CN105337906A - 信道估计方法及装置 - Google Patents

Abstract

本发明实施例提供一种信道估计方法及装置。本发明信道估计方法，包括：根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数。本发明实施例实现了将基于测量统计约束的最大似然信道估计方法与基于时间统计约束的卡尔曼滤波信道估计方法相结合的信道估计方法，从而能获得优异的信道估计性能。

Description

信道估计方法及装置

技术领域

本发明实施例涉及无线通信技术，尤其涉及一种信道估计方法及装置。

背景技术

由于无线通信中存在信道的多径延迟和多普勒效应，因此，在接收端恢复数据信号时，对信道进行估计是非常必要的，其中，现有无线通信系统中通常采用基于导频的信道估计方法。

现有基于导频的信道估计技术采用基扩展(Basisexapansionmodel，简称BEM)模型来处理每个传输块中信道的快速变化，通过自回归(AR)模型对基系数进行建模，并采用卡尔曼滤波对基系数变化进行估计与跟踪，即现有基于导频的信道估计技术通过利用时间统计约束进行信道估计，信道估计性能较低。

发明内容

本发明实施例提供一种信道估计方法及装置，以提高信道估计性能。

第一方面，本发明实施例提供一种信道估计方法，包括：

根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数。

结合第一方面，在第一方面的第一种可能的实现方式中，所述根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值，包括：

根据所述相邻的基于基系数的导频符号采用最大似然信道估计公式对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

其中，所述最大似然信道估计公式为：

其中，为待估计信道的第m个导频符号的信道基系数初步估计值，表示状态转移矩阵，B为GCE-BEM基矩阵，Y_m-k表示第m-k个导频符号的频域接收的基于基系数的导频符号，表示第m-k个导频符号的信道系数，m的取值为0、4、7或11。

结合第一方面或第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值，包括：

根据所述信道基系数初步估计值采用卡尔曼滤波信道估计公式对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

其中，所述卡尔曼滤波信道估计公式为：

$\left\{\begin{array}{c}{\hat{c}}_{\left(m\right|m-1)}=\stackrel{\‾}{A}\·{\hat{c}}_{(m-1|m-1)}\\ {\hat{c}}_{\left(m\right|m)}={\hat{c}}_{\left(m\right|m-1)}+K_m(Y_m-S_m{\hat{c}}_{\left(m\right|m-1)})\end{array}\right.;$

其中，为观测方程中状态矩阵；K_m表示第m个导频符号位置的卡尔曼增益；S_m表示第m个导频符号位置的测量矩阵；Y_m表示第m个导频符号；表示第m个导频符号位置的信道基系数估计值；表示第m-1个导频符号位置的信道基系数估计值；表示由第m-1个导频符号估计第m个导频符号的信道基系数估计值。

结合第一方面、第一方面的第一种或第二种任一种可能的实现方式，在第一方面的第三种可能的实现方式中，根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数，包括：

根据所述信道基系数最终估计值通过时域维纳滤波插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，或者根据所述信道基系数最终估计值通过自回归AR基系数插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数；

根据所述导频符号位置和所述数据符号位置的时域信道增益系数得到所述频域信道增益系数。

结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述根据所述信道基系数最终估计值通过时域维纳滤波插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，包括：

根据所述信道基系数最终估计值通过得到所述导频符号位置的时域信道增益系数；其中，α_l,m表示第m个导频符号的第l条径上的时域信道增益系数，B为GCE-BEM基矩阵，表示第m个导频符号的第l条径上的所述信道基系数最终估计值；其中，m的取值为0、4、7或11；

根据所述导频符号位置的时域信道增益系数通过时域维纳滤波插值公式得到所述数据符号位置的时域信道增益系数；

其中，所述时域维纳滤波插值公式为： ${\mathrm{\α}}_{l,\mathrm{all}}^{(r,t)}={\left[R_{{\mathrm{HH}}_p}^{\′}\right]}_{i,j}{({\left[R_{H_p{H}_p}^{\′}\right]}_{i,j}+{\mathrm{\σ}}_w^{2}I)}^{-1}\left[\begin{array}{c}{\mathrm{\α}}_{l,i_1}^{(r,t)}\\ {\mathrm{\α}}_{l,i_2}^{(r,t)}\end{array}\right];$

