CN103236993B - 一种基于多径延时分布的信道估计方法 - Google Patents

Abstract

一种基于多径延时分布的信道估计方法，涉及一种信道估计方法。它是为了解决现有方法获得的信道估计值精确度低导致接收机在解调后的信号误码率高的问题。它的方法是：首先利用训练符号的频域相关性和导频序列的时域相关性得到初步MMSE估计值，然后根据多径信道延时分布情况对信道冲击响应做最小平方估计，有效地清楚信道冲击响应估计值中的残留噪声，最终得到OFDM信号各子载波信道增益的精确估计值。本发明适用于无线通信的过程中。

Description

一种基于多径延时分布的信道估计方法

技术领域

本发明涉及一种信道估计方法。

背景技术

无线信号在传输过程中常常经历阴影衰落和小尺度衰落。对于宽带信号来说，由于其信号带宽大于信道相干带宽，因此多径效应会带来频率选择性衰落。如果收发信机具有相对运动时，还要考虑多普勒频偏的影响。当最大多普勒频移与信号带宽处于同一数量级时，无线信道将被视为快衰落信道。频率选择性衰落和多普勒频移对于采用幅度键控的宽带信号的解调精度有较大影响。因此，多径时变信道中的接收机解调精度依赖于信道估计的准确性。

OFDM信号的信道估计主要采用LS和MMSE两种方式。LS方式运算复杂度较低，在信道状况较好时能够较精确地估计信道增益。MMSE方案采用二维wiener滤波器在时域和频域对LS估计值进行处理，估计性能较好但运算复杂度较高，每次估计需要对N阶方阵求逆(N为观测参量个数)，并且需要已知训练符号的接收信噪比（一般情况训练符号发射功率已知，本底噪声可以利用物理层能量感知获取）和信道冲击响应的自相关函数等先验信息。由于MMSE算法是基于频域相关性进行估计的，对于较复杂的频率选择性衰落信道，其频域相关函数较难建立数学模型。因此，MMSE算法具有一定应用局限性和模型复杂度。

一般情况下，信号传输环境中的障碍物、反射体相对固定，多径信道的延时分布情况可以又功率-延迟曲线P(τ)获得。在工程上，常采用发射机发送窄脉冲的方法测得P(τ)。因此，无线信道的各多径分量的延时分布情况较容易掌握。MMSE作为一种二维滤波器，仅仅将各观测元素中的高斯白噪声做平滑处理，并未完全利用无线信道的全部特征。

发明内容

本发明是为了解决现有方法获得的信道估计值精确度低导致接收机在解调后的信号误码率高的问题，从而提供一种基于多径延时分布的信道估计方法。

一种基于多径延时分布的信道估计方法，它由以下步骤实现：

步骤一、在发射端，对于基带信号，发射机在基带信号中插入一组梳状导频符号，并在物理层PLCP头前面插入一组训练符号，并发射至信道；

该组训练符号包括M个短训练符号和N个长训练符号，M和N均为正整数；

每个短训练符号均用于位同步；

每个长训练符号均采用BPSK的调制方式且不加干扰，用于估计子载波的信道增益；

步骤二、在接收端，接收机对接收到的基带采样信号做快速傅里叶变换，获得变换结果，并提取PLCP头中的训练符号，并进行LS估计，获得训练符号的LS估计结果H_train；

步骤三、对于步骤二获得变换结果，提取位于f_c±3.4375MHz和f_c±7.8125MHz处的导频符号，其中f_c为载频；并分别对该四个导频符号进行LS估计，获得导频符号的LS估计结果H_pilot；

