CN102857447A - 频偏估计方法和设备 - Google Patents

Abstract

本发明实施例公开了一种频偏估计方法和设备，涉及无线通信技术领域，用于提高频偏估计结果的准确性。本发明中，接收端接收发送端发送的信号以及训练序列号，根据所述训练序列号获取训练序列，构造该训练序列相关矩阵的广义逆矩阵；生成由接收信号构造的相关矩阵；并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到带有频偏的信道冲激响应相关向量；根据所述相关向量进行频偏估计。本发明以多径传输模型为基础，频偏估计无需信道估计结果，采用本发明，能够有效提高频偏估计结果的准确性。

Description

频偏估计方法和设备

技术领域

本发明涉及无线通信领域，尤其涉及一种频偏估计方法和设备。

背景技术

在无线通信中由于接收端和发送端的振荡器产生的频率偏差，或者由于发送端和接收端的相对快速移动引起的多普勒频移，都会引起接收符号随时间变化的相位旋转，即频偏，如果不加校正将大大提高接收端的误码率。因此在对接收信号进行均衡解调之前，往往要对其进行频偏补偿，尤其在频偏比较严重的场景，比如GSM-R系统。

在进行频偏补偿前，首先需要进行频偏估计，经典的频偏估计算法是Fitz算法，这是一个稳定性非常不错的算法，能够很好地抵抗噪声，在低信噪比情况下性能较好，但是此算法是基于简单的单音频偏建模的，此算法应用到有多径传输的频率选择性信道时，必须首先利用多径传播模型进行信道估计，然后根据信道估计结果从接收信号中除去有用信号部分，得到单音频偏模型，然后才能进行频偏估计。

在实现本发明的过程中，发明人发现现有技术中存在以下技术问题：

一方面，由于信道估计往往受到频偏的影响，尤其在频偏比较大的时候受到的影响更大，因此频偏估计结果的准确性较低；另一方面现有算法的频偏估计范围有限，不能跟踪大的频偏，这样就不能得到准确的频偏估计结果。

发明内容

本发明实施例提供一种频偏估计方法和设备，用于提高频偏估计结果的准确性。

一种频偏估计方法，该方法包括：

接收端接收发送端发送的信号以及训练序列号；

接收端根据所述训练序列号获取训练序列，构造该训练序列相关矩阵的广义逆矩阵，生成由接收信号构造的相关矩阵，并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到带有频偏的信道冲激响应的相关向量；

接收端根据所述相关向量进行频偏估计。

一种频偏估计设备，该设备包括：

信号接收模块，用于接收发送端发送的信号以及训练序列号；

频偏估计模块，用于根据所述训练序列号获取训练序列，构造该训练序列相关矩阵的广义逆矩阵，生成由接收信号构造的相关矩阵，并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到带有频偏的信道冲激响应的相关向量；根据所述相关向量进行频偏估计。

本发明中，接收端接收发送端发送的信号以及训练序列号，由训练序列号获取训练序列，由训练序列生成其相关矩阵的广义逆矩阵；生成由接收信号构造的相关矩阵，并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到一个中间向量即带有频偏的信道冲激响应相关向量；根据所述中间向量得到频偏估计结果。可见，本发明中，根据训练序列相关矩阵的广义逆矩阵、以及由接收信号构造的相关矩阵进行频偏估计，而不需要信道估计结果，解决了多径传播模型下频偏估计受信道估计结果影响的问题，因此本发明方案能够有效提高频偏估计结果的准确性。

附图说明

图1为本发明实施例提供的方法流程示意图；

图2为本发明实施例中频偏估计和频偏校正的整体流程图；

图3为本发明实施例中离线准备工作的流程示意图；

图4为本发明实施例中频偏估计和频偏校正流程图示意图；

图5为本发明实施例中GSM-R一个Burst组成形式示意图；

图6为本发明实施例提供的设备结构示意图。

具体实施方式

为了提高频偏估计结果的准确性，本发明实施例提供一种频偏估计方法，本方法中，接收端根据训练序列构造的相关矩阵的广义逆矩阵、以及由接收信号构造的相关矩阵进行频偏估计。

