CN103414667A - 一种基于二维离散导频的ofdm自适应信道估计方法 - Google Patents

Abstract

本发明公开了一种基于二维离散导频的OFDM自适应信道估计方法，在发射端，在每个OFDM符号中插入二维离散插值导频，并产生训练导频，训练导频和插值导频的位置与数值对接收端均是已知的。对每个OFDM符号，接收端在已知FDI插值系数的条件下，对插值导频的信道估计值先进行一维FDI，将FDI输出结果作为虚拟导频对训练导频进行插值，计算其信道估计值，结合直接估计得到的训练导频的信道估计值对抽头系数进行训练。每个OFDM符号中的所有的训练导频全部训练后，即可通过抽头系数得到插值系数，从而实现对数据的信道估计。本发明适用于采用二维离散导频的OFDM通信系统，可在信道时间方向统计特性未知的情况下进行信道估计，并可以自适应跟踪快衰落信道。

Description

一种基于二维离散导频的OFDM自适应信道估计方法

技术领域

本发明属于无线通信技术领域，更为具体地讲，涉及一种基于二维离散导频的OFDM自适应信道估计方法。

背景技术

OFDM（Orthogonal Frequency Division Multiplexing，正交频分复用）是一种特殊的多载波调制技术，它在对抗多径衰落方面有着天然的优越性，很适合高速数据传输。因此OFDM在现代无线宽带接入系统中得到了广泛的应用，如DAB（Digital Audio Broadcasting，数字音频广播），DVB（Digital VideoBroadcasting，数字电视广播），LTE（Long Term Evolution，长期演进），WiFi，WiMAX（Worldwide Interoperability for Microwave Access，即全球微波互联接入）等。在无线OFDM系统中，多径效应和多普勒效应分别会导致无线信道具有频域选择性衰落和时间选择性衰落特性，对采用相干解调的接收机会产生恶劣的影响，使系统性能下降。因而，需要有高性能的信道估计方法来准确地获取信道信息，并通过信道均衡消除多径信道的影响。

在现有的OFDM系统中，发射端输入数据经过信道编码，映射，子载波分配，并插入导频后，采用OFDM调制，也就是IFFT（Inverse Fast Fourier Transform，快速傅立叶逆变换）变换。为了消除ISI（Inter Symbol Interference，码间干扰）和ICI（Inter Carrier Interference，载波间干扰）的影响，OFDM调制输出数据需要加上CP（Cyclic Prefix，循环前缀）。发射信号通过信道到达接收端。接收端的处理过程基本和发射端相反，只是多了信道估计和信道均衡。信道估计就是估计信道的状态信息（CSI：Channel State Information），如信道冲击响应（CIR：Channel Impulse Response），信道频域响应（CFR：Channel Frequency Response）等。信道均衡就是利用信道估计出来的CSI，消除多径信道的影响。因此，信道估计性能的优劣直接关系到信道均衡的性能，进而影响整个OFDM系统的性能。

在OFDM系统中，传统的信道估计可以采用两个一维信道估计级联等方法。两个一维信道估计级联就是将一维时间方向插值（TDI:Time DirectionInterpolation）和一维频率方向插值（FDI:Frequency Direction Interpolation）级联起来。一维插值算法主要包括多项式插值以及数字插值滤波器插值等方法。多项式插值又包括线性内插、二阶高斯内插、三次拉格朗日内插、三次样条内插等。数字插值滤波器插值又包括低通sinc加窗函数内插等。然而，在已知FDI插值系数，将上述一维插值算法应用于高速移动OFDM系统进行TDI时，存在缺陷。由多普勒效应可知，高速移动的OFDM系统会产生很大的多普勒频率，造成信道发生快衰落。上述方法在对抗快衰落信道都存在不足。如多项式插值虽然不需要信道的统计特性，但是它只适用于慢衰落信道。而且多项式插值的插值系数固定，无法跟踪时变信道。数字插值滤波器插值虽然可以适用于快衰落信道，但是它需要信道的统计特性，如信道的最大多普勒频率，这在实际中往往是不知道的，需要通过其他方法来估计，增加了算法的复杂度，如果想要使其自适应跟踪信道变化，算法的复杂度又会大大提升。

