CN103179062B - Sc-fde系统低复杂度信道估计下的相位噪声抑制方法 - Google Patents

Abstract

本发明公开了一种SC-FDE系统低复杂度信道估计下的相位噪声抑制方法，采用特殊字构成训练序列，根据其接收信号利用LS算法得到CFR的少量频点响应和CIR，再通过离散傅里叶变换插值滤波器得到受相噪CPE影响的初始CFR，并根据训练序列进行时域和频域噪声功率估计；得到估计信道后，在时域中提取CIR的有效阶数，计算特殊字接收信号的副本。采用特殊字作为传输数据块循环前缀，利用MMSE算法估计循环前缀上的CPE与初始估计信道中的CPE比值后经线性插值得到整个数据块的CPE与初始估计信道中的CPE比值；最后利用CPE比值与受相噪CPE影响的初始CIR相乘跟踪当前数据块的整体信道，经频域MMSE均衡抑制相噪干扰。本发明的信道估计算法复杂度低，降低了相位噪声抑制算法的复杂度。

Description

SC-FDE系统低复杂度信道估计下的相位噪声抑制方法

技术领域

本发明属于无线通信技术领域，更为具体地讲，涉及一种SC-FDE系统低复杂度信道估计下的相位噪声抑制方法。

背景技术

单载波频域均衡（SC-FDE,Single-Carrier Frequency Domain Equalization）技术是指发射端使用单载波调制，接收端使用频域均衡的技术。它和正交频分复用（OFDM，Orthogonal Frequency Division Multiplexing）技术一样，是使接收端均衡复杂度大大降低的技术之一。与OFDM相比，SC-FDE具有低峰均功率比（PAPR,Peak to Average Power Ratio）和对载波频率偏移（CFO，CarrierFrequency Offset）不敏感等优点。因此，很多无线通信标准如全球标准长期演进（LTE,Long Time Evolution）的上行链路、IEEE802.15、IEEE802.16等都包括SC-FDE调整体制。

SC-FDE系统中信道估计是信道均衡的关键，将直接影响系统性能。最常用的是基于训练序列的信道估计，它是指在发送端插入已知序列，接收机利用已知序列采用某种算法来进行信道估计。信道估计算法很多，最常用的信道估计算法是最小二乘（LS,Least Square）与最小均方误差（MMSE,MinimumMean-Square Error）算法。LS信道估计简单但易受噪声影响；MMSE信道估计在同等条件下比LS估计误差要小，但它需要信道的自相关性和噪声统计特性，因此更复杂。如果小心设计信道估计序列并进行降噪处理，LS的性能会大大提高甚至接近MMSE信道估计。SC-FDE系统信道估计具体算法可参考文献：Zheng Y.R.,Xiao Cheng-shan.Channel Estimation for Frequency-DomainEqualization of Single-Carrier Broadband Wireless Communications[J].IEEETransactions on Vehicular Technology,2009,58(2):815-823.

非理性特性的模拟前端（FE，Front-End）产生的非线性失真将会引起系统性能下降，其中一项重要的非线性失真是由压控振荡器（VCO,Voltage ControlOscillator）或锁相环（PLL,Phase Lock Loop）的随机相位噪声（PN,Phase Noise）引起的。相位噪声在每一个调制通信系统中都存在且因不同的调制体制而对基带信号影响不同。文献Zamorano J L,Nsenga J,Van Thillo W,et al..Impact ofPhase Noise on OFDM and SC-CP[C],Global Telecommunications Conference,2007,3822-3825.表明:在OFDM系统中，相位噪声除了会给OFDM符号引入公共相位误差（CPE，Common Phase Error）还会产生子载波间的干扰（ICI，Inter-Carrier Interference）；在SC-FDE系统中，如果数据块经过加性高斯白噪声(AWGN,Addictive White Gaussian Noise)信道，相位噪声对每个数据块会产生CPE；如果经过频率选择性信道，相位噪声不仅会带来CPE而且会引起码间串扰（ISI,Inter-Symbol Interference）。在OFDM系统中，利用线性均衡补偿CPE或者利用导频补偿CPE和ICI都是行之有效的方法，文献Wu Song-ping,Bar-Ness Y.A phase noise suppression algorithm for OFDM-based WLANs[J].IEEECommunications Letters,2002,6(12):535-537.和Zhang Shuai and Zhang Xiao-lin.A Novel Scheme of Joint Channel and Phase Noise Compensation for ChineseDTMB System[J].IEEE Trans.on broadcasting,2011,57(1):129-134.分别有介绍。在SC-FDE系统中，文献Suyama S,Miyai Y,Suzuki H,et al..Experimentalevaluation of phase noise compensation for60-GHz single carrier systems[J].International Journal of Micro,2010,2(3-4):399-408.提出了一种利用判决反馈相位噪声补偿（DD-PNC,Decision-Directed Phase Noise Compensation）的算法，但算法中的迭代反馈和迭代均衡运算以及LMS算法处理使复杂度很高。

由于功耗、成本和电路面积的权衡，大部分模拟前端的非线性失真不能在模拟域消除，因此在数字域进行其补偿是必要的。而无线通信信道大多都是存在多径效应的频率选择性信道，SC-FDE无线通信系统特别是高频SC-FDE系统，高相位噪声产生的CPE和ISI不可忽略，因此在基带中进行相位噪声抑制是必要的。目前，针对OFDM系统有大量成熟的相位噪声抑制算法，而对SC-FDE系统相位噪声抑制算法相对较少，且大多以假设得到理想的信道状态信息（CSI,Channel State Information）为前提。随着SC-FDE调制体制得到广泛的采用，鉴于受相位噪声干扰的SC-FDE系统的信道估计和相位噪声的跟踪抑制对确保系统性能非常关键，因此需要一种兼顾复杂度与有效性的SC-FDE系统的相位噪声抑制方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种SC-FDE系统低复杂度信道估计下的相位噪声抑制方法，采用特殊字构成训练序列与循环前缀，进行低复杂度的信道估计，降低相位噪声抑制的复杂度。

为实现上述发明目的，本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法，其特征在于包括以下步骤：

（1）、发送端将用户数据分成长度为N_s的用户数据块，其中第i个用户数据块 ${\tilde{x}}_i={[{\tilde{x}}_i\left(0\right),{\tilde{x}}_i\left(1\right),...,{\tilde{x}}_i(N_s-1)]}^T,$ ${\tilde{x}}_i\left(m_1\right),0\≤m_1\≤N_s-1$ 表示第i个用户数据块的第m₁个发送数据；构建长度为N_c的特殊字：u＝[u(0),u(1),...,u(N_c-1)]^Τ，u(m₂),1≤m₂≤N_c-1是特殊字中第m₂个特殊字符号，在用户数据块间插入特殊字作为等效循环前缀，构成长度为N_b＝N_s+N_c的传输数据块P是不大于N_b/N_c的最大正整数，采用MP+1个连续的特殊字构成训练序列，其中M为根据实际情况设置的正整数；

