CN103067134A - 正交频分复用系统中的信道反馈方法 - Google Patents

Abstract

本发明涉及一种正交频分复用系统中的信道反馈的方法。在正交频分复用系统中，信道在频域上得到估计，然而，无线信道的通用模型揭示了信道的时域参数与信道的频域描述相比，具有小得多的数据量。本发明描述了从频域信道采样中提取时域参数的方法，时域参数可以是连续时域参数，也可以是离散时域参数。本发明还描述了通过对频域匹配误差最小化而进一步优化时域参数的方法，该方法进一步改进了信道反馈质量和减少了反馈开销，采用时域参数的信道反馈的反馈开销为现有方案中反馈开销的极小的一部分。无论无线信道延迟分布的长短，采用时域参数的信道反馈具有一致的优越反馈性能。

Description

正交频分复用系统中的信道反馈方法

技术领域

本发明涉及电讯系统以及无线通讯系统领域，特别涉及无线通讯网络中信道反馈领域，具体是指一种正交频分复用系统中的信道反馈方法。

背景技术

典型的无线移动网络包含众多小区，每一小区具有一个或多个基站。小区中的移动用户与小区中的服务基站进行通讯。由于移动用户在小区内的位置是随机的，移动用户与其服务基站之间的信道质量的变化范围很大。例如，图1中的两个移动用户120和122位于同一小区，小区中的服务基站为基站112。移动用户120距基站112很近，因此移动用户120与基站112之间的信道质量可以相当好，移动用户120与基站112之间可以实现很高的数据流量。

另一方面，移动用户122位于小区的边缘，距基站112很远。在基站112用于向移动用户122发送信号的下行信道中，移动用户122所收到的下行信号的强度因传输距离的增加而衰减更多。并且，移动用户122更靠近相邻小区，因此来自相邻小区基站114和116的信号所造成的干扰更强。所以，小区边缘处的下行信道质量可能会非常差。在移动用户122用于向基站112发送信号的上行信道中，移动用户122的上行信号会受到相邻小区的移动用户124和126的干扰，因此，小区边缘处的上行信道质量也会很差。这导致了小区边缘处的数据流量远远低于移动用户在基站附近所能达到的峰值流量，并使得整个小区的平均数据流量也很低，从而在很大程度上降低了网络性能。

为了改进基于数据流量的网络性能，多点传播方案最近被引入无线移动网络。参见图1，移动用户122与基站112相连，移动用户124与基站114相连，移动用户126与基站116相连。在不采用多点传播时，每一个基站独立地与相应的移动用户通讯。以移动用户122为例，来自基站114和116的信号形成了干扰噪声。如图1所示，移动用户122位于小区边缘，来自基站114和116的干扰可以远比来自基站112的信号强大，从而使得移动用户122的通讯质量变得很差，进而导致极低的数据流量。

多点传播方案的重点在于提高小区边缘的性能，它的原理可以描述如下。图1示出了一个多点传播系统的实例。基站112、114、以及116构成了一个协作多点传播集。移动用户122、124、以及126构成了一个多点传播系统的接收集。在图1的多点传播系统中，基站112、114、以及116发送的是针对移动用户122、124、以及126信号的组合。对于每个基站来说，每个移动用户的组合权重可以是不一样的。借助精准缜密的算法，各个基站发送的组合信号可以实现如下的效果：当来自基站112，114、116的信号抵达移动用户122时，针对移动用户124和126的信号被抵消或最小化，而针对移动用户122的信号则被最大化或增强，从而移动用户122的信号质量得到了有效的提高。同理，移动用户124和126的信号在相应的移动用户处也得到了有效的提高。在各个基站上的信号组合普遍被称为“预编码”。对应于每个移动用户和每个基站的组合权重则构成“预编码矩阵”中的元素。

移动网络中的基站信号具有广播或传播的性质。多点传播方案形成了一个多点传播信道的集合。多点传播信道具有全部抵消干扰以及为每个移动用户构造清晰信道的能力，这使得它的信道容量（一衡量网络数据流量的关键指标）数倍于传统的移动网络。多点传播方案已被LTE（长期演进技术）的先进版本采纳，并被称为CoMP（协作多点传输），该名称源自相邻基站通过协作方式来实现多点传播。

尽管多点传播可以给无线移动网络带来巨大的益处，它的性能直接取决于协作基站能否拥有下行信道的信息。在图1的多点传播系统中，每个基站必须拥有介于基站和移动用户间的全部的下行信道的信息以实现干扰抵消。一般说来，基站只能直接地获取上行信道信息，而下行信道信息则需要通过移动用户的反馈而获取。但是，在LTE网络中，下行信道的反馈数据量基于如下原因会非常庞大：第一，信道信息的数据正比于信号带宽，而LTE网络采用的是宽带信号。第二，无线信道可以是迅变的，因此反馈速率也需要很高才能跟踪信道的变化。第三，在诸如多点传播的场合中，可能会有多个下行信道。例如，图1的多点传播系统有3个基站和3个移动用户，因此一共有9个下行信道。并且，如果基站和/或移动用户有着多于一个的天线，下行信道的数目又会倍乘以基站的天线数目和移动用户的天线数目。第四，为了使基站可靠地恢复下行信道信息，反馈数据需要经过纠错编码，从而使进一步地增加了反馈数据量。

