CN105282060B - 用于信道估计的方法和设备以及ofdm接收机 - Google Patents

用于信道估计的方法和设备以及ofdm接收机 Download PDF

Info

Publication number
CN105282060B
CN105282060B CN201510220793.2A CN201510220793A CN105282060B CN 105282060 B CN105282060 B CN 105282060B CN 201510220793 A CN201510220793 A CN 201510220793A CN 105282060 B CN105282060 B CN 105282060B
Authority
CN
China
Prior art keywords
symbol
channel
symbols
ofdm
transmitted
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201510220793.2A
Other languages
English (en)
Other versions
CN105282060A (zh
Inventor
欧娜-埃琳娜·巴尔布
贝尔纳德·佛罗莱
卡莱斯·纳瓦罗-曼冲
克里斯蒂安·罗姆
纪尧姆·蒙高
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel IP Corp
Original Assignee
Intel IP Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel IP Corp filed Critical Intel IP Corp
Publication of CN105282060A publication Critical patent/CN105282060A/zh
Application granted granted Critical
Publication of CN105282060B publication Critical patent/CN105282060B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0212—Channel estimation of impulse response
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals
    • H04L25/023—Channel estimation using sounding signals with direct estimation from sounding signals with extension to other symbols
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03012—Arrangements for removing intersymbol interference operating in the time domain
    • H04L25/03019—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/06—Dc level restoring means; Bias distortion correction ; Decision circuits providing symbol by symbol detection
    • H04L25/067—Dc level restoring means; Bias distortion correction ; Decision circuits providing symbol by symbol detection providing soft decisions, i.e. decisions together with an estimate of reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L2025/0335—Arrangements for removing intersymbol interference characterised by the type of transmission
    • H04L2025/03375—Passband transmission
    • H04L2025/03414—Multicarrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Noise Elimination (AREA)

Abstract

本申请涉及用于信道估计的方法和设备以及OFDM接收机，描述了用于信道估计的方法(200)，该方法包括接收(201)接收符号(206)，接收符号包括：来自以下部分的多个干扰传输：第一发送符号(202)，第一发送符号(202)包括与多个已知的经调制符号交织的多个未知的经调制符号，以及第二发送符号(204)，第二发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号，其中来自第一发送符号(202)和第二发送符号(204)的多个传输是关于不同的时间实例的多个传输；基于接收符号(206)和对第一发送符号(202)和第二发送符号(204)的多个估计对信道进行估计(203)。

