CN102833191A - 一种信噪比估计方法与装置 - Google Patents

Abstract

本发明公开了一种信噪比估计方法，包括以下步骤：获取训练信号经信道传输后得到的接收信号；对所述信道进行信道估计；根据信道估计结果，对训练信号经所述估计的信道传输的信号进行重构，得到重构信号；根据得到的重构信号及所述接收信号，利用服从高斯分布的噪声信号的实部分量和虚部分量的联合分布概率密度函数，采用最大似然准则确定出接收信号功率最大似然估计值

噪声信号功率最大似然估计值

分别与重构信号和接收信号的关系，得到和

利用得到的

和确定出信噪比的最大似然估计值。本发明方法相对简单、准确度高，在信道估计准确的条件下，能够较好地消除信道的衰落影响。

Description

一种信噪比估计方法与装置

技术领域

本发明涉及无线通信技术领域，尤其涉及的是一种多径衰落信道下抑制衰落影响的信噪比估计方法与装置。

背景技术

在移动通信中，信道的信噪比估计是一个很重要的技术。功率控制、自适应传输、小区切换、动态信道分配、空间分集合并等都需要快速、准确的估计出信道的信噪比(SNR)。特别是对于高铁环境的多载波联合应用下，信噪比估计的准确性就更加重要。

目前的信噪比的估计方法主要有以下几种，第1种是利用解调信号的星座分布来计算，但是此种方法估计的准确度不够高；第2种是建立误码率与信噪比的函数关系，利用此函数关系，根据误码率来映射出信噪比，此种方法需要建立函数关系曲线，实际应用时一般通过查表来实现，会使复杂度大大提高，同时由于无线环境是多变的，建立的误码率与信噪比的函数关系曲线也往往很难跟踪上复杂无线环境的快速变化，另外，这种方法估计的准确度也不是很高；第3种是通过信号的二阶矩和四阶矩进行估计，但是此方法估计的准确度不高。

以上方法，对于ISI(Inter Symbol Interference，符号间干扰)信道的估计准确度更低，而且波动性比较大，并且无法克服信道的衰落影响。

发明内容

本发明提供一种信噪比估计的方法与装置，用以解决现有信噪比估计方法中存在的准确度不高、计算复杂度高以及受无线信道衰落影响大的问题。

本发明方法包括一种信噪比估计方法，包括以下步骤：

获取训练信号经信道传输后得到的接收信号；

对所述信道进行信道估计；

根据信道估计结果，对训练信号经所述估计的信道传输后的信号进行重构，得到重构信号；

根据得到的重构信号及所述接收信号，利用服从高斯分布的噪声信号的实部分量和虚部分量的联合分布概率密度函数，采用最大似然准则确定出接收信号功率最大似然估计值

噪声信号功率最大似然估计值

分别与重构信号和接收信号的关系，得到和

根据得到的

和确定出信噪比的最大似然估计值。

一种信噪比估计装置，包括：

信号获取模块，用于获取训练信号经信道传输后得到的接收信号；

信道估计模块，用于对所述信道进行信道估计；

重构信号模块，用于根据信道估计结果，对训练信号经估计的信道传输的信号进行重构，得到重构信号；

最大似然估计模块，用于根据得到的重构信号及所述接收信号，利用服从高斯分布的噪声信号的实部分量和虚部分量的联合分布概率密度函数，采用最大似然准则确定出接收信号功率最大似然估计值

噪声信号功率最大似然估计值

分别与重构信号和接收信号的关系，得到和

信噪比模块，用于根据得到的

和

确定出信噪比的最大似然估计值。

本发明有益效果如下：

本发明信噪比估计的方法相对简单，计算复杂度低，估计准确度高，受无线信道的衰落影响小，特别是在信道估计特别准确的条件下，本发明方法能够最大程度的消除信道的衰落影响；

本方法对基于最优信噪比准则下的多射频通道中良好射频通道的选择具有重要的意义，对基于信噪比估计进行的自适应速率传输模式的准确调整也具有特别重要的意义；在通信系统中需要估计信噪比、需要估计噪声功率的应用下，本发明方法都可以得到很好的应用。