参见图1，本发明实施例提供的频偏估计方法，包括以下步骤：

步骤10：接收端接收发送端发送的信号以及训练序列号；

步骤11：接收端由训练序列号获取训练序列，构造该训练序列的相关矩阵的广义逆矩阵；生成由接收信号构造的相关矩阵；并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到一个中间向量即带有频偏的信道冲激响应的相关向量；根据该相关向量得到频偏估计结果。

步骤11的具体实现可以如下：

首先，接收端对于每个合理m值，获取该m值对应的、由训练序列构造的相关矩阵的广义逆矩阵G1_m，生成该m值对应的、由接收信号构造的相关矩阵R_m，并根据G1_m和R_m得到该m值对应的一个中间向量即带有频偏的信道冲激响应的相关向量q_m，根据q_m得到该m值对应的频偏估计结果f_m；

然后，接收端将得到的所有f_m进行平均，得到频偏估计结果f。

其中m在由1与N-L-1构成的闭合区间中取值，L＝L1+L2 N为训练序列的长度；信道总冲激响应抽头系数为{h(i)，i＝-L1，-L1+1，L，L2}，即L1是信道总冲激响应中非因果部分涉及的最大时间深度，L2是信道总冲激响应中因果部分涉及的最大时间深度，即n时刻接收信号可以表示为

x(n)是n时刻的发送信号。

具体的， ${G1}_m={\left(G_m^H{G}_m\right)}^{-1}{G}_m^H,$ 或者， ${G1}_m={\left(G_{\mathrm{om}}^H{G}_{\mathrm{om}}\right)}^{-1}{G}_{\mathrm{om}}^H;$

$G_m=\left[\begin{array}{c}{g}_m^T(k\_\mathrm{start})\\ g_m^T(k\_\mathrm{start}+1)\\ M\\ g_m^T(k\_\mathrm{end})\end{array}\right];..............................\left(1\right)$

$g_m\left(k\right)=\mathrm{Vec}\left(\right(\left[\begin{array}{c}\\ x(k+L1)\\ x(k+L1-1)\\ M\\ x(k-L2)\end{array}\right]*\left[\begin{array}{cccc}{x}^{*}(k-m+L1)& x^{*}(k-m+L1-1)& L& x^{*}(k-m-L2)\end{array}\right];$

其中，k_start、k_end分别为构成G_m的开始k值和结束k值，m+L2+1≤k_start≤N-L1，k_start＜k_end≤N-L1，x为已知的训练序列，G_om是条件数最小的G_m。

具体的，

$R_m=\left[\begin{array}{c}{r}_m(k\_\mathrm{start})\\ r_m(k\_\mathrm{start}+1)\\ M\\ r_m(k\_\mathrm{end})\end{array}\right]=\left[\begin{array}{c}r(k\_\mathrm{start})*r^{*}(k\_\mathrm{start}-m)\\ r(k\_\mathrm{start}+1)*r^{*}(k\_\mathrm{start}+1-m)\\ M\\ r(k\_\mathrm{end})*r^{*}(k\_\mathrm{end}-m)\end{array}\right];..................\left(2\right)$

其中，[r(1)，r(2)，L，r(N)]为接收信号中训练序列部分；k_start为G_m的开始k值，k_end为G_m的结束k值。

具体的，

q_m＝G1_mR_m。..................(3)

具体的，可以按照如下公式得到m值对应的频偏估计结果f_m：

$f_m=\frac{1}{2\mathrm{\πm}}\arg \left(\underset{i=0}{\overset{L}{\mathrm{\Σ}}}{q}_m(i(L+2)+1)\right),L=L1+L2...................\left(4\right)$