Description

用于信道估计的方法和设备以及OFDM接收机
技术领域
本文所描述的本公开涉及用于信道估计的方法和设备。特别地，本公开的各方面可以涉及用于基于接收符号对信道进行估计的方法和设备，该接收符号包括来自第一和第二发送符号的干扰传输。其它方面涉及OFDM(正交频分复用)接收机。
背景技术
在许多户外场景中，无线多径信道表现出延迟比多载波系统(比如，正交频分复用(OFDM))中所用的循环前缀(CP)长的多径分量。前述系统将被称为“CP不足(insufficientCP)系统”。在CP不足系统中，延迟比CP长的多径分量导致两种类型的干扰，即符号间干扰(ISI)和载波间干扰(ICI)。这意味着当前符号的采样被前一个符号的采样干扰(ISI)，但它们也表现出自干扰，即，每个子载波泄露功率在相邻的子载波上(ICI)。ISI和ICI恶化所传送的信号，并因此影响基于导频的信道估计器(比如，LTE系统中所用的)的性能以及均衡器的性能。由于信道估计中所用的导频被干扰恶化，原始的一组导频变得不足以准确地解决信道多径分量。由于数据载波表现出来自相邻的载波以及来自被延迟的前一个符号的干扰，察觉不到这些影响的传统的均衡器变得非常容易出错。
可能希望改善无线通信网络(尤其是CP不足系统)中的信道估计。
附图说明
附图被包括在内以提供对各方面的更好的理解，附图被结合在本说明书内并构成本说明书的一部分。附图示出各方面，并与描述一起用来说明各方面的原理。其它方面以及各方面的许多预期优势将变得易于领会，因为通过参考下面的详细描述它们变得更好地被理解。相同的标号指示相应的相似的部件。
图1是示出包括基站110和移动台120的无线系统100的原理图，移动台120应用用于信道估计的技术。
图2是示出根据本公开的用于信道估计的方法200的原理图。
图3是示出根据本公开的处理电路300的原理图，处理电路包括接收端口301和信道估计器303。
图4是根据本公开的OFDM接收机400的原理图，OFDM接收机包括接收端口401、信道估计器403和均衡器405。
图5是根据本公开的收发机系统590的原理图，收发机系统包括发射机550和接收机500。
图6是根据本公开的接收机500(比如，图5中所示出的)的因子图表示600的图示。
图7是根据本公开的接收机500(比如，图5中所示出的)的信道估计模块503的因子图表示700的图示。
图8是性能图，该性能图示出与其它的信道估计技术相比，根据本公开的平均场(ME)信道估计技术的均方根误差与信噪比(SNR)。
图9是性能图，该性能图示出与感知不到ICI的信道估计技术相比，根据本公开的MF信道估计技术的SNR与估计的SNR。
图10是性能图，该性能图示出与其它的信道估计技术相比，根据本公开的MF信道估计技术的SNR与误码率(BER)。
图11a和11b是性能图，该性能图示出与感知不到ICI的信道估计技术相比，根据本公开的MF信道估计技术的时间与估计的信道脉冲响应(CIR)的绝对值(图11a)和相位(图11b)。
图12是根据本公开的用于信道估计的方法1200的原理图。
具体实施方式
在下面的详细描述中，参考形成其一部分的附图，并且通过图解的方式示出具体的方面，本公开可以按照该具体的方面被实践。应当理解的是，其它方面可以被利用并且结构或逻辑上的变化可以被做出而不背离本公开的范围。因此，下面的详细描述不被认为具有限制性意义，本公开的范围由所附的权利要求定义。下面的术语、缩写和记法将在本文中被使用：
OFDM：正交频分复用，
PACE：导频辅助信道估计，
LTE：长期演进，
CRS：小区专用参考信号，
TX：发射，
RX：接收，
IDFT：离散傅里叶逆变换，
DFT：离散傅里叶变化，
CP：循环前缀，
SNR：信噪比，
MSE：均方误差，
MMSE：最小均方误差，
MF：平均场，
MFBP：平均场置信传播，
BER：误码率，
CIR：信道脉冲响应，
ISI：符号间干扰，
ICI：载波间干扰，
AWGN：加性高斯白噪声，
RF：射频，
UE：用户装备，
LLR：对数似然比，
RWF：稳健的维纳滤波器，
SBL：使用基于导频的时域信道估计的参考接收机，
QPSK：正交相移键控，
P：功率，
r.v.：随机变量，
pdf：概率密度函数，
参考符号：
在特定的子载波上以及在特定的时间实例处被发送的经调制符号(例如LTE系统中的OFDM符号)，在接收处它们的时频位置以及它们的值都是已知的。
导频符号：
与参考符号含义相同，下文中表示为xn (P)。
数据符号：
在接收处未知，需要被估计，下文中表示为xn (D)。
一个发送符号：
下文中表示为xn，是交织的数据和导频符号的矩阵。
CP不足系统：
在CP不足的系统中，当前的接收信号yn遭受ICI(从xn)和ISI(从xn-1)，因此数据和导频符号都导致干扰。为了减轻这种干扰，数据辅助时频信道估计被执行，CIR的软值通过使用已知的导频xn (P)和对数据xn (D)的软估计被估计。
本文所描述的方法和设备可以基于信道估计，特别地，基于对多径分量的延迟比循环前缀长的无线多径信道的信道估计。应当理解的是，对所描述的方法的评论也可以适用于被配置为执行该方法的设备，反之亦然。例如，如果具体的方法步骤被描述，则相应的设备可以包括用于执行所描述的方法步骤的单元，即使该单元在图中没有被明确描述或示出。此外，应当理解的是，本文所描述的各种示例性方面的特征可以彼此结合，除非以其它方式特别指出。
本文所描述的方法和设备可以在无线通信网络中被实现，特别地，在基于3G、4G和CDMA标准的无线通信网络中被实现。下面所描述的方法和设备还可以在基站(NodeB、eNodeB)或移动设备(或移动台或用户装备(UE))中被实现。所描述的设备可以包括集成电路和/或无源元件，并且可以根据各种技术被制造。例如，电路可以被设计为逻辑集成电路、模拟集成电路、混合信号集成电路、光路、存储器电路和/或集成无源器件。
本文所描述的方法和设备可以被配置为传送和/或接收无线电信号。无线电信号可以是或可以包括由具有无线电频率(范围在大约3Hz到大约300GHz)的无线电发射设备(或无线电发射机或发送机)发射的射频信号。频率范围可以与被用于产生并检测无线电波的交流电信号的频率相对应。
本文所描述的方法和设备可以在无线电接收机(比如，时域接收机)中被实现。时域接收机是旨在对抗多径衰落的影响的无线电接收机。这可以通过使用若干称为抽头、路径或手指的“子接收机”(即，各自被分配给不同的多径分量的若干相关器)被执行。每个抽头或手指可以独立地解码单个多径分量。在随后的阶段，所有的抽头或手指的贡献可以被结合以充分利用各个传输路径的不同传输特性。在多径环境中这可以导致更高的信噪比(SNR)。
图1描绘包括基站110和移动台120的无线系统100，移动台120应用如下面所描述的用于信道估计的技术。由于障碍物112、113，多径信道(无线电波可以通过该多径信道从基站110传送到移动台120)可以被看做通过多个多径分量101、102、103传送原始(视线)波脉冲101。多径分量是原始的发射波行进通过不同的回波路径得到的延迟副本，在接收机处各自具有不同的幅度和到达时间。由于每个分量包含原始信息，如果每个分量的幅度和到达时间(相位)在接收机处通过称为信道估计的过程被计算，则所有的分量可以被相干相加以改善信息可靠性。例如，图1中所描绘的第三多径分量103的延迟可能比用于信号传输的循环前缀长。当移动台120实现如本公开所描述的用于信道估计的技术时，ISI和ICI可以被检测到，移动台120能够准确地对信道进行估计。
本文所描述的方法和设备可以在应用循环前缀的多载波系统以及使用CP的无线通信OFDM系统中被实现。在无线通信OFDM系统中，所发射的OFDM符号可以通过一组正交子载波上的同时数据传输来生成。OFDM符号然后可以通过无线信道被发送，无线信道的多径性质决定了同一符号的多个副本延迟到达接收机。这决定了上一个符号干扰当前的符号(即，造成符号间干扰(ISI))，但也破坏了当前的OFDM符号的子载波之间的正交性(即，造成载波间干扰(ICI))。为了避免ISI和ICI，在传输时，OFDM符号可以被加上循环前缀(CP)，该循环前缀可以包含它的最后采样的副本，并且它的长度应当至少与信道的最大过量延迟一样长。长的CP在各种不同的场景(在这些场景中信道隐含地显示大范围的最大过量延迟)中防范ISI/ICI，但是以降低的频谱效率为代价。长信道是传播环境中的异质性(例如丘陵、山地、大型水域或城市中的摩天大楼)的结果。因此，选择适当的CP长度总是一种折衷。其结果是，存在CP短于信道最大过量延迟的情况；在这种情况下，ISI和ICI都会降低接收机的性能，察觉不到这些现象。这种降低是两种不同的影响(即，基于导频的信道估计误差和被ISI/ICI削弱的均衡)的综合结果。基于导频信号的信道估计误差的原因有两方面：一方面，在CP不足OFDM系统中，导频提供的分辨率不足以让估计器准确地求解信道响应；另一方面，由于信道估计器假设相邻的子载波之间没有功率泄露，它们采用偏置信号模型，该模型中所发送的向量由对角信道矩阵调制。其次，由于不匹配的信号模型的使用以及由信道估计模块在均衡之前求解的不精确的信道估计，均衡变得偏向某一方。
图2是根据本公开的用于信道估计的方法200的原理图。方法200包括接收(201)接收符号yn，接收符号yn包括来自第一发送符号xn202和第二发送符号xn-1204的干扰传输，其中来自第一发送符号xn202和第二发送符号xn-1204的传输是关于不同的时间实例n、n-1的传输。第一发送符号xn202和第二发送符号xn-1204分别可以包括与已知的经调制符号交织的未知的经调制符号。发送符号可以是未知的经调制符号(比如，用于与已知的经调制符号(比如，导频或参考信号(比如，LTE帧的小区专用参考信号(CRS)))交织的接收机的数据)的阵列。方法200还包括基于接收符号yn206以及对第一发送符号xn202和第二发送符号xn-1204的估计208对信道g(τ)210进行估计(203)。
第一和第二发送符号xn202和xn-1204的已知的经调制符号可以包括LTE帧的小区专用参考符号(CRS)。第一和第二发送符号xn 202和xn-1204可以是LTE帧、子帧或时隙(除了参考符号之外包括数据和/或控制符号)的一部分。LTE帧的小区专用参考信号还可以被表示为导频符号或导频OFDM符号。不同的时间实例n、n-1可以是第一发送符号xn202和第二发送符号xn-1204在发射机处被发射的时间。不同的时间实例n、n-1可以是LTE帧、子帧或时隙的不同的符号时间。例如，第一发送符号xn202的传输时间n和第二发送符号xn-1204的传输时间n-1可以是随后的LTE帧或子帧或时隙的时间或者可以是随后的LTE帧、子帧或时隙中的符号的时间。
接收符号yn206可以包括来自第一发送符号xn202的传输和第二发送符号xn-1204的传输的符号间干扰和/或载波间干扰。方法200还可以包括通过使用估计的信道g(τ)210对接收符号yn-1206进行均衡。来自第一发送符号xn202的传输和第二发送符号xn-1204的传输可以是关于随后的时间实例n、n-1的传输。第一发送符号xn202和第二发送符号xn-1204可以包括OFDM符号。OFDM符号的循环前缀的持续时间可以比信道的延迟短。对信道进行估计(203)可以基于时域数据辅助信道估计。对信道进行估计可以基于包括字典矩阵An,n-1的信号表示法，该字典矩阵包括第一发送符号xn202和第二发送符号xn-1204。信号表示法可以基于仅具有很少的不可忽略的多径分量的稀疏信道模型。信号表示法可以基于信道和噪声的概率模型。信号表示法可以根据yn＝An,n-1β+εn，其中yn表示时间实例n处的接收符号，An,n-1表示字典矩阵，β表示信道的时域权重，εn表示噪声功率。方法200可以包括通过应用信号表示法联合估计信道以及第一和第二发送符号xn202、xn-1204。联合估计信道以及第一和第二发送符号xn202、xn-1204可以基于平均场置信传播框架，如下面关于图5所描述的。
