CN104639488A - 一种用户移动速度估计方法及系统 - Google Patents

Abstract

本发明提供一种用户移动速度估计方法及系统，包括：对时域接收信号进行正交频分复用信号解调，得到频域信号；在所述频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号；根据所抽取的两个子帧的解调参考信号位置的信号，计算两种自相关时延间隔下的自相关函数，得到自相关函数比；通过所述自相关函数比，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。本发明首先对所接收到的时域信号进行OFDM解调，得到频域信号，然后根据频域信号计算自相关函数比，从而求得其对应的用户移动速度。本发明直接利用DMRS进行用户移动速度估计，不需要进行信道估计，大大降低了运算量。

Description

一种用户移动速度估计方法及系统

技术领域

本发明涉及无线通信技术领域，尤其涉及一种用户移动速度估计方法及系统。

背景技术

正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）是多载波（Multi-Carrier Modulation，MCM）调制的一种。根据OFDM标准，数据分别通过许多相互正交的子载波传输，而且有一个保护间隔，来有效克服多径干扰问题。在下一代无线通信系统中，OFDM扮演着十分重要的角色。由于用户与基站的相对运动，接收信号会发生多普勒频移，这会破坏接收信号子载波之间的正交特性，大幅度影响系统性能。速度信息代表了用户的信道状态，它对于有效管理系统资源十分重要。用户移动速度信息还可用于用户服务基站的切换，降低掉话概率；另外，还能帮助基站完成自适应天线模式切换和自适应编码调制，进而获得更好的空间复用增益、分集增益和阵列增益。因此，估计用户移动速度，对于改善系统性能具有十分重要的意义。

在现有技术中，根据自相关函数（Auto-Correlation Function，ACF）来进行速度估计的方法是：在假定发送器持续发送一个特殊固定信号的情况下，通过计算时域接收信号的ACF，得到用户速度。此方案中，为了减小噪声影响，当判断出用户移动速度很低时，则计算具有更大的采样间隔自相关系数。

但是，以上基于ACF的估计方法主要是在时域估计，其计算量非常大，通过对不同移动速度采用不同采样间隔的处理方法，虽然能有效减小噪声干扰，但是需要重复计算ACF，这势必更加大了计算量。

发明内容

（一）要解决的技术问题

本发明提供一种用户移动速度估计方法及系统，以解决现有技术中用户速度估计方案计算量过大的技术问题。

（二）技术方案

为解决上述技术问题，本发明提供一种用户移动速度估计方法，包括：

对时域接收信号进行正交频分复用信号解调，得到频域信号；

在所述频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号；

根据所抽取的两个子帧的解调参考信号位置的信号，计算两种自相关时延间隔下的自相关函数，得到自相关函数比；

通过所述自相关函数比，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

进一步地，所述对时域接收信号进行正交频分复用信号解调，得到频域信号包括：

令上行正交频分复用系统中，所发送的时域正交频分复用信号为x(t)，则通过具有瑞利衰落特性的多径信道传输所得到的接收信号为：

$y\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m),$

其中M为多径数目，τ_m为第m条径的传输时延；

将所述接收信号叠加一个高斯白噪声n(t)，得到实际接收信号为：

$r\left(t\right)=y\left(t\right)+n\left(t\right)$

$=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m)+n\left(t\right);$

对所述实际接收信号进行傅里叶变换，得到频域信号R(k)为：

R(k)=X(k)·H(k)+N(k)，

其中k=1,...,K，K为频域上系统分配给用户的总子载波数，X(k)为频域序列，H(k)为频域信号响应，N(k)为噪声信号。

进一步地，所述在所述频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号包括：

在频域信号中，选择连续分配给同一个用户的两个子帧，得到这两个子帧的解调参考信号位置的信号R_l(k)，l=1,...,4，并利用下述公式得到

${\tilde{R}}_l\left(k\right)=R_l\left(k\right)\·{S^{*}}_l\left(k\right)=S_l\left(k\right)\·{S^{*}}_l\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right)$

$=H\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right),$

其中S^* _l(k)为所对应的发送解调参考信号序列S_l(k)的共轭。

进一步地，所述根据所抽取的两个子帧的解调参考信号位置的信号，计算两种自相关时延间隔下的自相关函数，得到自相关函数比包括：

计算和的自相关函数ρ₁：

${\mathrm{\ρ}}_1=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))},$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{H}}_1\left(k\right)\·{\tilde{H}}_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)$