具体的，接收端可以按照如下公式(5)或公式(6)对得到的所有f_m进行平均，得到频偏估计结果f：

$f=\underset{m=1}{\overset{K}{\mathrm{\Σ}}}{w}_m{f}_m,0\≤w_m\≤1,\underset{m=1}{\overset{K}{\mathrm{\Σ}}}{w}_m=1;..................\left(5\right)$

$f=\frac{1}{K}\underset{m=1}{\overset{K}{\mathrm{\Σ}}}{f}_m;..................\left(6\right)$

其中K为m的最大值。

本发明还给出了一种加权因子的计算方法，如公式(7)所示

$w_m=\frac{\frac{1}{{\mathrm{cond}}_{G_m}}}{\underset{m=1}{\overset{K}{\mathrm{\Σ}}}\frac{1}{{\mathrm{cond}}_{G_m}}};..................\left(7\right)$

其中，K为m的最大值，

为G_m的条件数。

较佳的，在得到频偏估计结果f之后，接收端可以按照如下公式得到频偏补偿之后的接收信号d_i：

d_i＝r_total(i)e^j2πf(i-a)，1≤i≤L_total..................(8)

其中，r_total为全部接收信号，a为接收信号的总长度的一半，L_total为接收信号总长度。

本文所述频偏估计和校正装置的整体流程如图2所示。

本发明提供了一种有效的频偏估计方法，以多径传输信道为基础建模，频偏估计不需要信道估计结果，能够有效解决现有的Fitz算法应用于多径传输模型时受信道估计结果影响的问题，特别频偏比较大的时候本发明的优势更加明显。

如上所述公式(3)中的参数q_m的估计非常重要，为此引人如下措施提高其估计的准确性：

措施一：对于特定m值，G_m中的最大k值即k_end可以有多种选择，由于训练序列已知，所以可以事先选择一个最优的k_end，使得对应G_m条件数最小，这样处理之后能够大大降低噪声对q_m估计的干扰，进而有效提高频偏估计的准确性。

措施二：对得到的所有f_m进行加权处理，即：

$f=\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_m\left(\frac{1}{2\mathrm{\&pi;m}}\arg \left(\underset{i=0}{\overset{L}{\mathrm{\&Sigma;}}}{q}_m(i(L+2)+1)\right)\right),0\&le;w_m<1,\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_m=1...............\left(9\right)$

对应G_m的条件数越大赋予的权值越小，即可以采用公式(7)得到加权因子。

需要指出的一点是，实际模型中如果是非因果系统(比如由调制时的滤波器引入)，但是建模的时候建为因果系统将大大降低本文方法性能，所以建模时要注意。同时此算法的频偏估计范围为

比Fitz范围大。最重要的是其建立在多径传输模型基础上(此模型是无线传输的经典模型)，最终求解的时候不需要信道估计值。而Fitz算法是基于单音频偏建模，应用于无线传输时需要重构信号，这时信道估计值往往遭受频偏的干扰，尤其当频偏比较大的时候，Fitz算法的性能非常差。

下面以GSM-R系统为例，介绍本文中的频偏估计所包含的主要步骤：

因为所有训练序列在接收端是已知的，所以可以首先进行离线准备工作，离线准备工作的具体流程如图3所示：

步骤1：离线准备工作开始，将变量tsc初始化为0；

步骤2：将tsc加1，并判断tsc是否大于tsc_Num，若是，则到步骤7，否则，到步骤3，tsc_Num为已知的训练序列的总个数；

步骤3：获取第tsc个训练序列，并将m初始化为0；

步骤4：将m加1，并判断m是否满足条件，即判断m是否属于[1，N-L-1]，若是，则到步骤5，否则，到步骤6；

步骤5：根据公式(1)构造矩阵G_m，在已构造的G_m中选取条件数最小的G_m，即G_om；

步骤6：离线保存

以及步骤5中构造的G_m的条件数、G_m的开始k值和结束k值，返回步骤4；

步骤7：离线准备工作结束。

本流程针对每个训练序列及各个合理m(1≤m≤N-L-1)值，按矩阵的条件数最小原则选择最优的G_m(考虑到公式(3)的求解容易遭受R_m中的噪声影响，而G_m条件数越小，结果受噪声的扰动越小，所以做此选择)，离线保存构成此G_m的开始k值(k_start)和结束k值(k_end)，以及G_m的条件数