有不同的方法用于基于接收符号yn206和对第一发送符号xn202和第二发送符号xn-1204的估计208对信道g(τ)210进行估计，如下文中所描述的。为了联合估计感兴趣的变量(即，信道复权重、噪声方差、数据符号)，变分推理方法可以被使用并且未知量的后验概率密度函数(pdf)(给定一组观察结果)可以被计算。例如，J.Pearl在“智能系统中的概率推理：似然推理的网络，摩根·考夫曼出版公司，1988(Probabilistic Reasoning inIntelligent System:Networks of Plausible Inference,Morgan KaufmannPublishers,Inc.,1988)”中所描述的置信传播(BP)算法可以被采用以求解系统的未知的随机变量(简写为r.v.)。BP算法产生对隐藏的变量的边缘分布的良好的近似(也称为可信度)。为减小复杂性，在对可信度的计算中近似可以被应用。与连续随机变量更新相关联的计算可以采用E.P.Xing、M.I.Jordan和S.J.Russell在CoRR,vol.abs/1212.2512,2012的“用于指数族中的变分推理的广义平均场算法(A Generalized Mean Field Algorithmfor Variational Inference in Exponential Families)”中所描述的平均场(MF)近似。MF算法通过假设全局概率密度函数(pdf)是完全可因子分解的来输出感兴趣的隐藏随机变量的近似概率密度函数(pdf)。该方法的解是使近似和真实概率密度函数(pdf)之间的Kullback-Liebler发散最小化的概率密度函数(pdf)。由于MF和BP都具有迭代性质，与因子图的节点之间的消息交换相类似，联合框架[28]可以根据E.Riegler、G.Kirkelund、C.Manchon、M.Badiu和B.Fleury在IEEE信息理论学报(Transactions on InformationTheory)2013年第59卷第1期第588-602页的“合并置信传播和平均场近似：自由能方法(Merging Belief Propagation and the Mean Field Approximation:A Free EnergyApproach)”被演化为消息传递算法。
对信道g(τ)进行估计(203)可以基于针对使用统一的MF-BP框架的CP不足OFDM系统进行了优化的消息传递设计。为了执行时域信道估计，CIR可以被认为是稀疏的，即，具有少数非零多径分量。利用这一发现，估计203可以使用压缩传感技术，其包括发现使目标函数最大化的稀疏CIR估计，例如，基于l1范数约束的最小化问题(比如最小化的绝对收缩和选择算子(LASSO)、基追踪(BP)、正交匹配追踪(OMP)或最大后验(MAP)方法(比如，稀疏贝叶斯学习(SBL)，其对信道权重使用的概率模型鼓励稀疏的CIR表示))。为了易于处理的目的，这些概率密度函数(pdf)可以通过引入权重的超参数先验分布(hyperprior)从而获得双层(2L)或三层(3L)分层模型来建模。
对信道g(τ)进行估计(203)可以基于下面关于图5所描述的消息传递迭代接收机设计，其克服了由CP不足引起的ISI/ICI。所描述的接收机技术可以通过使用SBL方法(例如，使用信道权重的2L层次化建模)采用考虑了CIR稀疏性的时域信道估计。此外，使用迭代接收机设计允许使用先前估计的噪声方差和软解码的符号作为虚拟导频以细化信道估计。为了重建被反馈给估计203模块的符号，下面关于图5所描述的交织和解码模块的输出可以在每次迭代被处理。
本文所描述的方法200可以如下面关于图3所描述的在处理电路300中被实现。本文所描述的方法200可以如下面关于图4所描述的在OFDM接收机中被实现或者如下面关于图5所描述的在接收机500中被实现。
图3是根据本公开的处理电路300的原理图，处理电路包括接收端口301和信道估计器303。接收端口301被配置为接收接收符号yn206，接收符号yn206包括来自第一发送符号xn202和第二发送符号xn-1204的干扰传输。来自第一发送符号xn202和第二发送符号xn-1204的传输是关于不同的时间实例n、n-1的传输。第一发送符号xn202和第二发送符号xn-1204各自可以包括与已知的经调制符号交织的未知的经调制符号，如上面关于图2所描述的。发送符号可以是未知的经调制符号的阵列，比如用于与已知的经调制符号(比如，导频或参考符号(比如，LTE帧的小区专用参考符号(CRS)))交织的接收机的数据。信道估计器303被配置为基于接收符号yn206以及对第一发送符号xn202和第二发送符号xn-1204的估计对信道g(τ)210进行估计。
接收符号yn206可以包括OFDM符号。处理电路300还可以包括被配置为移除循环前缀并针对接收符号yn206应用傅里叶变换的预处理单元(比如，如下面关于图5所描述的)。处理电路300还可以包括被配置为通过使用所估计的信道g(τ)210均衡接收符号yn206的均衡器(如下面关于图4和图5所描述的)。信道估计器303可以被配置为基于贝叶斯干扰技术计算信道g(τ)210的软估计和噪声方差的软估计，比如，如下面关于图5所描述的。均衡器可以被配置为基于信道和噪声方差的软估计计算第一发送符号xn202和第二发送符号xn-1204的软估计208，如下面关于图4和图5所描述的。信道估计器303可以被配置为基于包括字典矩阵An,n-1的信号表示法对信道g(τ)210进行估计(如下面关于图5所描述的)，其中字典矩阵可以包括第一发送符号xn202和第二发送符号xn-1204。信道估计器303可以被配置为基于对第一发送符号xn202和第二发送符号xn-1204的估计208计算字典矩阵An,n-1。
图4是根据本公开的OFDM接收机400的原理图，OFDM接收机包括接收端口401、信道估计器403和均衡器405。OFDM接收机400包括被配置为接收接收OFDM符号yn406的接收端口401，接收OFDM符号yn包括来自第一OFDM符号xn402和第二OFDM符号xn-1404的干扰传输，其中来自第一OFDM符号xn402和第二OFDM符号404的传输是关于不同的时间实例n、n-1的传输。第一OFDM符号xn402和第二OFDM符号xn-1404各自可以包括与已知的经调制符号交织的未知的经调制符号。OFDM符号可以是未知的经调制符号的阵列，比如用于与已知的经调制符号(比如，导频或参考符号(比如，LTE帧的小区专用参考符号(CRS)))交织的接收机的数据。特别地，不仅导频相互干扰，而且被发送在相邻的子载波上的数据泄露能量到导频上。OFDM接收机400还包括信道估计器403，信道估计器403被配置为基于接收OFDM符号yn406并且基于对第一OFDM符号xn402和第二OFDM符号xn-1404的软估计408对信道脉冲响应β和噪声功率εn的软估计进行估计。OFDM接收机400还包括均衡器405，均衡器405被配置为基于信道估计器403对信道脉冲响应β和噪声功率εn的软估计410对第一OFDM符号xn402和第二OFDM符号xn-1404的软估计408进行估计。
信道估计器403可以被配置为基于包括字典矩阵An,n-1的信号表示法对信道β的软估计410进行估计(比如，如下面关于图5所描述的)，其中字典矩阵包括第一OFDM符号xn402和第二OFDM符号xn-1404。信号表示法可以根据yn＝An,n-1β+εn，其中yn表示时间实例n处的接收符号，An,n-1表示所述字典矩阵，β表示对信道的时域权重的软估计，εn表示对噪声功率的软估计。均衡器可以被配置为对表示信道的估计的脉冲相应的第一矩阵H、表示估计的符号间干扰的第二矩阵HISI、表示估计的载波间干扰的第三矩阵HICI进行估计，如下面所描述的。
收发机链(在该收发机链中第n个OFDM符号通过N个子载波被发送)可以被表示为sn＝FHxn，其中xn是要被发送的经调制消息：
xn＝[xn(0)，...,xn(N-1)] (A1)
接着，信号(在一个LTE子帧(1ms)中被认为不变)被附加到CP并通过无线信道被发送：
根据传统的信号模型，当最大过量延迟τL-1小于或等于CP长度时，经过DFT处理之后的与所接收到的第n个OFDM符号相对应的信号可以被写为：
yn＝Hxn+εn (A2)
其中H是包含信道频率响应的对角矩阵，而εn是具有零均值和协方差λ-1I的AWGN。
OFDM接收机400使用加强的信号模型，如下面所描述的。当CIR长度比CP长度长时，第n个接收到的OFDM符号受干扰的影响：
yn＝(H-HICI)xn+HISIxn-1+εn (A3)
这使得OFDM接收机400能够在估计信道和数据时都执行干扰的消除，此外，重写(A3)导致显式地包含信道权重β的等价模型：
yn＝An,n-1β+εn (A4)
其中An,n-1是包含xn和xn-1的全矩阵。下文中，该矩阵将被指定为模型(A4)的字典或字典矩阵。OFDM接收机400使用方程式(A4)以及信道和噪声的概率建模来获取对时域信道权重β和噪声功率的准确估计。
通过使用根据方程式(A4)的信号模型或信号表示法，OFDM接收机400能够消除发生在CP不足系统中的ICI和ISI。因此，OFDM接收机能够对干扰和噪声进行区别。OFDM接收机400能够以由观测阵列给出的分辨率进行操作。因此，OFDM接收机400提供高性能，如下面关于图8到图11所示出的。
OFDM接收机400可以执行考虑ICI和ISI的时域数据辅助信道估计。OFDM接收机400可以通过将信道建模为稀疏信道(以它的延迟域中的稀疏信道脉冲响应为特征)并通过使用稀疏估计技术来执行信道估计从而对信道进行估计。通过使用信道的时域估计，OFDM接收机400能够在所接收到的信号上对ICI和ISI进行建模并消除它们。OFDM接收机400还可以准确地估计噪声功率。OFDM接收机400可以应用从方程式(A4)导出的模型以及通过采用感兴趣的变量的概率建模对信道、噪声和数据进行估计的迭代方法。在实现形式中，OFDM接收机400可以把控制信道作为额外的一组虚拟导频，其可以增加估计器侧可用的观测值的数目。
OFDM接收机400可以根据以下方式操作。接收端口401可以接收作为输入的一组已知数据(比如，导频和已知的控制信道数据)和未知数据(比如，在更新CIR估计的同时，它以高可靠性进行解调的其它控制信道以及它迭代地软解码的数据信道)；当信道估计器403执行信道估计时，这两种类型的数据都可以被用作观测值。OFDM接收机可以采用感兴趣的参数(比如，要被估计的信道复增益、AWGN以及ISI和ICI)的概率建模以及从方程式(A3)和(A4)导出的模型。OFDM接收机400可以迭代地执行两个主要任务，即主要由信道估计器403执行的时域信道估计以及主要由均衡器405执行的均衡和解码。关于时域信道估计，信道估计器403可以使用xn,xn-1的当前软估计(在图4中表示为)从方程式(A4)计算An,n-1。信道估计器403然后可以使用贝叶斯推理技术来计算对CIRβ和噪声方差λ-1(在图4中表示为和相应的)的软估计。关于均衡和解码，均衡器405可以使用当前的软估计来从方程式(A3)计算H-HICI、HISI。通过使用H-HICI、HISI以及当前噪声的软估计均衡器405可以计算这些估计可以(可选地)通过使用软输入软输出信道解码器被细化并可以被反馈到时域信道估计器403。时域信道估计以及均衡和解码这两个主要任务可以被重复，直到收敛准则被满足。
OFDM接收机400的操作可以通过结合下列元素被描述：
-使用来自(A4)的模型，其中信道向量β被与包含在矩阵An,n-1中的系统的其它分量xn,xn-1隔离，使得对信道的时域估计以及在均衡处消除ISI和ICI的影响成为可能。
-假设信道脉冲响应是稀疏的并应用稀疏估计技术(特别是稀疏贝叶斯学习框架)。
-信道估计可能需要的唯一的先验知识可能是最大过量延迟。
-迭代地使用所估计的数据的统计量来加强信道估计的可用观测值的数量。所估计的数据从而变成一组虚拟导频。
-使用CIR和噪声方差的软估计来细化均衡和解码。
OFDM接收机400是迭代接收机，它能够应对由于OFDM系统中的CP不足导致的ISI/ICI。OFDM接收机400可以执行数据辅助时域信道估计、噪声估计、干扰抑制和数据检测。在信道估计的准确性和所得到的BER方面，OFDM接收机400比使用基于导频的方法的其它接收机表现更好，如下面关于图8到图11所示出的。
图5是根据本公开的收发机系统590的原理图，收发机系统包括发射机550和接收机500。