巨大的下行信道反馈数据导致了极高的反馈开销。由于下行信道信息通过上行信道反馈，上行信道的容量因此减少了很多。在许多情形下，反馈数据使得上行信道没有空间留给有用的用户数据。

一个减少反馈数据量的方案是只反馈某些信道统计量，而不是全部的信道信息。这使得反馈开销降低到了可以接受的程度，然而付出的代价是牺牲了绝大部分的多点传播的益处。移动网络容量从数倍的改进降至小增量性的改进。这样的代价显然是太高了。另一种减少反馈数据量的方案是采用数据压缩技术对反馈数据进行压缩。然而，压缩后的反馈数据减少的程度不足以将反馈数据量降至可以接受的水平。

还有一种方案是将信道的时域表达进行反馈。该方案乃是基于信道的延迟分布较短的假设。信道的频域表达先被转换至时域，然后在时域上将信道截短至信道的延迟分布的长度。对于短延迟分布的信道来说，上述信道截短方案可以有效地减小反馈开销。然而，该方案对于长延迟分布的信道则不适用。实际上，许多典型的无线信道在时域上的延迟分布长度与其在频域上的样本数目处于同一数量级。这种情形在小区边缘更为频繁地出现，而在小区边缘最需要多点传播，因而最需要可靠有效的信道反馈方案。

综上所述，过大的反馈开销是在LTE网络中实现多点传播的主要障碍。由于无线业界正在迅速地将LTE采纳为未来无线移动网络的主流技术，过大的反馈开销也成为数倍地提高无线移动网络容量的主要障碍。因此，LTE网络对能够提供有效的下行信道反馈而不过多影响有用数据容量的方法、装置、以及系统有着紧迫的需求。

发明内容

本发明的目的是克服上述现有技术中的缺点，提供一种能够有效消除绝大部分的反馈开销、确保多点传播的巨大潜力得以充分发挥、成倍地提升无线网络容量而不牺牲上行信道容量的正交频分复用系统中的信道反馈方法。

下面的描述给出了关于本发明的若干方面的概要，以提供对这些方面的基本理解。本概要的目的是简要地介绍关于本发明若干方面的有关概念。这些介绍可以认为是后续详细描述的引子。

在本发明的一些方面，信道估计首先在频域上获得。基于在连续时域上的信道模型，从频域信道采样中可以导出一组时域参数。连续时域上的时域参数包括多径数目、多径延迟、以及多径幅度。不管信道延迟分布的长短，用于描述时域参数的数据量要比频域信道采样的数据量小得多，相应地，反馈开销也小得多。

在本发明的某些方面，时域参数乃是通过对频域匹配误差实行递归式最小化而导出。递归式最小化的计算效率更高，并提供了更加易行的确定多径数目的方法。

在本发明的若干进一步的方面，通过递归式最小化所导出的时域参数可以被进一步地优化。进一步优化时域参数的一种方法是以通过递归式最小化所导出的时域参数作为初始猜测值，来求解一个完整的最小化问题。进一步优化时域参数的另一种方法是在递归式最小化所导出的多径延迟处，对频域匹配误差实施最小化。

在本发明的一些其它方面，时域参数可以在离散时域上导出。离散时域上的时域参数包括信道抽头的数目、序号、以及幅度。在频域上的信道采样首先通过离散傅立叶反变换（IDFT）被变换至时域。然后基于离散傅立叶反变换的输出的强度来选取信号抽头。和连续时域的情形相类似，无论信道延迟分布的长短，在离散时域上获得的时域参数的数据量要比频域信道采样的数据量小得多。

在本发明的另一些其它的方面，频谱填充被用来取代未知的频域信道采样。频谱填充使得采样带宽内的频谱更加平滑，因而减少了需要反馈的信道抽头的数目。

在本发明的另外一些方面，信道抽头的幅度通过在给定的抽头序号处对频域匹配误差进行最小化而确定，而不是采用离散傅立叶反变换的输出作为信道抽头的幅度。这进一步地减小了频域匹配误差和反馈信道抽头的数目。

综上所述，本发明的若干优点在于提供了有效的信道反馈方法并消除了绝大部分的反馈开销。这使得多点传播的巨大潜力得以充分发挥，进而成倍地提升无线网络容量而不牺牲上行信道容量。更多的优点和新颖独到的特征可以通过对下面的详细描述和附图的研究而变得更加清晰。

附图说明

图1描述了一包含多点传播系统的无线移动网络。

图2描述了正交频分复用系统中两种典型的导频信号模式：时分导频信号和频分导频信号。

图3给出了最小化频域匹配误差的时域参数反馈方案的一个示范性框图。

图4给出了递归式最小化频域匹配误差的时域参数反馈方案的一个示范性框图。

图5给出了最小化频域匹配误差和进一步优化时域参数的时域参数反馈方案的一个示范性框图。

图6给出了最强信道抽头反馈方案的一个示范性框图。

图7描述了频谱非光滑现象。

图8描述了离散傅立叶反变换的不完全输入情况下的频谱填充的一些选择。

图9给出了采用频谱填充的最强信道抽头反馈方案的一个示范性框图。

图10给出了最小化频域匹配误差的最强信道抽头反馈方案的一个示范性框图。

具体实施方式

为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。

请参阅图1所示，借助附图，下文更充分地描述了本发明中所公开的发明主旨。附图描述了本发明的一些（但不是全部）方面或一些具体实现。描述中所引用的数字标记对应于附图中相应的元素。本发明的种种方面可以通过许多不同的方式实现，因此不应被认为受限于本发明中所描述的范例性实现。下文中描述了若干用于解释目的的具体细节，以期达到对发明主旨的详尽理解。然而在许多情况下，将发明主旨付诸实践可能并不一定需要这些具体细节。在另外一些场合，为了突出对发明主旨的描述，众所周知的方法、步骤、以及组成部分的细节则不再详述。