其中为噪声方差，J₀为零阶贝塞尔函数，v为移动速度，f_c为载波频率，c为光速，T_s为采样间隔；

计算和的自相关函数ρ₂：

${\mathrm{\ρ}}_2=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))},$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right);$

得到ρ₁和ρ₂的自相关函数比

$=\frac{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_1\left(k\right)\·H_1^{*}\left(k\right)+{\mathrm{\σ}}_n^2)}{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2)}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}$

$=\frac{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{2T}_s\right)}{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)},$

进一步地，

在所述得到自相关函数比之后，还包括：根据多次抽取的子帧的解调参考信号位置的信号，得到两种自相关时延间隔下的自相关函数比平均值；

所述通过所述自相关函数比，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度包括：通过所述自相关函数比平均值，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

另一方面，本发明还提供一种用户移动速度估计系统，包括：顺序连接的频域信号解调单元、参考信号抽样单元、自相关函数比计算单元和速度估计单元，其中：

频域信号解调单元，用于对时域接收信号进行正交频分复用信号解调，得到频域信号；

参考信号抽样单元，用于在所述频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号；

自相关函数比计算单元，用于根据所抽取的两个子帧的解调参考信号位置的信号，计算两种自相关时延间隔下的自相关函数，得到自相关函数比；

速度估计单元，用于通过所述自相关函数比，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

进一步地，所述频域信号解调单元包括：

时域接收子单元，用于表示时域接收信号，其中令上行正交频分复用系统中，所发送的时域正交频分复用信号为x(t)，则通过具有瑞利衰落特性的多径信道传输所得到的接收信号利用如下公式表示：

$y\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m),$

其中M为多径数目，τ_m为第m条径的传输时延；

噪声叠加子单元，用于将所述接收信号叠加一个高斯白噪声n(t)，得到实际接收信号为：

$r\left(t\right)=y\left(t\right)+n\left(t\right)$

$=\underset{m=1}{\overset{M\·}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m)+n\left(t\right);$

傅里叶变换子单元，用于对所述实际接收信号进行傅里叶变换，得到频域信号R(k)为：

R(k)=X(k)·H(k)+N(k)，

其中k=1,...,K，K为频域上系统分配给用户的总子载波数，X(k)为频域序列，H(k)为频域信号响应，N(k)为噪声信号。

进一步地，所述参考信号抽样单元包括：

子帧选取子单元，用于在频域信号中，选择连续分配给同一个用户的两个子帧，得到这两个子帧的解调参考信号位置的信号R_l(k)，l=1,...,4，并利用下述公式得到

${\tilde{R}}_1\left(k\right)=R_l\left(k\right)\·{S^{*}}_l\left(k\right)=S_l\left(k\right)\·H\left(k\right)\·{S^{*}}_l\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right)$

$=H\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right),$

其中S^* _l(k)为所对应的发送解调参考信号序列S_l(k)的共轭。

进一步地，所述自相关函数比计算单元包括：

第一计算子单元，用于计算和的自相关函数ρ₁：

${\mathrm{\ρ}}_1=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))},$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)$

其中为噪声方差，J₀为零阶贝塞尔函数，v为移动速度，f_c为载波频率，c为光速，T_s为采样间隔；

第二计算子单元，用于计算和的自相关函数ρ₂：

${\mathrm{\ρ}}_2=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))},$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right);$

比值计算子单元，用于得到ρ₁和ρ₂的自相关函数比

$=\frac{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_1\left(k\right)\·H_1^{*}\left(k\right)+{\mathrm{\σ}}_n^2)}{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2)}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}$

$=\frac{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{2T}_s\right)}{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)}.$

进一步地，

所述系统还包括，平均值计算单元，连接在所述自相关函数比计算单元和所述速度估计单元之间，用于根据多次抽取的子帧的解调参考信号位置的信号，得到两种自相关时延间隔下的自相关函数比平均值；

所述速度估计单元还包括：平均值估计子单元，用于通过所述自相关函数比平均值，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

（三）有益效果

可见，在本发明提出的用户移动速度估计方法及系统中，首先对所接收到的时域信号进行OFDM解调，得到频域信号，然后根据频域信号计算自相关函数比，从而求得其对应的用户移动速度。本发明直接利用频域解调参考信号（De Modulation Reference Signal，DMRS）进行用户移动速度估计，不需要进行信道估计，大大降低了运算量。

