括确定各参数的初值和初值方差以及重要性粒子及其权重；其次计算参数的一步预测值和一步预测粒子；然后用一步预测值构造某个发送和接收天线对间的隐含信号；再利用隐含信号更新粒子的重要性权重，得到当前估计值；依次估计每个发送接收天线对间的无线信道特征参数，随时间更新递推估计。

本发明多天线移动信道特征参数的序列迭代联合估计方法，还包括如下步骤：

A、进行多天线移动信道特征参数的初始化，包括确定复信道衰落的初值和初值方差，还包括确定对参数初始采样的重要性粒子的个数、重要性粒子的初值及其重要性权重；

B、用信道特征参数的随机动态模型一步递推参数的预测值和参数粒子的预测值；

C、用接收天线导频处的接收信号和信道特征参数的随机动态模型，采用序列迭代估计方式的粒子滤波，估计每个发送接收天线对间的无线信道特征参数，包括构造隐含信号，利用隐含信号更新粒子的重要性权重，归一化粒子的重要性权重，得到当前估计值；获得参数估计值后，则利用已获得的估计值来构造隐含信号进而估计其他参数；对各参数的粒子进行重要性重采样；

D、随着时间序列的增加重复步骤B、C，当估计误差方差达到稳态后，提供给接收端同步和均衡。

还包括：

所述A中的初始化，是指设定各发送端和某一个接收端间的复信道衰落和频率偏置的初值和初值方差其中，中各分量下标中的第一个下标分别表示第1至N_T个发送端，第二个下标表示初始时刻m-1；所述A中的确定对参数初始采样的重要性粒子的个数、重要性粒子的初值及其重要性权重，是指由粒子滤波方法确定滤波的初值，其中，重要性粒子的个数N根据初值方差确定，重要性粒子的初值按照一倍方差和正态分布得到，粒子的重要性权重确定为均匀权重，即 $w_{m-1}^{\left(i\right)}={[w_{h_{1,m-1}}^{\left(i\right)},w_{{\mathrm{\γ}}_{1,m-1}}^{\left(i\right)},...,w_{h_{N_{\text{T}},m-1}}^{\left(i\right)},w_{{\mathrm{\γ}}_{N_T,m-1}}^{\left(i\right)}]}^T={[1/N,1/N,...,1/N,1/N]}^T\text{;}$

所述B的一步递推参数的预测值和参数粒子的预测值，是指在当前观测时刻m，根据各特征参数的随机动态模型，一步预测参数 $x_{m|m-1}={[h_{1,m|m-1},{\mathrm{\γ}}_{1,m|m-1},...,h_{1,m|m-1},{\mathrm{\γ}}_{N_T,m|m-1}]}^T$ 和粒子 $x_{m|m-1}^{\left(i\right)}=[h_{1,m|m-1}^{\left(i\right)},{\mathrm{\γ}}_{1,m|m-1}^{\left(i\right)},...,$ $h_{N_T,m|m-1}^{\left(i\right)},{\mathrm{\γ}}_{N_T,m|m-1}^{\left(i\right)}{]}^T;$