（2）、接收端接收训练序列经信道传输的信号，估计信道频率响应的少量频点响应和信道脉冲响应，并计算频域均衡所需的受相位噪声公共相位误差影响的初始信道频率响应：

训练序列经信道h=[h(0),h(1),...,h(L-1)]^Τ进行传输，其中L是信道的长度；训练序列的时域接收信号移除第1个特殊字y₀的时域接收信号，将剩下的MP个特殊字的时域接收信号记为y_s＝[y_s(0),y_s(1),...,y_s(N_c-1)]^Τ，1≤s≤MP，y_s(m₂),0≤m₂≤N_c-1表示时域接收信号y_s的第m₂时刻的采样数据；对MP个特殊字的时域接收信号求平均值

MP个特殊字的时域接收信号y_s受加性高斯白噪声n_s＝[n_s(0),n_s(1),...,n_s(N_c-1)]^Τ的加性影响，其元素n_s(m₂),0≤m₂≤N_c-1是相互独立的均值为0、方差为的随机变量，此时即时域加性高斯白噪声的功率；同时y_s受平稳高斯色相位噪声的乘性影响，其元素的相位φ_s(m₂),0≤m₂≤N_c-1是均值为0的平稳高斯随机变量；计算时域加性高斯白噪声平均值特殊字上的相位噪声平均值 $\stackrel{\‾}{\mathrm{\φ}}=\left({\mathrm{\Σ}}_{s=1}^{\mathrm{MP}}{\mathrm{\φ}}_s\right)/\left(\mathrm{MP}\right)={[e^{j\stackrel{\‾}{\mathrm{\φ}}\left(0\right)},e^{j\stackrel{\‾}{\mathrm{\φ}}\left(1\right)},...,e^{j\stackrel{\‾}{\mathrm{\φ}}(N_c-1)}]}^T,$ 将的N_c点FFT变换的1/N_c记为 $\stackrel{\‾}{P}\left(r_1\right)=1/N_c{\mathrm{\Σ}}_{m_2=0}^{N_c-1}{e}^{j\stackrel{\‾}{\mathrm{\φ}}\left(m_2\right)}{e}^{-j2\mathrm{\π}{m}_2{r}_1/N_c},0\≤r_1\≤N_c-1;$

特殊字的时域接收信号平均值经过N_c点FFT后得到其频域每个频点k₁,0≤k₁≤N_c-1的接收信号：

$\stackrel{\‾}{Y}\left(k_1\right)=\stackrel{\‾}{P}\left(0\right)H_c\left(k_1\right)U\left(k_1\right)+\underset{l=0,l\≠k_1}{\overset{N_c-1}{\mathrm{\Σ}}}{H}_c\left(l\right)U\left(l\right)\stackrel{\‾}{P}\left((k_1-l)\mathrm{mod}{N}_c\right)+\stackrel{\‾}{N}\left(k_1\right)$

H_c(k₁)、U(k₁)和分别是信道h、特殊字u和时域加性高斯白噪声平均值的N_c点FFT的第k₁个频点的值；是产生的公共相位误差；mod表示取余运算，当k₁-l≥0，(k₁-l)modN_c＝(k₁-l)modN_c；当k₁-l＜0，(k₁-l)modN_c＝N_c-(l-k₁)modN_c；

$I={\mathrm{\Σ}}_{l=0,l\≠k}^{N_c-1}{H}_c\left(l\right)U\left(l\right)\stackrel{\‾}{P}\left((k_1-l)\mathrm{mod}{N}_c\right)$ 是由相位噪声产生的码间串扰，将视为一项均值为0，方差为的频域加性高斯噪声；根据最小二乘法准则，得到受相位噪声公共相位误差影响的信道频率响应： $\stackrel{\‾}{P}\left(0\right){\hat{H}}_c\left(k_1\right)=\stackrel{\‾}{Y}\left(k_1\right)/U\left(k_1\right);$

经N_c点IFFT得到长度为N_c的受公共相位误差影响的信道脉冲响应：其中F_c是N_c×N_c的归一化的DFT矩阵，其第p,1≤p≤N_c行第q,1≤q≤N_c列的元素F_c ^Η是F_c的共轭转置矩阵；是信道频率响应的少量频点响应估计，其中是第k₁个频点的信道频率响应估计；是信道脉冲响应估计，其中是估计信道的第m₂个抽头。

采用对角矩阵 $D_g=\mathrm{diag}\{1,e^{-j2\mathrm{\πg}/N_b},e^{-j2\mathrm{\πg}\·2/N_b},...,e^{-j2\mathrm{\πg}\·(N_c-1)/N_b}\},$ 1≤g≤P-1左乘向量后再经N_c点FFT得到内插向量： $\stackrel{\‾}{P}\left(0\right){\hat{H}}_c^g=\stackrel{\‾}{P}\left(0\right)F_c{D}_g{\hat{h}}_c;$ 把内插到得到频域均衡所需的受相位噪声公共相位误差干扰的信道频率响应：其中的第t,1≤t≤N_c-1个元素是中的第tP+g个元素；

（3）、利用训练序列的时域和频域接收信号分别进行时域噪声功率估计和频域噪声功率估计，得到时域噪声功率估计值频域噪声功率估计值

（4）、利用步骤（2）估计的信道脉冲响应，计算特殊字接收信号的副本：

将步骤（2）中估计的从后往前检测，当检测到信道脉冲响应的路径功率时把其设为零，其中α是由用户设置的大于零的门限参数，当第一次满足时停止检测，没有被设为零的路径数目为信道的有效阶数；将信道有效阶数记为计算特殊字接收信号第m₃， $\tilde{L}\≤m_3\≤N_c$ 个元素的副本： ${\hat{r}}_c\left(m_3\right)=\stackrel{\‾}{P}\left(0\right){\mathrm{\Σ}}_{l=0}^{\tilde{L}-1}{\hat{h}}_c\left(l\right)u(m_3-l);$

（5）、接收端接收传输数据块x_i，将步骤（3）估计的时域噪声功率和步骤（4）估计的特殊字接收信号的副本作为已知参数，利用最小均方误差算法估计相位噪声在传输数据块循环前缀上产生的公共相位误差与初始估计信道中公共相位误差的比值

（6）、采用步骤（5）估计的传输数据块循环前缀上产生的公共相位误差与初始估计信道中公共相位误差的比值和步骤（2）得到的受相位噪声公共相位误差影响的初始估计信道相乘，跟踪当前传输数据块的整体信道：

${\hat{H}}_i\left(k_2\right)=P_i\left(0\right){\hat{H}}_b\left(k_2\right)=\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i\stackrel{\‾}{P}\left(0\right){\hat{H}}_b\left(k_2\right)$