发射机500包括用于处理由原始比特流生成单元571生成的原始比特流un的传输链。原始比特流un可以被编码器和交织器单元565编码和交织并且被连接单元569连接到零点填充序列(由零点填充单元567生成)，生成经连接符号cn。经连接符号cn还可以被另一连接单元563连接到导频符号xn (P)(由导频生成器559生成)，生成发送符号xn。通过使用IDFT和CP添加单元557(其可以生成OFDM发送符号sn (CP))，发送符号xn可以被变换并且循环前缀可以被添加。这些OFDM发送符号可以通过信道520被传送，信道520可以是长信道(即，具有长冲击响应的信道)。
接收机500可以包括用于处理OFDM接收符号rn (CP)的接收链。OFDM接收符号rn (CP)可以响应于通过信道gn 520(其可以是具有长脉冲响应的信道)被传送的OFDM发送符号sn (CP)在接收端口501处被接收。长脉冲响应可以被定义为抽头延迟比由IDFT和CP添加单元557施加的循环前缀长的脉冲响应。
OFDM接收符号rn (CP)可以被变换并且循环前缀可以被IDFT和CP移除单元507移除，IDFT和CP移除单元507可以生成接收符号yn。接收符号yn可以被信道估计单元509处理以基于接收符号yn以及由均衡器B2505提供的对第一发送符号xn和第二发送符号xn-1的估计对信道gn 520进行估计。IDFT和CP移除单元507以及信道估计单元509一起在本文被称为信道估计器B1503并且可以与上文关于图4所描述的信道估计器403或者上文关于图3所描述的信道估计器303相对应。信道估计器503可以向均衡器B2505提供对信道的估计以及对噪声的估计
均衡器505可以包括解调器、解交织器和解码器单元511，该单元提供由原始比特流生成单元571在时间实例n处生成的第一原始比特流un的、以及由原始比特流生成单元571在时间实例n-1处生成的第二原始比特流un-1的LLR值。解调器、解交织器和解码器单元511还可以提供由连接单元569在时间实例n处生成的第一经连接符号cn的、以及由连接单元569在时间实例n-1处生成的第二经连接符号cn-1的LLR值。
均衡器505可以包括软编码器和软映射器单元513，该单元可以基于第一和第二经连接符号cn、cn-1的LLR值提供对第一发送符号xn和第二发送符号xn-1的估计均衡器505可以包括原始比特流计算单元515，该单元可以基于由解调器、解交织器和解码器单元511生成的第一和第二原始比特流un、un-1的LLR值生成对第一和第二原始比特流un、un-1的估计估计可以通过使用更高层转发单元517被转发到更高层。
在下文中，收发机系统590的实现方式被详细讨论。如下的记法被应用：被用于指集合的基(cardinality)；记法[1:P]表示集合{P∈N|1≤p≤P}。A＝diag(a)表示以向量a的项作为对角线的矩阵，而Ai,j表示矩阵A的第(i，j)个元素。NxN离散傅里叶变换矩阵(DFT)被定义为：
将集合ε映射到集合的函数f被表示为f：两个函数f和g的卷积被表示为(f*g)。上标(.)T指转置，而(.)H指厄密转置。||.||2代表欧几里得范数；δ(·)是狄拉克delta函数，I是单位矩阵。记法m∝e n等价于em＝ec+n，其中c是常数。操作符被用于指对感兴趣的变量的估计，指集合中的元素的平均值。两个矩阵A、B按行相连被记为[A|B]。CN(.|a，B)是具有平均向量a和协方差矩阵B的多元复高斯概率密度函数(pdf)，而Ga(.；a，b)是形状和速度参数分别为a和b的伽马概率密度函数(pdf)。<f(x)>q(x)被表示为f(x)相对于概率密度函数(pdf)q(x)的期望值。
下文中所描述的系统模型可以被应用。所接收到的信号模型被呈现在OFDM系统 中，其中信道显示的延迟比CP长，即，所接收到的信号被ISI和ICI损坏。为此，单输入单输出 OFDM系统模型被考虑，假设在该系统中满足：(i)信道在一个OFDM符号的传输期间是静态 的，(ii)多径分量的延迟不与采样网格对齐，(iii)信道脉冲响应由延迟比CP持续时间长 的多径分量组成。当前的消息通过采用索引n来指示，并且由信息比特的向量un＝[un (0)，...，un(K-1)]组成，这些信息比特被以码率R＝K/NDQ编码并被交织到向量在该向量中cn (d)的项是 C表示编码和交织函数。被编码的消息然后被调制到复向量其中M表示映射函数。数据符号被与向量的导频符号交织。要发送的全部的经调制消息因此 是[xn(0)，...，xn(N-1)]T，其中：若i∈P,Pj＝i则项xn,i＝xn (P)(j)；若i∈D,dj＝i，则项xn,i＝ xn (D)(j)。和代表导频的子集和相应 的数据索引，使得并且N＝ND+NP.符号被通过离散 傅里叶逆变换块，产生有用的OFDM符号的采样sn＝FHxn＝[sn(0)，...，sn(N-1)]T，，μ采样长 循环前缀(CP)被附加到该采样以得到当前OFDM符号的采样[sn(-μ)，...，sn(N-1)]T，sn(-i) ＝sn(N-i)，i∈[0：N-1]，其被产生当前OFDM符号
的发送脉冲形状滤波器调制，其中Ts代表采样时间。可替代 地，我们表达其中我们定义我们定义
所传送的信号通过无线信道被发送，该无线信道可以被认为在一个OFDM符号的存续期间是静态的，并且在第n个OFDM符号期间它的信道脉冲响应(CIR)显示Ln个多径分量，由复增益βn＝[βn(0),...,βn(Ln-1)]T和延迟τn＝[τn(0),...,τn(Ln-1)]T表征。我们认为CIR由到达接收机的延迟比CP持续时间长的多径分量组成，因此我们期望至少τn(Ln-1)＞μTs。然而，我们将我们的分析限制到最大过量延迟不大于OFDM符号的持续时间的信道，即τn(Ln-1)≤(μ+N)Ts。CIR为
其中所接收到的信号 被接收滤波器ψrx:[0,T]→R调制以产生信号我 们将其重写为
其中φ(t)＝(ψtx*ψrx)(t):[0,2T]→R，rn(t)表示第n个接收到的OFDN信号。由于τn(Ln-1)≤(μ+N)Ts，rn(t)包含对第n个和第n-1个发送的OFDM信号的限制，即
所接收到的信号(4)接下来在(k+n(μ+N))Ts,k∈[0:N-1]处被采样以产生所接收到的向量rn＝[rn(0),...,rn(N-1)]T。我们将第n个OFDM符号期间的复合CIR gn(τ):[τn(0),τn(Ln-1)+2T]→C定义为这使得我们能够将rn的项表达为
经过DFT处理之后的信号yn＝Frn+ξn,ξn＝Fνn可以被重写为：
yn＝Hxn+FCFHxn+FSFHxn-1+ξn (6)
其中H、S∈CN×N的项分别为：
Cm,i＝-qn((N+m-i)Ts)I[0:E-1](m)I[m+(N-E-μ):N-μ-1](i)
Sm,i＝qn((N+μ+m-i)Ts)I[0:E-1](m)I[m+(N-E):N-μ-1](i)
其中m,i∈[0:N-1]，M＝[τn(Ln-1)+2T/Ts]，E＝M-1-μ。我们在(6)中观察到ICI和ISI分别通过矩阵C和S对所接收到的信号的明显的影响；如果信道不显示比CP持续时间长的延迟，则ICI和ISI矩阵变为空并且模型回退到传统的模型。
接下来我们在信号模型(6)中分离出信道向量βn并得到信号yn的等价表示：
yn＝Anβn+ξn (7a)
An＝Vn，M，EΦ (7b)
其中[Φ]k,l＝φ(kTs-τn(l))，Xn＝diag(xn,0,...,xn,N-1)，Ξ∈CN×M,ΞLn＝[0N×μ| γn]；矩阵γn∈CN×E具有由k∈[0:N-1]索引的行其中我们定义矩阵Λ(k)∈CN×E的项为 我们定义函数
方程式7(a)、7(b)、7(c)中所描述的系统模型的字典矩阵An在本文中包含明显的ISI和ICI影响。我们观察到，在没有附加信道时，Ξn变为空矩阵，字典矩阵减至传统表示法
下面用于长CIR的消息传递接收机设计被描述。给定等效信号模型(6)、(7)，接收机的任务是读取所发送的比特un，即，它需要估计随后被解调、解码和解交织的OFDM符号xn、xn-1以产生原始比特流为此，接收机计算(6)中的信道矩阵并均衡观测信号yn以获得然而，由于CIR仍然未知，(6)中的信道矩阵也未知，因此，为了求解xn、xn-1，接收机使用(7)和字典矩阵An计算估计给定(7b)中的字典矩阵的结构，接收机在对An进行计算时使用问题变为递归的问题，即，它需要联合估计信道和数据符号。针对前述问题所提出的解决方案采用因子图(其对信号模型(6)、(7)的相关性进行建模)上的消息传递技术。在接收机的设计中，我们利用稀疏信道假设并应用MF-BP联合框架来执行CIR估计和数据检测。我们接下来引入因子图表示法以及消息传递方法来更新因子图中所包含的变量。我们然后引入组合MFBP消息传递技术和相关联的更新规则。最后，我们详细说明采用MF-BP框架的接收机架构。
下文中因子图表示法和消息传递算法被描述。
设表示被包括在集合(其包含系统的所有变量)内的隐藏的随机变量(r.v.)的集合；假定它们的联合分布被因子化为其中xa是函数fa(fa∈A)的自变量向量。因子图提供这些相关性的直观的图形表示，即：针对每个变量xi包含一个变量节点，仅当xi是函数fa的自变量时变量节点被边连接到因子节点fa。邻居节点通过图中的这些边交换信息；我们将从因子节点fa传递到变量节点xi∈xa的消息表示为将以相反的方向被交换的消息表示为各种算法已经被提出以对在相邻的节点之间被交换的消息进行更新，从而使得系统的未知变量具有迭代的统计特征。
MF BP更新规则在下文中被描述。在本公开中，根据E.Riegler、G.Kirkelund、C.Manchon、M.Badiu和B.Fleury在IEEE信息理论学报(Transactions on InformationTheory)2013年第59卷第1部分第588-602页的“合并置信传播和平均场近似：自由能方法(Merging Belief Propagation and the Mean Field Approximation:A Free EnergyApproach)”的统一的MF-BP方法被呈现，以计算未知变量的统计数据；这种统一的变量推理方案被示出以通过计算后者(p(xi)≈q(xi))的近似概率密度函数(也称为置信)避开计算隐藏变量p(xi)的准确的后验概率密度函数(pdf)的复杂性和潜在的难解性。为此，因子图被分成两个不相交的区域，与变量和因子节点之间进行的两种类型的消息更新相对应。我们用A表示所有的因子节点的集合，用ABP和AMF表示两个前述区域。用于对在每个区域的节点之间被交换的消息进行更新的规则以及因此每个隐藏的随机变量(r.v.)的置信为：
其中是函数fa(自变量为变量xi)的子集，是变量(其是fa的自变量)的子集。
下文中概率模型和因子图表示法被描述。
我们将MF-BP框架应用到信号模型(6)、(7)以迭代地执行数据检测(即，从获得)和信道估计(即，计算)。为此，我们将后验概率密度函数(pdf)表达为：
其中由于信 道向量βn和延迟τn仍然未知，对(10)应用MF-BP在计算上难以处理；为解决这个问题，我们提 出工作于稀疏信道假设下的接收机架构，即，由于假设信道由少数不可忽略的、到达时的延 迟未知的多径分量组成，我们假定延迟分辨率为△τ的、均匀间隔的延迟组成的延迟向量 τn (s)＝[0△τ,...,(p-1)△τ]T，P>>L(n)；因此我们期望相关联的复信道向量αn＝[αn (0),...,αn(P-1)]T是稀疏的，即，它的大部分项为零。我们现在可以定义近似字典矩阵(7b) Tn∈CN×P，它的项为
其中a∈[0：N-1]，b∈[0：P-1]，E′＝M′-1-μ，此外，我们认为两个收发机滤波器完全匹配。我们因此获得(7)和(6)的近似，我们将进一步在收发机的设计中采用该近似。
yn＝Tnαn+ξn (12a)
yn＝H′xn+FC′FHxn+FC′FHxn-1+ξn (12b)
其中噪声ξn是高斯分布的，即p(ξn)＝CN(ξn；0，λ-1IN)，的项分别为：
C′m，i＝-q′n((N+m-i)Ts)I[0：E′-1](m)I[m+(N-E′-μ)：N-μ-1](i)，
S′m，i＝q′n((N+μ+m-i)Ts)I[0：E′-1](m)I[m+(N-E′)：N-1](i)
其中为了在αn上实 施稀疏性，我们使用稀疏贝叶斯学习框架，它采用先验概率密度函数p(αn)的诱导稀疏性概 率建模；在本申请中，我们选择2L分层建模并引入信道权重的超参数先验分布γ，即i.e.p (αn，γ)＝p(αn|γ)p(γ)。我们遵循[39]-[42]的方法并选择p(αn|γ)＝CN(αn；0，Γ)（其中 Γ＝diag(γ)，）、超参数先验分布概率密度函数（pdf）和噪声 精度概率密度函数（pdf）p(λ)＝Ga(λ；a，b)。