所述C的接收信号模型是式中，y_m为某一个接收端在第m个时刻的接收信号，它包含两个正交分量：实部Re(y_m)和虚部Im(y_m)，记为Y_m＝[Re(y_m)，Im(y_m)^T，s_l，m为已知的第l个发送天线在时刻m的发送信号，η_m是方差为R_m＝diag{η²/2，η²/2}的复高斯观测噪声，所述C的随机动态模型是指x_m＝Ax_m-1+Bθ_m-1，式中x_m、x_m-1分别为在时刻m和m-1各发送天线和某一个接收天线对间待估计的信道特征参数矢量，A为系统矩阵，B为过程噪声矩阵，θ_m-1为过程噪声；所述的序列迭代估计方式，是指依次从l＝1，…，N_T发送天线到第1，2，…，N_R个接收天线进行特征参数估计；所述C的粒子滤波，是指包括重要性采样和重要性重采样的迭代粒子滤波，进一步包括：由接收信号构造频率偏置的隐含信号 $z_{1,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_{{\mathrm{\γ}}_{1,m-1}}^{\left(i\right)}\left\{\underset{v=1,v\≠l}{\overset{N_T}{\mathrm{\Σ}}}\right[y_m-h_{v,m|m-1}{s}_{v,m}{e}^{2\mathrm{\π}{\mathrm{\γ}}_{v,m|m-1}^{\left(i\right)}m}\left]\right\},$ 它包含两个正交分量：实部Re(z_1，l)和虚部Im(z_1，l)，记为Z_1，l＝[Re(z_1，l)，Im(z_1，l)]^T，由频率偏置粒子可得到的信号为它也包含两个正交分量：实部和虚部记为然后得到m时刻频率偏置粒子的重要性权重为 $w_{{\mathrm{\γ}}_{l,m}}^{\left(i\right)}=w_{{\mathrm{\γ}}_{l,m-1}}^{\left(i\right)}\·\exp [-1/2{(U_m^{\left(i\right)}-Z_{1,l})}^T{R}_m^{-1}(U_m^{\left(i\right)}-Z_{1,l})],$ 再得到归一化的频率偏置粒子的重要性权重得到当前频率偏置的估计值利用该估计值构造复信道衰落的隐含信号 $Z_{2,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_{h_{l,m}}^{\left(i\right)}\underset{v=1,v\≠l}{\overset{N_T}{\mathrm{\Σ}}}(y_m-{\hat{h}}_{v,m|m-1}^{\left(i\right)}{s}_{v,m}{e}^{2\mathrm{\π}{\widehat{\mathrm{\γ}}}_{v,m}m}),$ 它包含两个正交分量：实部Re(z_2，l)和虚部Im(z_2，l)，记为Z_2，l＝[Re(z_2，l)，Im(z_2，l)]^T，由复信道衰落粒子可得到的信号为它也包含两个正交分量：实部和虚部记为然后得到m时刻复信道衰落粒子的重要性权重为 $w_{h_{l,m}}^{\left(i\right)}=w_{h_{l,m-1}}^{\left(i\right)}\·\exp [-1/2{(V_m^{\left(i\right)}-Z_{2,l})}^T{R}_m^{-1}(V_m^{\left(i\right)}-Z_{2,l})],$ 再得到归一化的复信道衰落粒子的重要性权重得到当前复信道衰落的估计值分别用对粒子进行重要性权重采样，复制权重大的粒子，剔除权重小的粒子，保持各参数粒子的总数不变；

所述D是递推估计方式。

所述多天线移动信道特征参数的序列迭代联合估计方法的算法框图如附图1所示，它表示特征参数从左到右、从上到下的迭代估计过程。当得到当前观测时刻的接收信号y_m后，由参数一步预测值x_m|m-1，从第一个发送天线开始到最后一个发送天线N_T，依次构造隐含变量z_1，1并归一化粒子的重要性权重获得该时刻频率偏置的估计值将该估计值替代其一步预测值用于其它参数的估计中，接着构造隐含变量z_2，1并归一化粒子的重要性权重获得该时刻复信道衰落的估计值将该估计值也替代其一步预测值用于其它参数的估计中，然后在第二个接收天线处进行特征参数估计，参数估计值得到后就被用于下一个参数的估计，直至所有的参数估计结束。

所述具有N_T个发送天线和N_R个接收天线的多天线系统的发送接收框图如附图2所示，经数字调制后的N_T个数据流分别对应于N_T个发送天线，经空时编码构成若干个空时编码块，每隔若干编码块后插入导频，信息由发送天线发送再经无线信道传输后，在接收端估计信道的复信道衰落和频率偏置，然后在接收端进行合并，再利用已估计的信道参数信息进行同步和均衡。