步骤四、根据公式：

$H_{\mathrm{LS}}={\left[H_{\mathrm{Train}}^T{H}_{\mathrm{Pilot}}^T\right]}^T$

将步骤二获得的训练符号的LS估计结果H_train和步骤三获得的导频符号的LS估计结果进行合并，获得观测量向量H_LS；

步骤五、采用公式：

H_MMSE=U×H_LS

获得基带信号各子载波频率响应的MMSE估计值H_MMSE；

其中变量U采用公式：

$U=R_{H_{\mathrm{LS}}H}\×R_{H_{\mathrm{LS}}{H}_{\mathrm{LS}}}^{-1}$

获得；

为H_LS的自相关矩阵，为非奇异矩阵；为H_LS与H的互相关矩阵；H为信道频率响应向量；

步骤六、根据公式：

$y=\mathrm{IFFT}\left(Y\right)$

$\stackrel{\mathrm{\Δ}}{=}\frac{1}{\sqrt{N}}\left[\begin{array}{cccc}{w}_N^{0\×0}& w_N^{0\×1}& \·\·\·& w_N^{0\×(N-1)}\\ \·\·\·& w_N^{i\×j}& w_N^{i\×l}& \·\·\·\\ \·\·\·& w_N^{k\×j}& w_N^{k\×l}& \·\·\·\\ w_N^{(N-1)\×0}& w_N^{(N-1)\×1}& \·\·\·& w_N^{(N-1)\×(N-1)}\end{array}\right]\left[\begin{array}{c}{Y}_0\\ Y_1\\ \·\\ \·\\ \·\\ Y_{N-1}\end{array}\right]$

获得基带采样信号经过MMSE滤波后的估计值y；

式中：w_N=e^-j2π/N，N的取值为正整数；

式中：

Y=S×H_MMSE

其中：

S=diag{s₁,s₂,…s_N}

s_k为第k个子载波的训练符号，k=1,2,……N；

步骤七、根据公式：

$y=\mathrm{CM}\×h+V$

$=\left[\begin{array}{ccccc}{x}_0& 0& \·\·\·& \·\·\·& 0\\ x_1& x_0& 0& \·\·\·& 0\\ \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·\\ x_{N-2}& x_{N-3}& \·\·\·& x_0& 0\\ x_{N-1}& x_{N-2}& \·\·\·& \·\·\·& x_0\end{array}\right]\left[\begin{array}{c}{h}_0\\ h_1\\ \·\\ \·\\ \·\\ \·\\ \·\\ \·\\ h_{N-1}\end{array}\right]+\left[\begin{array}{c}{v}_0\\ v_1\\ \·\\ \·\\ \·\\ \·\\ \·\\ \·\\ v_{N-1}\end{array}\right]$

获得带宽为20MHz的基带信号h；其中：CM为卷积矩阵；V为经过MMSE估计后的残留噪声信号；

步骤八、根据公式：

$\tilde{h}=\underset{h}{\arg \min }{\left|\right|y-\mathrm{CM}\×h\left|\right|}^2$

获得最优冲击响应的估计值

步骤九、根据公式：

$\tilde{y}=\left[\begin{array}{ccccc}{x}_0& 0& \·\·\·& \·\·\·& 0\\ x_1& x_0& 0& ...& 0\\ \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·\\ x_{N-2}& x_{N-3}& \·\·\·& x_0& 0\\ x_{N-1}& x_{N-2}& \·\·\·& \·\·\·& x_0\end{array}\right]\×\tilde{h}$

获得最优冲击响应的估计值的线性卷积值

步骤十、根据公式：

$\tilde{H}=S^{-1}\×\mathrm{FFT}\left(\tilde{y}\right)$

$=S^{-1}\×\mathrm{FFT}(\mathrm{CM}\×\tilde{h})$

分别获得OFDM符号的各子载波的频率响应结果，并将该频率响应结果作为各子载波信道增益的估计结果，完成多径延时分布的信道估计。

本发明是为了解决现有方法获得的信道估计值精确度低导致接收机在解调后的信号误码率高的问题，

本发明提出了一种基于多径延时分布的信道估计方法，该方法能够合理地利用信道统计参数，将MMSE滤波后的冲击响应估计值做进一步处理，得到更加精确的信道估计值，等价于接收机能够在解调时获得更高的信噪比，从而获得更低的误码率。

附图说明

图1是OFDM信号的训练符号和导频分布示意图；图2是本发明方法的原理示意图；图3是在模式3和模式4条件下，f_d=0Hz时本发明的方法和MMSE算法的误码率曲线仿真示意图；图4是在模式5的条件下，不同多普勒频偏下本发明的方法和MMSE算法的误码率仿真示意图。

具体实施方式

具体实施方式一、结合图1和图2说明本具体实施方式，本发明假设OFDM信号采用插入梳状导频和训练符号相结合的信道估计方式。发射机在物理层PLCP头前面插入10短2长共计12个训练符号，短训练符号用于位同步，每一长训练符号48bit，采用BPSK调制方式，且不加扰码，用于估计48个子载波的信道增益。