根据跟踪得到的整体信道与步骤（3）得到的频域噪声功率估计值为已知参数，利用频域最小均方误差均衡抑制相位噪声干扰。

其中，步骤（3）中获得时域噪声功率估计和频域噪声功率估计的方法为：

对于移除第1个特殊字y₀的时域接收信号剩下的MP个特殊字的时域接收信号y_s＝[y_s(0),y_s(1),...,y_s(N_c-1)]^Τ的第m₂,0≤m₂≤N_c-1个元素展开为： $y_s\left(m_2\right)=e^{j{\mathrm{\φ}}_s\left(m_2\right)}{\mathrm{\Σ}}_{l=0}^{L-1}h\left(l\right)u(m_2-l)+n_s\left(m_2\right)=e^{j{\mathrm{\φ}}_s\left(m_2\right)}c\left(m_2\right)+n_s\left(m_2\right),$ 同理可得 $y_{s+1}\left(m_2\right)=e^{j{\mathrm{\φ}}_{s+1}\left(m_2\right)}c\left(m_2\right)+n_{s+1}\left(m_2\right);$

由于特殊字之间的时间间隔短，相位噪声相关性较大，因此φ_s(m₂)≈φ_s+1(m₂)；计算时域加性高斯白噪声的功率估计值为：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{2(\mathrm{MP}-1)N_c}{\mathrm{\Σ}}_{s=1}^{\mathrm{MP}-1}{\mathrm{\Σ}}_{m_2-1}^{N_c-1}{|y_{s+1}\left(m_2\right)-y_s\left(m_2\right)|}^2$

当时域中重复特殊字P次后经傅里叶变换得到的频谱是特殊字频谱中的每个频点中间插P-1个零，记U_P(k₁)是训练序列中第1个特殊字y₀之后连续P个特殊字组成的特殊序列的频谱，Y_P(k₁)是此特殊序列接收信号的频谱，利用此M个特殊序列的零频谱点计算频域高斯噪声的功率估计值为：

${\widehat{\mathrm{\σ}}}_w^2=\frac{1}{M(P-1)N_c}{\mathrm{\Σ}}_{U_b\left(k\right)=0}{\left|Y_P\left(k_1\right)\right|}^2.$

其中，步骤（5）中的相位噪声在传输数据块循环前缀上产生的公共相位误差与初始估计信道中公共相位误差的比值的估计方法为：

传输数据块x_i受加性高斯白噪声n_i＝[n_i(0),n_i(1),...,n_i(N_b-1)]^Τ的加性影响，n_i(m₄),0≤m₄≤N_b-1同样是相互独立的均值为0、方差为的随机变量；同时x_i受平稳高斯色相位噪声的乘性影响，的相位φ_i(m₄),0≤m₄≤N_b-1是均值为0的平稳高斯随机变量；将公式 $P_i\left(r_2\right)=1/N_b{\mathrm{\Σ}}_{m_4=0}^{N_b-1}{e}^{j{\mathrm{\φ}}_i\left(m_4\right)}{e}^{-j2\mathrm{\π}{m}_4{r}_2/N_b},0\≤r_2\≤N_b-1$ 表示为φ_i的N_b点FFT变换的1/N_b；发送数据块x_i经FFT得到其频域每个频点k₂,0≤k₂≤N_b-1的接收信号为：

$Y_i\left(k\right)=P_i\left(0\right)H_b\left(k_2\right)X_i\left(k_2\right)+\underset{l=0,l\≠k_2}{\overset{N_b-1}{\mathrm{\Σ}}}{H}_b\left(l\right)X_i\left(l\right)P_i\left((k_2-l)\mathrm{mod}{N}_b\right)+N_i\left(k_2\right)$

其中，H_b(k₂)、X_i(k₂)和N_i(k₂)分别是信道h、传输数据块x_i和时域加性高斯白噪声n_i的N_b点FFT的第k₂个频点的值；P_i(0)是φ_i在传输数据块上产生的公共相位误差；将 $W_i\left(k_2\right)={\mathrm{\Σ}}_{l=0,l\≠k_2}^{N_b-1}{H}_b\left(l\right)X_i\left(l\right)P_i\left((k-l)\mathrm{mod}{N}_b\right)+N_i\left(k\right)$ 视为一项均值为0，方差为的频域高斯噪声；

x_i的循环前缀的实际接收数据的第m₃,个元素记为r_i(m₃)，相位噪声在x_i的循环前缀上产生的公共相位误差记为P_i'(0)；

将步骤（3）得到的时域加性高斯白噪声的功率估计值和步骤（4）中估计的特殊字接收信号的副本作为已知参数，采用最小均方误差准则，估计相位噪声在x_i的循环前缀上产生的公共相位误差与估计信道中公共相位误差的比值 ${\mathrm{\Δ\θ}}_i^{\′}=P_i\left(0\right)/\stackrel{\‾}{P}\left(0\right)$ 为： $\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i^{\′}=\frac{1}{N_c-\tilde{L}+1}\underset{m_3=\tilde{L}}{\overset{N_c}{\mathrm{\Σ}}}\frac{{\hat{r}}_c^{*}\left(m_3\right)r_i\left(m_3\right)}{{\left|{\hat{r}}_c\left(m_3\right)\right|}^2+{\widehat{\mathrm{\σ}}}_n^2};$ 同理可以得到Δθ'_i+1的估计值

通过线性插值得到相位噪声在传输数据块x_i上产生的公共相位误差与估计信道中的公共相位误差比值的估计值为： $\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i=(\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_{i+1}^{\′}+\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i^{\′})/2+(\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_{i+1}^{\′}-\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i^{\′})/\left(2P\right).$

其中，步骤（1）中的M在设置时满足条件MN_b≥512。本发明的发明目的是这样实现的：

本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法，首先采用特殊字构成训练序列，对其频域接收信号利用LS算法得到均衡所需的信道频率响应的少量频点响应和信道脉冲响应，再通过低复杂度的离散傅里叶变换插值滤波器得到受相噪公共相位误差影响的初始信道频率响应；同时，对其时域和频域接收信号分别处理得到时域和频域噪声功率估计，得到估计信道后，在时域中提取信道脉冲响应的有效阶数，计算特殊字接收信号的副本。把特殊字插入用户数据构成传输数据块的等效循环前缀，对传输数据块循环前缀利用MMSE算法估计循环前缀上的公共相位误差与初始估计信道中的公共相位误差比值后经线性插值得到整个数据块的公共相位误差与初始估计信道中的公共相位误差比值。最后，利用公共相位误差比值与受相噪公共相位误差影响的初始信道频率响应相乘跟踪当前数据块的整体信道，经频域MMSE均衡抑制相噪干扰。

本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法中的频域LS算法相对简单且信道估计的参数较少，离散傅里叶变换插值滤波器把多数点FFT变成几个少数点FFT的设计使滤波器运算量最少，并且相噪抑制中的噪声功率估计、公共相位误差比值估计和频域均衡都是复杂度很低的线性运算，因此本发明的信道估计算法复杂度低且相位噪声抑制算法简单。

附图说明

图1是本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法一种具体实施方式发送端物理层帧结构图；

图2是本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法的一种具体实施方式流程图；

图3是本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法的误比特率（BER，Bit Error Rate）性能曲线图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