所述多天线系统的多天线系统的导频插入结构如附图3所示，导频随时序m每隔若干个空时编码块后插入，为接收端已知，供接收机同步和均衡。

实施例

实施例1

按两发多收多天线系统时变的复信道衰落和时变频率偏置的联合估计，并设信道为瑞利衰落信道。接收信号模型为其中，h_l，m和γ_l，m分别为第l个发送天线和接收天线间在时刻m的复信道衰落和归一化的频率偏置，s_l，m为已知的沃尔什序列导频训练符号，η_m为系统的噪声功率，η_l，m＝a_1lh_l，m-1+a_2lh_l，m-2+θ_h，m-1，其中，a_1l＝2r_d(cos2πf_dT)，r_d是信道功率时延谱的衰减系数，f_d为最大多普勒频移，T为符号周期， ${\mathrm{\θ}}_{h,0}~\mathrm{CN}(0,{\mathrm{\σ}}_{h,0}^2),{\mathrm{\θ}}_{h,m}~\mathrm{CN}(0,{\mathrm{\σ}}_{h,m}^2),$ γ_l，m＝b_lγ_l，m-1+θ_γ，m-1，b_l为与移动速度有关的系数，相应各参数的数值见表1。设接收端信噪比范围为0dB～40dB。

表1仿真参数数值

仿真参数	数值
		fdT，rd	0.25，0.998
a1l，a2l，bl	1.2222×10-16，0.996，1

h1，0，γ1，0h2，0，γ2，0	0.8+0.8j，0.15，0.6+0.6j，0.2
		θh，0，θγ，0	0.2，0.02
θh，m，θγ，m	0.0001，0.0001
		Rm	10(SNR/10)×0.05
N	300×6

附图4-9所示为信噪比SNR＝0dB时可获得的复信道衰落h₁、频率偏置γ₁、复信道衰落h₂、频率偏置γ₂共四个参数的估计结果，由附图可见，本发明方法对频率偏置的估计随着观测值的增加具有渐近收敛性能。

在仿真中还比较了本发明提出算法的估计性能受初值方差、粒子个数、过程噪声方差、观测噪声方差的影响情况，以达到稳态所需要的观测个数和稳态误差作为主要的衡量依据。仿真方法为：10次仿真达到稳态的平均观测个数与达到稳态后对100样点的均方误差取平均。根据其数值结果可得出如下结果：①本发明方法的稳态精度和收敛速度受初值方差影响。当初值方差较大时，本算例有时收敛于局部极小点，故应选良好的初值进行序列估计；②本发明方法中，粒子个数对收敛速度和稳态精度的影响明显。粒子个数主要取决于算法参数的初值方差大小，方差较大，就应该选择较大的粒子个数，以捕获参数的真实分布，但粒子数目较大时处理速度会显著降低，算法的计算效率下降；当方差较小时，适当的粒子个数就足以获得较高估计，这也从另一个角度说明初值方差对算法的影响较大。③过程噪声方差会影响估计精度，过程噪声大时估计过程的平滑性就较差，但仍渐近收敛。④本发明方法可获得的精度几乎不受观测噪声方差的影响。在假设观测噪声为独立的高斯白噪声时，在不同的信噪比条件下可获得几乎相同的估计精度。

实施例2：

按四发多收多天线系统时变的复信道衰落和时变频率偏置的联合估计，并设信道为平衰落信道。接收信号模型为其中，h_l，m和γ_l，m分别为第l个发送天线和接收天线间在时刻m的复信道衰落和归一化的频率偏置，s_l，m为已知的沃尔什序列导频训练符号，η_m为系统的噪声功率，h_l，m＝h_l，m-1+θ_h，m-1， ${\mathrm{\θ}}_{h,0}~\mathrm{CN}(0,{\mathrm{\σ}}_{h,0}^2),{\mathrm{\θ}}_{h,m}~\mathrm{CN}(0,{\mathrm{\σ}}_{h,m}^2),$ γ_l，m＝γ_l，m-1+θ_γ，m-1，相应各参数的数值见表2。设接收端信噪比范围为0dB～40dB。