如果信道的多普勒频移较小或信息载荷的传输时间小于信道的相干时间，那么信道可以进似地看作是时不变的，接收机可以根据长训练符号对OFDM符号区间的48个子载波进行估计。因此，对于收发信机低速运动或信号传输环境较稳定的情况，长训练符号能够用较低的处理复杂度对信道进行较好的估计。

每一OFDM符号中四个频点分配给导频符号，分别位于f_c±3.4375MHz和f_c±7.8125MHz处，f_c为载频。导频符号采用BPSK调制，根据随机序列生成器加扰码；梳状导频能够较好地跟踪信道的时变特征。

MMSE准则下的信道估计采用二维wiener滤波器对LS估计值进行时域-频域二维滤波，由于采用的导频符号较少，而子载波数量较多，使用传统的插值算法估计(线性、三次样条插值)得到的信道传递函数估计值误差较大。然而，利用训练符号和导频作为滤波器的输入能够同时获得信道的频域和时域信息。

LS估计值：

$H_{\mathrm{LS}}={\left[H_{\mathrm{Train}}^T{H}_{\mathrm{Pilot}}^T\right]}^2$

为一含有56元素的观测向量，其中：H_train为训练符号的LS估计值，H_pilot为导频的LS估计值；

Y_preamble=FFT(y_preamble)      (1)

H_LS=S^-1×Y_preamble      (2)

H_MMSE=U×H_LS      (3)

由正交性原理可知：

E{H_LS×(H-H_MMSE)^H}=0_N×N      (4)

其中：0_N×N为全0矩阵。

代入公式(3)，得到：

$U\×E\{H_{\mathrm{LS}}\×H_{\mathrm{LS}}^H\}=E\{H\×H_{\mathrm{LS}}^H\}---\left(5\right)$

若为非奇异阵，则：

$U=R_{H_{\mathrm{LS}}H}\×R_{H_{\mathrm{LS}}{H}_{\mathrm{LS}}}^{-1}---\left(6\right)$

其中：和分别为H_LS的自相关矩阵和H_LS与H的互相关矩阵。

由公式(6)可知，MMSE算法需要对56阶方阵求逆：

$R_{H_{\mathrm{LS}}H}=E\{H\×H_{\mathrm{LS}}^H\}$

$=E\{H\×{(H+S^{-1}\×N_F)}^H\}$

$=E\{H\×H^H\}+{\left(S^{-1}\right)}^H\×E\{H\×N_F^H\}---\left(7\right)$

$=R_{\mathrm{HH}}$

$R_{H_{\mathrm{LS}}{H}_{\mathrm{LS}}}=E\left\{H_{\mathrm{LS}}{H}_{\mathrm{LS}}^H\right\}$

$=E\{(H+S^{-1}\×N_F)\×{(H+S^{-1}\×N_F)}^H\}$

$=E\{H\×H^H\}+S^{-1}\×E\{N_F\×H^H\}+{\left(S^{-1}\right)}^H\×E\{H\×N_F^H\}+\left|{\left(S^{-1}\right)}^2\right|\×E\left\{N_F{N}_F^H\right\}---\left(8\right)$

$=R_{\mathrm{HH}}+\frac{{\mathrm{\σ}}_n^2}{E_s}{I}_N$

$H_{\mathrm{MMSE}}=R_{\mathrm{HH}}\×{(R_{\mathrm{HH}}+\frac{{\mathrm{\σ}}_n^2}{E_s}{I}_N)}^{-1}\×H_{\mathrm{LS}}---\left(9\right)$

对于符合Jakes模型的信道，其功率谱密度为：

$s_d\left(f\right)=\frac{K}{\sqrt{1-{(f/f_d)}^2}},-f_d\≤f\≤f_d---\left(10\right)$

自相关函数为：

R[f₁,f₂;t₁,t₂]=R_F[f₁-f₂]×R_T[t₁-t₂]      (11)

其中：

$R_F\left[n\right]=\frac{1}{1+j2\mathrm{\π}{\mathrm{\τ}}_{\mathrm{rms}}\mathrm{n\Δf}}$