表I：因子节点定义。MF-BP方法被使用，因子图被分成两个区域（即MF和BP），与每个区域相对应的因子节点被定义。
因此，使用近似（12a），后验概率密度函数（pdf）变为：
其中，p(yn|xn，xn-1，λ，αn)＝CN(yn；Tnαn，λ-1IN)来自（12a）。为了引入（13）的因子图表示法，我们针对k∈[0：N-1]，i∈{n-1，n}，υ∈[0：K-1]定义表I的函数，其使得后验概率密度函数（pdf）（13）能够具有下面的等价表达：
方程式（14）被图6中所描绘的因子图图形地呈现。图6示出分层信道在前的被因子话化的系统模型的因子图表示法600的图解。与每个OFDM符号相对应的节点被因子化成与单个OFDM采样相对应的节点。数据置信因此因子化成单个采样置信的积。因子图表示法600可以被应用到图5中所示出的收发机系统590中的信道估计模块503，或被应用到上面关于图3和图4所描述的信道估计器303、403中，或被应用到上面关于图2所描述的估计块203中。
为了在我们的问题中应用BP-MF算法，我们将因子图划分成两个区域，并将MF和BP区域中的因子节点的两个不相交的子集分别表示为和，其中 A表示图中所有的因子节点的集合。
在下文中，联合的信道估计和数据检测被描述。
当yn和训练符号{xn(pn，j)，xn-1(pn-1，j)，j＝[0：NP-1]}(此后我们将其称为可见的随机变量(r.v.))已知时，为了恢复当前发送的信息比特阵列un，需要在(14)中被估计的变量是{xn(dn，l)，xn-1(dn-1，l)，l∈[0：ND-1]}，cn，cn-1，λ，αn，γ(隐藏的随机变量(r.v.))。具体地，迭代算法使得两个子图内和两个子图之间能够进行消息交换，即，均衡和编码(ED)以及信道估计(CE)。完整的迭代(此后我们索引为IT)包括获得对所有隐藏的随机变量(r.v.)的估计；对此，关于隐藏的随机变量(r.v.)的统计信息通过因子图的边被交换，直到算法输出针对隐藏的变量的收敛估计。因此，一种迭代包括在ED子图中计算消息(从节点传播到所有的因子节点并传回到前一因子节点的消息)的完整集合，其与解映射、解码、解交织、交织、编码和软映射相对应，随后是在CE子图中传播消息(从到fγ，并反向)，其与计算噪声精度和信道向量的软估计相对应。
在下文中，均衡以及解码子图消息传递和置信更新被描述。
每次迭代IT时，对噪声精度和信道权重的软估计被从CE子图向上传递到ED(即)，并被用于对数据符号进行解映射、解码和解交织(即，计算 ) 一旦软比特已经被计算，则它们被重新交织、编码并映射到软符号(即计算)并被传递到 CE子图。这些操作等价于计算数据符号的置信，即
我们使用(12b)来计算消息其中我们定义M[n]＝H′+FC′FH和M[n-1]＝FS′FH。MF区域中的消息然后为：
其中
BP区域中的消息为
负责解码、解交织、重交织和编码的ED子图区域作为软输入软输出的解码器。
下文中信道估计子图消息传递和置信更新被描述。
一旦对xn、xn-1的软估计已经被获得，包含它们的消息沿连接ED和CE子图的边被传递(即)并被用于计算噪声精度和信道权重。噪声精度的置信为
其中消息是
接着， 我们从而首先得到封闭形式，即
对于信道权重的估计，我们提出两种方法：在一种方法中我们联合地估计所有的权重(即计算置信q(αn))，在另一种方法中我们通过假设完全因子化的q(αn)来计算单独的权重q(αn(p))，p∈[0：P-1]的置信。
在下文中联合信道权重更新被描述。
对于第一方法，我们采用根据图6的因子图表示法，其中信道权重和超参数先验分布向量各自被建模为一个变量节点。结果是，超参数先验分布的置信是两个消息的积，即
其中从因子节点fγ和到变量节点γ的消息
产生q(γ)，即，广义逆高斯概率密度函数(pdf)与γ(p)，p∈[0：P-1]的n阶矩的积，即
最后，信道权重q(αn)的置信是
其中相关联的消息
得到其中 并且
在下文中，不相交的信道权重更新被描述。
我们下面利用MF近似并促使信道权重的置信完全因式分解为下式：
我们定义局部函数fγ(i)(γ(i))＝p(γ(i))，其中p(αn(i)|γ(i))＝CN(αn(i)；0，γ(i))，p(γ(i))＝Ga(γ(i)；ε，η)，并在图7的因子图中描绘相关性。图7示出分层信道在前的被因式分解的系统模型的因子图表示法700的图解。信道向量被完全因子化。因子图表示法700可以被应用到图5中所示出的收发机系统590中的信道估计模块503，或被应用到上面关于图3和图4所描述的信道估计器303、403中，或被应用到上面关于图2所描述的估计块203中。
标量超参数先验分布γ(i)，i∈[0：P-1]的置信
与(21)的广义逆高斯概率密度函数(pdf)相类似，γ(i)具有(23)中定义的矩。一 旦超参数先验分布被更新，对每个信道权重αn(i)，i∈[0：P-1]的置信被更新，即其中
μ(i)＝<λ>q(λ)Σ(i)θ(i) (28b)
其中，
和是向量θ和ζ的第i项。不相交的信道估计方案相继更新 每个信道权重αn(i)，同时保持其它αn(j)，j∈[0：P-1]\{i}不变。
下文中快速方案被描述。由于每次迭代算法的计算量很大，我们提出提高收敛速度的递归方案，该方案探索(26)的简化，并且包括通过沿每个子图的边(由元组定义)执行无穷子迭代来依次更新每个αn(i)。
一个子迭代t包括计算消息并产生更新(27)、(28b)，和这些更新通过把所有 其它的隐藏随机变量(r.v.)(即)固定于它们最近被 估计的值。集合(23)、(28b)和(28a)，我们得到针对两个隐藏的随机变量(r.v.)(即，和)的递归更新。无穷 方案包括t→∞子迭代，直到两者中的任何一个收敛到它的稳定 值，<γ(i)>q(γ(i))，<αn(i)>q(α(i))，即
这相当于针对函数f1(γ(i))，f2(αn(i))中任意一个计算固定点<γ(i)>q(γ(t))，<αn(i)>q(α(i))。在本发明中，我们选择计算我们插在(28b)(28a)中的f2(γ(i))的固定点<γ(i)>q(γ(i))来更新<αn(i)>q(α(i))，<|αn(i)|2>q(α(i))。由于运算矩(23)产生计算量很大的固定点，我们选择运算(27)的模式，即
在(30)中插入(28b)和(28a)，我们得到递归更新 其中g(γ(i))是
其中并且它的固定点满足(29)。我们因此需要γ(i)＝g(γ(i))的解，或者等价的，γ(i)f(γ(i))＝0的解，其中f(γ(i))是f(γ(i))＝ηγ3(i)+[2ηc-(ε-2)]γ2(i)+[ηc2-c(2ε-3)-q]γ(i)-(ε-1)c2 (32)
其中总是解。
下文中调度不相交的权重的更新被描述。由于所呈现的不相交的更新方案依次工作，P信道权重更新可以以不同的顺序被执行，比如(i)连续更新，(ii)基于初始最小二乘法信道估计进行更新，(iii)对每个αn(i)进行估计时，通过最大化两个连续的迭代IT-1、IT之间的变分自由能差(即)。
系统的变分自由能是
计入因子化(26)和前述假设，在迭代IT处更新αn(i)时变分自由能是
ΔF[IT](i)为
一旦信道αn的统计量通过使用(24)、(25)或(28b)、(28a)联合地或非联合地被获得，并且先前已经用(15)、(19)、(21)获得xn，xn，λ，γ的统计量，则当前的迭代IT完成，并且，如果收敛准则不被满足则对更新的下一次迭代IT+1被发起。
下文中，调度被描述。由于图6中所示出的因子图600包含环路，在初始化之后，有几种方法来调度对隐藏的随机变量(r.v.)的更新，算法1需要若干次迭代以达到收敛的结果。
下文中，用于长延迟的随机信道模型被呈现。用于长延迟的随机信道模型与根据P.Kysti,J.Meinil、L.Hentil,X.Zhao、T.Jms、C.Schneider、M.Narandzic、M.Milojevic、A.Hong、J.Ylitalo、V.-M.Holappa、M.Alatossava、R.Bultitude、Y.deJong、和T.Rautiainen的“IST-4-027756WINNER II,D1.1.1 v1.1,WINNER II interim channelmodels”(Information Society Technologies,Tech.Rep.,2006)的成本糟糕的城市(COSTBad Urban)模型相似。CIR响应被认为在OFDM符号期间是不变量并由两个簇组成，第一簇(此后我们将其称为簇1)包含延迟比CP短的多径分量，第二簇(簇2)包含延迟超过CP的多径分量。第n个OFDM符号期间的CIR为：
其中Ln，(1)和Ln，(2)代表簇1和簇2的分量的数量。延迟向量是τn，(1)＝[τn，(1)(0)，...，τn，(1)(L1-1)]和τn，(2)＝[τn，(2)(0)，...，τn，(2)(L2-1)]。功率延迟分布为
其中τ1M＝TCP。未知参数的联合概率密度函数(pdf)是
其中βn，(k)＝[βn，(k)(0)，...，[βn，(k)(Ln，(k)-1)]T，并且
有p(τn，(1)(l))＝u(0，τ1M)，l∈[0：Ln，(1)-1]和p)p(τn，(2)(l))＝u(τ1M， τ2M)，l∈[0：Ln，(2)-1]。CIR总是在τn，(1)＝0处显示分量，因此，瞬时总多径功率增益是其中
图8和图9是性能图，该性能图示出与其它信道估计技术相比，根据本公开的平均场(MF)信道估计技术801对于SNR的均方误差(MSE)800以及估计的信噪比(SNR)。
图5中所描述的接收机500(通过使用简写MF被引用)被与鲁棒的维纳滤波器(RWF)803以及参考接收机相比较，参考接收机使用简写为SBL 802的基于导频的时域信道估计器。RWF在IEEE Transactions on Communications，1998年第46卷第7期第902-915页的“Robust Channel Estimation for OFDM Systems with Rapid Dispersive Fading(采用快速色散衰落的用于OFDM系统的鲁棒信道估计)”中被Li,Y.,Cimini,L.J.和Sollenberger,N.R.描述。SBL在从arXiv:1108.4324v2:http://arxiv.org/abs/1108.4324检索到的“Sparse Estimation Using Bayesian Hierarchical Modeling for Real andComplex Models(用于实数和虚数模型的使用稀疏估计的稀疏信道估计)”中被Pedersen,N.、Navarro,C.、Badiu,M.、Shutin,D.和Fleury,B.(2013)描述。作为比较的下界，一个genie-aided的MMSE估计器804被使用，如接下来所说明的。表1示出用于性能测试的系统和信道参数。
表1：性能测试中所使用的系统和信道参数
在图8中，相对于SBL 802和RWF 803以及genie-aided的MMSE估计器804的MF 801的MSE 800被观察。在图9中，相对于SBL 902的MF 901的估计的SNR 900被观察。genie-aided的MMSE信道估计器知道噪声方差、CIR的准确延迟以及字典矩阵An，n-1，并且它仅估计复增益β。在高的SNR处，由于把干扰作为噪声对待，RWF 803和SBL 802(没察觉到ICI和ISI)显示出性能退化。这种行为也被图9中的结果揭示，其示出感知不到ICI的估计器(SBL)902如何低估SNR。与此相反，MF 901对ICI、ISI和AWGN进行区分，并且因此不失CIR或SNR估计的准确性，在高SNR处接近MMSEgenie-aided的估计器。
图10是性能图，该性能图示出与其它的信道估计技术相比，根据本公开的MF信道估计技术1001的SNR与误码率(BER)1000。在图10中，增益被示出为与SBL 1002、RWF 1003和genie-aided的接收机1004(其完全了解CIR、ISI、ICI和噪声方差)相比MF接收机1001的BER。根据本公开的各方面的接收机(即，MF 1001(比如，如上面关于图3到图5中的一个所描述的))明显胜过其它接收机1002、1003，并且在高SNR处达到genie-aided接收机1004的性能。