附图说明

图1为本发明提供的信噪比估计方法流程图；

图2为本发明提供的一种在TU3信道中发送GMSK调制信号的信噪比估计方法流程图；

图3为本发明提供的信噪比估计装置结构图；

图4为本发明提供的一种接收机估计信噪比的装置；

图5为本发明的一种在手机上行速率传输模式调整中的应用流程图。

具体实施方式

下面结合附图和实施例对本发明提出的信噪比估计方法和装置进行更详细的说明。

本发明的信噪比估计方法，如图1所示，包括以下步骤：

步骤S101，获取训练信号经信道传输后得到的接收信号。

步骤S102，对所述信道进行信道估计。

此处对所述信道进行估计具体可以采用现有方法，这里不作限制，但是需要特别指出的是，信道估计与理想信道估计(不考虑噪声)之间的误差越小，本发明最终得到的信噪比估计的误差也就越小。

步骤S103，根据信道估计结果，对训练信号经过估计的信道传输后的信号进行重构。

步骤S104，根据得到的重构信号及所述接收信号，利用服从高斯分布的噪声信号的实部分量和虚部分量的联合分布概率密度函数，采用最大似然准则确定出的接收信号功率最大似然估计值噪声信号功率最大似然估计值

分别与重构信号和接收信号的关系，得到

和

步骤S105，根据得到的

和

确定出信噪比的最大似然估计值。

本发明利用噪声信号服从高斯分布的特性，可以得到噪声信号的实部分量和虚部分量的联合分布概率密度函数，而由于重构信号、接收信号功率S、噪声信号、噪声信号功率N与接收信号之间存在特定的关系，因此可以利用该特定关系推导出接收信号相对S和N的条件分布概率密度函数以及关于S和N的似然函数，再进一步可以采用最大似然准则确定出

分别与重构信号和接收信号的关系。

因此，采用高斯函数可以唯一确定噪声信号的实部分量和虚部分量的联合分布概率密度函数，再由最大似然准则确定出的接收信号功率最大似然估计值噪声信号功率最大似然估计值分别与重构信号和接收信号的关系也是确定的，因此，本发明的信噪比估计方法相对简单、计算复杂度低，准确度高，尤其是在信道估计准确的条件下，本方法能够较好地消除信道的衰落影响。

优选地，可应用重构信号、接收信号功率S、噪声信号、噪声信号功率N与接收信号之间的关系，将已确定的联合分布概率密度函数中的噪声信号的实部分量和虚部分量采用重构信号、接收信号、S和N表示，得到接收信号相对S和N的条件分布概率密度函数，以及关于S和N的似然函数，再进一步可以采用最大似然准则确定出

分别与重构信号和接收信号的关系。

其中，应用最大似然准则确定出接收信号功率最大似然估计值

和噪声信号功率最大似然估计值

以及由此确定出信噪比的最大似然估计值的具体方法，可具体包括以下步骤：

步骤S1，发送端发送训练信号X，其中X＝(x₀  x₁  L  x_K-1)，并使用x_k表示该训练信号X中的第k个采样值，K为训练信号的长度，即采样值总数。

步骤S2，接收机获取训练信号X及其经信道传输后得到的接收信号R，其中R＝(r₀  r₁  L  r_K-1)，并使用r_k表示该接收信号R中的第k个采样值。

步骤S3，设信道h有L+1个抽头，进行信道估计，估计的信道结果为h，且满足||h||₂＝1，即信道估计的总能量为1，则将估计的信道h和训练信号进行卷积，可得到重构信号的采样值，表示如下，

$m_k=\left(\begin{array}{cccc}{x}_k& x_{k-1}& L& x_{k-L}\end{array}\right)\left(\begin{array}{c}{h}_0\\ h_1\\ M\\ h_L\end{array}\right)\left(\begin{array}{cccc}{x}_k& x_{k-1}& L& x_{k-L}\end{array}\right)h---\left(1\right)$

公式(1)中，m_k为重构信号的第k个采样值，(x_k  x_k-1  L  x_k-L)对应L+1个信道抽头的训练信号采样值，h＝(h₀  h₁  L  h_L)^T对应L+1个信道抽头。