为了方便描述，先对具体实施方式中出现的相关专业术语英文缩写进行说明：

UW,Unique Word,特殊字；

CP,Cyclic Prefix,循环前缀；

GI,Guard Interval,保护间隔；

TS,Training Sequence,训练序列；

CIR,Channel Impulse Response,信道脉冲响应；

CFR,Channel Frequency Response,信道频率响应；

CPE,Common Phase Error,公共相位误差；

ISI,Inter-symbol Interference,码间串扰；

AWGN,Addictive White Gaussian Noise,加性高斯白噪声；

DFT,Discrete Fourier Transform,离散傅里叶变换；

FFT,Fast Fourier Transform,快速傅里叶变换（DFT的快速算法）；

IFFT,Inverse Fast Fourier Transform,快速傅里叶反变换。

对本发明中使用的术语定义进行说明：

定义1：特殊字UW：为了在接收端进行同步或参数估计等，在发送端发送的具有某些特定特性的、对接收端已知的特殊序列。

定义2：单载波频域均衡SC-FDE：发送端的数据进行分块，加入保护间隔GI，GI由发送数据块的循环前缀CP或者接收端已知的序列（可以是全零序列或UW，看作等效CP）构成。分块数据经单载波调制发送；在接收端对移除CP的数据块经FFT变换到频域，进行频域均衡后经IFFT返回到时域。将第i个发送数据块记为：x_i＝[x_i(0),x_i(1),...,x_i(N-1)]^Τ，其中N是数据块的长度，加入（等效）CP后发送。将CIR记为：h＝[h(0),h(1),...,h(L-1)]^Τ，其中L是信道长度。接收端第i个数据块的时域接收信号受AWGN：n_i＝[n_i(0),n_i(1),...,n_i(N-1)]^Τ的加性影响，其元素n_i(m),m＝0,1,…,N-1是均值为0、方差为的相互独立的随机变量。移除第i个数据块时域接收信号的（等效）CP后经FFT得到其频域每个频点的接收信号为：

Y_i(k)＝H(k)X_i(k)+N_i(k),0≤k≤N-1

式中，是信道h的N点FFT。同理，X_i(k)和N_i(k)分别是x_i和n_i的N点FFT。频域信号经均衡C_i(k)Y_i(k)后再经IFFT返回到时域，其中C_i(k)是频域均衡系数。SC-FDE的具体介绍可参考文献：FalconerD,Ariyavisitakul S,Benyamin-Seeyar A,et al..Frequency domain equalization forsingle-carrier broadband wireless systems[J].IEEE Commun.Mag.,2002,40(4):58-66.

图1是本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法一种具体实施方式发送端物理层帧结构图。如图1所示，发送帧由前导码和发送数据组成。前导码包括训练序列TS。用户数据块之间插入UW构成等效数据块的CP。本实施例所用的UW是Chu序列，其时域和频域都具有恒模的特性，有利于设计最佳的信道估计序列。有关Chu序列的具体特性可参考文献：Chu D.C..Polyphase codes with good periodic correlation properties[J].IEEE Trans.Inf.Theory,1972,IT-18(4):531-532。

图2是本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法的一种具体实施方式流程图。如图2所示，本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法包括以下步骤：

步骤S201：发送端将用户数据分成长度为N_s的用户数据块，其中第i个用户数据块其中[·]^Τ表示矩阵或向量的转置运算，表示第i个用户数据块的第m₁个发送数据；构建长度为N_c的UW：u＝[u(0),u(1),...,u(N_c-1)]^Τ，u(m₂),1≤m₂≤N_c-1是UW中第m₂个特殊字符号，在用户数据块间插入UW作为等效CP，构成长度为N_b＝N_s+N_c的传输数据块P是不大于N_b/N_c的最大正整数，采用MP+1个连续的UW构成TS，其中M为根据实际情况设置的正整数。当MN_b≥512时，在步骤S204中得到的噪声估计较为稳定。

本实施例中UW扩展后的传输数据块长度N_b＝512，数据块CP长度N_c＝64，N_b/N_c＝8，因此P＝8，设置M＝1，此时TS由8+1个UW构成。

步骤S202：接收端接收信号并判断接收数据类型，如果是训练序列TS的接收数据，则进入步骤S203，如果是传输数据块的接收数据，则进入步骤S206；

步骤S203：对于TS接收信号，对其频域接收信号利用LS算法来估计CFR的少量频点响应，然后经低复杂度DFT插值滤波器，得到频域均衡所需的受相位噪声CPE影响的初始CFR。同时，提取插值滤波的中间数据CIR并保存。其具体包括以下步骤：

①、采用LS算法估计CFR的少量频点响应：

TS经信道h=[h(0),h(1),...,h(L-1)]^Τ进行传输，其中L是信道的长度；训练序列的时域接收信号移除第1个UWy₀的时域接收信号，将剩下的MP个UW时域接收信号记为y_s＝[y_s(0),y_s(1),...,y_s(N_c-1)]^Τ，1≤s≤MP，y_s(m₂),0≤m₂≤N_c-1表示时域接收信号y_s的第m₂时刻的采样数据；对MP个UW时域接收信号求平均值

此时，可将UW视为TS中的短数据块。MP个UW时域接收信号y_s受加性高斯白噪声n_s＝[n_s(0),n_s(1),...,n_s(N_c-1)]^Τ的加性影响，其元素n_s(m₂),0≤m₂≤N_c-1是相互独立的均值为0、方差为的随机变量，此时即时域加性高斯白噪声的功率；同时y_s受平稳高斯色相位噪声的乘性影响，其元素的相位φ_s(m₂),0≤m₂≤N_c-1是均值为0的平稳高斯随机变量；计算时域AWGN平均值UW上的相位噪声平均值 $\stackrel{\‾}{\mathrm{\φ}}=\left({\mathrm{\Σ}}_{s=1}^{\mathrm{MP}}{\mathrm{\φ}}_s\right)/\left(\mathrm{MP}\right)={[e^{j\stackrel{\‾}{\mathrm{\φ}}\left(0\right)},e^{j\stackrel{\‾}{\mathrm{\φ}}\left(1\right)},...,e^{j\stackrel{\‾}{\mathrm{\φ}}(N_c-1)}]}^T,$ 将的N_c点FFT变换的1/N_c记为 $\stackrel{\‾}{P}\left(r_1\right)=1/N_c{\mathrm{\Σ}}_{m_2=0}^{N_c-1}{e}^{j\stackrel{\‾}{\mathrm{\φ}}\left(m_2\right)}{e}^{-j2\mathrm{\π}{m}_2{r}_1/N_c},0\≤r_1\≤N_c-1.$

UW时域接收信号平均值经过N_c点FFT后得到其频域每个频点k₁,0≤k₁≤N_c-1的接收信号：

$\stackrel{\‾}{Y}\left(k_1\right)=\stackrel{\‾}{P}\left(0\right)H_c\left(k_1\right)U\left(k_1\right)+\underset{l=0,l\≠k_1}{\overset{N_c-1}{\mathrm{\Σ}}}{H}_c\left(l\right)U\left(l\right)\stackrel{\‾}{P}\left((k_1-l)\mathrm{mod}{N}_c\right)+\stackrel{\‾}{N}\left(k_1\right)$