发明内容

本发明的目的在于克服现有技术的不足，提供一种低复杂度的基于二维离散导频的OFDM自适应信道估计方法，能在FDI插值系数已知的情况下自适应跟踪快衰落信道。

为实现上述发明目的，本发明基于二维离散导频的OFDM自适应信道估计方法，其特征在于包括以下步骤：

S1：发射端在每个OFDM符号插入二维离散插值导频，二维离散插值导频在时频二维均匀分布，记时间方向上的周期为D_t，频率方向上的周期为D_f；插值导频的位置与数值对于接收端是已知的；

S2：在每个OFDM符号中产生训练导频，记第l，l＝0，1，2，…个OFDM符号中包括N_l＞0个训练导频，N_l为预设的训练导频的个数；训练导频的位置与数值对于接收端也是已知的；

S3：接收端依次接收发送的OFDM符号，估计得到OFDM符号中插值导频处的信道估计值

k_in为第l个OFDM符号中插值导频对应的子载波；

S4：利用已知的FDI插值系数，先对插值导频的信道估计值进行FDI，得到插值结果为

k为OFDM符号中包含的所有子载波；

S5：设置数据信道估计起始OFDM符号，对该符号及其之后的OFDM符号进行数据信道估计，包括步骤：

S5.1：估计得到OFDM符号中训练导频处的信道估计值

k_m，m＝0，1，…，N_l-1为第l个OFDM符号中训练导频对应的子载波；

S5.2：依次对第l个OFDM符号的N_l个训练导频进行训练，计算第m个训练导频的误差信号 $e_l\left[n\right]={\tilde{H}}^{\′}[l,k_m]-\underset{i=0}{\overset{N_f-1}{\mathrm{\Σ}}}{\hat{w}}_i^{*}\left[n\right]\tilde{H}[l+M_1{D}_t-i,k_m],$ 其中上标^*表示共轭；

i＝0，…，N_f-1为抽头系数，在第n-1个训练导频训练时得到；

N_f＝Q_tD_t+1，Q_t＝M₁+M₂+1，M₁、M₂为设置的参数，M₁≥0、M₂+1≥1；当l+M₁D_t-i，0≤i≤N_f-1对应的OFDM符号不存在时，

S5.3：更新抽头系数 ${\hat{w}}_i[n+1]={\hat{w}}_i\left[n\right]+\mathrm{\ρ}\tilde{H}[l+M_1{D}_t-i,k_m]e_l^{*}\left[n\right],$ i＝0，…，N_f-1，其中ρ为预设的步长，

i＝0，…，N_f-1为第n+1个训练导频的抽头系数，第一次对OFDM符号进行数据信道估计时，其第0个训练导频对应的抽头系数均为0；当N_l个训练导频都训练完时，输出插值系数

j＝-M₁D_t，-M₁D_t+1，…，(M₂+1)D_t-1；

S5.4：根据插值系数c_l[j]，计算第l个OFDM符号中数据的信道估计值为：

k_d为第l个OFDM符号中数据对应的子载波。

本发明创造了基于二维离散导频的OFDM自适应信道估计方法。在发射端OFDM符号中插入二维离散插值导频，并产生训练导频，其中二维离散插值导频在时频二维均匀分布，而训练导频为沿频率方向随机分布。对于每个OFDM符号，接收端依据训练导频提供的信道信息参考对内插器抽头系数进行训练，利用训练后的抽头系数改善信道估计的精确度。

本发明适用于采用二维离散插值导频结构的OFDM通信系统，在已知FDI插值系数的条件下，进行一维时间方向插值（TDI:Time Direction Interpolation）。本发明具有以下有益效果：