图11a和11b是性能图，该性能图示出与感知不到ICI的信道估计技术1103相比，根据本公开的MF信道估计技术1101的时间与估计的信道脉冲响应(CIR)的绝对值1100a(图11a)和1100b相位(图11b)。图11a和11b捕获所估计的信道脉冲响应的一个快照，即MF1101、SBL1103和最初的信道1102的CIR包络和相位
图12是根据本公开的用于信道估计的方法1200的原理图。方法1200包括接收(1201)接收符号，接收符号包括：来自第一发送符号(第一发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号)以及第二发送符号(第二发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号)的多个干扰传输，其中来自第一发送符号和第二发送符号的多个传输是关于不同的时间实例的多个传输。发送符号可以是与已知的经调制的符号(比如，导频或参考信号(比如，LTE帧的小区专用参考符号(CRS)))的阵列相交织的未知的经调制的符号(比如，针对接收机的数据)的阵列。方法1200还包括基于接收符号和对第一发送符号和第二发送符号的多个估计对信道进行估计(1203)。
接收1201可以与上面关于图2所描述的方法200的接收201相对应。估计1203可以与上面关于图2所描述的方法200的估计203相对应。接收符号可以与上面关于图2-7所描述的接收符号yn206相对应。第一发送符号可以与上面关于图2-7所描述的第一发送符号xn202相对应。第二发送符号可以与上面关于图2-7所描述的第二发送符号xn-1204相对应。信道可以与上面关于图2-7所描述的信道g(τ)210相对应。
示例
下面的示例涉及进一步的实施例。示例1是用于信道估计的方法，该方法包括：接收接收符号，该接收符号包括来自第一发送符号(第一发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号)以及第二发送符号(第二发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号)的多个干扰传输，其中来自第一发送符号和第二发送符号的多个传输是关于不同的时间实例的多个传输；以及基于接收符号和对第一发送符号和第二发送符号的多个估计，对信道进行估计。
在示例2中，示例1的主题可以可选地包括：接收符号包括符号间干扰和载波间干扰中的至少一者，这些干扰来自第一发送符号的传输和第二发送符号的传输。
在示例3中，示例1-2的任何一者的主题可以可选地包括通过使用估计的信道对接收符号进行均衡。
在示例4中，示例1-3的任何一者的主题可以可选地包括：来自第一发送符号和第二发送符号的多个传输是关于连续的时间实例的传输。
在示例5中，示例1-4的任何一者的主题可以可选地包括：第一发送符号和第二发送符号包括OFDM符号。
在示例6中，示例5的主题可以可选地包括：OFDM符号的循环前缀的持续时间比信道延迟短。
在示例7中，示例1-6的任何一者的主题可以可选地包括：对信道进行估计是基于时域数据辅助(time-domain data-aided)的信道估计。
在示例8中，示例1-7的任何一者的主题可以可选地包括：对信道进行估计是基于包括字典矩阵的信号表示法，其中字典矩阵包括第一发送符号和第二发送符号。
在示例9中，示例8的主题可以可选地包括：信号表示法是基于稀疏信道模型，稀疏信道模型仅具有少数不可忽略的多径分量。
在示例10中，示例8-9的任何一者的主题可以可选地包括：信号表示法是基于信道和噪声的概率模型。
在示例11中，示例8-10的任何一者的主题可以可选地包括：信道表示法根据的是yn＝An，n-1β+εn，其中yn表示时间实例n处的接收符号，An，n-1表示字典矩阵，β表示信道的时域权重，εn表示噪声功率。
在示例12中，示例8-11的任何一者的主题可以可选地包括：通过应用信号表示法，联合地估计信道以及第一和第二发送符号。
在示例13中，示例12的主题可以可选地包括：联合地估计信道以及第一和第二发送符号是基于平均场置信传播框架。
示例14是处理单元，包括：被配置为接收接收符号的接收端口，接收符号包括来自第一发送符号(第一发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号)以及第二发送符号(第二发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号)的多个干扰传输，其中来自第一发送符号和第二发送符号的多个传输是关于不同的时间实例的多个传输；以及信道估计器，该信道估计器被配置为基于接收符号和对第一发送符号和第二发送符号的多个估计对信道进行估计。
在示例15中，示例14的主题可以可选地包括：接收符号包括OFDM符号。
在示例16中，示例14-15的任何一者的主题可以可选地包括被配置为移除循环前缀并向接收符号应用傅里叶变换的预处理单元。
在示例17中，示例14-16的任何一者的主题可以可选地包括被配置为通过使用所估计的信道来均衡接收符号的均衡器。
在示例18中，示例14-17的任何一者的主题可以可选地包括：信道估计器被配置为基于贝叶斯干扰技术计算信道的软估计和噪声方差的软估计。
在示例19中，示例18的主题可以可选地包括：均衡器被配置为基于对信道和噪声方差的软估计计算第一发送符号和第二发送符号的软估计。
在示例20中，示例14-19的任何一者的主题可以可选地包括：信道估计器被配置为基于包括字典矩阵的信号表示法对信道进行估计，其中字典矩阵包括第一发送符号和第二发送符号。
在示例21中，示例20的主题可以可选地包括：信道估计器被配置为基于对第一发送符号和第二发送符号的估计计算字典矩阵。
示例22是OFDM接收机，包括：被配置为接收接收OFDM符号的接收端口，接收OFDM符号包括来自第一OFDM符号(第一OFDM符号包括与多个已知的经调制符号交织的多个未知的经调制符号)以及第二OFDM符号(第二OFDM符号包括与多个已知的经调制符号交织的多个未知的经调制符号)的多个干扰传输，其中来自第一OFDM符号和第二OFDM符号的多个传输是关于不同的时间实例的多个传输；信道估计器，该信道估计器被配置为基于接收OFDM符号和对第一OFDM符号和第二OFDM符号的多个软估计，对关于信道脉冲响应和噪声功率的多个软估计进行估计；均衡器，该均衡器被配置为基于信道估计器对信道脉冲响应和噪声功率的多个软估计，来估计出第一OFDM符号和第二OFDM符号的多个软估计。
在示例23中，示例22的主题可以可选地包括：信道估计器被配置为基于信号表示法对包括字典矩阵的信道进行估计，其中字典矩阵包括第一OFDM符号和第二OFDM符号。
在示例24中，示例23的主题可以可选地包括：信道表示法根据的是yn＝An，n-1β+εn，其中yn表示时间实例n处的接收符号，An，n-1表示字典矩阵，β表示信道的时域权重，εn表示噪声功率。
在示例25中，示例22-24的任何一者的主题可以可选地包括：均衡器被配置为对代表估计的信道脉冲响应的第一矩阵、代表估计的符号间干扰的第二矩阵和代表估计的载波间干扰的第三矩阵进行估计。
在示例26是其上存储有计算机指令的计算机可读介质，当计算机指令被计算机运行时使得计算机执行示例1到示例13中的一者的方法。
示例27是信道估计器，包括用于接收接收符号的接收装置，接收符号包括来自第一发送符号(第一发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号)以及第二发送符号(第二发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号)的多个干扰传输，其中来自第一发送符号和第二发送符号的多个传输是关于不同的时间实例的多个传输；以及信道估计装置，该信道估计装置被配置为基于接收符号和对第一发送符号和第二发送符号的多个估计对信道进行估计。
在示例28中，示例27的主题可以可选地包括：接收符号包括来自第一发送符合的传输和第二发送符号的传输的符号间干扰和载波间干扰的至少一者。
在示例29中，示例27-28的任何一者的主题可以可选地包括用于通过使用所估计的信道来均衡接收符号的均衡装置。
在示例30中，示例27-29的任何一者的主题可以可选地包括：来自第一发送符号和第二发送符号的多个传输是关于连续的时间示例的多个传输。
在示例31中，示例27-30的任何一者的主题可以可选地包括：第一发送符号和第二发送符号包括OFDM符号。
在示例32中，示例30的主题可以可选地包括：OFDM符号的循环前缀的持续时间比信道的延迟短。
在示例33中，示例27-32的任何一者的主题可以可选地包括：估计装置被配置为基于时域数据辅助的信道估计对信道进行估计。
在示例34中，示例27-33的任何一者的主题可以可选地包括：估计装置被配置为基于包括字典矩阵的信号表示法对信道进行估计，其中字典矩阵包括第一发送符号和第二发送符号。
在示例35中，示例34的主题可以可选地包括：信道表示法是基于仅具有很少的多径分量的稀疏信道模型。
在示例36中，示例34-35的任何一者的主题可以可选地包括：信号表示法是基于信道和噪声的概率模型。
在示例37中，示例34-36的任何一者的主题可以可选地包括：信号表示法根据的是yn＝An，n-1β+εn，其中yn表示时间实例n处的接收符号，An，n-1表示字典矩阵，β表示信道的时域权重，εn表示噪声功率。
在示例38中，示例34-37的任何一者的主题可以可选地包括用于通过应用信号表示法，联合估计信道以及第一和第二发送符号的联合估计装置。
在示例39中，示例38的主题可以可选地包括：联合估计装置被配置为基于平均场置信传播框架，联合估计信道以及第一和第二发送符号。
示例40是传输系统，包括：根据示例22-25的任何一者的OFDM发射机和OFDM接收机。
在示例41中，示例40的主题可以可选地包括用于响应于在OFDM发射机处发射的OFDM发送符号对接收端口处接收的OFDM接收符号进行处理的接收链。
在示例42中，示例41的主题可以可选地包括：OFDM接收符号包括第一OFDM符号和第二OFDM符号。
在示例43中，示例40-42的任何一者的主题可以可选地包括：信道估计器包括用于变换OFDM接收符号的IDFT变换器和用于从OFDM接收符号中移除循环前缀的CP移除单元。
在示例44中，示例40-43的任何一者的主题可以可选地包括：均衡器包括解调器、解交织器和解码器单元511，解调器、解交织器和解码器单元511被配置为提供OFDM发射机在第一时间示例处生成的第一原始比特流和OFDM发射机在第二时间示例处生成的第二原始比特流的的LLR值。
在示例45中，示例44的主题可以可选地包括：解调器、解交织器和解码器单元被配置为提供由OFDM发射机在第一时间示例处生成的第一连接符号的LLR值以及由OFDM发射机在第二时间示例处生成的第二连接符号的LLR值。
在示例46中，示例40-45的任何一者的主题可以可选地包括：均衡器包括被配置为提供第一OFDM符号和第二OFDM符号的估计的软解码器和软映射器单元。
在示例47中，示例46的主题可以可选地包括：软编码器和软映射器单元被配置为基于示例45的第一和第二连接符号的LLR值提供对第一OFDM符号和第二OFDM符号的估计。
此外，尽管本公开的特定特征和方面可能是针对若干实现方式中的仅一个而公开的，但这种特征或方面可以与其它实现方式的一个或多个其它的特征或方面结合，这对于任何给定或特定应用可能是期望或有利的。此外，在具体实施方式或权利要求中使用了术语“包含”、“具有”、“带有”或它们的其它变型的情况下，这些术语应当是开放式的，类似于术语“包括”。此外，应当理解，本公开的各方面可以以分立电路、部分集成的电路或完全集成的电路或编程装置的方式实现。此外，术语“示例性”、“例如”仅意味着示例，而不是最佳或最优。
尽管本申请中已经图示和描述了具体的方面，但本领域普通技术人员会理解，在不脱离本公开的范围的情况下，可以把所示出和所描述的具体方面替换为各种替代和/或等同的实现方式。本申请应当覆盖了本文所讨论的这些具体方面的任何改编或变化形式。
尽管所附的权利要求中的要素按特定的顺序以相应的标号被记载，但是除非权利要求记载的内容以其它方式暗示实现一些或所有的那些要素的特定顺序，否则那些要素不一定被限制于以该特定的顺序被实现。