其中，表示第t个发射天线与第r个接收天线间所有OFDM符号的第l条径上的时域信道增益系数，所述所有OFDM符号包括：数据符号以及导频符号；表示时域上第i个数据符号位置与第j个导频符号位置间的相关系数；表示时域上第i个导频符号位置与第j个数据符号位置间的相关系数；表示第t个发射天线与第r个接收天线间第i₁个导频符号的第l条径上的时域信道参数，i₁的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第i₂个导频符号的第l条径上的时域信道参数，i₂的取值为：0、4、7或11，且i₁≠i₂；为噪声方差估计值。

结合第一方面的第三种可能的实现方式，在第一方面的第五种可能的实现方式中，所述根据所述信道基系数最终估计值通过AR基系数插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，包括：

根据所述信道基系数最终估计值通过一阶AR模型得到所述数据符号位置的信道基系数；

其中，所述一阶AR模型为：表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的时域信道增益系数，且m的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第m-s个数据符号的第l条径上的所述信道基系数最终估计值；s表示待估计数据符号位置与当前导频符号位置间间隔，且s的取值范围为1、2或3；表示第l条径上两OFDM符号间隔为s时的信道状态转移矩阵；表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的AR模型误差；

根据所述导频符号位置和所述数据符号位置的信道基系数通过得到所述导频符号位置和所述数据符号位置的时域信道增益系数；其中，α_l,z为第z个OFDM符号的第l条径上的时域信道增益系数，z的取值范围为[0,13]内的整数；为第z个OFDM符号的第l条径上的信道基系数。

结合第一方面的第三种至第五种任一种可能的实现方式，在第一方面的第六种可能的实现方式中，所述根据所述导频符号位置和所述数据符号位置的时域信道增益系数得到所述频域信道增益系数，包括：

根据所述导频符号位置和所述数据符号位置的时域信道增益系数通过时频转换公式得到所述频域信道增益系数；

其中，所述时频转换公式为：

${\left[H_z^{(r,t)}\right]}_{k,n}=\frac{1}{N_u}\underset{l=0}{\overset{L^{(r,t)}-1}{\mathrm{\Σ}}}[e^{-j2\mathrm{\π}\frac{n}{N_u}{\mathrm{\τ}}_l}\×\underset{q=0}{\overset{N_u-1}{\mathrm{\Σ}}}{e}^{j2\mathrm{\π}\frac{{\widehat{\mathrm{\ν}}}_q}{N_u}}{\mathrm{\α}}_{l,z}^{(r,t)}\left(q{T}_s\right)e^{j2\mathrm{\π}\frac{(n-k)q}{N_u}}];$

其中，表示第t个发射天线与第r个接收天线间第z个OFDM符号的第l条径上的时域信道增益系数；表示第t个发射天线与第r个接收天线间第z个OFDM符号上的频域信道增益系数，k和n表示子载波编号；N_u为每个OFDM符号中的子载波个数；L^(r,t)为天线对(r,t)之间的总多径数；T_s为采样时间间隔；为归一化频偏值；τ_l为第l径时域信道的归一化时延。

结合第一方面、第一方面的第一种至第六种任一种可能的实现方式，在第一方面的第七种可能的实现方式中，所述根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值之前，还包括：

对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号，其中，所述信道信息包括：频偏估计值、噪声方差估计值和多普勒频移及信号功率估计值。

结合第一方面的第七种可能的实现方式，在第一方面的第八种可能的实现方式中，所述对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号之前，还包括：

对接收到的当前导频符号进行数据测量处理，得到所述信道信息。

结合第一方面的第八种可能的实现方式，在第一方面的第九种可能的实现方式中，所述对接收到的当前导频符号进行数据测量处理，得到所述信道信息，包括：

对所述当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值；

对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值；

根据所述噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所述信道的多普勒频移及信号功率估计值。

结合第一方面的第九种可能的实现方式，在第一方面的第十种可能的实现方式中，所述对所述当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值，包括：

对所述当前导频符号根据最大似然方法进行数据处理得到初始频偏估计V^(m)；

将所述V^(m)及所述当前导频符号位置的时域接收信号y_m代入似然函数得到归一化频偏值；所述似然函数的表达式为：其中，E^(m)为频偏矩阵，为归一化频偏值；

根据所述归一化频偏值通过分步搜索算法计算得到所述当前导频符号的频偏估计值。

第二方面，本发明实施例提供一种信道估计装置，包括：

第一估计模块，用于根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

第二估计模块，用于根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

插值模块，用于根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数。

结合第二方面，在第二方面的第一种可能的实现方式中，所述第一估计模块具体用于：根据所述相邻的基于基系数的导频符号采用最大似然信道估计公式对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