表2仿真参数数值

附图10-21所示为信噪比SNR＝0dB时，可获得的复信道衰落h₁、频率偏置γ₁、复信道衰落h₂、频率偏置γ₂、复信道衰落h₃、频率偏置γ₃、复信道衰落h₄、频率偏置γ₄共八个参数的估计结果，由附图可见，本发明方法对频率偏置的估计随着观测值的增加具有渐近收敛性能。在观测值达到60时可达到稳态。

综上所述，本发明多天线移动信道特征参数的序列迭代联合估计方法，它没有计算量较大的求逆运算，具有与未知变量维数呈线性增长的计算量，计算量较少，可获得高精度的参数估计值。适用性强。不仅可用于时变特征参数的估计，也适用定常参数的估计，可用于接收机的同步和均衡，可为单天线系统、多天线系统的接收机方案提供重要的理论依据和具体的实现方法。

Claims (1)

1.一种多天线移动信道特征参数的序列迭代联合估计方法，其特征是：对多个时变的复信道衰落和频率偏置，利用序贯的导频处接收信号构造分层的隐含信号，同时利用参数的随机动态模型，运用粒子滤波对多个时变的特征参数做联合递推估计，包括：

A、进行多天线移动信道特征参数的初始化，包括确定复信道衰落的初值和初值方差，还包括确定对参数初始采样的重要性粒子的个数、重要性粒子的初值及其重要性权重；

所述的初始化，是指设定各发送端和某一个接收端间的复信道衰落和频率偏置的初值 ${\hat{x}}_{m-1}={[{\hat{h}}_{1,m-1},{\widehat{\mathrm{\γ}}}_{1,m-1},...,{\hat{h}}_{N_T,m-1},{\hat{h}}_{N_{T}m-1},{\widehat{\mathrm{\γ}}}_{N_T,m-1}]}^T$ 和初值方差 $P_{m-1}={[{\mathrm{\σ}}_{h_{1,m-1}}^2,{\mathrm{\σ}}_{{\mathrm{\γ}}_{1,m-1}}^2,...,{\mathrm{\σ}}_{h_{N_T,m-1}}^2,{\mathrm{\σ}}_{{\mathrm{\γ}}_{N_T,m-1}}^2]}^T,$ 其中，中各分量下标中的第一个下标分别表示第1至N_T个发送端，第二个下标表示初始时刻m-1；所述的确定对参数初始采样的重要性粒子的个数、重要性粒子的初值及其重要性权重，是指由粒子滤波方法确定滤波的初值，其中，重要性粒子的个数N根据初值方差确定，重要性粒子的初值按照一倍方差和正态分布得到，其中i是粒子的序号，粒子的重要性权重确定为均匀权重，即 $w_{m-1}^{\left(i\right)}={[w_{h_{1,m-1}}^{\left(i\right)},w_{{\mathrm{\γ}}_{1,m-1}}^{\left(i\right)},...,w_{h_{N_T,m-1}}^{\left(i\right)},w_{{\mathrm{\γ}}_{N_T,m-1}}^{\left(i\right)}]}^T={[1/N,1/N,...,1/N,1/N]}^T;$

B、用信道特征参数的随机动态模型一步递推参数的预测值和参数粒子的预测值；

所述的预测值指在当前观测时刻m，根据各特征参数的随机动态模型，一步预测参数 $x_{m|m-1}={[h_{1,m|m-1},{\mathrm{\γ}}_{1,m|m-1},...,h_{1,m|m-1},{\mathrm{\γ}}_{N_T,m|m-1}]}^T$ 和粒子 $x_{m|m-1}^{\left(i\right)}={[h_{1,m|m-1}^{\left(i\right)},{\mathrm{\γ}}_{1,m|m-1}^{\left(i\right)},...,h_{N_T,m|m-1}^{\left(i\right)},{\mathrm{\γ}}_{N_T,m|m-1}^{\left(i\right)}]}^T;$