在正交频分复用（OFDM）系统中，导频信号在指定的子载波上传递。图2描述了正交频分复用系统中两种典型的导频信号模式：时分导频信号和频分导频信号。时分导频信号和数据信号以时分的形式传输。在传输导频信号的时段内，所有的子载波均承载导频信号。另一方面，频分导频信号和数据信号同时传输。在频域上，若干子载波被指定来承载子载波。一般说来导频子载波大致呈均匀分布，这样在非导频子载波处的信道信息可以通过对邻近的导频子载波插值而获得。

在实践中，时分导频和频分导频信号模式可以通过不同方式组合而形成混合模式。例如，LTE网络中的导频信号和数据信号既在时域上复用也在频域上复用。在带宽为20-MHz的LTE网络中，一共有1201个子载波，其中有400个子载波承载导频信号。换句话说，400个频域采样描述了20-MHz的信道。

在多点传播中，相互合作的基站需要通过移动用户的反馈获得下行信道信息。然而频域信道采样的反馈会导致过大的反馈开销，大大降低了上行信道容量，甚至使上行信道无法承载有用的数据。

一个无线信道的时域模型如下：

$h\left(t\right)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\α}}_l\mathrm{\δ}(t-{\mathrm{\τ}}_l)---\left(1\right)$

其中L为多径数目，a_l和τ_l相应地为第l个路径的复幅度和延迟。下文中，在不致混淆的情况下，“复幅度”则被简称为幅度。相应的频域信道则为

$H\left(\mathrm{\ω}\right)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\α}}_l{e}^{-{\mathrm{j\ω\τ}}_l}---\left(2\right)$

在正交频分复用系统中，信道估计在导频子载波所在的离散频率点

ω_k，k＝0，1，...，K-1

处产生对H(ω_k)的估计H_k，其中K为频域信道采样的数目。频域上的信道估计可以在若干正交频分复用字符上作平均以提高估计精度。时域截短也可以被使用以提高估计精度。时域截短的方法可以描述如下。设 $\left\{{\hat{H}}_k\right\}=\{{\hat{H}}_k,k=\mathrm{0,1},...,K-1\}$ 为频域信道采样的初始估计。并设 $\left\{{\hat{h}}_n\right\}=\{{\hat{h}}_n,n=\mathrm{0,1},...,N-1\}$ 为

的时域表达。例如，如果

是均匀采样的，并且N＝K，那么

可以是

的离散傅立叶反变换。如果信道延迟分布长度L_ch为事先已知，即当n>L_ch时h_n＝h(nT_s)＝0，其中T_s为采样间隔，那么最后N-L_ch-1个时域信道采样可以被零所代替，从而得到截短的时域信道采样

截短的时域信道采样的频域表达{H_k}可以作为频域信道采样的改进估计。如果

通过

的离散傅立叶反变换而得到，那么{H_k}可以通过截短的时域信道采样的离散傅立叶变换（DFT）得到。信道延迟分布长度L_ch的信息可以通过多种方法获得，包括对有关信道统计量的累加、实地测量、以及经验数据等等。

尽管K的数值可以达到数百或更多，信道的时域参数的数目则很少。在式（1）中，信道的时域参数为L、a_l、以及τ_l。典型的无线信道中的多径数目一般小于10（理论上，多径数目可以是无穷多。然而在无线传播环境中，多径一般地聚集成若干簇，每一簇中的多径的延迟差别很小，因此每一簇中的所有多径可以通过一个等效多径表示）。从频域信道采样{H_k}中提取时域参数的一种方法是求解下面的最小化问题：

$\min \mathrm{imize\; J}(L,{\mathrm{\α}}_0,\·\·\·,{\mathrm{\α}}_{L-1},{\mathrm{\τ}}_0,\·\·\·,{\mathrm{\τ}}_{L-1})=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{|\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\α}}_l{e}^{-j{\mathrm{\ω}}_k{\mathrm{\τ}}_l}-H_k|}^p---\left(3\right)$

其中J(L，a₀，…，α_L-1，τ₀，…，τ_L-1)为频域匹配误差，p>0为误差范数。比如，p＝2时得到的解为最小平方误差解，而很大的p值则对应于最小最大误差解。需要指出的是，频域匹配误差也可以取不同于式（3）的其它合适的形式。在下文中，式（3）中的最小化问题被称为完整最小化，以区别于后面将要描述的递归式最小化。

多径数目L为整数，因此在式（3）完整最小化问题中搜索L的最优值会需要很大的运算量。减少运算量的一个方法是在开始最小化之前采用一个L的初始估计值。L与信道的延迟分布密切相关，因此L的值或范围可以从信道的延迟分布来估计。如果注意到信道的延迟分布和L的变化与多径幅度的变化比较相当缓慢，运算量还可以进一步减小。当L的最优值找到之后，同一L值可以应用于若干后续的最小化问题的求解。当L需要更新时，可以假设新的最优值L_new和旧的最优值L_old相差不远。例如，L_new的候选值可以被限制在集合{L_old-1，L_old，L_old+1}内。