另外，本发明直接利用上行OFDM系统中的频域DMRS信息，不需要发送器发送特定的信号，可以适用于任何OFDM系统；本发明通过计算得到两个自相关时延下的自相关函数之比，可以有效地消除噪声影响，并且适用于整个0-300km/h的用户移动速度范围，本发明良好的速度估计性能能够同时支持城市场景和高铁场景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例用户移动速度估计方法的基本流程示意图；

图2是本发明实施例用户移动速度估计方法的应用场景示意图；

图3是本发明一个优选实施例用户移动速度估计方法的流程示意图；

图4是本发明实施例OFDM子帧示意图；

图5是本发明实施例自相关函数比和用户移动速度对应关系表；

图6是本发明实施例在不同信噪比下的速度估计性能示意图；

图7是本发明实施例用户移动速度估计系统的基本结构示意图；

图8是本发明一个优选实施例用户移动速度估计系统的结构示意图；

图9是本发明一个优选实施例用户移动速度估计系统处理流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

对于用户移动速度，目前存在的速度估计方案如下：“对用户移动速度进行估计的方法”（CN200510126121.1）通过在设定的时间段内，基站控制器RNC对用户终端的移动次数进行统计，结合用户移动到不同基站的距离，来对用户移动速度进行估计；“估计用户终端速度、选择小区以及无线系统”（CN98804800.0）利用接收信号功率生成一个概率，该概率表示至少在两个不同时间点测得的功率之间的互相关性，可以利用该概率确定用户终端的速度；“SPEED ESTIMATION ANDPOWER CONTROL BASED ON CQI REPORTS”（US20090170437）通过利用信道质量指示（Channel Quality Indicator，CQI）的变化速率来反映用户速度。

“SPEED ESTIMATION METHOD FOR TELECOMMUNI-CATION SYSTEM”（US7529319B2）在假定发送器持续发送一个特殊固定信号的情况下，通过计算时域接收信号的自相关函数（Auto-Correlation Function，ACF），进而得到用户速度。为了减小噪声影响，当判断出用户移动速度很低时，则计算具有更大的采样间隔自相关系数。

“APPARATUS AND METHOD FOR VELOCITY ESTIMATIONIN MOBILE COMMUNICATION SYSTEM”（US8290495B2）中评估了基于接收信号自相关函数和基于接收信号包络自协方差（Covariance，COV）特性的估计方法。

“一种OFDM系统接收机及其移动速度估计方法”（CN201010147526.4）首先在接收端将时域OFDM信号转换为频域OFDM信号，然后对其做信道估计，得到每个OFDM符号的频域信道相应，最后利用不同OFDM符号间频域信道相应的变化值来估计当前用户速度。

其他速度估计方法还有基于信道冲击响应微分的估计方法（“METHOD AND DEVICE OF SPEED ESTIMATION OF A MOBILETERMINAL OF A WIRELESS COMMUNICATION SYSTEM”，EP1288674B1）；基于接收信号电平通过率（Level Crossing Rate，LCR）的估计方法（“Level Crossing Rate Estimation with Doppler AdaptiveNoise Suppression Technique in Frequency Domain”；IEEE VehicularTechnology Conference，2003:1192-1195）等。

但是，上述利用用户移动行为次数和基站间距来估计速度的方案，需要基站之间的协作，而且误差非常大；而利用接收功率变化或者不变的概率或者利用信道状态信息反馈的变化概率来估计速度的方案，则仅仅能十分粗略地估计速度，而且非常容易受用户所处的传输环境影响。

对于基于ACF或COV的估计方法，则要求发送器持续发送一个特定的信号，这对于实际通信是不易实现的，会额外增加系统开销。而且现有方法主要是在时域估计，其计算量非常大，通过对不同移动速度采用不同采样间隔的处理方法，虽然能有效减小噪声干扰，但是需要重复计算ACF或者COV，这势必更加大了计算量。