（1）、通过采用训练导频，可以在信道时间方向统计特性未知的情况下进行信道估计；

（2）、由于每个OFDM符号中均含有训练导频，通过对每个OFDM符号的插值系数进行训练与更新，实现了对信道的自适应跟踪；

（3）、经仿真表明，本发明可以自适应匹配信道的最大多普勒频率，适应高速移动OFDM系统的需要。

附图说明

图1是采用本发明基于二维离散导频的OFDM自适应信道估计方法的OFDM系统的结构示意图；

图2是本发明中数据与导频的一种具体实施方式结构示意图；

图3是本发明基于二维离散导频的OFDM自适应信道估计方法在接收端的一种具体实施方式流程图；

图4是本发明与现有技术的多普勒域响应特性对比示意图；

图5是本发明在不同步长下的收敛特性对比示意图；

图6是本发明与现有技术在不同SNR下的MSE性能对比示意图；

图7是本发明与现有技术在不同多普勒频率下的MSE下界对比示意图；

图8是本发明与现有技术的误码性能对比仿真。

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。

图1是采用本发明基于二维离散导频的OFDM信道估计方法的OFDM系统的结构示意图。如图1所示，本发明的主要思想是在发射端插入二维离散插值导频，并产生训练导频。训练导频的产生包括两种方式：插入已知训练信息和判决反馈产生训练导频。其中，插值导频的作用与现有技术一样，用于对OFDM符号进行插值；而训练导频的作用是用于训练插值系数。与插值导频一样，训练导频的位置与数值对于接收端是已知的，因此本发明在接收端，可以直接采用已知的训练导频来训练插值系数，而不需要已知信道时间方向统计特性。

图2是本发明中数据与导频的一种具体实施方式结构示意图。如图2所示，每行为一个OFDM符号，本发明适用对象为采用二维离散插值导频结构的OFDM通信系统，即插值导频在时频二维是周期均匀分布的，记时间方向上的周期为D_t，频率方向上的周期为D_f。本发明是在FDI的输出结果上实施的，并且FDI插值系数是已知的。接收端先根据插值导频的信道估计值进行FDI，得到插值导频所属OFDM符号中包含的所有子载波对应的插值结果，将每个插值结果都作为虚拟导频。可见，虚拟导频并没有进行实际传输，而是接收端通过对插值导频进行FDI而得到的。而对于训练导频，在每个OFDM符号中，训练导频的位置和个数都可以是不一样的。训练导频的位置最好在频率轴上随机分布，其随机规则对接收端是已知的，这样所有的插值系数都可以得到充分训练。训练导频的个数是预先设置的，需要根据插值系数的收敛特性来确定。记第l，l＝0，1，2，…个OFDM符号包含的训练导频个数为N_l＞0，对应的子载波位置记为k_m，m＝0，1，…，N_l-1。

在现有技术中，接收端基于导频内插的信道估计分为两步：第一步，估计插值导频处CFR；第二步，利用插值算法求出插值系数，进而估计数据处CFR。本发明中，记插值导频处的信道估计值为

k_in为OFDM符号中插值导频对应的子载波。根据已知的FDI插值系数对插值导频CFR进行FDI，得到第k个子载波处的插值结果为0≤k≤T-1，T为OFDM符号中包含的有效子载波数量。数据(l，k_d)处的信道估计值（即CFR）可由式（1）得到，k_d为OFDM符号中数据对应的子载波。

$\hat{H}[l,k_d]=\underset{j={-M}_1{D}_t}{\overset{(M_2+1)D_t-1}{\mathrm{\Σ}}}{c}_l\left[j\right]\tilde{H}[l-j,k_d]---\left(1\right)$

其中，M₁、M₂为设置的参数，M₁≥0、M₂+1≥1；当l-j，-M₁D_t≤j≤(M₂+1)D_t-1对应的OFDM符号不存在时，

可见，在对数据(l，k_d)进行插值信道估计时，采用虚拟导频进行TDI插值得到，使用的CFR为OFDM符号从l-(M₂+1)D_t+1至l+M₁D_t，子载波为k_d上存在的每个虚拟导频处的CFR。如图2所示，在插值导频所属的OFDM符号中的每个子载波上均存在虚拟导频，D_t＝4，此处设定M₁＝1、M₂+1＝1，因此-4≤j≤3。对于数据Z，设其所在OFDM符号序号为l、子载波为k_d，那么l-3≤l-j≤l+4。那么对数据Z进行插值信道估计时，所采用的CFR为图2中方框中包括的FDI输出结果，即虚拟导频。M₁、M₂两个参数的大小，决定了进行插值时使用的虚拟导频的多少，参数值越大，使用的虚拟导频越多，得到的数据的信道估计值越准确，但是计算复杂度也会随之增大。在实际应用中，可以根据需要进行确定。