R_T[k]=J₀(2πf_maxkt_symbol)

${\mathrm{\τ}}_{\mathrm{rms}}=\sqrt{\underset{n=0}{\overset{15}{\mathrm{\Σ}}}{\left(h_0\right[n]\·n)}^2}/\sqrt{\underset{n=0}{\overset{15}{\mathrm{\Σ}}}{h}_0^2\left[n\right]}$

为延时的均方根值；

Δf=0.3125MHz为子载波带宽，t_symbol=4μs为OFDM符号周期，f_max为最大多普勒频移，J₀(x)为第一类零阶贝塞尔(Bessel)函数。

图2为LSM算法的原理框图。导频序列和训练符号经过MMSE估计后得到各子载波上的频率响应H_MMSE，那么接收信号在频域表示为：

Y=S×H_MMSE      (12)

经过IFFT后得到MMSE去噪后的时域信号：

$y=\mathrm{IFFT}\left(Y\right)$

$\stackrel{\mathrm{\Δ}}{=}\frac{1}{\sqrt{N}}\left[\begin{array}{cccc}{w}_N^{0\×0}& w_N^{0\×1}& \·\·\·& w_N^{0\×(N-1)}\\ \·\·\·& w_N^{i\×j}& w_N^{i\×l}& \·\·\·\\ \·\·\·& w_N^{k\×j}& w_N^{k\×l}& \·\·\·\\ w_N^{(N-1)\×0}& w_N^{(N-1)\×1}& \·\·\·& w_N^{(N-1)\×(N-1)}\end{array}\right]\left[\begin{array}{c}{Y}_0\\ Y_1\\ \·\\ \·\\ \·\\ Y_{N-1}\end{array}\right]---\left(13\right)$

其中：

w_N=e^-j2π/N

S=diag{s₁,s₂,…s_N}

s_k(k=1～N)

为第k个子载波的训练符号。

值得注意的是，公式(13)中矩阵乘积仅表示与IFFT数学上等价，具体实现方式由采用的快速傅里叶算法决定，各算法在实现方式上不同，但运算量相近。

以p径瑞利信道为例，假设在一个OFDM符号内，信道的冲击响应线性时不变(LTI)，并且在一个完整的通信周期内(≤5.5ms)，信道各多径分量的延时τ_k相对固定，多径分量数量有限，因此信道可建模为离散多径信道，时变冲击响应的复包络为：

$h(\mathrm{\τ},t)=\underset{k=0}{\overset{p\left(t\right)-1}{\mathrm{\Σ}}}{\mathrm{\α}}_k\left(t\right)\mathrm{\δ}(\mathrm{\τ}-{\mathrm{\τ}}_k\left(t\right))---\left(14\right)$

$h\left[n\right]=\underset{k=0}{\overset{p-1}{\mathrm{\Σ}}}{\mathrm{\α}}_k\mathrm{\δ}[n-{\mathrm{\τ}}_k]---\left(15\right)$

其中，α_k(t)是第k径的复衰减因子，τ_k(t)是该径的延时，各径互相独立的广义平稳窄带复高斯过程。接收机接收到的基带采样信号为：

y[n]=x[n]⊙h[n]   (16)

其中，⊙表示线性卷积，h[n]表示信道的冲击响应，x[n]为OFDM符号，n=0～79。

假设采样频率为20MHz，那么每个OFDM符号为80个采样点，即x[n]的长度为80。同时，假设信道的最大延时τ_Max≤0.8μs，则h[n]的长度为16，不够的补零。经过线性卷积，y[n]的长度为96，其中最后16个采样点叠加到下一符号的循环前缀部分。移去循环前缀后，根据卷积公式，公式(16)可以进一步表示为矩阵形式：

$y=\mathrm{CM}\×h+V$

$=\left[\begin{array}{ccccc}{x}_0& 0& \·\·\·& \·\·\·& 0\\ x_1& x_0& 0& \·\·\·& 0\\ \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·\\ x_{N-2}& x_{N-3}& \·\·\·& x_0& 0\\ x_{N-1}& x_{N-2}& \·\·\·& \·\·\·& x_0\end{array}\right]\left[\begin{array}{c}{h}_0\\ h_1\\ \·\\ \·\\ \·\\ \·\\ \·\\ \·\\ h_{N-1}\end{array}\right]\left[\begin{array}{c}{v}_0\\ v_1\\ \·\\ \·\\ \·\\ \·\\ \·\\ \·\\ v_{N-1}\end{array}\right]---\left(17\right)$