下面的例子表明了时域参数的反馈开销要比频域信道反馈的开销小得多。在20-MHz的LTE网络中，频域信道反馈需要反馈400个复数。而在有10个多径的情况下，时域参数反馈只需要反馈10个表示多径幅度的复数，10个表示多径延迟的实数，和一个表示多径数目的整数，反馈开销小于频域信道反馈开销的4％。

需要指出的是，极小的时域参数反馈开销的主要原因是多径的稀疏性，或者更准确地说，多径簇的稀疏性，其中多径簇中紧凑分布的多径使得每一多径簇可以通过一个单独的等效多径表示。多年来，无线移动网络的成功运行证实了无线信道中多径的稀疏性。例如，作为第三代无线移动网络的一个核心部分的耙式接收器（rake receiver）的原理就是基于多径的稀疏性。通过多径稀疏性而大幅度改进的反馈效率与信道延迟分布的长短无关。

在信道反馈之前，可以应用数据压缩技术进一步压缩时域参数的数据量。比如，L和τ_l的变化一般来说比a_l的变化要缓慢的多。因此L和τ_l可以通过比a_l反馈速率更慢的速率反馈。又比如，所有τ_l和a_l的值可以采用向量量化而不是单独和独立地量化。

图3给出了最小化频域匹配误差的时域参数反馈方案的一个示范性框图。信道估计器302通过导频信号估计频域上的信道。在信道估计器302中还可以应用在多个正交频分复用字符上的平均和/或时域截短来提高信道估计精度。匹配误差最小化装置304通过对频域匹配误差的最小化来从频域信道估计中提取时域参数。数据压缩装置306对提取出的时域参数进行压缩。数据压缩装置306的输出即为可供反馈的信道数据。

基于本发明的一些方面，式（3）中的完整最小化可以被下面的递归式最小化代替：

$\min \mathrm{imize}{J}_l({\mathrm{\α}}_l,{\mathrm{\τ}}_l|{\mathrm{\α}}_0,\·\·\·,{\mathrm{\α}}_{l-1},{\mathrm{\τ}}_0,\·\·\·,{\mathrm{\τ}}_{l-1})=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{|{\mathrm{\α}}_l{e}^{-{\mathrm{j\ω}}_k{\mathrm{\τ}}_l}+{\mathrm{\ϵ}}_{l-1,k}|}^p---\left(4\right)$

其中，J_l(a_l，τ_l|a₀，…，α_l-1，τ₀，…，τ_l-1)为l次递归中的频域匹配误差，

${\mathrm{\ϵ}}_{l-1,k}=\underset{m=0}{\overset{l-1}{\mathrm{\Σ}}}{\mathrm{\α}}_m{e}^{-j{\mathrm{\ω}}_k{\mathrm{\τ}}_m}-H_k,{\mathrm{\ϵ}}_{-1,k}=-H_k---\left(5\right)$

为l-1次递归中的频域失配。在前面递归得到的a₀，…，α_l-1和τ₀，…，τ_l-1的基础上，式（4）中的递归式最小化是求解使目前递归中的频域匹配误差最小的a_l和τ_l。与之相比较的是，式（3）则是求解使频域匹配误差最小的a₀，…，α_l-1、τ₀，…，τ_l-1、以及L。因此，式（4）中的最小化的计算量远远小于式（3）中的完整最小化的计算量。在误差范数p＝2的情形下，式（4）中的频域匹配误差可以进一步简化成

$J_l({\mathrm{\α}}_l,{\mathrm{\τ}}_l|{\mathrm{\α}}_0,\·\·\·,{\mathrm{\α}}_{l-1},{\mathrm{\τ}}_0,\·\·\·,{\mathrm{\τ}}_{l-1})=J_{l-1}({\mathrm{\α}}_{l-1},{\mathrm{\τ}}_{l-1}|{\mathrm{\α}}_0,\·\·\·,{\mathrm{\α}}_{l-2},{\mathrm{\τ}}_0,\·\·\·,{\mathrm{\τ}}_{l-2})+$

$K{|{\mathrm{\α}}_l|}^2+2\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\mathrm{Re}\left\{{\mathrm{\α}}_l{e}^{-j{\mathrm{\ω}}_k{\mathrm{\τ}}_l}{\mathrm{\ϵ}}_{l-1,k}^{*}\right\}---\left(6\right)$

式（6）中的最小化又可以写成

$\underset{{\mathrm{\α}}_l,{\mathrm{\τ}}_l}{\min \mathrm{imize}}K{\left|{\mathrm{\α}}_l\right|}^2+2\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\mathrm{Re}\left\{{\mathrm{\α}}_l{e}^{-{\mathrm{j\ω}}_k{\mathrm{\τ}}_l}{\mathrm{\ϵ}}_{l-1,k}^{*}\right\}---\left(7\right)$

式（7）的解如下：

$\arg \underset{{\mathrm{\τ}}_l}{\max }{\left|\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_{l-1,k}{e}^{{\mathrm{j\ω}}_k{\mathrm{\τ}}_l}\right|}^2---\left(8\right)$