可以看出，在FDI插值系数已知时，

仅仅由插值导频处信道估计算法决定。因此在插值导频处采用了相同估计方法时，数据处信道估计值仅仅和插值系数c_l[j]有关。现有技术中c_l[j]的计算有很多种方法，如多项式插值以及数字插值滤波器插值等方法。多项式插值又包括线性内插、二阶高斯内插、三次拉格朗日内插等。数字插值滤波器插值又包括加低通sinc加窗函数内插等，记为复系数LPS（Low-Pass Sinc）。而本发明，通过训练导频可以方便地求出插值系数c_l[j]，而且不需要信道时间方向统计特性，复杂度也不高，还可以自适应跟踪时变信道。下面对本发明的实现思想进行说明：

本发明中，第l个OFDM符号，第m个训练导频(l，k_m)处的信道估计值同样可由式（1）得到，即：

$\hat{H}[l,k_m]=\underset{j={-M}_1{D}_t}{\overset{(M_2+1)D_t-1}{\mathrm{\Σ}}}{c}_l\left[j\right]\tilde{H}[l-j,k_m]---\left(2\right)$

构造 ${\hat{H}}^{\′}[l,k_m]=\underset{i=0}{\overset{N_f-1}{\mathrm{\Σ}}}{\hat{w}}_i^{*}\left[n\right]\hat{H}[l+M_1{D}_t-i,k_m];$ 其中N_f＝Q_tD_t+1，Q_t＝M₁+M₂+1，M₁、M₂为设置的参数，M₁≥0、M₂+1≥1；

表示第l个OFDM符号的第m个训练导频；上标^*表示共轭；

i＝0，…，N_f-1为抽头系数；同样地，当l+M₁D_t-i，0≤i≤N_f-1对应的OFDM符号不存在时，

这样就建立了插值系数c_l[j]与抽头系数

的关系。当第l个OFDM符号的N_l个训练导频全部训练完时，即

可见采用本发明，当接收端已知插值导频与训练导频的信道估计值以及FDI插值系数，就可以求得插值系数。

图3是本发明基于二维离散导频的OFDM自适应信道估计方法在接收端的一种具体实施方式流程图。如图3所示，本发明中在接收端进行的OFDM信道估计方法包括以下步骤：

S301：接收端依次接收OFDM符号，估计各插值导频处信道频域响应，得到各插值导频处的信道估计值

导频处信道估计算法包括LS算法，MMSE算法等。因为LS算法简单，性能良好，而且不需要信道统计特性，在性能和复杂度之间达到了折中，所以导频处信道估计通常都是采用LS算法。本实施方式中，插值导频处信道估计采用LS算法，得到结果如下：