步骤S4，对于接收信号采样值r_k，建立公式(2)所述的复数模型，用以确定r_k与重构信号m_k、S、噪声信号、N之间的关系，

$r_k=r_{I_k}+{\mathrm{jr}}_{Q_k}=\sqrt{S}(m_{I_k}+{\mathrm{jm}}_{Q_k})+\sqrt{N}(z_{I_k}+{\mathrm{jz}}_{Q_k})---\left(2\right)$

在公式(2)中分别为接收信号采样值r_k的实部和虚部，

分别为重构信号采样值m_k的实部和虚部，

分别为将噪声信号进行功率归一化处理后得到的第k个采样值的实部和虚部。

步骤S5，令

分别为噪声信号的实部分量和虚部分量，由于它们服从均值为0，方差为N/2的高斯分布，可确定出和

的联合分布概率密度函数为

$f({\mathrm{\υ}}_{I_k},{\mathrm{\υ}}_{Q_k})=\frac{1}{\mathrm{\πN}}{e}^{-\frac{{\mathrm{\υ}}_{I_k}^2+{\mathrm{\υ}}_{Q_k}^2}{N}}---\left(3\right)$

步骤S6，由公式(2)和(3)，推导出r_k的实部

虚部

对于S、N的条件分布概率密度函数为

$f(r_{I_k},r_{Q_k}|S,N)=\frac{1}{\mathrm{\πN}}\exp (-\frac{{(r_{I_k}-\sqrt{S}{m}_{I_k})}^2+{(r_{Q_k}-\sqrt{S}{m}_{Q_k})}^2}{N})---\left(4\right)$

步骤S7，由公式(4)，推导出接收信号R相对S、N的条件分布概率密度函数为

$f(r_I,r_Q|S,N)=\underset{k=0}{\overset{K-1}{\mathrm{\Π}}}f(r_{I_k},r_{Q_k}|S,N)={\left(\mathrm{\πN}\right)}^{-K}\exp [-\frac{1}{N}(\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{(r_{I_k}-\sqrt{S}{m}_{I_k})}^2+\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{(r_{Q_k}-\sqrt{S}{m}_{Q_k})}^2)]---\left(5\right)$

在公式(5)中，r_I、r_Q分别为接收信号R的实部和虚部，并且

$r_I=\left\{\begin{array}{cccc}{r}_{I_0}& r_{I_1}& L& r_{I_{K-1}}\end{array}\right\}$

$r_Q=\left\{\begin{array}{cccc}{r}_{Q_0}& r_{Q_1}& L& r_{Q_{K-1}}\end{array}\right\}$

步骤S7，对公式(5)的条件分布概率密度函数取对数，得到关于S和N的对数似然函数为，

$\mathrm{\Γ}(S,N)=\ln f(r_I,r_Q|S,N)=-K\ln \left(\mathrm{\πN}\right)-\frac{1}{N}\left[(\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{(r_{I_k}-\sqrt{S}{m}_{I_k})}^2+\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{(r_{Q_k}-\sqrt{S}{m}_{Q_k})}^2)\right]---\left(6\right)$

步骤S8，对公式(6)的对数似然函数，分别对S和N求偏导，得到以下似然方程，

在公式(7)、(8)中，

分别为接收信号功率S和噪声信号功率N的最大似然估计值。

步骤S9，计算以上似然方程(7)和(8)的结果，确定

分别与重构信号和接收信号的关系为公式(9)、(10)所示的

${\hat{S}}_{\mathrm{ML}}={\left[\frac{\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}(r_{I_k}{m}_{I_k}+r_{Q_k}{m}_{Q_k})}{\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}[{\left(m_{I_k}\right)}^2+{\left(m_{Q_k}\right)}^2]}\right]}^2---\left(9\right)$

${\hat{N}}_{\mathrm{ML}}=\frac{1}{K}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}(r_{I_k}^2+r_{Q_k}^2)-{\hat{S}}_{\mathrm{ML}}\frac{1}{K}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}[{\left(m_{I_k}\right)}^2+{\left(m_{Q_k}\right)}^2]---\left(10\right)$