对于一个时隙(Burst)的接收信号组成形式如图5所示，找到接收信号对应训练序列部分r＝[r(1)，r(2)，L，r(N)]，然后从离线保存结果中由训练序列号得到对应的所有矩阵G_m的条件数，初始化公式(9)中的加权系数[w₁，w₂，L，w_K]，对应G_m的条件数越小，权重越大，可以采用公式(7)所示计算方法。

频偏估计和频偏补偿的主要流程如图4所示：

步骤1：获取接收信号中的训练序列部分，并将m初始化为0；

步骤2：将m加1，并判断m是否满足条件，即判断m是否属于[1，N-L-1]，若是，则到步骤3，否则，到步骤7；

步骤3：由训练序列号从离线保存结果中获取此训练序列号、此m对应的G1_m，以及当前m值对应的k_start和k_end；

步骤4：利用公式(2)构造向量R_m，

步骤5：利用公式(3)得到参数q_m的估计值，

步骤6：利用公式(4)得到当前m值对应的频偏估计结果，

并返回步骤2；

步骤7：对所有的频偏估计结果根据公式(5)进行加权操作，得到最终的频偏估计结果(此处的频偏估计为以符号周期归一化之后的频偏)：

步骤8：利用上述频偏估计结果对原始全部接收信号r_total进行频偏补偿，考虑到频偏估计可能出现的误差，对接收信号进行频偏补偿时采用如下形式，

d_i＝r_total(i)e^j2πf(i-74)，1≤i≤148；

即以中间数据为基准进行频偏补偿，这样当频偏估计有误差时，导致最大的偏差为74*ε_f，其中ε_f表示频偏估计偏差，这种补偿相对以原始接收信号第一个数据为基准要好，因为那样导致最大的偏差为148*ε_f。

步骤9：将频偏补偿后的信号送入均衡解调模块进行均衡解调。

本发明的详细的公式推导过程如下：

首先建立如下的信号模型，设接收端的离散信号可以表示为如下形式：

$r\left(k\right)=e^{(j2\mathrm{\&pi;fk}+\mathrm{\&theta;})}\underset{l=-L1}{\overset{L2}{\mathrm{\&Sigma;}}}x(k-l)h\left(l\right)+n\left(k\right)..................\left(10\right)$

其中x(k)，h(l)，f，θ，n(k)分别表示发送信号，传输信道(包括发送滤波器，物理无线多径信道，接收滤波器)、需要估计的频偏(此处的频偏是用符号周期归一化之后的频偏)、相位偏差和随机噪声。设x＝[x(1)，x(2)，L，x(N)]为接收端已知的训练序列。

由公式(10)得到：

$r_m\left(k\right)=r\left(k\right)*r^{*}(k-m)$

$=e^{j2\mathrm{\&pi;fm}}\underset{i=-L1}{\overset{L2}{\mathrm{\&Sigma;}}}\underset{j=-L1}{\overset{L2}{\mathrm{\&Sigma;}}}x(k-i)x^{*}(k-j)h\left(i\right)h^{*}\left(j\right)+n^{\&prime;}\left(k\right)..................\left(11\right)$

设

$g_m\left(k\right)=\mathrm{Vec}\left(\right(\left[\begin{array}{c}\\ x(k+L1)\\ x(k+L1-1)\\ M\\ x(k-L2)\end{array}\right]*\left[\begin{array}{cccc}{x}^{*}(k-m+L1)& x^{*}(k-m+L1-1)& L& x^{*}(k-m-L2){)}^T\end{array}\right]$