其中：Y[l，k_in]表示接收到的插值导频值，X[l，k_in]表示发射端映射后的插值导频值。

S302：根据步骤S301得到的插值导频处信道估计值

利用已知的FDI插值系数进行一维FDI，得到第k个子载波处的插值结果为

0≤k≤T-1，T为OFDM符号中包含的有效子载波数量。

设置数据信道估计起始OFDM符号，对该符号及其之后的OFDM符号进行训练导频估计，进而得到数据信道估计。

S303：对于每个OFDM符号，采用导频处信道估计算法估计各训练导频处的信道频域响应，得到各训练导频处的信道估计值

本实施方式中，同样采用LS算法，得到结果如下：

其中：Y[l，k_m]表示接收到的训练导频值，X[l，k_m]表示发射端映射后的训练导频值。

依次对第l个OFDM符号的N_l个训练导频进行训练，得到插值系数，再根据插值系数对每个OFDM符号进行数据信道估计，训练步骤包括S304至S308。

S304：计算第l个OFDM符号第m个训练导频的误差信号 $e_l\left[n\right]={\tilde{H}}^{\′}[l,k_m]-\underset{i=0}{\overset{N_f-1}{\mathrm{\Σ}}}{\hat{w}}_i^{*}\left[n\right]\tilde{H}[l+M_1{D}_t-i,k_m],$ 其中 $n=\underset{y=0}{\overset{l-1}{\mathrm{\Σ}}}{N}_y+m;$ 上标^*表示共轭；i＝0，…，N_f-1为抽头系数，在第n-1个训练导频训练时得到；N_f＝Q_tD_t+1，Q_t＝M₁+M₂+1，M₁、M₂为设置的参数，M₁≥0、M₂+1≥1；

i＝0，…，N_f-1是OFDM符号从l-(M₂+1)D_t+1至l+M₁D_t，子载波为k_m上存在的经过步骤S301、S302得到FDI插值结果，即虚拟导频；

S305：更新抽头系数 ${\hat{w}}_i[n+1]={\hat{w}}_i\left[n\right]+\mathrm{\ρ}\tilde{H}[l+M_1{D}_t-i,k_m]e_l^{*}\left[n\right],$ i＝0，…，N_f-1，其中ρ为预设的步长，ρ的取值决定于系统在收敛速率，信道估计准确度，信噪比，信道参数等方面的需求；

i＝0，…，N_f-1为第n+1个训练导频的抽头系数。第一次对数据OFDM符号进行数据信道估计时，其第0个训练导频对应的抽头系数全为0。即假设第1次数据信道估计的OFDM符号序号为l₀，则其第0个训练导频对应的抽头系数

i＝0，…，N_f-1。

S306：判断当前OFDM符号中所有训练导频是否都训练完，如果没有，进入步骤S307，如果全部训练完，进入步骤S308。

S307：取下一个训练导频，即m＝m+1，返回步骤S304对下一个训练导频进行训练。

S308：根据训练得到的

i＝0，…，N_f-1，输出插值系数

j＝-M₁D_t，-M₁D_t+1，…，(M₂+1)D_t-1。

S309：根据步骤S308得到的插值系数c_l[j]，计算第l个OFDM符号中数据的信道估计值为： $\hat{H}[l,k_d]=\underset{j={-M}_1{D}_t}{\overset{(M_2+1)D_t-1}{\mathrm{\Σ}}}{c}_l\left[j\right]\tilde{H}[l-j,k_d],$ 其中 $\tilde{H}[l-j,k_d]$ 是OFDM符号l-(M₂+1)D_t+1至l+M₁D_t，子载波为k_d上存在的经过步骤S301、S302得到FDI插值结果，即虚拟导频。输出数据的信道估计值，用于对数据的恢复。

可以看出，本发明在应用时需要使用到第l-(M₂+1)D_t至l+M₁D_t个OFDM符号包含的虚拟导频，因此在实际应用中，接收端需要一个缓冲区来暂时存储包括第l个OFDM符号在内的Q_tD_t+1个OFDM符号。在对OFDM符号l进行信道估计时，若l属于最开始的第0至第(M₂+1)D_t-1个OFDM符号，在训练系数时需要用到的OFDM符号l之前的OFDM符号并不全部存在，得到的数据信道估计值误差较大。因此在实际应用中，信道估计起始OFDM符号可以不为第0至第(M₂+1)D_t-1个OFDM符号，可以设置为第(M₂+1)D_t个OFDM符号，对其之前的OFDM符号不进行数据信道估计，而是从第(M₂+1)D_t个IFDM符号才开始估计训练导频处的信道估计值，从而得到数据的信道估计值，即数据信道估计起始符号为第(M₂+1)D_t个OFDM符号。在这种情况下，为了避免有用数据的丢失，从第0至第(M₂+1)D_t-1个OFDM符号中的OFDM符号并不携带有用数据信息，可以为空数据，即对应的子载波不加载数据，或为其他不携带有用信息的填充数据。当然，在实际应用中，可以根据实际需要确定数据信道估计起始OFDM符号。