步骤S10，利用公式(9)、(10)中的

与

根据公式(11)得到信噪比的最大似然估计值，

${\mathrm{SNR}}_{\mathrm{ML}}=\frac{{\hat{S}}_{\mathrm{ML}}}{{\hat{N}}_{\mathrm{ML}}}---\left(11\right)$

优选地，计算步骤S203中的信道估计h，本发明可以采用现有方法，例如可以采用LS最小二乘算法\LMMSE最小均方误差算法等信道估计方法，本发明不局限于使用这两种信道估计算法。需要指出的是，此处的信道估计与理想信道估计(不考虑噪声)之间的误差越小，本发明最终得到的信噪比估计的误差也就越小。

优选地，由关于S和N的对数似然函数，得到和

分别与重构信号和接收信号的关系的方法，还可以使用牛顿迭代法\拉格朗日法等自适应求解方法，本发明对求最大似然值

和

的方法不做具体的限制。

图2所示为本发明提供的一种在TU3无线信道中发送GMSK高斯滤波最小频移键控调制信号的信噪比估计方法，包括以下步骤：

步骤S201，由发送端发送的训练信号X＝(x₀  x₁  L  x_K-1)，在经过信道h传输后，接收信号为R＝(r₀  r₁  L  r_K-1)。

步骤S202，通过LS算法或LMMSE算法等信道估计方法求解得到信道估计

步骤S203，计算重构信号的采样值为

$m_k=\left(\begin{array}{cccc}{x}_k& x_{k-1}& L& x_{k-L}\end{array}\right)\left(\begin{array}{c}\stackrel{\‾}{h_0}\\ \stackrel{\‾}{h_1}\\ M\\ \stackrel{\‾}{h_L}\end{array}\right)\left(\begin{array}{cccc}{x}_k& x_{k-1}& L& x_{k-L}\end{array}\right)\stackrel{\‾}{h}$

步骤S204，对于接收信号采样值r_k，建立以下复数模型，确定r_k与重构信号采样值m_k、S、噪声信号、N之间的关系，

$r_k=r_{I_k}+{\mathrm{jr}}_{Q_k}=\sqrt{S}(m_{I_k}+{\mathrm{jm}}_{Q_k})+\sqrt{N}(z_{I_k}+{\mathrm{jz}}_{Q_k})$

步骤S205，根据得到的重构信号m_k及接收信号采样值r_k的复数模型，利用已经确定的接收信号功率最大似然估计值

噪声信号功率最大似然估计值分别与重构信号和接收信号的关系式，计算出

如下

${\hat{S}}_{\mathrm{ML}}={\left[\frac{\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}(r_{I_k}{m}_{I_k}+r_{Q_k}{m}_{Q_k})}{\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}[{\left(m_{I_k}\right)}^2+{\left(m_{Q_k}\right)}^2]}\right]}^2$

${\hat{N}}_{\mathrm{ML}}=\frac{1}{K}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}(r_{I_k}^2+r_{Q_k}^2)-{\hat{S}}_{\mathrm{ML}}\frac{1}{K}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}[{\left(m_{I_k}\right)}^2+{\left(m_{Q_k}\right)}^2]$

步骤S206，计算与之比，得到信噪比的最大似然估计值。

本发明提供的信噪比估计装置，如图3所示，包括：

信号获取模块301，用于获取训练信号经信道传输后得到的接收信号。

信道估计模块302，用于对所述信道进行信道估计。

重构信号模块303，用于根据信道估计结果，对训练信号经估计的信道传输的信号进行重构，得到重构信号。

最大似然估计模块304，用于根据得到的重构信号及所述接收信号，利用服从高斯分布的噪声信号的实部分量和虚部分量的联合分布概率密度函数，采用最大似然准则确定出接收信号功率最大似然估计值噪声信号功率最大似然估计值分别与重构信号和接收信号的关系，得到