H_c(k₁)、U(k₁)和分别是信道h、特殊字u和时域AWGN平均值的N_c点FFT的第k₁个频点的值；是UW上的相位噪声平均值产生的CPE；mod表示取余运算，当k₁-l≥0，(k₁-l)modN_c＝(k₁-l)modN_c；当k₁-l＜0，(k₁-l)modN_c＝N_c-(l-k₁)modN_c。

$I={\mathrm{\Σ}}_{l=0,l\≠k_1}^{N_c-1}{H}_c\left(l\right)U\left(l\right)\stackrel{\‾}{P}\left((k_1-l)\mathrm{mod}{N}_c\right)$ 是由相位噪声产生的码间串扰，将视为一项加性高斯噪声；根据最小二乘法准则，得到受相位噪声CPE影响的CFR： $\stackrel{\‾}{P}\left(0\right){\hat{H}}_c\left(k_1\right)=\stackrel{\‾}{Y}\left(k_1\right)/U\left(k_1\right).$

②、估计CFR的少量频点响应经低复杂度的DFT插值滤波器，得到频域均衡所需的受相位噪声CPE影响的CFR。

低复杂度的DFT插值滤波器由一个N_c点IFFT模块和几个N_c点FFT模块组成。经N_c点IFFT得到长度为N_c的受CPE影响的CIR：其中F_c是N_c×N_c的归一化的DFT矩阵，其第p,1≤p≤N_c行第q,1≤q≤N_c列的元素F_c ^Η是F_c的共轭转置矩阵；是CFR的少量频点响应估计，其中是第k₁个频点的CFR估计； ${\hat{h}}_c={[{\hat{h}}_c\left(0\right),{\hat{h}}_c\left(1\right),...,{\hat{h}}_c(N_c-1)]}^T$ 是CIR估计，其中是估计信道的第m₂个抽头；提取此CIR保存以便进行步骤S205。

采用对角矩阵 $D_g=\mathrm{diag}\{1,e^{-j2\mathrm{\πg}/N_b},e^{-j2\mathrm{\πg}\·2/N_b},...,e^{-j2\mathrm{\πg}\·(N_c-1)/N_b}\},$ 1≤g≤P-1左乘向量后再经N_c点FFT得到内插向量：把内插到得到频域均衡所需的受相位噪声公共相位误差干扰的信道频率响应：其中的第t,1≤t≤N_c-1个元素是中的第tP+g个元素。

步骤S204：利用训练序列的时域和频域接收信号分别进行时域噪声功率估计和频域噪声功率估计，得到时域噪声功率估计值频域噪声功率估计值

通常长度为N_b的传输数据块之间的时间间隔比较长，不同数据块之间的相位噪声相关性比较小，而长度为N_c的UW时间间隔较短，此时相位噪声在相邻的UW之间相关性较大即相干。因此可以通过训练序列用来进行时域或频域高斯噪声的功率估计。其具体方法为：

将步骤S203中移除第1个UWy₀的时域接收信号剩下的MP个UW时域接收信号y_s＝[y_s(0),y_s(1),...,y_s(N_c-1)]^Τ的第m₂,0≤m₂≤N_c-1个元素展开为： $y_s\left(m_2\right)=e^{j{\mathrm{\φ}}_s\left(m_2\right)}{\mathrm{\Σ}}_{l=0}^{L-1}h\left(l\right)u(m_2-l)+n_s\left(m_2\right)=e^{j{\mathrm{\φ}}_s\left(m_2\right)}c\left(m_2\right)+n_s\left(m_2\right),$ 同理可得 $y_{s+1}\left(m_2\right)=e^{j{\mathrm{\φ}}_{s+1}\left(m_2\right)}c\left(m_2\right)+n_{s+1}\left(m_2\right).$

由于UW之间的时间间隔短，相位噪声相关性较大，因此φ_s(m₂)≈φ_s+1(m₂)；计算时域AWGN的功率估计值为：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{2(\mathrm{MP}-1)N_c}{\mathrm{\Σ}}_{s=1}^{\mathrm{MP}-1}{\mathrm{\Σ}}_{m_2=0}^{N_c-1}{|y_{s+1}\left(m_2\right)-y_s\left(m_2\right)|}^2$

当时域中重复UWP次后经傅里叶变换得到的频谱是UW频谱中的每个频点中间插P-1个零，记U_P(k₁)是TS中第1个UWy₀之后连续P个特殊字组成的特殊序列的频谱，Y_P(k₁)是此特殊序列接收信号的频谱，利用此M个特殊序列的零频谱点计算频域高斯噪声的功率估计值为：

${\widehat{\mathrm{\σ}}}_w^2=\frac{1}{M(P-1)N_c}{\mathrm{\Σ}}_{U_b\left(k\right)=0}{\left|Y_P\left(k_1\right)\right|}^2.$

步骤S205：利用步骤S203估计的CIR，检测其有效阶数后计算特殊字接收信号的副本；

将步骤S203中保存的从后往前检测，当检测到CIR的路径功率时把其设为零，其中α是由用户设置的大于零的门限参数，当第一次满足时停止检测，没有被设为零的路径数目为信道的有效阶数；将信道有效阶数记为计算UW接收信号第m₃,个元素的副本： ${\hat{r}}_c\left(m_3\right)=\stackrel{\‾}{P}\left(0\right){\mathrm{\Σ}}_{l=0}^{\tilde{L}-1}{\hat{h}}_c\left(l\right)u(m_3-l).$

返回步骤S202继续判断接收数据是训练序列还是用户数据。

步骤S206：接收端接收传输数据块x_i，从中提取CP数据。

步骤S207：将步骤S204估计的时域噪声功率估计值和步骤S205得到的UW接收信号的副本作为已知参数，利用MMSE算法估计相位噪声在传输数据块CP上产生的CPE与初始估计信道中CPE的比值，然后经线性插值得到相位噪声在传输数据块上产生的CPE与初始估计信道中CPE的比值其具体方法为：

传输数据块x_i受AWGNn_i＝[n_i(0),n_i(1),...,n_i(N_b-1)]^Τ的加性影响，n_i(m₄),0≤m₄≤N_b-1同样是相互独立的均值为0、方差为的随机变量；同时x_i受平稳高斯色相位噪声的乘性影响，的相位φ_i(m₄),0≤m₄≤N_b-1是均值为0的平稳高斯随机变量；将公式0≤r₂≤N_b-1表示为φ_i的N_b点FFT变换的1/N_b；发送数据块x_i经FFT得到其频域每个频点k₂,0≤k₂≤N_b-1的接收信号为：

$Y_i\left(k\right)=P_i\left(0\right)H_b\left(k_2\right)X_i\left(k_2\right)+\underset{l=0,l\≠k_2}{\overset{N_b-1}{\mathrm{\Σ}}}{H}_b\left(l\right)X_i\left(l\right)P_i\left((k_2-l)\mathrm{mod}{N}_b\right)+N_i\left(k_2\right)$