利用不同OFDM符号间频域信道相应的变化值来估计当前用户速度的方法极易受到噪声干扰，当信噪比条件不好的时候，该方法的性能会大打折扣。

而基于信道冲击响应微分或基于接收信号LCR的其他一些估计方法，要么会有很大估计误差，要么需要很高的运算复杂度。

因此，仍然需要一种运算复杂度不是很高、适用于当前OFDM通信系统的，而且对噪声干扰不敏感的比较准确稳定的速度估计方法。

本发明实施例首先提出了一种用户移动速度估计方法，参见图1，包括：

步骤101：对时域接收信号进行正交频分复用信号解调，得到频域信号。

步骤102：在所述频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号。

步骤103：根据所抽取的两个子帧的解调参考信号位置的信号，计算两种自相关时延间隔下的自相关函数，得到自相关函数比。

步骤104：通过所述自相关函数比，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

可见，在本发明实施例提出的用户移动速度估计方法中，首先对所接收到的时域信号进行OFDM解调，得到频域信号，然后根据频域信号计算自相关函数比，从而求得其对应的用户移动速度。本发明实施例直接利用DMRS进行用户移动速度估计，不需要进行信道估计，大大降低了运算量。

在本发明的一个实施例中，优选地，对时域接收信号进行OFDM解调，得到频域信号，可以采用如下步骤：

假设上行OFDM系统中发送的OFDM信号为x(t)，通过具有瑞利衰落特性的多径信道传输，式中M为多径数目，τ_m为第m条径的传输时延，得到的接收信号为：

$y\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m);$

考虑到噪声干扰，在原接收信号上叠加一个高斯白噪声n(t)，得到实际接收信号为

$r\left(t\right)=y\left(t\right)+n\left(t\right)$

$=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m)+n\left(t\right);$

做OFDM解调时通过对OFDM时域信号r(t)做快速傅里叶变换（Fast Fourier Transform，FFT），将其变为OFDM频域信号R(k)，则

R(k)=Y(k)+n(k)

=X(k)·H(k)+N(k)，

其中k=1,...,K，K表示频域上系统分配给该UE的总子载波数，X(k)为频域序列，H(k)为频域信号响应，N(k)为噪声信号。

在本发明的另一个实施例中，优选地，在频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号可以包括：

选取第一条接收天线上接收到的信号，在频域上抽取这两个子帧DMRS位置的信号R_l(k)，l=1,...,4，乘以对应的发送DMRS序列S_l(k)共轭S^* _l(k)得到

${\tilde{R}}_l\left(k\right)=R_l\left(k\right)\·{S^{*}}_l\left(k\right)=S_l\left(k\right)\·H\left(k\right)\·{S^{*}}_l\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right)$

$=H\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right).$

在本发明的一个实施例中，优选地，可以根据所抽取的两个子帧的解调参考信号位置的信号计算两种自相关时延间隔下的自相关函数ρ₁和ρ₂，得到自相关函数比本发明实施例能够通过两种自相关时延间隔下的比值来估计速度，从而有效地消除噪声的影响。

首先计算和的自相关函数ρ₁：

${\mathrm{\ρ}}_1=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))},$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)$

其中为噪声方差，J₀为零阶贝塞尔函数，v为移动速度，f_c为载波频率，c为光速，T_s为采样间隔；

然后计算和的自相关函数ρ₂：

${\mathrm{\ρ}}_2=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right);$

最后得到ρ₁和ρ₂的自相关函数比

$=\frac{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_1\left(k\right)\·H_1^{*}\left(K\right)+{\mathrm{\σ}}_n^2)}{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2)}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}$

$=\frac{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right)}{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)}.$

在本发明的另一个实施例中，优选地，还可以根据多次抽取的子帧的解调参考信号位置的信号，得到两种自相关时延间隔下的自相关函数比平均值：继续探测分配给该用户的资源，直到发现下一对连续分配给该用户的两个子帧，对这两个子帧进行与上述步骤相同的处理，从而计算得到的平均值在本发明的一个实施例中，优选地，还可以通过自相关函数比平均值在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度，从而得到更加精确的用户移动速度估计结果。