其中，所述最大似然信道估计公式为：

其中，为待估计信道的第m个导频符号的信道基系数初步估计值，表示状态转移矩阵，B为GCE-BEM基矩阵，Y_m-k表示第m-k个导频符号的频域接收的基于基系数的导频符号，表示第m-k个导频符号的信道系数，m的取值为0、4、7或11。

结合第二方面或第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述第二估计模块具体用于：根据所述信道基系数初步估计值采用卡尔曼滤波信道估计公式对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

其中，所述卡尔曼滤波信道估计公式为：

$\left\{\begin{array}{c}{\hat{c}}_{\left(m\right|m-1)}=\stackrel{\‾}{A}\·{\hat{c}}_{(m-1|m-1)}\\ {\hat{c}}_{\left(m\right|m)}={\hat{c}}_{\left(m\right|m-1)}+K_m(Y_m-S_m{\hat{c}}_{\left(m\right|m-1)})\end{array}\right.;$

其中，为观测方程中状态矩阵；K_m表示第m个导频符号位置的卡尔曼增益；S_m表示第m个导频符号位置的测量矩阵；Y_m表示第m个导频符号；表示第m个导频符号位置的信道基系数估计值；表示第m-1个导频符号位置的信道基系数估计值；表示由第m-1个导频符号估计第m个导频符号的信道基系数估计值。

结合第二方面、第二方面的第一种或第二种任一种可能的实现方式，在第二方面的第三种可能的实现方式中，所述插值模块包括：第一插值单元，用于根据所述信道基系数最终估计值通过时域维纳滤波插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，或第二插值单元，用于根据所述信道基系数最终估计值通过自回归AR基系数插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数；

第三插值单元，用于根据所述导频符号位置和所述数据符号位置的时域信道增益系数得到所述频域信道增益系数。

结合第二方面的第三种可能的实现方式，在第二方面的第四种可能的实现方式中，所述第一插值单元具体用于：

根据所述信道基系数最终估计值通过得到所述导频符号位置的时域信道增益系数；其中，α_l,m表示第m个导频符号的第l条径上的时域信道增益系数，B为GCE-BEM基矩阵，表示第m个导频符号的第l条径上的所述信道基系数最终估计值；其中，m的取值为0、4、7或11；

根据所述导频符号位置的时域信道增益系数通过时域维纳滤波插值公式得到所述数据符号位置的时域信道增益系数；

其中，所述时域维纳滤波插值公式为： ${\mathrm{\α}}_{l,\mathrm{all}}^{(r,t)}={\left[R_{{\mathrm{HH}}_p}^{\′}\right]}_{i,j}{({\left[R_{H_p{H}_p}^{\′}\right]}_{i,j}+{\mathrm{\σ}}_w^{2}I)}^{-1}\left[\begin{array}{c}{\mathrm{\α}}_{l,i_1}^{(r,t)}\\ {\mathrm{\α}}_{l,i_2}^{(r,t)}\end{array}\right];$

其中，表示第t个发射天线与第r个接收天线间所有OFDM符号的第l条径上的时域信道增益系数，所述所有OFDM符号包括：数据符号以及导频符号；表示时域上第i个数据符号位置与第j个导频符号位置间的相关系数；表示时域上第i个导频符号位置与第j个数据符号位置间的相关系数；表示第t个发射天线与第r个接收天线间第i₁个导频符号的第l条径上的时域信道参数，i₁的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第i₂个导频符号的第l条径上的时域信道参数，i₂的取值为：0、4、7或11，且i₁≠i₂；为噪声方差估计值。

结合第二方面的第三种可能的实现方式，在第二方面的第五种可能的实现方式中，所述第二插值单元具体用于：

根据所述信道基系数最终估计值通过一阶AR模型得到所述数据符号位置的信道基系数；

其中，所述一阶AR模型为：表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的时域信道增益系数，且m的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第m-s个数据符号的第l条径上的所述信道基系数最终估计值；s表示待估计数据符号位置与当前导频符号位置间间隔，且s的取值范围为1、2或3；表示第l条径上两OFDM符号间隔为s时的信道状态转移矩阵；表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的AR模型误差；