其中，CM为卷积矩阵，h为带宽为20MHz的基带信号，V为经过MMSE估计后的残留噪声信号。由前面分析可知，信道冲击响应矩阵h为稀疏矩阵，其非零分量对应各多径分量。因此，最小二乘准则下的冲击响应的估计值为

$\tilde{h}=\underset{h}{\arg \min }{\left|\right|y-\mathrm{CM}\×h\left|\right|}^2---\left(18\right)$

其中，||·||²表示2-范数。假设信道建模为p个离散多径分量，且延时分别为τ₁,τ₂,…τ_p，τ_p≤0.8μs。

令d_k=τ_k50ns，由于采样点间隔50ns，d_k表示第k个离散多径分量的序号且d_k为不大于16的正整数。

令CM=[CM₁,CM₂,…CM_N]，则原优化问题等价于：

$\tilde{h}=\underset{h}{\arg \min }{\left|\right|y-\underset{k=1}{\overset{p}{\mathrm{\Σ}}}({\mathrm{CM}}_{d_k}\×h_{d_k})\left|\right|}^2---\left(19\right)$

令 $h_{d_k}=R_k+j\×I_k,$ 则：

$\tilde{h}=\underset{h}{\arg \min }{\left|\right|y-\underset{k=1}{\overset{p}{\mathrm{\Σ}}}\left\{{\mathrm{CM}}_{d_k}(R_k+j\×I_k)\right\}\left|\right|}^2$

$=\underset{h}{\arg \min }{(y-\underset{k=1}{\overset{p}{\mathrm{\Σ}}}\{{\mathrm{CM}}_{d_k}\×(R_k+j\×I_k)\left\}\right)}^H(y-\underset{k=1}{\overset{p}{\mathrm{\Σ}}}\{{\mathrm{CM}}_{d_k}\×(R_k+j\×I_k)\left\}\right)$

$=\underset{h}{\arg \min }\{y^{H}y+\underset{k=1}{\overset{p}{\mathrm{\Σ}}}\{(R_k^2+I_k^2){\mathrm{CM}}_{d_k}^H{\mathrm{CM}}_{d_k}-2R_k\mathrm{Re}\left[y^H{\mathrm{CM}}_{d_k}\right]-2I_k\mathrm{Im}\left[y^H{\mathrm{CM}}_{d_k}\right]\}---\left(20\right)$

$+2\underset{1\&le;l<m\&le;p}{\mathrm{\&Sigma;}}\left\{(R_l{R}_m+I_l{I}_m)\mathrm{Re}\right[{\mathrm{CM}}_{d_l}^H{\mathrm{CM}}_{d_m}]-(R_l{I}_m-I_l{R}_m)\mathrm{Im}[{\mathrm{CM}}_{d_l}^H{\mathrm{CM}}_{d_m}\left]\right\}\}$

令代价函数：

$J=\underset{h}{\arg \min }{\left|\right|y-\underset{k=1}{\overset{p}{\mathrm{\&Sigma;}}}\{{\mathrm{CM}}_{d_k}\&times;(R_k+j\&times;I_k)\}\left|\right|}^2,$

因此：

$\left\{\begin{array}{c}\frac{\&PartialD;J}{\&PartialD;R_k}=2\underset{k=1}{\overset{p}{\mathrm{\&Sigma;}}}\left\{R_k{\mathrm{CM}}_{d_k}^H{\mathrm{CM}}_{d_k}\right\}+2\underset{1\&le;l\&le;,l\&NotEqual;k}{\mathrm{\&Sigma;}}\left\{R_l\mathrm{Re}{[\mathrm{CM}}_{d_l}^H{\mathrm{CM}}_{d_k}\right]+I_l\mathrm{Im}\left[{\mathrm{CM}}_{d_l}^H{\mathrm{CM}}_{d_k}\right]\}-2\mathrm{Re}[y^H{\mathrm{CM}}_{d_k}]=0\\ \frac{\&PartialD;J}{\&PartialD;I_k}=2\underset{k=1}{\overset{p}{\mathrm{\&Sigma;}}}\left\{I_k{\mathrm{CM}}_{d_k}^H{\mathrm{CM}}_{d_k}\right\}+2\underset{1\&le;l\&le;p,l\&NotEqual;k}{\mathrm{\&Sigma;}}\left\{I_l\mathrm{Re}\right[{\mathrm{CM}}_{d_l}^H{\mathrm{CM}}_{d_k}]-R_l\mathrm{Im}[{\mathrm{CM}}_{d_l}^H{\mathrm{CM}}_{d_k}\left]\right\}+2\mathrm{Im}\left[y^H{\mathrm{CM}}_{d_k}\right]=0\end{array}\right.---\left(21\right)$