可以看出，本发明通过采用训练导频，可以在FDI插值系数已知、信道时间方向统计特性未知的情况下，方便地得到TDI插值系数，完成数据的信道估计。并且由于每个OFDM符号中均含有训练导频，通过对每个OFDM符号的插值系数进行训练与更新，实现了对信道的自适应跟踪。

实施例

下面介绍本发明在DVB-H系统中的一个具体实施案例，并给出仿真结果图。系统仿真参数：FFT（Fast Fourier Transform，快速傅里叶变换）点数为8192，CP模式为14，映射模式为16QAM（Quadrature Amplitude Modulation，正交幅度调制），并且仿真系统采用了码率为23的卷积编码。仿真采用COST207TU6信道模型，表1为COST207TU6信道模型的功率时延谱。

表1

DVB-H系统采用的导频结构是二维离散导频。为了和其他一维插值算法进行公平的性能对比，在FDI上都采用最大多径时延阶数N′_f＝25的数字插值滤波器插值，其中T_s是OFDM符号周期。

本发明基于二维离散导频的OFDM自适应信道估计方法中，将二维离散导频作为插值导频，将连续导频作为训练导频，对于每一个OFDM符号来说，N_l＝177。

图4是本发明与现有技术的多普勒域响应特性对比示意图。仿真参数：SNR（Signal Noise Rate，信噪比）为20dB，Q_t=4。从图4可以看出，线性内插和三次拉格朗日内插的带宽都是固定的，大约分别是20Hz和50Hz。而本发明可以自适应调整自己的带宽，去匹配信道仿真器中设置的最大多普勒频率，从而适应高速移动OFDM系统的需要。

图5是本发明在不同步长下的收敛特性对比示意图。如图5所示的仿真结果可以为选择自适应迭代步长提供参考。每对一个训练导频进行训练即作为一次迭代。仿真参数：最大多普勒频率为100Hz，SNR为20dB，Q_t＝4。对于每一个步长来说，平均MSE（Mean Square Error，均方误差）都是通过200次独立试验的结果求平均得到的。如图5所示，随着步长ρ的增大，本发明提出的算法收敛速度会变快。但是大的步长ρ会造成算法不稳定。所以步长ρ的取值需要兼顾算法的收敛速度和稳定性。在本实施例的后续仿真中选择步长ρ=0.005。

图6是本发明与现有技术在不同SNR下的MSE性能对比示意图。仿真参数：最大多普勒频率为100Hz。此处的MSE是通过对收敛以后的1000个OFDM符号求平均得到的。LPS（Low-Pass Sinc，低通Sinc）是加KAISER窗的低通sinc内插算法，TDI表示LPS算法应用在时间方向上插值。如图6所示，MSE随着SNR增加在逐渐下降，但是有一个MSE下界。还可以看出本发明的MSE性能对Q_t值的大小不敏感，因此在实际应用中可以选择一个小的Q_t值来大大减小算法复杂度。

图7是本发明与现有技术在不同多普勒频率下的MSE下界对比示意图。仿真参数：SNR=30dB。如图6所示，SNR=30dB时几种方法的平均MSE都达到了下界，基本不再变化。图7仿真的就是平均MSE下界在不同多普勒频率下的性能。如图7所示，本发明相比于LPS-TDI，性能要更好。而且在仿真LPS-TDI时，已经假定了最大多普勒频率是已知的，而这在实际中是需要另外估计的，又会增加LPS-TDI的复杂度。

图8是本发明与现有技术的误码性能对比仿真。仿真参数：最大多普勒频率为120Hz，并且采用了维特比译码和信道均衡技术，信道均衡技术详情参见：G.Liu，S.V.Zhidkov，H.Li，L.Zeng，and Z.Wang，“Low-complexity iterativeequalization for symbol-reconstruction based OFDM receivers over doubly selectivechannels，”IEEE Trans.Broadcast.，vol.58，no.3，pp.390–400，Sept.2012.。如图8所示，本发明的BER（Bit Error Rate，误码率）较理想信道估计方法略差，但是优于LPS-TDI、线性插值、拉格朗日插值三种算法。