式（8）的求解有着许多有效的方法。当τ_l被解出后，式（7）中的a_l由下式给出：

${\mathrm{\α}}_l=-\frac{1}{K}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_{l-1,k}{e}^{{\mathrm{j\ω}}_k{\mathrm{\τ}}_l}---\left(9\right)$

式（4）中的递归式最小化使得确定多径数目L更加简便。例如，当频域匹配误差低于指定的阈值时，递归过程就可以停止。或者，如果两次相邻递归的频域匹配误差没有明显的区别，这意味着更多的递归不大可能带来显著的改进，递归过程也可以停止。因此，递归的次数可以作为多径的有效数目。

图4给出了递归式最小化频域匹配误差的时域参数反馈方案的一个示范性框图。递归式匹配误差最小化装置402取代了图3中的匹配误差最小化装置304。递归控制装置404决定何时停止递归过程。

递归式最小化的结果可以被进一步优化。比如，递归式最小化所给出的时域参数可以作为一个初始猜测来求解式（3）的完整最小化问题。在给定初始值的条件下求解式（3）的最小化问题有许多算法可供使用，例如牛顿法。根据式（3）中的频域匹配误差不大于，且一般情况下小于式（4）中的频域匹配误差这一事实，可以看出递归式最小化的解确实可以被进一步优化。

对递归式最小化的解进行优化的另一种方法是在递归式最小化给出的多径延迟τ₀，…，τ_l处对频域匹配误差最小化：

$\min \mathrm{imizeJ}({\mathrm{\α}}_0,\·\·\·,{\mathrm{\α}}_l|{\mathrm{\τ}}_0,\·\·\·,{\mathrm{\τ}}_l)=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{|\underset{m=0}{\overset{l}{\mathrm{\Σ}}}{\mathrm{\α}}_m{e}^{-j{\mathrm{\ω}}_k{\mathrm{\τ}}_m}-H_k|}^p---\left(10\right)$

即最小化是寻找多径幅度a₀，…，a_l的最优值，而在最小化过程中多径延迟τ₀，…，τ_l是固定的。在p＝2的情形下，式（10）的解为

a＝(E^HE)-¹E^HH    （11）其中a＝(a₀，…，a_l)^T，H＝(H₀，…，H_K-1)^T，E为元素(k，m)为

的矩阵，E^H为E的埃米特（Hermitian）转置。当E非满秩或接近非满秩时，式（11）中的(E^HE)^-1可用(E^HE+σ²I)^-1所代替以保持数值稳定性，其中σ²>0为一常数。根据式（10）中的频域匹配误差不大于，且一般情况下小于式（4）中的频域匹配误差这一事实，可以看出递归式最小化的解确实可以被进一步优化。

图5给出了最小化频域匹配误差和进一步优化时域参数的时域参数反馈方案的一个示范性框图。优化器502进一步改进了递归式匹配误差最小化装置402给出的时域参数。优化器502可以将递归式匹配误差最小化装置402给出的时域参数作为初始猜测来求解式（3）中的完整最小化问题，也可以采用递归式误差最小化装置402给出的多径延迟，通过诸如式（10）所示的对频域匹配误差的最小化来确定多径的最优幅度。递归控制装置504决定何时停止递归过程。递归控制装置504还可以控制时域参数优化的时序，比如时域参数可以在递归过程结束后被优化，也可以在递归过程中的每一次递归后被优化。

基于本发明的一些其它方面，频域信道可以变换至离散时域。离散时域上的每个点被称为信道抽头。然后选择一些信道抽头，并通过若干准则来确定信道抽头的序号和幅度。需要注意的是，在离散时域上的时域参数的定义与连续时域有所不同。在连续时域上，时域参数为多径数目、多径延迟、以及多径幅度。在离散时域上，时域参数为信道抽头的数目、序号、以及幅度。

需要指出的是，即使对于有限数目的多径来说，由于多径延迟不一定位于时域上的离散采样点上，非零幅度的信道抽头可能有无限个。然而，多径的稀疏性保证了信道能量集中于少数强的信道抽头上，从而为下面所描述的离散时域上的时域参数反馈提供了可行性基础。在不引起混淆的情况下，下文中的“时域”可以是连续时域，也可以是离散时域。必要时，“离散时域”则被用来与连续时域相区分。

将频域信道采样H₀，H₁，…,H_K-1变换至时域信道采样可以通过离散傅立叶反变换实现。这需要频域信道采样具有均匀的采样间隔。如果频域信道采样是非均匀的，从原始的非均匀分布的频域信道采样导出均匀分布的频域信道采样有众多的算法可供使用。

一般来说，离散傅立叶反变换的长度N不一定与频域信道采样数目K＝N相同。首先考虑K＝N的情形。将离散傅立叶反变换的输出记为h₀，h₁，…，h_N-1，即

$h_n=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{H}_k{e}^{j2\mathrm{\πnk}/N}---\left(12\right)$

设M₁为反馈信道抽头的数目。M₁个信道抽头的选择是基于时域信道采样h_n，n＝0，1,…，N-1的强度函数s(h_n)。强度函数s(h_n)表征了h_n的“强度”。下面为几个强度函数的例子：

s(h_n)＝|Re{h_n}|+|Im{h_n}|    （13）

s(h_n)＝max(|Re{h_n}|，|Im{h_n}|)    （14）

s(h_n)＝Re²{h_n}+Im²{h_n}    （15）其中，式（15）中的强度函数代表了时域信道采样h_n的能量或功率。需要指出的是，强度函数的选择并不限于上面的例子。对于两个时域信道采样