其中Vec(A)表示将矩阵A的各列按顺序累堆形成一个列向量，(A)^T表示矩阵A的转置。

$h_m=\mathrm{Vec}\left(\begin{array}{c}{\left(\begin{array}{c}\end{array}\left[\begin{array}{c}\\ h(-L1)\\ h(-L1+1)\\ M\\ h\left(L2\right)\end{array}\right]*\left[\begin{array}{cccc}{h}^{*}(-L1)& h^{*}(-L1+1)& L& h^{*}\left(L2\right)\end{array}\right]\right)}^T\end{array}\right)$

则(11)式可以转化为如下形式：

$r_m\left(k\right)=e^{j2\mathrm{\&pi;fm}}{g}_m^T\left(k\right)h_m+n..................\left(12\right)$

将k的不同情况组合得到如下形式：

${\left[\begin{array}{c}{r}_m(m+L2+1)\\ r_m(m+L2+2)\\ M\\ r_m(N-L1)\end{array}\right]}_{(N-L1-(m+L2))*1}={\left[\begin{array}{c}{g}_m^T(m+L2+1)\\ g_m^T(m+L2+2)\\ M\\ g_m^T(N-L1)\end{array}\right]}_{(N-L1-(m+L2))*{(L2+L1+1)}^2}*h_m{e}^{j2\mathrm{\&pi;fm}}+n$

即

R_m＝G_mh_me^j2πfm+n＝G_mq_m+n..................(13)

通过经典的LS估计方法可以得到如下估计式：

$q_m=h_m{e}^{j2\mathrm{\&pi;fm}}{\left(G_m^H{G}_m\right)}^{-1}{G}_m^H{R}_m..................\left(14\right)$

注意到

$h_m=\left[\begin{array}{c}\\ {\left|\right|h(-L1)\left|\right|}^2\\ h(-L1)h^{*}(-L1+1)\\ M\\ {\left|\right|h(-L1+1)\left|\right|}^2\\ M\\ {\left|\right|h\left(L2\right)\left|\right|}^2\end{array}\right]$

其中的某些元素是实数，从而可以由q_m的这些元素得到频偏估计值即

$f=\frac{1}{2\mathrm{\&pi;m}}\arg \left(\underset{i=0}{\overset{L}{\mathrm{\&Sigma;}}}{q}_m(i(L+2)+1)\right),L=L1+L2..................\left(15\right)$

因为

1≤m≤N-L-1..................(16)

对于每个满足条件的m，构造方程组(13)从而求得一个频偏估计结果，对所有这些结果进行加权平均得到一个鲁棒性更好的频偏估计结果，即

$f=\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_m\left(\frac{1}{2\mathrm{\&pi;m}}\arg \left(\underset{i=0}{\overset{L}{\mathrm{\&Sigma;}}}{q}_m(i(L+2)+1)\right)\right)..................\left(17\right)$

这个就是最终求得的频偏结果。

参见图6，本发明实施例还提供一种频偏估计设备，该设备包括：

信号接收模块60，用于接收发送端发送的信号和训练序列号；

频偏估计模块61，用于根据所述训练序列号获取训练序列，构造该训练序列的相关矩阵的广义逆矩阵；生成由接收信号构造的相关矩阵；并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到一个中间向量即带有频偏的信道冲激响应的相关向量；根据所述相关向量得到频偏估计。

进一步的，所述频偏估计模块61用于：

对于每个m值，获取该m值对应的、该训练序列的相关矩阵的广义逆矩阵G1_m，生成该m值对应的、由接收信号构造的相关矩阵R_m，并根据G1_m和R_m得到该m值对应的带有频偏的信道冲激响应相关向量q_m，根据q_m得到该m值对应的频偏估计结果f_m；