根据公式(21)可以联立一个2p阶方程组，对其求解可得中非零项的实部与虚部，补零后可得

对上式求解即可得到符合最小二乘准则的最优估计值

对做线性卷积得到

$\tilde{y}=\left[\begin{array}{ccccc}{x}_0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& 0\\ x_1& x_0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ x_{N-2}& x_{N-3}& \&CenterDot;\&CenterDot;\&CenterDot;& x_0& 0\\ x_{N-1}& x_{N-2}& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& x_0\end{array}\right]\&times;\tilde{h}---\left(23\right)$

LSM估计后得到的各子载波的频率响应为

$\tilde{H}=S^{-1}\&times;\mathrm{FFT}\left(\tilde{y}\right)$

$=S^{-1}\&times;\mathrm{FFT}(\mathrm{CM}\&times;\tilde{h})---\left(24\right)$

由于采样频率为20MHz，每个OFDM符号有64个样本，恰好为2的整数幂，因此可以采用FFT将MMSE估计值还原的接收信号变换到频域，用于进一步处理，反之，最小二乘估计后得到的信道冲击响应估计值也可通过FFT变换到频域用于基带解调。

以下采用蒙特卡洛仿真验证LSE算法与MMSE算法在多径时变信道下的性能。仿真过程采用二径瑞利信道，如表1所示。仿真采用的多径瑞利信道有两个多径分量，相对功率分别为0dB和3dB，相对延时200ns，各多径分量的包络服从瑞利分布，多普勒功率谱采用Jakes模型。仿真结果的置信度高于95%。

表1仿真采用的多径信道类型

本发明根据不同的调制-信道编码组合提供8种参考传输方案。表2说明了8种传输模式的具体调制方式和采用的信道编码码率。其中，QAM调制采用正方形星座，信道编码为速率兼容卷积码(Rate Compatible Convolution Code,RCPC)。

表2IEEE802.11a传输方案

图3为传输方案采用模式3和4，无多普勒频移时MMSE和LSE的误码性能。对于模式3，本发明的方法在信噪比较低时优于MMSE方法；在高信噪比区域，两种方法性能接近。对于模式4，由于RCPC码率为2/3，在信噪比较高时本发明的方法仍然优于MMSE方法。

图4为传输方案采用模式5，最大多普勒频移f_d=0,50,100Hz时MMSE和LSE的误码性能。由图4可知，在高信噪比区域，f_d=50Hz时LSE算法相比MMSE算法性能大约提升2dB；f_d=100Hz时LSE算法相比MMSE算法性能提升大于3dB。图4中三组曲线说明，随着f_d增加，LSE算法能够显著提高估计精度。

Claims (2)

1.一种基于多径延时分布的信道估计方法，其特征是：它由以下步骤实现：

步骤一、在发射端，对于基带信号，发射机在基带信号中插入一组梳状导频符号，并在物理层PLCP头前面插入一组训练符号，并发射至信道；

该组训练符号包括M个短训练符号和N个长训练符号，M和N均为正整数；

每个短训练符号均用于位同步；

每个长训练符号均采用BPSK的调制方式且不加干扰，用于估计子载波的信道增益；

步骤二、在接收端，接收机对接收到的基带采样信号做快速傅里叶变换，获得变换结果，并提取PLCP头中的训练符号，并进行LS估计，获得训练符号的LS估计结果H_train；

步骤三、对于步骤二获得变换结果，提取位于f_c±3.4375MHz和f_c±7.8125MHz处的导频符号，其中f_c为载频；并分别对该四个导频符号进行LS估计，获得导频符号的LS估计结果H_pilot；