根据所述导频符号位置和所述数据符号位置的信道基系数通过得到所述导频符号位置和所述数据符号位置的时域信道增益系数；其中，α_l,z为第z个OFDM符号的第l条径上的时域信道增益系数，z的取值范围为[0,13]内的整数；为第z个OFDM符号的第l条径上的信道基系数。

结合第二方面的第三种至第五种任一种可能的实现方式，在第二方面的第六种可能的实现方式中，所述第三插值单元具体用于：根据所述导频符号位置和所述数据符号位置的时域信道增益系数通过时频转换公式得到所述频域信道增益系数；

其中，所述时频转换公式为：

${\left[H_z^{(r,t)}\right]}_{k,n}=\frac{1}{N_u}\underset{l=0}{\overset{L^{(r,t)}-1}{\mathrm{\Σ}}}[e^{-j2\mathrm{\π}\frac{n}{N_u}{\mathrm{\τ}}_l}\×\underset{q=0}{\overset{N_u-1}{\mathrm{\Σ}}}{e}^{j2\mathrm{\π}\frac{{\widehat{\mathrm{\ν}}}_q}{N_u}}{\mathrm{\α}}_{l,z}^{(r,t)}\left(q{T}_s\right)e^{j2\mathrm{\π}\frac{(n-k)q}{N_u}}];$

其中，表示第t个发射天线与第r个接收天线间第z个OFDM符号的第l条径上的时域信道增益系数；表示第t个发射天线与第r个接收天线间第z个OFDM符号上的频域信道增益系数，k和n表示子载波编号；N_u为每个OFDM符号中的子载波个数；L^(r,t)为天线对(r,t)之间的总多径数；T_s为采样时间间隔；为归一化频偏值；τ_l为第l径时域信道的归一化时延。

结合第二方面、第二方面的第一种至第六种任一种可能的实现方式，在第二方面的第七种可能的实现方式中，还包括：

预处理模块，用于对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号，其中，所述信道信息包括：频偏估计值、噪声方差估计值和多普勒频移及信号功率估计值。

结合第二方面的第七种可能的实现方式，在第二方面的第八种可能的实现方式中，还包括：

测量处理模块，用于对接收到的当前导频符号进行数据测量处理，得到所述信道信息。

结合第二方面的第八种可能的实现方式，在第二方面的第九种可能的实现方式中，所述测量处理模块，包括：

频偏估计单元，用于对所述当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值；

噪声方差估计单元，用于对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值；

频移估计单元，用于根据所述噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所述信道的多普勒频移及信号功率估计值。

结合第二方面的第九种可能的实现方式，在第二方面的第十种可能的实现方式中，所述频偏估计单元具体用于：

对所述当前导频符号根据最大似然方法进行数据处理得到初始频偏估计V^(m)；

将所述V^(m)及所述当前导频符号位置的时域接收信号y_m代入似然函数得到归一化频偏值；所述似然函数的表达式为：其中，E^(m)为频偏矩阵，为归一化频偏值；

根据所述归一化频偏值通过分步搜索算法计算得到所述当前导频符号的频偏估计值。

本发明中，首先根据相邻的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；进一步地，根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；进一步地，根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数，以实现将基于测量统计约束的最大似然信道估计方法与基于时间统计约束的卡尔曼滤波信道估计方法相结合的信道估计方法，从而能获得优异的信道估计性能。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明信道估计方法实施例一的流程示意图；

图2A为本发明实施例中滑窗数据更新示意图一；

图2B为本发明实施例中滑窗数据更新示意图二；

图3为本发明实施例中最大似然频偏算法示意图；

图4为本发明实施例中频偏估计结果滑窗数据缓存更新示意图；

图5为本发明信道估计方法实施例二的示意图；

图6为无频偏条件下联合导频最大似然MIMO-OFDM信道估计性能曲线；

图7为无频偏条件下基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能曲线；

图8为ETU300HZ与ETU850HZ信道环境下基于联合导频最大似然MIMO-OFDM及基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能与相关信道估计性能理论界的比较曲线；

图9为有频偏条件下基于联合导频最大似然MIMO-OFDM信道估计性能；

图10为有频偏条件下基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能；

图11为有频偏条件下基于联合导频最大似然MIMO-OFDM及基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能与相关信道估计性能理论界的比较曲线；