和

信噪比模块305，用于根据得到的和

确定出信噪比的最大似然估计值。

图4所示为本发明的一种接收机估计信噪比的装置，训练信号X＝(x₀  x₁  L  x_K-1)经射频接收通道传输及中频处理后，由接收机获取对应的接收信号R＝(r₀  r₁  L  r_K-1)，接收机为估计信噪比进行信道估计计算，得到并根据信道估计结果，计算训练信号经估计的信道传输后得到的重构信号{m_k}，然后利用本发明的信噪比估计方法，计算出信噪比估计值。

本发明方法对基于信噪比估计进行的自适应速率传输的传输模式的准确调整具有特别重要的意义，在自适应速率的网络传输中可使用本发明。

如图5所示为本发明的一种在手机上行速率传输模式调整中的应用，其中，

步骤S501，基站(BTS)应用本发明方法计算手机上行链路的信噪比(SNR)，并据此映射出链路性能的误码率(BEP)。

步骤S502，基站(BTS)将误码率(BEP)上报给基站控制器(BSC)。

步骤S503，控制器(BSC)根据误码率(BEP)判断是否需要调整传输模式。

步骤S504，控制器(BSC)确定需要调整传输模式时，向基站(BTS)发送传输模式改变命令。

步骤S505，基站(BTS)在收到调整命令，向手机终端发出上行速率传输模式调整命令。

步骤S506，手机终端收到上行速率传输模式调整命令，相应地改变上行传输速率。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (11)

1.一种信噪比估计方法，其特征在于，包括以下步骤：

获取训练信号经信道传输后得到的接收信号；

对所述信道进行信道估计；

根据信道估计结果，对训练信号经所述估计的信道传输后的信号进行重构，得到重构信号；

根据得到的重构信号及所述接收信号，利用服从高斯分布的噪声信号的实部分量和虚部分量的联合分布概率密度函数，采用最大似然准则确定出接收信号功率最大似然估计值

噪声信号功率最大似然估计值

分别与重构信号和接收信号的关系，得到和

根据得到的

和

确定出信噪比的最大似然估计值。

2.如权利要求1所述的方法，其特征在于，确定

分别与重构信号和接收信号的关系，具体包括：

确定服从高斯分布的噪声信号的实部分量和虚部分量的联合分布概率密度函数；

根据重构信号、接收信号功率S、噪声信号、噪声信号功率N与接收信号之间的关系，将联合分布概率密度函数中的噪声信号的实部分量和虚部分量采用重构信号、接收信号、S和N表示，得到接收信号相对S和N的条件分布概率密度函数；

根据所述条件分布概率密度函数得到关于S和N的似然函数；根据关于S和N的似然函数，采用最大似然准则确定分别与重构信号和接收信号的关系。

3.如权利要求2所述的方法，其特征在于，

重构信号、S、噪声信号、N与接收信号之间的关系具体为：

$r_k=\sqrt{S}(m_{I_k}+{\mathrm{jm}}_{Q_k})+\sqrt{N}(z_{I_k}+{\mathrm{jz}}_{Q_k})$

其中，r_k为接收信号的第k个采样值，

分别为重构信号第k个采样值的实部和虚部，分别为将噪声信号进行功率归一化处理后得到的第k个采样值的实部和虚部；

由噪声信号服从高斯分布，确定噪声信号的实部分量和虚部分量的联合分布概率密度函数具体为：

$f({\mathrm{\υ}}_{I_k},{\mathrm{\υ}}_{Q_k})=\frac{1}{\mathrm{\πN}}{e}^{-\frac{{\mathrm{\υ}}_{I_k}^2+{\mathrm{\υ}}_{Q_k}^2}{N}}$ 其中， ${\mathrm{\υ}}_{I_k}=\sqrt{N}{z}_{I_k},{\mathrm{\υ}}_{Q_k}=\sqrt{N}{z}_{Q_k}.$