将得到的所有f_m进行平均，得到频偏估计结果f。

其中m在由1与N-L-1构成的闭合区间中取值，L＝L1+L2，N为训练序列的长度；信道总冲激响应抽头系数为{h(i)，i＝-L1，-L1+1，L，L2}，即L1是信道总冲激响应中非因果部分涉及的最大时间深度，L2是信道总冲激响应中因果部分涉及的最大时间深度，即n时刻接收信号可以表示为

x(n)是n时刻的发送信号。

进一步的， ${G1}_m={\left(G_m^H{G}_m\right)}^{-1}{G}_m^H,$ 或者， ${G1}_m={\left(G_{\mathrm{om}}^H{G}_{\mathrm{om}}\right)}^{-1}{G}_{\mathrm{om}}^H;$

$G_m=\left[\begin{array}{c}{g}_m^T(k\_\mathrm{start})\\ g_m^T(k\_\mathrm{start}+1)\\ M\\ g_m^T(k\_\mathrm{end})\end{array}\right];$

$g_m\left(k\right)=\mathrm{Vec}\left(\right(\left[\begin{array}{c}\\ x(k+L1)\\ x(k+L1-1)\\ M\\ x(k-L2)\end{array}\right]*\left[\begin{array}{cccc}{x}^{*}(k-m+L1)& x^{*}(k-m+L1-1)& L& x^{*}(k-m-L2)\end{array}\right]$

其中，k-start、k_end分别为构成G_m的开始k值和结束k值，m+L2+1≤k_start≤N-L1，k_start＜k_end≤N-L1，x为已知的训练序列，G_om是条件数最小的G_m。

进一步的， $R_m=\left[\begin{array}{c}{r}_m(k\_\mathrm{start})\\ r_m(k\_\mathrm{start}+1)\\ M\\ r_m(k\_\mathrm{end})\end{array}\right]=\left[\begin{array}{c}r(k\_\mathrm{start})*r^{*}(k\_\mathrm{start}-m)\\ r(k\_\mathrm{start}+1)*r^{*}(k\_\mathrm{start}+1-m)\\ M\\ r(k\_\mathrm{end})*r^{*}(k\_\mathrm{end}-m)\end{array}\right]$

其中，[r(1)，r(2)，L，r(N)]为接收信号中训练序列部分；k_start，k_end分别为G_m的开始k值和结束k值，

进一步的，q_m＝G1_mR_m。

进一步的，所述频偏估计模块61用于：

按照如下公式得到该m值对应的频偏估计结果f_m：

$f_m=\frac{1}{2\mathrm{\&pi;m}}\arg \left(\underset{i=0}{\overset{L}{\mathrm{\&Sigma;}}}{q}_m(i(L+2)+1)\right),L=L1+L2.$

进一步的，所述频偏估计模块61用于：

按照公式一或公式二对得到的所有f_m进行平均，得到频偏估计结果f：

公式一： $f=\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_m{f}_m,0\&le;w_m\&le;1,\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_m=1;$

公式二： $f=\frac{1}{K}\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}{f}_m;$

其中，K为m的最大值。

进一步的， $w_m=\frac{\frac{1}{{\mathrm{cond}}_{G_m}}}{\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}\frac{1}{{\mathrm{cond}}_{G_m}}};$

其中，K为m的最大值，

为G_m的条件数。

进一步的，该设备还包括：

频偏补偿模块62，用于在得到频偏估计结果f之后，按照如下公式得到频偏补偿结果d_i：

d_i＝r_total(i)e^j2πf(i-a)，1≤i≤L_total

其中，r_total为全部接收信号，a为接收信号的总长度的一半，L_total接收信号总长度。

进一步的，本例中接收信号的总长度为148，a为74。

综上，本发明的有益效果包括：

本发明实施例提供的方案中，

接收端接收发送端发送的信号以及训练序列号，由训练序列号获取训练序列，由训练序列生成其相关矩阵的广义逆矩阵，生成由接收信号构造的相关矩阵，并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到一个中间向量即带有频偏的信道冲激响应的相关向量；根据此中间向量进行频偏估计。可见，本发明中，接收端根据由训练序列构造的相关矩阵的广义逆矩阵、以及由接收信号构造的相关矩阵进行频偏估计，而不需要根据信道估计结果进行频偏估计，因此本发明方案能够有效提高频偏估计结果的准确性。