Claims (23)

1.一种用于信道估计的方法，所述方法包括：
接收接收符号，所述接收符号包括来自以下部分的多个干扰传输：
第一发送符号，所述第一发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号，以及
第二发送符号，所述第二发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号，其中来自所述第一发送符号和所述第二发送符号的所述多个干扰传输是关于不同的时间实例的多个传输；以及
基于所述接收符号和对所述第一发送符号和所述第二发送符号的多个估计，对信道进行估计，
其中，对所述信道进行估计是基于信号表示法，所述信号表示法包括字典矩阵，其中所述字典矩阵包括所述第一发送符号和所述第二发送符号。
2.如权利要求1所述的方法，
其中，所述接收符号包括来自所述第一发送符号的传输和所述第二发送符号的传输的符号间干扰和载波间干扰中的至少一者。
3.如权利要求1或权利要求2所述的方法，还包括：
通过使用所估计的信道来均衡所述接收符号。
4.如权利要求1或权利要求2所述的方法，
其中，来自所述第一发送符号和所述第二发送符号的所述多个干扰传输是关于随后的时间实例的多个传输。
5.如权利要求1或权利要求2所述的方法，
其中，所述第一发送符号和所述第二发送符号包括OFDM符号。
6.如权利要求5所述的方法，
其中，所述OFDM符号的循环前缀的持续时间比所述信道的延迟短。
7.如权利要求1或权利要求2所述的方法，
其中，对所述信道进行的估计是时域估计。
8.如权利要求1所述的方法，
其中，所述信号表示法是基于稀疏信道模型，所述稀疏信道模型仅具有很少的不可忽略的多径分量。
9.如权利要求8所述的方法，
其中，所述稀疏信道模型基于对所述信道和噪声进行概率建模。
10.如权利要求1所述的方法，其中，所述信号表示法所根据的是：
yn＝An,n-1β+εn,
其中yn表示时间实例n处的所述接收符号，An,n-1表示所述字典矩阵，β表示所述信道的时域权重，εn表示噪声功率。
11.如权利要求1所述的方法，包括：
通过应用所述信号表示法，联合估计所述信道和所述第一和第二发送符号。
12.如权利要求11所述的方法，
其中，联合估计所述信道和所述第一和第二发送符号是基于平均场置信传播框架。
13.一种信道估计器，所述信道估计器包括：
接收装置，用于接收接收符号，所述接收符号包括：
来自以下部分的多个干扰传输：
第一发送符号，所述第一发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号，以及
第二发送符号，所述第二发送符号包括与多个已知的经调制符号交织的多个未知的经调制符号，其中来自所述第一发送符号和所述第二发送符号的所述多个干扰传输是关于不同的时间实例的多个传输；
以及
估计装置，用于基于所述接收符号以及对所述第一发送符号和所述第二发送符号的多个估计，对信道进行估计，
其中，对所述信道进行估计是基于信号表示法，所述信号表示法包括字典矩阵，其中所述字典矩阵包括所述第一发送符号和所述第二发送符号。
14.如权利要求13所述的信道估计器，
其中，所述接收符号包括来自所述第一发送符号的传输和所述第二发送符号的传输的符号间干扰和载波间干扰中的至少一者。
15.如权利要求13或权利要求14所述的信道估计器，还包括：
均衡装置，用于通过使用所估计的信道来均衡所述接收符号。
16.一种计算机可读介质，所述计算机可读介质上存储有计算机指令，当所述计算机指令被计算机运行时使得所述计算机执行权利要求1到权利要求12中的任一权利要求所述的方法。
17.一种OFDM接收机，包括：
接收端口，所述接收端口被配置为接收接收OFDM符号，所述接收OFDM符号包括来自以下部分的多个干扰传输：
第一OFDM符号，所述第一OFDM符号包括与多个已知的经调制符号交织的多个未知的经调制符号，以及
第二OFDM符号，所述第二OFDM符号包括与多个已知的经调制符号交织的多个未知的经调制符号，
其中，来自所述第一OFDM符号和所述第二OFDM符号的所述多个干扰传输是关于不同的时间实例的多个传输；
信道估计器，所述信道估计器被配置为基于所述接收OFDM符号和对所述第一OFDM符号和所述第二OFDM符号的多个软估计，对关于信道脉冲响应和噪声功率的多个软估计进行估计；
均衡器，所述均衡器被配置为基于所信道估计器对所述信道脉冲响应和所述噪声功率的所述多个软估计，对关于所述第一OFDM符号和所述第二OFDM符号的所述多个软估计进行估计。
18.如权利要求17所述的OFDM接收机，
其中，所述信道估计器被配置为基于信号表示法对关于所述信道脉冲响应的所述多个软估计进行估计，所述信号表示法包括字典矩阵，其中所述字典矩阵包括所述第一OFDM符号和所述第二OFDM符号。
19.如权利要求18所述的OFDM接收机，
其中，所述信号表示法所根据的是：
yn＝An,n-1β+εn,
其中yn表示时间实例n处的所述接收OFDM符号，An,n-1表示所述字典矩阵，β表示所述信道的时域权重的软估计，εn表示噪声功率的软估计。
20.如权利要求17或权利要求18所述的OFDM接收机，
其中，所述均衡器被配置为估计第一矩阵、第二矩阵和第三矩阵，所述第一矩阵表示对所述信道估计的脉冲响应、所述第二矩阵表示所估计的符号间干扰，所述第三矩阵表示所估计的载波间干扰。
21.一种传输系统，包括：
OFDM发射机；以及
根据权利要求17或权利要求18的OFDM接收机。
22.如权利要求21所述的传输系统，包括：
接收链，用于对所述接收OFDM符号进行处理，所述接收OFDM符号是响应于在所述OFDM发射机处传送的OFDM发送符号而在所述接收端口处接收到的。
23.如权利要求21或权利要求22所述的传输系统，
其中，所述均衡器包括解调器、解交织器和解码器单元，被配置为提供由所述OFDM发射机在第一时间实例生成的第一原始比特流的对数似然比值以及由所述OFDM发射机在第二时间实例生成的第二原始比特流的对数似然比值。
CN201510220793.2A 2014-06-05 2015-05-04 用于信道估计的方法和设备以及ofdm接收机 Expired - Fee Related CN105282060B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102014008347.0A DE102014008347B4 (de) 2014-06-05 2014-06-05 Verfahren und vorrichtung zur kanalschätzung und ofdm-empfänger
DE102014008347.0 2014-06-05