下面以在0.5ms和1ms两种自相关时延间隔下，进行用户移动速度估计为例，来详细说明本发明一个实施例的具体实现过程：

图2所示是本发明实施例采用OFDM技术的蜂窝移动通信系统的实施场景。本发明实施例利用DMRS的特性来对不同用户进行区分：

根据长期演进（Long Term Evolution，LTE）物理层协议3GPP TS36.211，DMRS随同物理上行共享信道（Physical Uplink Shared Channe，PUSCH）或物理层上行控制信道（Physical Uplink Control Channel，PUCCH）一起传输。DMRS采用Zadoff-Chu序列，不同小区的用户设备（ User Equipment，UE），如A-1和B-1，采用不同的根序列；而相同小区的不同UE，如A-1和A-2，采用不同的循环移位。因此，不同UE之间可以实现DMRS序列相互正交，避免相互之间的干扰。基站可以通过不同UE占据不同资源块来对它们进行区分，从而可以对每个UE进行速度估计，参见图3，具体步骤如下：

步骤301：得到时域接收信号。

本步骤中，假设上行OFDM系统中发送的OFDM信号为x(t)，通过具有瑞利衰落特性的多径信道传输，式中M为多径数目，τ_m为第m条径的传输时延，则得到的时域接收信号为：

$y\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m).$

步骤302：将时域接收信号叠加噪声干扰，得到实际接收信号。

本步骤中，考虑到噪声干扰，在原接收信号上叠加一个高斯白噪声n(t)，得到实际接收信号为

$r\left(t\right)=y\left(t\right)+n\left(t\right)$

$=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m)+n\left(t\right).$

步骤303：对实际接收信号进行傅里叶变换，得到频域信号。

本步骤中，做OFDM解调时通过对OFDM时域信号r(t)做快速傅里叶变换，将其变为OFDM频域信号R(k)，则

R(k)=Y(k)+n(k)

=X(k)·H(k)+N(k)，

其中k=1,...,K，K表示频域上系统分配给该UE的总子载波数，X(k)为频域序列，H(k)为频域信号响应，N(k)为噪声信号。

步骤304：对分配给用户的资源进行探测。

步骤305：根据分配给用户的资源的探测结果，判断是否有连续分配给同一个用户的两个子帧，如果有，进入步骤306；如果没有，则回到步骤304继续进行用户资源探测。

步骤306：抽取连续分配给同一个用户的两个子帧的DMRS位置的信号。

本步骤中，在频域上抽取这两个子帧DMRS位置的信号R_l(k)，l=1,...,4，乘以对应的发送DMRS序列S_l(k)共轭S^* _l(k)得到

${\tilde{R}}_l\left(k\right)=R_l\left(k\right)\·{S^{*}}_l\left(k\right)=S_l\left(k\right)\·H\left(k\right)\·{S^{*}}_l\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right)$

$=H\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right).$

步骤307：计算两种自相关时延间隔下的自相关函数。

本步骤中，首先计算和的自相关函数ρ₁：

${\mathrm{\ρ}}_1=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))};$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)$

然后计算和的自相关函数ρ₂：

${\mathrm{\ρ}}_2=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right).$

步骤308：计算自相关函数比。

本步骤中，通过两种自相关时延间隔下的自相关函数ρ₁和ρ₂，得到自相关函数比

$=\frac{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_1\left(k\right)\·H_1^{*}\left(K\right)+{\mathrm{\σ}}_n^2)}{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2)}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}$

$=\frac{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right)}{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)}.$

步骤309：通过自相关函数比在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

图4为OFDM子帧示意图，一个OFDM子帧持续时间为1ms，包含两个时隙，每个时隙持续时间为0.5ms，每个时隙包含7个OFDM符号。对于物理上行共享信道（Physical Uplink Shared Channel，PUSCH）而言，DMRS占据每个时隙的倒数第四个符号位，因此相邻两个DMRS之间的时间间隔为0.5ms。则自相关函数ρ₁所对应的时间间隔为0.5ms，ρ₂所对应的时间间隔为1ms。自相关函数比为自相关时延间隔为1ms和0.5ms下的自相关函数之比。

已知通过贝塞尔函数可以得到自相关函数比和用户移动速度的对应关系，则图5表示0-310km/h范围内，横轴上每隔1km/h取一个点，所建立的与用户移动速度的对应关系表。由图可知，在0-310km/h速度范围内，自相关时延间隔取1ms和0.5ms的自相关函数之比是单调递减的，因此，可以通过计算所得的唯一估计出用户的移动速度。