其中，H_b(k₂)、X_i(k₂)和N_i(k₂)分别是信道h、传输数据块x_i和时域AWGNn_i的N_b点FFT的第k₂个频点的值；P_i(0)是由相位噪声φ_i在传输数据块上产生的CPE；

mod表示取余运算，当k₂-l≥0，(k₂-l)modN_c＝(k₂-l)modN_c；当k₂-l＜0，(k₂-l)modN_c＝N_c-(l-k₂)modN_c。

将 $W_i\left(k_2\right)={\mathrm{\Σ}}_{l=0,l\≠k_2}^{N_b-1}{H}_b\left(l\right)X_i\left(l\right)P_i\left((k-l)\mathrm{mod}{N}_b\right)+N_i\left(k\right)$ 视为一项均值为0，方差为的频域AWGN。

由传输数据块的接收信号Y_i(k)的表述式可知，Y_i(k)受到相位噪声的CPE：P_i(0)和ISI：P_i(r₂),r₂≠0的影响，需要通过抑制相位噪声影响来提高系统性能。

传输数据块x_i的CP的实际接收数据的第m₃,个元素记为r_i(m₃)，相位噪声在传输数据块x_i的CP上产生的公共相位误差记为P_i'(0)；

将步骤S204得到的时域AWGN的功率估计值和步骤S205估计的特殊字接收信号的副本作为已知参数，采用MMSE准则，估计相位噪声在传输数据块x_i的CP上产生的CPE与估计信道中CPE的比值为：同理可以得到传输数据块x_i+1对应的Δθ'_i+1的估计值

通过线性插值得到相位噪声在传输数据块x_i上产生的CPE与估计信道中的CPE的比值 ${\mathrm{\Δ\θ}}_i=P_i\left(0\right)/\stackrel{\‾}{P}\left(0\right)$ 的估计值为：

$\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i=(\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_{i+1}^{\′}+\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i^{\′})/2+(\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_{i+1}^{\′}-\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i^{\′})/\left(2P\right)$

步骤S208：采用步骤S207估计的和步骤S203得到的受相位噪声CPE影响的初始估计信道相乘，跟踪当前传输数据块的整体信道：

${\hat{H}}_i\left(k_2\right)=P_i\left(0\right){\hat{H}}_b\left(k_2\right)=\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i\stackrel{\‾}{P}\left(0\right){\hat{H}}_b\left(k_2\right)$

根据跟踪得到的整体信道与步骤S204得到的频域噪声功率估计值为已知参数，利用频域MMSE均衡抑制相位噪声干扰。进入步骤S209。

步骤S209：判断发送端是否结束发送数据，如果发送未结束则返回步骤S202接收端继续判断接收的数据类型，否则结束所有传输数据块的相位抑制。

对于本发明实例中的步骤S203中信道估计算法的复杂度，接下来我们给出定量的分析，证实其低复杂度的特性。在SC-FDE系统中，有两种信道估计策略：一种是估计的CFR参数与数据块长度相同，直接得到频域均衡所需的CFR，此时的CFR每个频点是独立的与实际的CIR无关，此方法被定义为非结构化信道估计(UCE,Unstructured Channel Estimation)；另一种是估计少量CFR参数，通过插值滤波器插值得到频域均衡所需的CFR。设传输数据块长度是N_b，传输数据块CP长度N_c一般大于CIR最大长度L。传统DFT插值滤波器实现方法为：N_c长度的CFR经过N_c点IFFT到时域CIR，CIR后面添零到长度N_b后经N_b点FFT得到最终频域均衡所需的CFR。经过此DFT插值滤波器得到的CFR是实际CIR的FFT，每个频点是相关，此方法被定义为结构化信道估计（SCE,structuredchannel estimation）。对于UCE和SCE具体定义可参考文献：Morelli M,Sanguinetti L,and Mengali U.Channel estimation for adaptive frequency-domainequalization[J].IEEE Trans.Wireless Commun.,2005,4(5):2508-2518.。

表1是传统LS-UCE、传统LS-SCE（LS估计+传统DFT插值滤波）、本发明LS-SCE（LS估计+低复杂度DFT插值滤波）算法的复杂度通用计算公式。

表1

如表1所示，由于乘法运算相对于加法运算占用了运算操作的大量资源和时间，因此算法的复杂度一般可用乘法运算的复杂度来衡量。一般的通信系统满足P≥4、N_c＜256，由此可以得到本发明的LS-SCE比传统LS-UCE复杂度低；传统LS-SCE复数乘法减去本发明LS-SCE复数乘法的差值：d＝(N_c/2)log₂N_c+N_c+[(1/2)log₂P-1]N_b，可以看出d是P的增函数。当P＝2时d＝(N_c/2)log₂N_c＞0，因此对于所有P≥2都有d＞0即本发明LS-SCE比传统LS-SCE复杂度低。

表2是与表1对应的算法取不同传输数据块长度N_b和传输数据块CP长度N_c时复数乘法复杂度对比。

表2

如表2所示，列举的传输数据块长度N_b和传输数据块CP长度N_c均为常用取值。可见本发明LS-SCE在各常用取值时的复数乘法复杂度均小于两种传统的LS算法。

图3是本发明SC-FDE系统低复杂度信道估计下的相位噪声抑制方法的误比特率（BER）性能曲线图。如图3所示，图3（a）和图3（b）分别表示在IEEE802.15.3c信道标准定义的视距（LOS）CM1.2信道模型和非视距（NLOS）CM2.2信道模型中不同比特信噪比E_b/N₀（dB）的性能曲线图。在IEEE802.15.3c标准中定义的LOS信道存在几个到十几个符号延时，NLOS信道有的多达几十个符号延时。对这种频率选择性信道尤其是NLOS信道，采用SC-FDE调制体制可大大降低接收端均衡复杂度。有关本实施例中采用的具体信道模型可参考文献：Yong S.K..TG3c Channel Modeling Sub-committee Final Report[R].IEEE802.15-07-0584-01-003c,2007.。本实施例中的相位噪声模型采用IEEE802.15.3c标准定义的“一个极点/一个零点”模型。此相位噪声具体模型可参考文献：Choi C,Shoji Y,et al..RF impairment models for60GHz-band SYS/PHYsimulation[R].IEEE802.15-06-0477-01-003c,2006.。本实施例的仿真系统属于高频高速超宽带通信系统，其主要仿真参数是：比特率为2Gbps，QPSK调制，发送和接收滚降滤波器的滚降因子为0.25，系统带宽为2GHz，相位噪声水平是-87dBc/Hz1MHz。

如图3所示，当无相位噪声抑制，传统LS-UCE信道估计的性能很差，表明此信道估计的误差较大。本发明LS-SCE只是在传统LS-SCE的插值滤波器上降低复杂度，性能与传统LS-SCE是相同的因此只显示本发明LS-SCE性能。本发明算法的性能虽然比理想CSI、无相位噪声影响和理想CSI、理想CPE抑制这两种情况的性能差，但在本发明LS-SCE下进行相位噪声抑制相比无相位噪声抑制性能改善很明显，在LOS信道下甚至比理想CSI、无相位噪声抑制的性能好很多，说明本发明的算法在兼顾低复杂度下性能良好。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (4)