图12为有无频偏条件下基于联合导频最大似然MIMO-OFDM的性能比较曲线；

图13为有无频偏条件下基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的性能比较曲线；

图14为无频偏条件下基于联合导频最大似然MIMO-OFDM的信道频偏估计与传统的线性最小均方误差信道估计性能的均方误差性能曲线；

图15为EPA信道的无频偏条件下基于联合导频最大似然MIMO-OFDM的信道估计方法在采用不同联合导频符号数目条件下的信道估计性能曲线；

图16为EVA信道的无频偏条件下基于联合导频最大似然MIMO-OFDM的信道估计方法在采用不同联合导频符号数目条件下的信道估计性能曲线；

图17为本发明信道估计装置实施例一的结构示意图；

图18为本发明信道估计装置实施例二的结构示意图；

图19为本发明信道估计设备实施例的结构示意图。

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。

图1为本发明信道估计方法实施例一的流程示意图。本实施例的执行主体为配置在信道中的信道估计装置，该装置可以为通过软件和/或硬件实现。如图1所示，本实施例的方法可以包括：

步骤101、根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值。

步骤102、根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

步骤103、根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数。

现有信道估计方法分为两大类：一类为直接或间接利用信道统计信息进行信道估计；另一类为利用时间统计约束进行信道估计，因此，现有技术中的信道估计方法信道估计性能不是很高。而相比之下，本发明实施例中，在步骤101中根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；进一步地，在步骤102中根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；进一步地，在步骤103中根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数，可选地，所述插值运算包括时域维纳滤波插值运算或自回归(AutoRegressive，简称AR)基系数插值运算。

可选地，在步骤101中，根据所述相邻的基于基系数的导频符号采用最大似然信道估计公式对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

其中，所述最大似然信道估计公式为：

其中，为待估计信道的第m个导频符号的信道基系数初步估计值，表示第m个导频符号之后的第k+1个导频符号的状态转移矩阵，B为GCE-BEM基矩阵，Y_m-k表示第m-k个导频符号的频域接收的基于基系数的导频符号，表示第m-k个导频符号的信道系数，m的取值为0、4、7或11，为对矩阵做转置共轭运算。

可选地，在步骤102中，根据所述信道基系数初步估计值采用卡尔曼滤波信道估计公式对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

其中，所述卡尔曼滤波信道估计公式为：

$\left\{\begin{array}{c}{\hat{c}}_{\left(m\right|m-1)}=\stackrel{\‾}{A}\·{\hat{c}}_{(m-1|m-1)}\\ {\hat{c}}_{\left(m\right|m)}={\hat{c}}_{\left(m\right|m-1)}+K_m(Y_m-S_m{\hat{c}}_{\left(m\right|m-1)})\end{array}\right.;$

其中，为观测方程中状态矩阵；K_m表示第m个导频符号位置的卡尔曼增益；S_m表示第m个导频符号位置的测量矩阵；Y_m表示第m个导频符号；表示第m个导频符号位置的信道基系数估计值；表示第m-1个导频符号位置的信道基系数估计值；表示由第m-1个导频符号估计第m个导频符号的信道基系数估计值。

具体地，卡尔曼滤波算法包括如下几个部分：

1)初始化公式：

P_(0|0)＝R_c[0]；

$R_c\left[s\right]=\mathrm{blkdiag}\left\{R_c^{\left(\mathrm{1,1}\right)}\right[s],...,R_c^{(r,t)}[s],...,R_c^{(N_R,N_T)}[s\left]\right\};$

$R_c^{(r,t)}\left[s\right]=\mathrm{blkdiag}\left\{R_{c_0}^{(r,t)}\right[s],...,R_{c_l}^{(r,t)}[s],...,R_{c_{L-1}}^{(r,t)}[s\left]\right\};$

其中，P_(0|0)表示初始误差协方差矩阵；R_c[s]表示相关矩阵，s表示符号间隔；表示天线对(r,t)的相关矩阵，r的取值范围为[1，N_R]，t的取值范围为[1，N_T]，N_R表示MIMO系统的接收天线数，N_T表示MIMO系统的发射天线数；表示第l条径上天线对(r,t)的信道基系数相关矩阵，l的取值范围为[0，L-1]，L表示总多径数；blkdiag{}表示矩阵块对角化运算。

2)时间更新方程：

$\left\{\begin{array}{c}{\hat{c}}_{\left(m\right|m-1)}=\stackrel{\‾}{A}\·{\hat{c}}_{(m-1|m-1)};\\ P_{\left(m\right|m-1)}=\stackrel{\‾}{A}\·P_{(m-1|m-1)}\·{\stackrel{\‾}{A}}^H+U;\end{array}\right.$