步骤310：计算自相关函数比的平均值，得到更加精确的用户移动速度的估计结果。

本步骤中，可以继续探测分配给该用户的资源，直到发现下一对连续分配给该用户的两个子帧，对这两个子帧进行与上述步骤306-步骤309相同的处理，从而计算得到的平均值

通过自相关函数比平均值在图5所述的自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度，从而得到更加精确的用户移动速度估计结果。

至此，则完成了本发明实施例用户移动速度估计的全过程。

另外，需要说明的是，上述基于图3的所有流程描述是本发明用户移动速度估计方法的一种优选的实现过程，在本发明用户移动速度估计方法的实际实现中，可以根据需要在图1所示流程的基础上进行任意变形，可以是选择图3中的任意步骤来实现，各步骤的先后顺序也可以根据需要调整等。比如，在一种实际实现中，可以不执行步骤310的过程；再如，在本发明方法的另一种实际实现中，在步骤307、步骤308计算自相关函数比时，可以随意选择两种自相关时延间隔，例如1.5ms和0.5ms等。

在不同信噪比下，利用本发明实施例用户移动速度估计方法所估计得到的用户移动速度，其估计结果如图6所示。可以看出，本发明实施例所提供的用户移动速度的估计方法可以有效地消除噪声，得到的结果在不同的信噪比下都能够较好地吻合理论值。

本发明实施例还提供了一种用户移动速度估计系统，参见图7，包括：

频域信号解调单元701，用于对时域接收信号进行正交频分复用信号解调，得到频域信号；

参考信号抽样单元702，用于在所述频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号；

自相关函数比计算单元703，用于根据所抽取的两个子帧的解调参考信号位置的信号，计算两种自相关时延间隔下的自相关函数，得到自相关函数比；

速度估计单元704，用于通过所述自相关函数比，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

在本发明的一个实施例中，优选地，频域信号解调单元701可以包括：

时域接收子单元801，如图8，用于表示时域接收信号，其中令上行正交频分复用系统中，所发送的时域正交频分复用信号为x(t)，则通过具有瑞利衰落特性的多径信道传输所得到的接收信号利用如下公式表示：

$y\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m),$

其中M为多径数目，τ_m为第m条径的传输时延；

噪声叠加子单元802，用于将接收信号叠加一个高斯白噪声n(t)，得到实际接收信号为：

$r\left(t\right)=y\left(t\right)+n\left(t\right)$

$=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m)+n\left(t\right);$

傅里叶变换子单元803，用于对实际接收信号进行傅里叶变换，得到频域信号R(k)为：R(k)=X(k)·H(k)+N(k)，

其中k=1,...,K，K为频域上系统分配给用户的总子载波数，X(k)为频域序列，H(k)为频域信号响应，N(k)为噪声信号。

在本发明的另一个实施例中，优选地，参考信号抽样单元702可以包括：子帧选取子单元804，用于在频域信号中，选择连续分配给同一个用户的两个子帧，得到这两个子帧的解调参考信号位置的信号R_l(k)，l=1,...,4，并利用下述公式得到

${\tilde{R}}_t\left(k\right)=R_t\left(k\right)\·{S^{*}}_l\left(k\right)=S_l\left(k\right)\·H\left(k\right)\·{S^{*}}_l\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right)$

$=H\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right),$

其中S^* _l(k)为所对应的发送解调参考信号序列S_l(k)的共轭。

在本发明的一个实施例中，优选地，可以根据所抽取的两个子帧的解调参考信号位置的信号计算两种自相关时延间隔下的自相关函数ρ₁和ρ₂，得到自相关函数比本发明实施例能够通过两种自相关时延间隔下的比值来估计速度，从而有效地消除噪声的影响。

自相关函数比计算单元703可以包括：

第一计算子单元805，用于计算和的自相关函数ρ₁：

${\mathrm{\ρ}}_1=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))},$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)$

其中为噪声方差，J₀为零阶贝塞尔函数，v为移动速度，f_c为载波频率，c为光速，T_s为采样间隔；

第二计算子单元806，用于计算和的自相关函数ρ₂：

${\mathrm{\ρ}}_2=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right);$

比值计算子单元807，用于得到ρ₁和ρ₂的自相关函数比

$=\frac{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_1\left(k\right)\·H_1^{*}\left(K\right)+{\mathrm{\σ}}_n^2)}{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2)}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}$

$=\frac{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right)}{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)}.$