1.一种SC-FDE系统低复杂度信道估计下的相位噪声抑制方法，其特征在于包括以下步骤：

(1)、发送端将用户数据分成长度为N_s的用户数据块，其中第i个用户数据块 ${\tilde{x}}_i={[{\tilde{x}}_i\left(0\right),{\tilde{x}}_i\left(1\right),...,{\tilde{x}}_i(N_s-1)]}^T,{\tilde{x}}_i\left(m_1\right),0\≤m_1\≤N_s-1$ 表示第i个用户数据块的第m₁个发送数据；构建长度为N_c的特殊字：u＝[u(0),u(1),...,u(N_c-1)]^Τ，u(m₂),1≤m₂≤N_c-1是特殊字中第m₂个特殊字符号，在用户数据块间插入特殊字作为等效循环前缀，构成长度为N_b的传输数据块P是不大于N_b/N_c的最大正整数，采用连续的MP+1个连续的特殊字构成训练序列，其中M为根据实际情况设置的正整数；

(2)、接收端接收训练序列经信道传输的信号，估计信道频率响应的少量频点响应和信道脉冲响应，并计算频域均衡所需的受相位噪声公共相位误差影响的初始信道频率响应：

训练序列经信道h＝[h(0),h(1),...,h(L-1)]^Τ进行传输，其中L是信道的长度；训练序列的时域接收信号移除第1个特殊字y₀的时域接收信号，将剩下的MP个特殊字的时域接收信号记为y_s＝[y_s(0),y_s(1),...,y_s(N_c-1)]^Τ，1≤s≤MP，y_s(m₂),0≤m₂≤N_c-1表示时域接收信号y_s的第m₂时刻的采样数据；对MP个特殊字的时域接收信号求平均值

MP个特殊字的时域接收信号y_s受加性高斯白噪声n_s＝[n_s(0),n_s(1),...,n_s(N_c-1)]^Τ的加性影响，其元素n_s(m₂),0≤m₂≤N_c-1是相互独立的均值为0、方差为的随机变量，此时即时域加性高斯白噪声的功率；同时y_s受平稳高斯色相位噪声的乘性影响，其元素的相位φ_s(m₂),0≤m₂≤N_c-1是均值为0的平稳高斯随机变量；计算时域加性高斯白噪声平均值特殊字上的相位噪声平均值 $\stackrel{\‾}{\mathrm{\φ}}=\left({\mathrm{\Σ}}_{s=1}^{\mathrm{MP}}{\mathrm{\φ}}_s\right)/\left(\mathrm{MP}\right)={[e^{j\stackrel{\‾}{\mathrm{\φ}}\left(0\right)},e^{j\stackrel{\‾}{\mathrm{\φ}}\left(1\right)},...,e^{j\stackrel{\‾}{\mathrm{\φ}}(N_c-1)}]}^T,$ 将的N_c点FFT变换的1/N_c记为 $\stackrel{\‾}{P}\left(r_1\right)=1/N_c{\mathrm{\Σ}}_{m_2=0}^{N_c-1}{e}^{j\stackrel{\‾}{\mathrm{\φ}}\left(m_2\right)}{e}^{-j2\mathrm{\π}{m}_2{r}_1/N_c},0\≤r_1\≤N_c-1;$

特殊字的时域接收信号平均值经过N_c点FFT后得到其频域每个频点k₁,0≤k₁≤N_c-1的接收信号：

$\stackrel{\‾}{Y}\left(k_1\right)=\stackrel{\‾}{P}\left(0\right)H_c\left(k_1\right)U\left(k_1\right)+\underset{l=0,l\≠k_1}{\overset{N_c-1}{\mathrm{\Σ}}}{H}_c\left(l\right)U\left(l\right)\stackrel{\‾}{P}\left((k_1-l)\mathrm{mod}{N}_c\right)+\stackrel{\‾}{N}\left(k_1\right)$

H_c(k₁)、U(k₁)和分别是信道h、特殊字u和时域加性高斯白噪声平均值的N_c点FFT的第k₁个频点的值；是产生的公共相位误差；mod表示取余运算，当k₁-l≥0，(k₁-l)modN_c＝(k₁-l)modN_c；当k₁-l＜0，(k₁-l)modN_c＝N_c-(l-k₁)modN_c；

$I={\mathrm{\Σ}}_{l=0,l\≠k}^{N_c-1}{H}_c\left(l\right)U\left(l\right)\stackrel{\‾}{P}\left((k_1-l)\mathrm{mod}{N}_c\right)$ 是由相位噪声产生的码间串扰，将视为一项均值为0，方差为的频域加性高斯噪声；根据最小二乘法准则，得到受相位噪声公共相位误差影响的信道频率响应： $\stackrel{\‾}{P}\left(0\right){\hat{H}}_c\left(k_1\right)=\stackrel{\‾}{Y}\left(k_1\right)/U\left(k_1\right);$

经N_c点IFFT得到长度为N_c的受公共相位误差影响的信道脉冲响应：其中F_c是N_c×N_c的归一化的DFT矩阵，其第p,1≤p≤N_c行第q,1≤q≤N_c列的元素F_c ^Η是F_c的共轭转置矩阵； ${\hat{H}}_c={[{\hat{H}}_c\left(0\right),{\hat{H}}_c\left(1\right),...,{\hat{H}}_c(N_c-1)]}^T$ 是信道频率响应的少量频点响应估计，其中是第k₁个频点的信道频率响应估计； ${\hat{h}}_c={[{\hat{h}}_c\left(0\right),{\hat{h}}_c\left(1\right),...,{\hat{h}}_c(N_c-1)]}^T$ 是信道脉冲响应估计，其中是估计信道的第m₂个抽头；

采用对角矩阵 $D_g=\mathrm{diag}\{1,e^{-j2\mathrm{\πg}/N_b},e^{j2\mathrm{\πg}\·2/N_b},...,e^{-j2\mathrm{\πg}\·(N_c-1)/N_b}\},$ 1≤g≤P-1左乘向量后再经N_c点FFT得到内插向量： $\stackrel{\‾}{P}\left(0\right){\hat{H}}_c^g=\stackrel{\‾}{P}\left(0\right)F_c{D}_g{\hat{h}}_c;$ 把内插到得到频域均衡所需的受相位噪声公共相位误差干扰的信道频率响应：其中的第t,1≤t≤N_c-1个元素是中的第tP+g个元素；

(3)、利用训练序列的时域和频域接收信号分别进行时域噪声功率估计和频域噪声功率估计，得到时域噪声功率估计值频域噪声功率估计值

(4)、利用步骤(2)估计的信道脉冲响应，计算特殊字接收信号的副本：

将步骤(2)中估计的从后往前检测，当检测到信道脉冲响应的路径功率时把其设为零，其中α是由用户设置的大于零的门限参数，当第一次满足时停止检测，没有被设为零的路径数目为信道的有效阶数；将信道有效阶数记为计算特殊字接收信号第 $m_3,\tilde{L}\≤m_3\≤N_c$ 个元素的副本： ${\hat{r}}_c\left(m_3\right)=\stackrel{\‾}{P}\left(0\right){\mathrm{\Σ}}_{l=0}^{\tilde{L}-1}{\hat{h}}_c\left(l\right)u(m_3-l);$