本发明基于多径传输模型建模，最终的频偏估计不需要信道估计值，能够得到很好的频偏估计值。同时为了抵抗噪声对LS参数估计的影响，引入了多种措施提高其估计的准确性，有效提高频偏估计方法的抗噪声能力。应用此方法能够有效提高频偏校正的有效性和鲁棒性。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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 (12)

1.一种频偏估计方法，其特征在于，该方法包括：

接收端接收发送端发送的信号以及训练序列号；

接收端根据所述训练序列号获取训练序列，构造该训练序列的相关矩阵的广义逆矩阵，生成由接收信号构造的相关矩阵，并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到带有频偏的信道冲激响应的相关向量；

接收端根据所述相关向量进行频偏估计。

2.如权利要求1所述的方法，其特征在于，接收端构造该训练序列的相关矩阵的广义逆矩阵，生成由接收信号构造的相关矩阵，并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到带有频偏的信道冲激响应相关向量，根据所述相关向量进行频偏估计包括：

接收端对于每个m值，获取该m值对应的、该训练序列的相关矩阵的广义逆矩阵G1_m，生成该m值对应的、由接收信号构造的相关矩阵R_m，并根据G1_m和R_m得到该m值对应的、带有频偏的信道冲激响应相关向量q_m，根据q_m得到该m值对应的频偏估计结果f_m；

接收端将得到的所有f_m进行平均，得到频偏估计结果f；

其中，m在由1与N-L-1构成的闭合区间中取值，L＝L1+L2，N为训练序列的长度；L1是信道总冲激响应中非因果部分涉及的最大时间深度，L2是信道总冲激响应中因果部分涉及的最大时间深度。

3.如权利要求2所述的方法，其特征在于，

${G1}_m={\left(G_m^H{G}_m\right)}^{-1}{G}_m^H,$ 或者， ${G1}_m={\left(G_{\mathrm{om}}^H{G}_{\mathrm{om}}\right)}^{-1}{G}_{\mathrm{om}}^H;$

$G_m=\left[\begin{array}{c}{g}_m^T(k\_\mathrm{start})\\ g_m^T(k\_\mathrm{start}+1)\\ M\\ g_m^T(k\_\mathrm{end})\end{array}\right];$

$g_m\left(k\right)=\mathrm{Vec}\left(\right(\left[\begin{array}{c}\\ x(k+L1)\\ x(k+L1-1)\\ M\\ x(k-L2)\end{array}\right]*\left[\begin{array}{cccc}{x}^{*}(k-m+L1)& x^{*}(k-m+L1-1)& L& x^{*}(k-m-L2)\end{array}\right]$

其中，k_start、k_end分别为构成G_m的开始k值和结束k值，m+L2+1≤k_start≤N-L1，k_start＜k_end≤N-L1，x为已知的训练序列，G_om是条件数最小的G_m。

4.如权利要求3所述的方法，其特征在于，

$R_m=\left[\begin{array}{c}{r}_m(k\_\mathrm{start})\\ r_m(k\_\mathrm{start}+1)\\ M\\ r_m(k\_\mathrm{end})\end{array}\right]=\left[\begin{array}{c}r(k\_\mathrm{start})*r^{*}(k\_\mathrm{start}-m)\\ r(k\_\mathrm{start}+1)*r^{*}(k\_\mathrm{start}+1-m)\\ M\\ r(k\_\mathrm{end})*r^{*}(k\_\mathrm{end}-m)\end{array}\right]$