Publications (2)

Publication Number Publication Date
CN105282060A CN105282060A (zh) 2016-01-27
CN105282060B true CN105282060B (zh) 2019-01-04

Family

ID=54705974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510220793.2A Expired - Fee Related CN105282060B (zh) 2014-06-05 2015-05-04 用于信道估计的方法和设备以及ofdm接收机

Country Status (4)

Country Link
US (1) US9806912B2 (zh)
CN (1) CN105282060B (zh)
DE (1) DE102014008347B4 (zh)
TW (1) TWI575900B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9948415B2 (en) 2015-03-27 2018-04-17 Intel IP Corporation Method of processing a plurality of signals and signal processing device
DE102015107080B3 (de) * 2015-05-06 2016-08-25 Intel IP Corporation Verfahren und Vorrichtungen zur Kanalschätzung für Mobilsysteme ungenügender zyklischer Präfixlänge
CN107733831B (zh) * 2016-08-12 2021-06-15 中兴通讯股份有限公司 无线信号传输方法及装置
CN106921450B (zh) * 2017-04-21 2020-11-06 浙江芯昇电子技术有限公司 一种信噪比估计方法及装置
DE102018205351B4 (de) 2018-04-10 2024-06-06 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Anpassung mindestens eines Parameters eines Kommunikationssystems
CN108900455B (zh) * 2018-07-02 2021-01-12 深圳大学 一种基于稀疏贝叶斯学习的载波频偏处理方法及系统
CN112564852B (zh) * 2019-09-10 2022-09-09 烽火通信科技股份有限公司 一种多实例数据的系统侧传输方法及装置
WO2021083495A1 (en) 2019-10-29 2021-05-06 Continental Automotive Gmbh Method of estimating transmit symbol vectors in an overloaded communication channel
CN111277533B (zh) * 2020-02-12 2021-07-02 电子科技大学 一种基于星座图的ofdm信号符号定时位置估计方法
KR20220145389A (ko) * 2020-04-03 2022-10-28 콘티넨탈 오토모티브 테크놀로지스 게엠베하 잡음이 있는 과부하된 무선 통신 시스템에서의 이산 디지털 신호의 복구 방법
CN112104580B (zh) * 2020-09-11 2023-07-21 中海石油(中国)有限公司湛江分公司 基于广义近似消息传递-稀疏贝叶斯学习的稀疏水声信道估计方法
CN112054975B (zh) * 2020-09-11 2022-11-01 郑州大学 一种基于bp-mf框架和vamp的联合估计与检测方法
CN113014341B (zh) * 2021-02-09 2022-06-03 蔡豪 一种针对非理想稀疏信道的估计方法
US11789857B2 (en) 2021-08-11 2023-10-17 International Business Machines Corporation Data transfer with continuous weighted PPM duration signal
CN114584431B (zh) * 2022-01-14 2023-05-02 郑州大学 一种基于uamp的双线性信道估计方法
CN114726693B (zh) * 2022-03-16 2024-09-24 北京理工大学 一种适用于DFT-s-SEFDM信号的迭代均衡方法
EP4283935A1 (en) * 2022-05-27 2023-11-29 Nokia Solutions and Networks Oy Interference rejection combining with reduced complexity
CN115767756B (zh) * 2022-11-02 2023-06-13 南京邮电大学 一种低信噪比下重要多径分量的辨识方法、系统及介质
CN117336133B (zh) * 2023-10-25 2024-06-11 白盒子(上海)微电子科技有限公司 一种低复杂度ofdm去循环前缀方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1845537A (zh) * 2005-04-08 2006-10-11 上海无线通信研究中心 一种通信系统中的信道估计方法
CN102790746A (zh) * 2012-08-08 2012-11-21 电子科技大学 Ofdm系统的信道估计方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI291817B (en) * 2005-07-15 2007-12-21 Silicon Integrated Sys Corp Method and system for residual frequency offset compensation of multi-carrier communication
US8923419B2 (en) * 2006-02-27 2014-12-30 Cohda Wireless Pty. Ltd. Method and system for communication in a wireless network
TWI396415B (zh) * 2009-09-15 2013-05-11 Univ Nat Sun Yat Sen 正交分頻多工系統的通道長度估測方法及其估測器
WO2012141632A1 (en) * 2011-04-14 2012-10-18 Telefonaktiebolaget L M Ericsson (Publ) Modified maximum likelihood channel estimation
US8824527B2 (en) * 2011-11-15 2014-09-02 Acorn Technologies, Inc. OFDM receiver with time domain channel estimation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1845537A (zh) * 2005-04-08 2006-10-11 上海无线通信研究中心 一种通信系统中的信道估计方法
CN102790746A (zh) * 2012-08-08 2012-11-21 电子科技大学 Ofdm系统的信道估计方法

Also Published As

Publication number Publication date
DE102014008347B4 (de) 2021-01-28
TWI575900B (zh) 2017-03-21
US9806912B2 (en) 2017-10-31
US20160315791A1 (en) 2016-10-27
DE102014008347A1 (de) 2015-12-17
CN105282060A (zh) 2016-01-27
TW201603521A (zh) 2016-01-16

Similar Documents

Publication Publication Date Title
CN105282060B (zh) 用于信道估计的方法和设备以及ofdm接收机
RU2322762C1 (ru) Итеративное оценивание и декодирование каналов и помех
CN107580770B (zh) 用于具有不足的循环前缀长度的移动系统的信道估计的方法和设备
EP1748610B1 (en) Apparatus, method and computer program for estimating a channel for an OFDM transmission system
JP2010193518A (ja) 多重アクセスネットワークにおける通信方法およびシステム
JP2003218826A (ja) 直交周波数分割多重信号の受信方式及び受信機
Negusse et al. Phase-noise mitigation in OFDM by best match trajectories
Schniter et al. Equalization of time-varying channels
Mannan et al. Adaptive processing of image using DWT and FFT OFDM in AWGN and Rayleigh channel
EP2680520B1 (en) Method and apparatus for efficient MIMO reception with reduced complexity
Oyerinde An overview of channel estimation schemes based on regularized adaptive algorithms for OFDM-IDMA systems
Ketonen Equalization and Channel estimation algorithms and implementations for Cellular MIMO-OFDM downlink
Sabapathy et al. Profuse Channel Estimation and Signal Detection Techniques for Orthogonal Time Frequency Space in 6G Epoch: A Survey
Ying et al. Turbo equalization based on compressive sensing channel estimation in wideband HF systems
Gamal et al. AdaBoost Algorithm-Based Channel Estimation: Enhanced Performance
Silpa et al. Optimized deep learning based hypernet convolution neural network and long short term memory for joint pilot design and channel estimation in MIMO‐OFDM model
Anupriya et al. Channel estimation for MIMO-OFDM systems using superimposed training In VLSI
Yuan et al. Receiver Design for High Spectral Efficiency Communication Systems in Beyond 5G
Ma Low-Complexity Iterative Receiver Design for Multi-Carrier Faster-Than-Nyquist Signaling Over Frequency-Selective Fading Channel
CN107659374A (zh) 基于重叠复用的译码方法、装置和系统
Bokolamulla et al. Iterative decoding of serially concatenated CPM in fading channels with noisy channel state information
WO2008066271A1 (en) Iterative reception method and iterative receiver
Liao et al. Particle filtering algorithms for single-channel blind separation of convolutionally coded signals
Linton Iterative and Adaptive Processing for Multiuser Communication Systems
Tan et al. An Improved Channel Estimation Algorithm Based on Cubic Convolution Interpolation for LOWPM System.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190104

Termination date: 20190504