其中，P_(m|m-1)表示由第m-1个导频符号预测第m个导频符号的误差协方差矩阵；P_(m-1|m-1)表示第m-1个导频符号的误差协方差矩阵；U表示AR模型误差协方差矩阵，U＝blkdiag{U_c,U_υ}；U_c＝blkdiag{U₀,…,U_l,…,U_L}，其中，U_υ表示频偏AR模型误差协方差矩阵，U_c表示信道基系数AR模型误差协方差矩阵，U_l表示第l条径的信道基系数AR模型误差协方差矩阵，表示第l径当前时刻的信道增益相关矩阵，表示第l径上一时刻的信道增益相关矩阵，表示与频偏有关的噪声方差，I表示单位矩阵。

3)测量更新方程：

$\left\{\begin{array}{c}{K}_m=P_{\left(m\right|m-1)}{S}_m^H(S_m{P}_{\left(m\right|m-1)}{S}_m^H+N_T\·{\mathrm{\σ}}^2{I}_{N_R{N}_u}{)}^{-1};\\ {\hat{c}}_{\left(m\right|m)}={\hat{c}}_{\left(m\right|m-1)}+K_m(Y_m-S_m{\hat{c}}_{\left(m\right|m-1)});\\ P_{\left(m\right|m)}=P_{\left(m\right|m-1)}-K_m{S}_m{P}_{\left(m\right|m-1)};\end{array}\right.$

其中，S_m表示卡尔曼滤波系统下测量方程中待估计的第m个导频符号的测量矩阵，且S_m＝H_mB，H_m表示第m个导频符号的信道系数；P_(m|m)表示第m个导频符号的误差协方差矩阵。

本发明实施例中，将所述信道基系数初步估计值作为卡尔曼滤波时间更新方程的初始值代入卡尔曼滤波算法中，并根据上述初始化方程、时间更新方程及测量更新方程对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值。

本发明实施例中，通过上述步骤得到导频符号位置的信道信息，进一步地，在步骤103中，根据所述导频符号位置的信道基系数最终估计值通过插值运算得到频域信道增益系数。

具体地，根据所述信道基系数最终估计值通过时域维纳滤波插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，或者根据所述信道基系数最终估计值通过自回归AR基系数插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数；

根据所述导频符号位置和所述数据符号位置的时域信道增益系数得到所述频域信道增益系数。

可选地，当通过时域维纳滤波插值运算时，根据所述信道基系数最终估计值通过得到所述导频符号位置的时域信道增益系数；其中，α_l,m表示第m个导频符号的第l条径上的时域信道增益系数，B为GCE-BEM基矩阵，表示第m个导频符号的第l条径上的所述信道基系数最终估计值；其中，m的取值为0、4、7或11，l的取值为预定义的，可选地，可根据不同信道环境由标准得知(标准中对信道参数有定义)。

根据所述导频符号位置的时域信道增益系数通过时域维纳滤波插值公式得到所述数据符号位置的时域信道增益系数；

其中，所述时域维纳滤波插值公式为： ${\mathrm{\α}}_{l,\mathrm{all}}^{(r,t)}={\left[R_{{\mathrm{HH}}_p}^{\′}\right]}_{i,j}{({\left[R_{H_p{H}_p}^{\′}\right]}_{i,j}+{\mathrm{\σ}}_w^{2}I)}^{-1}\left[\begin{array}{c}{\mathrm{\α}}_{l,i_1}^{(r,t)}\\ {\mathrm{\α}}_{l,i_2}^{(r,t)}\end{array}\right];$

其中，表示第t个发射天线与第r个接收天线间所有OFDM符号的第l条径上的时域信道增益系数，所述所有OFDM符号包括：数据符号以及导频符号，其中， ${\mathrm{\α}}_{l,\mathrm{all}}^{(r,t)}=[{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_0,{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_1,...,{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_i,...,{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_{13}],{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_i$ 表示第t个发射天线与第r个接收天线间第i个OFDM符号的第l条径上的时域信道增益系数，且 ${\left[{\mathrm{\α}}_l^{(r,t)}\right]}_i={[{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_{i,1},{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_{i,2},\·\·\·,{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_{i,j},\·\·\·,{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_{i,N_u}]}^T,{\left[{\mathrm{\α}}_l^{(r,t)}\right]}_{i,j}$ 表示第t个发射天线与第r个接收天线间第i个OFDM符号的第l条径上第i'子载波上的时域信道增益系数，i'的取值范围为[1，N_u]内的整数，N_u为每个OFDM符号中的子载波个数；表示时域上第i个数据符号位置与第j个导频符号位置间的相关系数；表示时域上第i个导频符号位置与第j个数据符号位置间的相关系数；表示第t个发射天线与第r个接收天线间第i₁个导频符号的第l条径上的时域信道参数，i₁的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第i₂个导频符号的第l条径上的时域信道参数，i₂的取值为：0、4、7或11，且i₁≠i₂；为噪声方差估计值。