和来说，

比

更强意味着

选择信道抽头的一种方法是将M₁个最强的时域信道采样作为信道抽头。所选取的信道抽头由它们的序号和幅度描述，即{h_n，n∈T₁}，其中T₁为M₁个最强的时域信道采样的序号集，并且|T₁|＝M₁。这种方法称为最强信道抽头反馈。

反馈信道抽头的数目M₁可以通过下面的方法确定。设选取的M₁个信道抽头捕获了时域信道采样的总强度的一定的百分比，即

$\underset{n\∈T}{\mathrm{\Σ}}{\left|h_n\right|}^p\≥\mathrm{\λ}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\left|h_n\right|}^p---\left(16\right)$

其中0<λ<1。例如，λ可以取为0.9，0.99，或0.999。在p＝2时，式（16）意味着选取的信道抽头捕获了总能量（或总功率）的λ。需要强调的是，式（16）中|h_n|可以换成强度函数s(h_n)。如果信道的延迟分布长度L_ch为已知，式（16）的右端的和式范围则为从0到L_ch。相应地，信道抽头可以在序号范围0，1,…，L_ch中选择，而不是0，1,…，N-1。

当考虑估计噪声时，M₁可以进一步减小，因为信道估计误差的存在使得反馈质量不因更多的反馈信道抽头而改进。考虑估计噪声，时域信道采样的总平均能量可以表示为

$V=E\left\{\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{\left|h_n\right|}^2\right\}=E\left\{\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{\left|{\stackrel{\&OverBar;}{h}}_n+u_n\right|}^2\right\}=V_C+V_N---\left(17\right)$

其中

为真实信道幅度，u_n为估计噪声，V_C和V_N相应地为真实信道能量和真实估计噪声能量。在下面，V_C和V_N相应地被简称为信道能量和噪声能量。由式（17），时域信道采样的总能量为信道能量和噪声能量之和。为了捕获λ的信道能量，下面关系应被满足：

$\underset{n\&Element;T}{\mathrm{\&Sigma;}}{\left|h_n\right|}^2\&GreaterEqual;{\mathrm{\&lambda;V}}_C+\frac{M_1}{N}{V}_N=\mathrm{\&lambda;V}-(\mathrm{\&lambda;}-\frac{M_1}{N})V_N---\left(18\right)$

一般地，λ接近于1且M₁＜＜N。因此由式（18）可以看出，捕获λ的信道能量与捕获λ的时域信道采样的总能量相比，所需要的信道抽头更少。

如果使用式（18）来确定M₁，首先需要估计噪声能量V_N。由于无线信道中的信道能量趋向于集中在少数时域信道采样上，大部分的时域信道采样只含有噪声。估计V_N的一个方法是通过强度函数来选取M₂个最弱的时域信道采样。设T₂为M₂个最弱的时域信道采样的序号集，则|T₂|＝M₂。那么V_N可以通过下式估计：

$\underset{n\&Element;T_2}{\mathrm{\&Sigma;}}{\left|h_n\right|}^2\&ap;\frac{M_2}{N}{V}_N---\left(19\right)$

如果信道估计误差的统计特性是缓变的，V_N的估计还可以在多个信道估计结果上平均以进一步提高估计精度。

值得指出的是，上述确定M₁的方法不依赖于信道的延迟分布长度，因此因此对长信道和短信道都适用。

M₁还可以通过信道的延迟分布来确定，或有关M₁范围的先验信息。这类的先验信息可以从过去的信道反馈性能而总结出。

图6给出了最强信道抽头反馈方案的一个示范性框图。信道估计器302通过导频信号估计频域上的信道。如果频域信道采样间隔是非均匀的，信道估计器302还会从原始的非均匀间隔的频域信道采样产生出均匀间隔的频域信道采样。离散傅立叶反变换装置602将均匀间隔的频域信道采样变换至时域。信道抽头数目选择器604确定反馈信道抽头的数目。信道抽头606根据信道抽头的强度选择信道抽头。选中的信道抽头的幅度即为对应于该信道抽头的离散傅立叶反变换的值。数据压缩装置306将数据压缩应用于离散时域上的时域参数。

在许多应用中离散傅立叶反变换的长度N≠K。比如，在20-MHz的LTE系统中，子载波的数目为1201，离散傅立叶反变换的长度为2048。由于信道只能在可用的子载波上估计，因此频域信道采样至多只有1201个。在离散傅立叶反变换的2048个输入中，不属于已知频域信道采样的输入则是未知的。如果离散傅立叶反变换的输入不完全，离散傅立叶反变换则无法进行。

绕过不完全输入问题的一个途径是使离散傅立叶反变换的长度与频域信道采样的数目相等。然而这种方法具有如下的缺点。第一，改变离散傅立叶反变换的长度也改变了时域上的采样率。为了恢复原始的采样率则需要额外的采样率转换，使得运算量增加。第二，将频域信道采样数目作为离散傅立叶反变换的长度不一定存在有效的实现方式。例如，在前面提过的20-MHz LTE系统中，1201点的离散傅立叶反变换的运算量是2048点的离散傅立叶反变换的运算量的60多倍，原因在于后者可以通过快速傅立叶变换（FFT）实现，而前者则不能。第三，位于信号带宽两端的信道一般来说是不同的。在离散频域上，信号带宽两端的频率对应于离散频率