C、用接收天线导频处的接收信号和信道特征参数的随机动态模型，采用序列迭代估计方式的粒子滤波，估计每个发送接收天线对间的无线信道特征参数，包括构造隐含信号，利用隐含信号更新粒子的重要性权重，归一化粒子的重要性权重，得到当前估计值；获得参数估计值后，则利用已获得的估计值来构造隐含信号进而估计其他参数；对各参数的粒子进行重要性重采样；

所述的接收信号模型是式中，y_m为某一个接收端在第m个时刻的接收信号，它包含两个正交分量：实部Re(y_m)和虚部Im(y_m)，记为Y_m＝[Re(y_m),Im(y_m)]^T，s_l,m为已知的第l个发送天线在时刻m的发送信号，η_m是方差为R_m＝diag{η²/2,η²/2}的复高斯观测噪声，所述的随机动态模型是指式中x_m、x_m-1分别为在时刻m和m-1各发送天线和某一个接收天线对间待估计的信道特征参数矢量，A为系统矩阵，B为过程噪声矩阵，为过程噪声；所述的序列迭代估计方式，是指依次从l＝1,…,N_T发送天线到第1,2,…,N_R个接收天线进行特征参数估计；所述的粒子滤波，是指包括重要性采样和重要性重采样的迭代粒子滤波，进一步包括：由接收信号构造频率偏置的隐含信号 $z_{1,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_{{\mathrm{\γ}}_{l,m-1}}^{\left(i\right)}\left\{\underset{v=1,v\≠l}{\overset{N_T}{\mathrm{\Σ}}}\right[y_m-h_{v,m|m-1}{s}_{v,m}{e}^{2\mathrm{\π}{\mathrm{\γ}}_{v,m|m-1}^{\left(i\right)}m}\left]\right\},$ 它包含两个正交分量：实部Re(z_1,l)和虚部Im(z_1,l)，记为Z_1,l＝[Re(z_1,l),Im(z_1,l)]^T，由频率偏置粒子可得到的信号为它也包含两个正交分量：实部和虚部记为然后得到m时刻频率偏置粒子的重要性权重为 $w_{{\mathrm{\γ}}_{l,m}}^{\left(i\right)}=w_{{\mathrm{\γ}}_{l,m-1}}^{\left(i\right)}\·\exp [1-/2{(U_m^{\left(i\right)}-Z_{1,l})}^T{R}_m^{-1}(U_m^{\left(i\right)}-Z_{1,l})],$ 再得到归一化的频率偏置粒子的重要性权重得到当前频率偏置的估计值利用该估计值构造复信道衰落的隐含信号 $Z_{2,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_{h_{l,m}}^{\left(i\right)}\underset{v=1,v\≠l}{\overset{N_T}{\mathrm{\Σ}}}(y_m-{\hat{h}}_{v,m|m-1}^{\left(i\right)}{s}_{v,m}{e}^{2\mathrm{\π}{\widehat{\mathrm{\γ}}}_{v,m}m}),$ 它包含两个正交分量：实部Re(z_2,l)和虚部Im(z_2,l)，记为Z_2,l＝[Re(z_2,l),Im(z_2,l)]^T，由复信道衰落粒子可得到的信号为它也包含两个正交分量：实部和虚部记为然后得到m时刻复信道衰落粒子的重要性权重为 $w_{h_{l,k}}^{\left(i\right)}=w_{h_{l,m-1}}^{\left(i\right)}\·\exp [1-/2{(V_m^{\left(i\right)}-Z_{2,l})}^T{R}_m^{-1}(V_m^{\left(i\right)}-Z_{2,l})],$ 再得到归一化的复信道衰落粒子的重要性权重得到当前复信道衰落的估计值分别用对粒子进行重要性权重采样，复制权重大的粒子，剔除权重小的粒子，保持各参数粒子的总数不变；

D、随着时间序列的增加重复步骤B、C，当估计误差方差达到稳态后，提供给接收端同步和均衡，参数估计方式为递推估计方式。