其中，[r(1)，r(2)，L，r(N)]为接收信号中的训练序列部分。

5.如权利要求2所述的方法，其特征在于，q_m＝G1_mR_m。

6.如权利要求2所述的方法，其特征在于，按照如下公式得到该m值对应的频偏估计结果f_m：

$f_m=\frac{1}{2\mathrm{\&pi;m}}\arg \left(\underset{i=0}{\overset{L}{\mathrm{\&Sigma;}}}{q}_m(i(L+2)+1)\right),L=L1+L2.$

7.如权利要求3所述的方法，其特征在于，接收端按照公式一或公式二对得到的所有f_m进行平均，得到频偏估计结果f：

公式一： $f=\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_m{f}_m,0\&le;w_m\&le;1,\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}{w}_m=1;$

公式二： $f=\frac{1}{K}\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}{f}_m;$

其中，K为m的最大值。

8.如权利要求7所述的方法，其特征在于，

$w_m=\frac{\frac{1}{{\mathrm{cond}}_{G_m}}}{\underset{m=1}{\overset{K}{\mathrm{\&Sigma;}}}\frac{1}{{\mathrm{cond}}_{G_m}}};$

其中，

为G_m的条件数。

9.如权利要求2所述的方法，其特征在于，在得到频偏估计结果f之后，该方法进一步包括：

接收端按照如下公式得到频偏补偿结果d_i：

d_i＝r_total(i)e^j2πf(i-a)，1≤i≤L_total

其中，r_total为全部接收信号，a为接收信号的总长度的一半，L_total为接收信号总长度。

10.一种频偏估计设备，其特征在于，该设备包括：

信号接收模块，用于接收发送端发送的信号以及训练序列号；

频偏估计模块，用于根据所述训练序列号获取训练序列，构造该训练序列的相关矩阵的广义逆矩阵，生成由接收信号构造的相关矩阵，并根据所述广义逆矩阵和由接收信号构造的相关矩阵，得到带有频偏的信道冲激响应的相关向量；根据所述相关向量进行频偏估计。

11.如权利要求10所述的设备，其特征在于，所述频偏估计模块用于：

对于每个m值，获取该m值对应的、该训练序列的相关矩阵的广义逆矩阵G1_m，生成该m值对应的、由接收信号构造的相关矩阵R_m，并根据G1_m和R_m得到该m值对应的、带有频偏的信道冲激响应相关向量q_m，根据q_m得到该m值对应的频偏估计结果f_m；

将得到的所有f_m进行加权平均，得到频偏估计结果f；

其中，m在由1与N-L-1构成的闭合区间中取值，L＝L1+L2，N为训练序列的长度；L1是信道总冲激响应中非因果部分涉及的最大时间深度，L2是信道总冲激响应中因果部分涉及的最大时间深度。

12.如权利要求11所述的设备，其特征在于，

${G1}_m={\left(G_m^H{G}_m\right)}^{-1}{G}_m^H,$ 或者， ${G1}_m={\left(G_{\mathrm{om}}^H{G}_{\mathrm{om}}\right)}^{-1}{G}_{\mathrm{om}}^H;$

$G_m=\left[\begin{array}{c}{g}_m^T(k\_\mathrm{start})\\ g_m^T(k\_\mathrm{start}+1)\\ M\\ g_m^T(k\_\mathrm{end})\end{array}\right];$

$g_m\left(k\right)=\mathrm{Vec}\left(\right(\left[\begin{array}{c}\\ x(k+L1)\\ x(k+L1-1)\\ M\\ x(k-L2)\end{array}\right]*\left[\begin{array}{cccc}{x}^{*}(k-m+L1)& x^{*}(k-m+L1-1)& L& x^{*}(k-m-L2)\end{array}\right]$

其中，k_start、k_end分别为构成G_m的开始k值和结束k值，m+L2+1≤k_start≤N-L1，k_start＜k_end≤N-L1，x为已知的训练序列，G_om是条件数最小的G_m。

Images