和其中

表示不超过x的最大整数。这两个离散频率上的两个独立的信道导致了频谱的“非光滑性”，如图7所示。频谱的非光滑性使得信道能量分布于更多的信道抽头上，所以，为了捕获给定比例的信道能量，非光滑的频谱则需要更多的信道抽头，从而增加了反馈开销。

因此，当离散傅立叶反变换长度N≠K时，离散傅立叶反变换输入中的未知频域信道采样需要被填充。图8描述了离散傅立叶反变换的不完全输入情况下的频谱填充的一些选择。图8（a）示出了补零式频谱填充。补零式频谱填充使得可以采用原始长度N进行离散傅立叶反变换，但在填充的零频域信道采样和已知频域信道采样之间产生了频谱的非光滑性，如图8（a）所示。在图8（b）中，线性插值被用于确定未知的频域信道采样从而得到光滑的频谱。需要指出的是，其它插值方法也可以使用。

图8（c）示出了频率掩蔽成形的例子。诸如图8（b）所示的填充后的频谱可以进一步与图8（c）所示的光滑频率掩蔽样板相乘。例如，频率掩蔽样板可以取为上升式余弦（raisedcosine）。

在上述20-MHz LTE的例子中，N＝2048，K＝1201。需要指出的是，N不限于大于K且形如N＝2^b的最小整数。比如，对于K＝1201来说，N也可以取值4096，8192，等等，或者其它合适的但非N＝2^b形式的数值。

图9给出了采用频谱填充的最强信道抽头反馈方案的一个示范性框图。频谱填充装置902将来自信道估计器302的估计出的频域信道采样作为输入，根据需要进行频谱填充。频谱填充装置902的输出进入离散傅立叶反变换装置602。

基于本发明一些进一步的方面，最强信道抽头反馈中的频域匹配误差和/或信道抽头的数目可以进一步被减小。设S为估计出的频域信道采样的序号集。在给定信道抽头序号集T的条件下，频域匹配误差可以通过选择信道抽头的幅度而最小化：

$\min \mathrm{imizeJ}\left(\right\{h_n,n\&Element;T\left\}\right|T)=\underset{k\&Element;S}{\mathrm{\&Sigma;}}{|\underset{n\&Element;T}{\mathrm{\&Sigma;}}{h}_n{e}^{-j2\mathrm{\&pi;nk}/N}-H_k|}^p---\left(20\right)$

设

为式（20）的解。需要反馈的时域参数则为T和

值得强调的是序号集包括信道抽头的数目和序号，

代表信道抽头的幅度。在误差范数p＝2的情况下，

为最小平方误差解。

图10给出了最小化频域匹配误差的最强信道抽头反馈方案的一个示范性框图。匹配误差最小化装置1002通过信道抽头选择器606给出的信道抽头序号来计算使式（20）最小化的信道抽头的幅度。在图10中，式（20）的解作为信道抽头的幅度代替了离散傅立叶反变换的输出。一般地，最小化的频域匹配误差要比离散傅立叶反变换输出的频域匹配误差小得多。对于给定的频域匹配误差，式（20）的解中的信道抽头要比使用离散傅立叶反变换的输出所需要的信道抽头少得多，因而进一步降低了反馈开销。

理论上式（20）的解与离散傅立叶反变换的输出相比有着更小的频域匹配误差。然而由于实现上的有限数值精度，在信道抽头数目较多和式（20）具有数值病态的情形，式（20）的解可能会产生更差的频域匹配误差。在这种情形下，离散傅立叶反变换的输出可以作为信道抽头的幅度的“后备”解，即当式（20）的解与离散傅立叶反变换的输出相比，具有更大的频域匹配误差时，离散傅立叶反变换在选定的信道抽头序号处的输出可以作为信道抽头的幅度。

结论，派生结果与范围

通过上面对本发明的详细描述可以看出，采用时域参数进行信道反馈将反馈开销降到了现有技术所需反馈开销的极小一部分，因此为在LTE网络中实现多点传播提供了可行的路径，并使成倍地提升无线移动网络的容量成为可能。

时域参数反馈对于长延迟分布信道和短延迟分布信道均适用，并在大范围的信道条件下保持一致的优越的反馈效率。

本发明主旨的许多方面通过单独的标量信道加以描述，其中标量信道为一单独的发送器和一单独的接收器之间的信道。值得指出和强调的是，本发明主旨的原理同样适用于向量和矩阵信道，例如多点传播信道和多输入输出（MIMO）信道。

本发明主旨的许多方面通过LTE无线移动网络加以描述。值得指出和强调的是，本发明主旨的原理同样适用于其它无线网络和系统，例如无线局部网（WLAN）。

上文对本发明的各个方面和/或体现给出了解说性的描述。需要强调的是，对于熟悉相关背景的专业人士来说，本发明的各个方面和/或体现的范围为本发明中的权利要求所定义，在不偏离该范围的条件下，存在着许许多多的可能的变动和修改。另外，除特别说明外，本发明的任一方面和/或体现的全部或一部分可以与本发明的其它任一方面和/或体现的全部或一部分进行组合。因此，所有这样的修改、变动、以及组合，只要它们落入所公开的发明主旨的精神实质和范围，均为本发明中的权利要求所包括。

Claims (26)