步骤四、根据公式：

$H_{LS}={\left[\begin{array}{cc}{H}_{Train}^T& H_{Pilot}^T\end{array}\right]}^T$

将步骤二获得的训练符号的LS估计结果H_train和步骤三获得的导频符号的LS估计结果进行合并，获得观测量向量H_LS；

步骤五、采用公式：

H_MMSE＝U×H_LS

获得基带信号各子载波频率响应的MMSE估计值H_MMSE；

其中变量U采用公式：

$U=R_{H_{LS}H}\&times;R_{H_{LS}{H}_{LS}}^{-1}$

获得；

为H_LS的自相关矩阵，为非奇异矩阵；为H_LS与H的互相关矩阵；H为信道频率响应向量；

步骤六、根据公式：

$\begin{array}{c}y=IFFT\left(Y\right)\\ \stackrel{\mathrm{\&Delta;}}{=}\frac{1}{\sqrt{N}}\left[\begin{array}{cccc}{w}_N^{0\&times;0}& w_N^{0\&times;1}& \mathrm{...}& w_N^{0\&times;(N-1)}\\ \mathrm{...}& w_N^{i\&times;l}& w_N^{i\&times;l}& \mathrm{...}\\ \mathrm{...}& w_N^{k\&times;l}& w_N^{k\&times;l}& \mathrm{...}\\ w_N^{(N-1)\&times;0}& w_N^{(N-1)\&times;1}& \mathrm{...}& w_N^{(N-1)\&times;(N-1)}\end{array}\right]\end{array}\left[\begin{array}{c}{Y}_0\\ Y_1\\ .\\ .\\ .\\ Y_{N-1}\end{array}\right]$

获得基带采样信号经过MMSE滤波后的估计值y；

式中：w_N＝e^-j2π/N，N的取值为正整数；

式中：

Y＝S×H_MMSE

其中：

S＝diag{s₁,s₂,...s_N}

s_k为第k个子载波的训练符号，k＝1,2,......N；

步骤七、根据公式：

$\begin{array}{c}y=\mathrm{CM}\&times;h+v\\ =\left[\begin{array}{ccccc}{x}_0& 0& ...& ...& 0\\ x_1& x_0& 0& ...& 0\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ x_{N-2}& x_{N-3}& ...& x_0& 0\\ x_{N-1}& x_{N-2}& ...& ...& x_0\end{array}\right]\end{array}\left[\begin{array}{c}{h}_0\\ h_1\\ .\\ .\\ .\\ .\\ .\\ .\\ h_{N-1}\end{array}\right]+\left[\begin{array}{c}{v}_0\\ v_1\\ .\\ .\\ .\\ .\\ .\\ .\\ v_{N-1}\end{array}\right]$ 的

获得带宽为20MHz的基带信号h；其中：CM为卷积矩阵；V为经过MMSE估计后残留噪声信号；

步骤八、根据公式：

$\tilde{h}=\underset{h}{\mathrm{argmin}}\left|\right|y-CM\&times;h|{|}^2$

获得最优冲击响应的估计值

步骤九、根据公式：

$\tilde{y}=\left[\begin{array}{ccccc}{x}_0& 0& \mathrm{...}& \mathrm{...}& 0\\ x_1& x_0& 0& \mathrm{...}& 0\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ x_{N-2}& x_{N-3}& \mathrm{...}& x_0& 0\\ x_{N-1}& x_{N-2}& \mathrm{...}& \mathrm{...}& x_0\end{array}\right]\&times;\tilde{h}$

获得最优冲击响应的估计值的线性卷积值

步骤十、根据公式：

$\begin{array}{c}\tilde{H}=S^{-1}\&times;FFT\left(\tilde{y}\right)\\ =S^{-1}\&times;FFT(CM\&times;\tilde{h})\end{array}$

分别获得OFDM符号的各子载波的频率响应结果并将该频率响应结果作为各子载波信道增益的估计结果，完成多径延时分布的信道估计。

2.根据权利要求1所述的一种基于多径延时分布的信道估计方法，其特征在于步骤八中获得最优冲击响应的估计值是采用最小二乘法实现的。