在本发明的另一个实施例中，还可以根据多次抽取的子帧的解调参考信号位置的信号，得到两种自相关时延间隔下的自相关函数比平均值。优选地，系统还可以包括，平均值计算单元808，连接在自相关函数比计算单元703和速度估计单元704之间，用于根据多次抽取的子帧的解调参考信号位置的信号，得到两种自相关时延间隔下的自相关函数比平均值；速度估计单元704还可以包括：平均值估计子单元809，用于通过自相关函数比平均值，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。本发明实施例的各结构处理流程见图9所示。

需要说明的是，上述图8所示的用户移动速度估计系统的各个实施例的结构可以进行任意组合使用。

可见，本发明实施例具有如下有益效果：

在本发明实施例提出的用户移动速度估计方法及系统中，首先对所接收到的时域信号进行OFDM解调，得到频域信号，然后根据频域信号计算自相关函数比，从而求得其对应的用户移动速度。本发明实施例直接利用DMRS进行用户移动速度估计，不需要进行信道估计，大大降低了运算量。

另外，本发明实施例直接利用上行OFDM系统中的频域DMRS信息，不需要发送器发送特定的信号，可以适用于任何OFDM系统；本发明实施例通过计算得到两个自相关时延下的自相关函数之比，可以有效地消除噪声影响，并且适用于整个0-300km/h的用户移动速度范围，本发明实施例良好的速度估计性能能够同时支持城市场景和高铁场景。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种用户移动速度估计方法，其特征在于，包括：

对时域接收信号进行正交频分复用信号解调，得到频域信号；

在所述频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号；

根据所抽取的两个子帧的解调参考信号位置的信号，计算两种自相关时延间隔下的自相关函数，得到自相关函数比；

通过所述自相关函数比，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

2.根据权利要求1所述的用户移动速度估计方法，其特征在于，所述对时域接收信号进行正交频分复用信号解调，得到频域信号包括：

令上行正交频分复用系统中，所发送的时域正交频分复用信号为x(t)，则通过具有瑞利衰落特性的多径信道传输所得到的接收信号为：

$y\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m),$

其中M为多径数目，τ_m为第m条径的传输时延；

将所述接收信号叠加一个高斯白噪声n(t)，得到实际接收信号为：

$r\left(t\right)=y\left(t\right)+n\left(t\right)$

$=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m)+n\left(t\right);$

对所述实际接收信号进行傅里叶变换，得到频域信号R(k)为：

R(k)=X(k)·H(k)+N(k)，

其中k=1,...,K，K为频域上系统分配给用户的总子载波数，X(k)为频域序列，H(k)为频域信号响应，N(k)为噪声信号。

3.根据权利要求2所述的用户移动速度估计方法，其特征在于，

所述在所述频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号包括：

在频域信号中，选择连续分配给同一个用户的两个子帧，得到这两个子帧的解调参考信号位置的信号R_l(k)，l=1,...,4，并利用下述公式得到

${\tilde{R}}_l\left(k\right)=R_l\left(k\right)\·{S^{*}}_l\left(k\right)=S_l\left(k\right)\·H\left(k\right)\·{S^{*}}_l\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right)$

$=H\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right),$

其中S^* _l(k)为所对应的发送解调参考信号序列S_l(k)的共轭。

4.根据权利要求3所述的用户移动速度估计方法，其特征在于，所述根据所抽取的两个子帧的解调参考信号位置的信号，计算两种自相关时延间隔下的自相关函数，得到自相关函数比包括：

计算和的自相关函数ρ₁：

${\mathrm{\ρ}}_1=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right),$

其中为噪声方差，J₀为零阶贝塞尔函数，v为移动速度，f_c为载波频率，c为光速，T_s为采样间隔；

计算和的自相关函数ρ₂：

${\mathrm{\ρ}}_2=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right);$

得到ρ₁和ρ₂的自相关函数比

$=\frac{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_1\left(k\right)\·H_1^{*}\left(k\right)+{\mathrm{\σ}}_n^2)}{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2)}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}$

$=\frac{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right)}{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)}.$

5.根据权利要求1至4中任一项所述的用户移动速度估计方法，其特征在于：

在所述得到自相关函数比之后，还包括：根据多次抽取的子帧的解调参考信号位置的信号，得到两种自相关时延间隔下的自相关函数比平均值；

所述通过所述自相关函数比，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度包括：通过所述自相关函数比平均值，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