1.一种信道反馈方法，其特征在于，该方法包括：

（a）在信道带宽上的一组频率点上对信道进行估计，以及

（b）从在所述的频率点处获得的信道估计，通过最小化频域匹配误差，提取一个时域参数的集合，该时域参数的集合包含多径数目、多径延迟、以及多径幅度，

据此，所述的时域参数的集合与在所述的频率点上的信道估计相比，具有更小的数据量，并被用来进行信道反馈。

2.根据权利要求1所述的信道反馈方法，其特征在于，所述的最小化频域匹配误差采用完整最小化。

3.根据权利要求1所述的信道反馈方法，其特征在于，所述的最小化频域匹配误差采用递归式最小化。

4.根据权利要求3所述的信道反馈方法，其特征在于，所述的方法进一步包括以所述的递归式最小化所给出的时域参数的集合作为初始猜测，而进行完整最小化。据此，所述的时域参数的集合得以进一步的优化。

5.根据权利要求3所述的信道反馈方法，其特征在于，所述的方法进一步包括：在所述的多径延迟由所述的递归式最小化所给出的条件下，对所述的频域匹配误差实行最小化，从而进一步优化所述的多径幅度。

6.根据权利要求3所述的信道反馈方法，其特征在于，当所述的频域匹配误差小于预先确定的阈值时，所述的递归式最小化则被停止。

7.根据权利要求3所述的信道反馈方法，其特征在于，当最近的两次递归中的频域匹配误差的差别处于预先确定的范围内时，所述的递归式最小化则被停止。

8.根据权利要求3所述的信道反馈方法，其特征在于，所述的多径数目为所述的递归式最小化中的递归次数。

9.根据权利要求1所述的信道反馈方法，其特征在于，所述的方法进一步包括对所述的时域参数的集合进行数据压缩。

10.一种信道反馈方法，其特征在于，该方法包括：

（a）在信道带宽上的一组频率点上对信道进行估计；

（b）将所述的频率点处获得的信道估计变换至时域以得到时域信道采样；

（c）从所述的时域信道采样中根据所述的时域信道采样的一个强度函数选取若干信道抽头；以及

（d）构造一时域参数的集合，该集合包括所述的信道抽头的数目、序号、以及幅度；

据此，所述的时域参数的集合与在所述的频率点上的信道估计相比，具有更小的数据量，并被用来进行信道反馈。

11.根据权利要求10所述的信道反馈方法，其特征在于，将所述的信道估计变换至时域进一步包括：如果用来信道估计的所述的频率点的间隔是非均匀的，则首先通过所述的信道估计而产生一组在新的具有均匀间隔的频率点上的信道估计。

12.根据权利要求10所述的信道反馈方法，其特征在于，将所述的信道估计变换至时域时采用离散傅立叶反变换，据此，所述的时域信道采样为所述的离散傅立叶反变换的输出。

13.根据权利要求12所述的信道反馈方法，其特征在于，将所述的信道估计变换至时域进一步包括：如果所述的信道估计的数目小于所述的离散傅立叶反变换的长度，则在未知的信道采样的频率上进行频谱填充。

14.根据权利要求13所述的信道反馈方法，其特征在于，所述的频谱填充为光滑频谱填充。

15.根据权利要求14所述的信道反馈方法，其特征在于，所述的光滑频谱填充采用线性插值来确定未知的信道采样。

16.根据权利要求13所述的信道反馈方法，其特征在于，所述的频谱填充进一步包括将频谱填充后的频谱与频率掩蔽样板相乘。

17.根据权利要求10所述的信道反馈方法，其特征在于，所述的强度函数为所述的时域信道采样的能量。

18.根据权利要求10所述的信道反馈方法，其特征在于，所述的若干信道抽头为所述的时域信道采样中最强的时域信道采样。

19.根据权利要求10所述的信道反馈方法，其特征在于，所述的若干信道抽头捕获了所述的时域信道采样的总能量的给定的百分比。

20.根据权利要求10所述的信道反馈方法，其特征在于，所述的若干信道抽头捕获了信道能量的给定的百分比。

21.根据权利要求20所述的信道反馈方法，其特征在于，所述的方法进一步包括：

（a）从给定数目的最弱的时域信道采样中估计噪声能量，以及

（b）通过所述的时域信道采样的总能量与所估计的噪声能量之差来估计信道能量。

22.根据权利要求10所述的信道反馈方法，其特征在于，所述的信道抽头的幅度为位于所述的信道抽头序号处的所述的时域信道采样的幅度。

23.根据权利要求10所述的信道反馈方法，其特征在于，构造所述的时域参数的集合进一步包括：在给定的信道抽头的序号处，对频域匹配误差实行最小化，从而获得所述的信道抽头的临时性的幅度。

24.根据权利要求23所述的信道反馈方法，其特征在于，所述的信道抽头的幅度为所述的信道抽头的临时性的幅度。

25.根据权利要求23所述的信道反馈方法，其特征在于，所述的方法进一步包括选择下面的其一作为所述的信道抽头的幅度：

（a）所述的信道抽头的临时性的幅度，以及

（b）所述的位于所述的信道抽头的序号处的所述的时域信道采样的幅度，

选择的依据是使所述的频域匹配误差最小。

26.根据权利要求10所述的信道反馈方法，其特征在于，所述的方法进一步包括对所述的时域参数的集合进行数据压缩。

Images