可选地，表示时域上第i个数据位置与第j个导频位置间的相关系数；表示时域上第i个导频位置与第j个数据位置间的相关系数，且其中，f_d表示多普勒频移估计值，T_s表示采样时间间隔；J表示在时域内各个符号之间的相关性，而对于相同的子载波索引，J可以由第一类零阶Bessel函数J₀表示。

可选地，通过AR基系数插值运算时，根据所述信道基系数最终估计值通过一阶AR模型得到所述数据符号位置的信道基系数。

其中，所述一阶AR模型为：表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的时域信道增益系数，且m的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第m-s个数据符号的第l条径上的所述信道基系数最终估计值，其中，m-s为大于等于0且小于等于13的整数；s表示待估计数据符号位置与当前导频符号位置间间隔，且s的取值范围为1、2或3；表示第l条径上两OFDM符号间隔为s时的信道状态转移矩阵；表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的AR模型误差，为一个复高斯矢量。

根据所述导频符号位置和所述数据符号位置的信道基系数通过得到所述导频符号位置和所述数据符号位置的时域信道增益系数；其中，α_l,z为第z个OFDM符号的第l条径上的时域信道增益系数，所述OFDM符号包括数据符号及导频符号，z的取值范围为[0,13]内的整数；B为GCE-BEM基矩阵；为第z个OFDM符号的第l条径上的信道基系数。

其中， ${\stackrel{\‾}{A}}_{c_l}\left(s\right)=R_{c_l}^{(r,t)}\left[s\right]{\left(R_{c_l}^{(r,t)}\right[0\left]\right)}^{-1},$ $R_{c_l}^{(r,t)}\left[s\right]={\left({B_l}^H{B}_l\right)}^{-1}{B_l}^H{R}_{{\mathrm{\α}}_1}^{(r,t)}\left[s\right]B_l{\left({B_l}^H{B}_l\right)}^{-1},$ ${\left[R_{{\mathrm{\α}}_l}^{(r,t)}\right[s\left]\right]}_{k,m}=J_0\left(2\mathrm{\π}{\hat{f}}_d{T}_s(k-m+s{N}_u)\right),$ 其中，表示第l条径上天线对(r,t)的信道基系数相关矩阵，B_l表示第l条径的BEM基矩阵，表示第l条径上天线对(r,t)的时域信道增益系数相关矩阵，表示时域上第m个数据位置与第k个导频位置间第l条径上天线对(r,t)的时域信道增益系数相关矩阵，N_u表示每个OFDM符号中的子载波个数，s表示符号间隔。

本实施例中，以根据两个导频符号位置的信道基系数最终估计值为通过一阶AR模型得到所有数据符号位置的信道基系数为例进行详细说明，具体步骤如下：

1)由导频符号位置的信道基系数通过向前估计第1个～第3个数据符号位置的信道基系数；其中，s的取值为3、2或1，pinv()表示伪逆运算；

2)由导频符号位置的信道基系数通过向后估计第5个～第7个数据符号位置的信道基系数；其中，s的取值为1、2或3；

3)由导频符号位置的信道基系数通过向前估计第8个～第10个数据符号位置的信道基系数；其中，s的取值为3、2或1；

4)由导频符号位置的信道基系数通过向后估计第12个～第14个数据符号位置的信道基系数；其中，s的取值为1、2或3。

本发明实施例中，通过上述四个步骤即可得到所有数据符号位置的信道基系数，进一步地，通过即可以得到所有OFDM符号的时域信道增益系数(即所有数据符号位置和所有导频符号位置的时域信道增益系数)。

可选地，根据所述导频符号位置和所述数据符号位置的时域信道增益系数得到所述频域信道增益系数，包括：根据所述导频符号位置和所述数据符号位置的时域信道增益系数通过时频转换公式得到所述频域信道增益系数；