(5)、接收端接收用户数据块x_i，将步骤(3)估计的时域噪声功率和步骤(4)估计的特殊字接收信号的副本作为已知参数，利用最小均方误差算法估计相位噪声在传输数据块循环前缀上产生的公共相位误差与初始估计信道中公共相位误差的比值

(6)、采用步骤(5)估计的和步骤(2)得到的受相位噪声公共相位误差影响的初始估计信道相乘，跟踪当前传输数据块的整体信道：

${\hat{H}}_i\left(k_2\right)=P_i\left(0\right){\hat{H}}_b\left(k_2\right)=\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i\stackrel{\‾}{P}\left(0\right){\hat{H}}_b\left(k_2\right)$

根据跟踪得到的整体信道与步骤(3)得到的频域噪声功率估计值为已知参数，利用频域最小均方误差均衡抑制相位噪声干扰。

2.根据权利要求1所述的相位噪声抑制方法，其特征在于，所述的步骤(3)中获得时域噪声功率估计和频域噪声功率估计的方法为：

对于移除第1个特殊字y₀的时域接收信号剩下的MP个特殊字的时域接收信号y_s＝[y_s(0),y_s(1),...,y_s(N_c-1)]^Τ的第m₂,0≤m₂≤N_c-1个元素展开为： $y_s\left(m_2\right)=e^{{\mathrm{j\φ}}_s\left(m_2\right)}{\mathrm{\Σ}}_{l=0}^{L-1}h\left(l\right)u(m_2-l)+n_s\left(m_2\right)=e^{{\mathrm{j\φ}}_s\left(m_2\right)}c\left(m_2\right)+n_s\left(m_2\right),$ 同理可得 $y_{s+1}\left(m_2\right)=e^{{\mathrm{j\φ}}_{s+1}\left(m_2\right)}c\left(m_2\right)+n_{s+1}\left(m_2\right);$

计算时域加性高斯白噪声的功率估计值为：

${\widehat{\mathrm{\σ}}}_n^2=\frac{1}{2(\mathrm{MP}-1)N_c}{\mathrm{\Σ}}_{s=1}^{\mathrm{MP}-1}{\mathrm{\Σ}}_{m_2=0}^{N_c-1}{|y_{s+1}\left(m_2\right)-y_s\left(m_2\right)|}^2$

当时域中重复特殊字P次后经傅里叶变换得到的频谱是特殊字频谱中的每个频点中间插P-1个零，记U_P(k₁)是训练序列中第1个特殊字y₀之后连续P个特殊字组成的特殊序列的频谱，Y_P(k₁)是此特殊序列接收信号的频谱，利用此M个特殊序列的零频谱点计算频域高斯噪声的功率估计值为：

${\widehat{\mathrm{\σ}}}_w^2=\frac{1}{M(P-1)N_c}{\mathrm{\Σ}}_{U_b\left(k\right)=0}{\left|Y_P\left(k_1\right)\right|}^2.$

3.根据权利要求1所述的相位噪声抑制方法，其特征在于，所述的步骤(5)中的相位噪声在传输数据块循环前缀上产生的公共相位误差与初始估计信道中公共相位误差的比值的估计方法为：

传输数据块x_i受加性高斯白噪声n_i＝[n_i(0),n_i(1),...,n_i(N_b-1)]^Τ的加性影响，n_i(m₄),0≤m₄≤N_b-1同样是相互独立的均值为0、方差为的随机变量；同时x_i受平稳高斯色相位噪声 ${\mathrm{\φ}}_i={[e^{{\mathrm{j\φ}}_i\left(0\right)},e^{{\mathrm{j\φ}}_i\left(1\right)},...,e^{{\mathrm{j\φ}}_i(N_b-1)}]}^T$ 的乘性影响，的相位φ_i(m₄),0≤m₄≤N_b-1是均值为0的平稳高斯随机变量；将公式 $P_i\left(r_2\right)=1/N_b{\mathrm{\Σ}}_{m_4=0}^{N_b-1}{e}^{{\mathrm{j\φ}}_i\left(m_4\right)}{e}^{-j2\mathrm{\π}{m}_4{r}_2/N_b},0\≤r_2\≤N_b-1$ 表示为φ_i的N_b点FFT变换的1/N_b；发送数据块x_i经FFT得到其频域每个频点k₂,0≤k₂≤N_b-1的接收信号为：

$Y_i\left(k\right)=P_i\left(0\right)H_b\left(k_2\right)X_i\left(k_2\right)+\underset{l=0,l\≠k_2}{\overset{N_b-1}{\mathrm{\Σ}}}{H}_b\left(l\right)X_i\left(l\right)P_i\left((k_2-l)\mathrm{mod}{N}_b\right)+N_i\left(k_2\right)$

其中，H_b(k₂)、X_i(k₂)和N_i(k₂)分别是信道h、传输数据块x_i和时域加性高斯白噪声n_i的N_b点FFT的第k₂个频点的值；P_i(0)是φ_i在传输数据块上产生的公共相位误差；将 $W_i\left(k_2\right)={\mathrm{\Σ}}_{l=0,l\≠k_2}^{N_b-1}{H}_b\left(l\right)X_i\left(l\right)P_i\left((k-l)\mathrm{mod}{N}_b\right)+N_i\left(k\right)$ 视为一项均值为0，方差为的频域高斯噪声；

x_i的循环前缀的实际接收数据的第m₃,个元素记为r_i(m₃)，相位噪声在x_i的循环前缀上产生的公共相位误差记为P_i'(0)；

将步骤(3)得到的时域加性高斯白噪声的功率估计值和步骤(4)中估计的特殊字接收信号的副本作为已知参数，采用最小均方误差准则，估计相位噪声在x_i的循环前缀上产生的公共相位误差与估计信道中公共相位误差的比值 ${\mathrm{\Δ\θ}}_i^{\′}=P_i\left(0\right)/\stackrel{\‾}{P}\left(0\right)$ 为： $\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i^{\′}=\frac{1}{N_c-\tilde{L}+1}\underset{m_3=\tilde{L}}{\overset{N_c}{\mathrm{\Σ}}}\frac{{\hat{r}}_c^{*}\left(m_3\right)r_i\left(m_3\right)}{{\left|{\hat{r}}_c\left(m_3\right)\right|}^2+{\widehat{\mathrm{\σ}}}_n^2};$ 同理可以得到Δθ′_i+1的估计值

通过线性插值得到相位噪声在传输数据块x_i上产生的公共相位误差与估计信道中的公共相位误差比值的估计值为： ${\mathrm{\Δ}\widehat{\mathrm{\θ}}}_i=\left(\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_{i+1}^{\′}\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i^{\′}\right)/2+(\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_{i+1}^{\′}-\mathrm{\Δ}{\widehat{\mathrm{\θ}}}_i^{\′})/\left(2P\right).$

4.根据权利要求1至3任一所述的相位噪声抑制方法，其特征在于，所述的步骤(1)中的M在设置时满足条件MN_b≥512。