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 (7)

1.一种基于二维离散导频的OFDM自适应信道估计方法，其特征在于包括以下步骤：

S1：发射端在每个OFDM符号插入二维离散插值导频，二维离散插值导频在时频二维均匀分布，记时间方向上的周期为D_t，频率方向上的周期为D_f；插值导频的位置与数值对于接收端是已知的；

S2：在每个OFDM符号中产生训练导频，记第l，l＝0，1，2，…个OFDM符号中包括N_l＞0个训练导频，N_l为预设的训练导频的个数；训练导频的位置与数值对于接收端也是已知的；

S3：接收端依次接收发送的OFDM符号，估计得到OFDM符号中插值导频处的信道估计值

k_in为第l个OFDM符号中插值导频对应的子载波；

S4：利用已知的FDI插值系数，先对插值导频的信道估计值

进行FDI，得到第k个子载波处的插值结果为

0≤k≤T-1，T为OFDM符号中包含的子载波数量；

S5：设置数据信道估计起始OFDM符号，对该符号及其之后的OFDM符号进行数据信道估计，包括步骤：

S5.1：估计得到OFDM符号中训练导频处的信道估计值

k_m，m＝0，1，…，N_l-1为第l个OFDM符号中训练导频对应的子载波；

S5.2：依次对第l个OFDM符号的N_l个训练导频进行训练，计算第m个训练导频的误差信号 $e_l\left[n\right]={\tilde{H}}^{\′}[l,k_m]-\underset{i=0}{\overset{N_f-1}{\mathrm{\Σ}}}{\hat{w}}_i^{*}\left[n\right]\tilde{H}[l+M_1{D}_t-i,k_m],$ 其中上标*表示共轭；i＝0，…，N_f-1为抽头系数，在第n-1个训练导频训练时得到；N_f＝Q_tD_t+1，Q_t＝M₁+M₂+1，M₁、M₂为设置的参数，M₁≥0、M₂+1≥1；当l+M₁D_t-i，0≤i≤N_f-1对应的OFDM符号不存在时，

S5.3：更新抽头系数 ${\hat{w}}_i[n+1]={\hat{w}}_i\left[n\right]+\mathrm{\ρ}\tilde{H}[l+M_1{D}_t-i,k_m]e_l^{*}\left[n\right],$ i＝0，…，N_f-1，其中ρ为预设的步长，

…，N_f-1为第n+1个训练导频的抽头系数，第一次对OFDM符号进行数据信道估计时，其第0个训练导频对应的抽头系数均为0；当N_l个训练导频都训练完时，输出插值系数

j＝-M₁D_t，-M₁D_t+1，…，(M₂+1)D_t-1；

S5.4：根据插值系数c_l[j]，计算第l个OFDM符号中数据的信道估计值为：k_d为第l个OFDM符号中数据对应的子载波。

2.根据权利要求1所述的OFDM自适应信道估计方法，其特征在于，所述步骤S2中训练导频在OFDM符号中随机分布，其随机规则对接收端是已知的。

3.根据权利要求1所述的OFDM自适应信道估计方法，其特征在于，所述步骤S2中训练导频是已知训练信息。

4.根据权利要求1所述的OFDM自适应信道估计方法，其特征在于，所述步骤S2中训练导频通过判决反馈产生。

5.根据权利要求1所述的OFDM自适应信道估计方法，其特征在于，所述步骤S3中估计信道频域响应的方法为LS算法或MMSE算法。

6.根据权利要求1至5任一所述的OFDM自适应信道估计方法，其特征在于，所述步骤S5中起始OFDM符号为第(M₂+1)D_t个OFDM符号。

7.根据权利要求6所述的OFDM自适应信道估计方法，其特征在于，所述第(M₂+1)D_t个OFDM符号及其之前的OFDM符号不携带有用数据信息。

Images