6.一种用户移动速度估计系统，其特征在于，包括：顺序连接的频域信号解调单元、参考信号抽样单元、自相关函数比计算单元和速度估计单元，其中：

频域信号解调单元，用于对时域接收信号进行正交频分复用信号解调，得到频域信号；

参考信号抽样单元，用于在所述频域信号中，选择分配给同一用户的两个子帧，抽取这两个子帧的解调参考信号位置的信号；

自相关函数比计算单元，用于根据所抽取的两个子帧的解调参考信号位置的信号，计算两种自相关时延间隔下的自相关函数，得到自相关函数比；

速度估计单元，用于通过所述自相关函数比，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。

7.根据权利要求6所述的用户移动速度估计系统，其特征在于，所述频域信号解调单元包括：

时域接收子单元，用于表示时域接收信号，其中令上行正交频分复用系统中，所发送的时域正交频分复用信号为x(t)，则通过具有瑞利衰落特性的多径信道传输所得到的接收信号利用如下公式表示：

$y\left(t\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m),$

其中M为多径数目，τ_m为第m条径的传输时延；

噪声叠加子单元，用于将所述接收信号叠加一个高斯白噪声n(t)，得到实际接收信号为：

$r\left(t\right)=y\left(t\right)+n\left(t\right)$

$=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{h}_m\left(t\right)\·x(t-{\mathrm{\τ}}_m)+n\left(t\right);$

傅里叶变换子单元，用于对所述实际接收信号进行傅里叶变换，得到频域信号R(k)为：

R(k)=X(k)·H(k)+N(k)，

其中k=1,...,K，K为频域上系统分配给用户的总子载波数，X(k)为频域序列，H(k)为频域信号响应，N(k)为噪声信号。

8.根据权利要求7所述的用户移动速度估计系统，其特征在于，所述参考信号抽样单元包括：

子帧选取子单元，用于在频域信号中，选择连续分配给同一个用户的两个子帧，得到这两个子帧的解调参考信号位置的信号R_l(k)，l=1,...,4，并利用下述公式得到

${\tilde{R}}_l\left(k\right)=R_l\left(k\right)\·{S^{*}}_l\left(k\right)=S_l\left(k\right)\·H\left(k\right)\·{S^{*}}_l\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right)$

$=H\left(k\right)+N\left(k\right)\·{S^{*}}_l\left(k\right),$

其中S^* _l(k)为所对应的发送解调参考信号序列S_l(k)的共轭。

9.根据权利要求8所述的用户移动速度估计系统，其特征在于，所述自相关函数比计算单元包括：

第一计算子单元，用于计算和的自相关函数ρ₁：

${\mathrm{\ρ}}_1=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))},$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(K\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)$

其中为噪声方差，J₀为零阶贝塞尔函数，v为移动速度，f_c为载波频率，c为光速，T_s为采样间隔；

第二计算子单元，用于计算和的自相关函数ρ₂：

${\mathrm{\ρ}}_2=\frac{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_1\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2}$

$\≈J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right);$

比值计算子单元，用于得到ρ₁和ρ₂的自相关函数比

$=\frac{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{H}_1\left(k\right)\·H_1^{*}\left(k\right)+{\mathrm{\σ}}_n^2)}{(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right))/(\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(H_1\left(k\right)\·H_1^{*}\left(k\right))+{\mathrm{\σ}}_n^2)}$

$=\frac{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_3\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_3\left(k\right)}{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}({\tilde{R}}_2\left(k\right)\·{\tilde{R}}_1^{*}\left(k\right))-\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_1\left(k\right)\·\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\tilde{R}}_2\left(k\right)}$

$=\frac{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}2T_s\right)}{J_0\left(2\mathrm{\πv}{f}_c{c}^{-1}{T}_s\right)}.$

10.根据权利要求6至9中任一项所述的用户移动速度估计系统，其特征在于：

所述系统还包括，平均值计算单元，连接在所述自相关函数比计算单元和所述速度估计单元之间，用于根据多次抽取的子帧的解调参考信号位置的信号，得到两种自相关时延间隔下的自相关函数比平均值；

所述速度估计单元还包括：平均值估计子单元，用于通过所述自相关函数比平均值，在自相关函数比和用户移动速度对应关系表中，查得其对应的用户移动速度。