4.如权利要求2所述的方法，其特征在于，根据所述条件分布概率密度函数得到关于S和N的似然函数，具体包括：

对所述条件分布概率密度函数取对数，得到关于S和N的对数似然函数；

采用最大似然准则确定分别与重构信号和接收信号的关系，包括：

对所述关于S和N的对数似然函数，分别对S和N求偏导，确定使偏导结果等于零的S和N为和

确定

分别与重构信号和接收信号的关系；

或者，利用牛顿迭代法\拉格朗日法，对所述关于S和N的对数似然函数进行求解，确定

分别与重构信号和接收信号的关系。

5.如权利要求1～4任一所述的方法，其特征在于，

分别与重构信号和接收信号的关系具体为：

${\hat{S}}_{\mathrm{ML}}={\left[\frac{\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}(r_{I_k}{m}_{I_k}+r_{Q_k}{m}_{Q_k})}{\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}[{\left(m_{I_k}\right)}^2+{\left(m_{Q_k}\right)}^2]}\right]}^2$

${\hat{N}}_{\mathrm{ML}}=\frac{1}{K}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}(r_{I_k}^2+r_{Q_k}^2)-{\hat{S}}_{\mathrm{ML}}\frac{1}{K}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}[{\left(m_{I_k}\right)}^2+{\left(m_{Q_k}\right)}^2]$

其中，K为接收信号的采样值总数，分别为接收信号第k个采样值的实部和虚部。

6.如权利要求1～4任一所述的方法，其特征在于，根据信道估计结果，对训练信号经所述估计的信道传输后的信号进行重构，得到重构信号，具体包括：

将训练信号和所述估计的信道进行卷积，得到重构信号。

7.一种信噪比估计装置，其特征在于，包括：

信号获取模块，用于获取训练信号经信道传输后得到的接收信号；

信道估计模块，用于对所述信道进行信道估计；

重构信号模块，用于根据信道估计结果，对训练信号经所述估计的信道传输后的信号进行重构，得到重构信号；

最大似然估计模块，用于根据得到的重构信号及所述接收信号，利用服从高斯分布的噪声信号的实部分量和虚部分量的联合分布概率密度函数，采用最大似然准则确定出接收信号功率最大似然估计值噪声信号功率最大似然估计值分别与重构信号和接收信号的关系，得到和

信噪比模块，用于根据得到的

和

确定出信噪比的最大似然估计值。

8.如权利要求7所述的装置，其特征在于，最大似然估计模块具体用于：

确定服从高斯分布的噪声信号的实部分量和虚部分量的联合分布概率密度函数；

根据重构信号、接收信号功率S、噪声信号、噪声信号功率N与接收信号之间的关系，将联合分布概率密度函数中的噪声信号的实部分量和虚部分量采用重构信号、接收信号、S和N表示，得到接收信号相对S和N的条件分布概率密度函数；

根据所述条件分布概率密度函数得到关于S和N的似然函数；根据关于S和N的似然函数，采用最大似然准则确定

分别与重构信号和接收信号的关系。

9.如权利要求8所述的装置，其特征在于，最大似然估计模块具体还用于：

对所述条件分布概率密度函数取对数，得到关于S和N的对数似然函数；

采用最大似然准则确定

分别与重构信号和接收信号的关系，包括：

对所述关于S和N的对数似然函数，分别对S和N求偏导，确定使偏导结果等于零的S和N为

和

确定

分别与重构信号和接收信号的关系；

或者，利用牛顿迭代法\拉格朗日法，对所述关于S和N的对数似然函数进行求解，确定

分别与重构信号和接收信号的关系。

10.如权利要求7～9任一所述的装置，其特征在于，最大似然估计模块确定的

分别与重构信号和接收信号的关系具体为：

${\hat{S}}_{\mathrm{ML}}={\left[\frac{\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}(r_{I_k}{m}_{I_k}+r_{Q_k}{m}_{Q_k})}{\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}[{\left(m_{I_k}\right)}^2+{\left(m_{Q_k}\right)}^2]}\right]}^2$

${\hat{N}}_{\mathrm{ML}}=\frac{1}{K}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}(r_{I_k}^2+r_{Q_k}^2)-{\hat{S}}_{\mathrm{ML}}\frac{1}{K}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}[{\left(m_{I_k}\right)}^2+{\left(m_{Q_k}\right)}^2]$

其中，K为接收信号的采样值总数，

分别为接收信号第k个采样值的实部和虚部。

11.如权利要求7～9任一所述的装置，其特征在于，重构信号估计模块具体用于将训练信号和所述估计的信道进行卷积，得到重构信号。

Images