其中，所述时频转换公式为：

${\left[H_z^{(r,t)}\right]}_{k,n}=\frac{1}{N_u}\underset{l=0}{\overset{L^{(r,t)}-1}{\mathrm{\Σ}}}[e^{-j2\mathrm{\π}\frac{n}{N_u}{\mathrm{\τ}}_l}\×\underset{q=0}{\overset{N_u-1}{\mathrm{\Σ}}}{e}^{j2\mathrm{\π}\frac{{\widehat{\mathrm{\ν}}}_q}{N_u}}{\mathrm{\α}}_{l,z}^{(r,t)}\left(q{T}_s\right)e^{j2\mathrm{\π}\frac{(n-k)q}{N_u}}];$

其中，表示第t个发射天线与第r个接收天线间第z个OFDM符号的第l条径上的时域信道增益系数；表示第t个发射天线与第r个接收天线间第z个OFDM符号上的频域信道增益系数，k和n表示子载波编号；N_u为每个OFDM符号中子载波个数；L^(r,t)为天线对(r,t)之间的总多径数；T_s为采样时间间隔；为归一化频偏值；τ_l为第l径时域信道的归一化时延。

本发明实施例中，根据所述导频符号位置和所述数据符号位置的时域信道增益系数通过时频转换公式得到频域信道矩阵，然后提取频域信道矩阵对角线上的元素即为估计出的频域信道增益系数

优选地，本发明实施例中，在中低速移动场景及中低信噪比情况下选用时域维纳滤波插值运算，在高速移动场景及中高信噪比情况下选用AR基系数插值运算。

本发明实施例中，首先根据相邻的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；进一步地，根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；进一步地，根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数，以实现将基于测量统计约束的最大似然信道估计方法与基于时间统计约束的卡尔曼滤波信道估计方法相结合的信道估计方法，从而能获得优异的信道估计性能。

可选地，所述根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值之前，还包括：

对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号，其中，所述信道信息包括：频偏估计值、噪声方差估计值和多普勒频移及信号功率估计值。

本发明实施例中，首先根据所述信道信息通过如下方式进行数据预处理得到和具体地获取的公式如下：

$H_{m,p}\left(\hat{v}\right)=\mathrm{bldkiag}(H_{m,p}^{\left(1\right)}\left(\hat{v}\right),\·\·\·,H_{m,p}^{\left(N_R\right)}\left(\hat{v}\right));$

$H_{m,p}^{\left(i\right)}\left(\hat{v}\right)=[H_{m,p}^{(i,1)}\left(\hat{v}\right),\·\·\·,H_{m,p}^{(i,N_T)}\left(\hat{v}\right)]i=1,\·\·\·,N_R;$

$H_{m,p}^{(r,t)}\left(\hat{v}\right)=W_p\·E\·L_{m,p}^{(r,t)};$

${\left[L_{m,p}^{(r,t)}\right]}_{d,j}=\left\{\begin{array}{cc}{W}_{d,p}^H\mathrm{diag}\left\{X_{m,p}^{\left(t\right)}\right\}{f}_{l,p}& \mathrm{if\; j}=d+l{N}_u,l=0\·\·\·L-1\\ 0& \mathrm{else}\end{array}\right.;$

$E=\mathrm{diag}\left\{{[e^{j2\mathrm{\π}\frac{0\stackrel{6}{v}}{N_u}},\·\·\·,e^{j2\mathrm{\π}\frac{(N_u-1)\hat{v}}{N_u}}]}^T\right\};$

其中，表示第m个导频符号对应的第p个子载波上的信道系数，表示第i个接收天线上的第m个导频符号对应的第p个子载波上的信道系数，表示第t个发射天线与第r个接收天线间第m个导频符号对应的第p个子载波上的信道系数，且r＝1,...,N_R，t＝1,...,N_T；表示第p个载波的傅里叶矩阵，表示，示的第d行第j列，W_d,p表示W_p的第d列，f_l,p表示傅里叶矩阵的第l列，N_u表示OFDM符号子载波个数，L表示总多径数，E表示频偏矩阵，表示发送端第t个发射天线在第m个OFDM符号块内对应在第p个子载波上发送的符号，v表示所有N_T发射天线到N_R接收天线径上相同的归一化频偏。

具体地获取的公式如下：

$\stackrel{\‾}{A}=\{{\stackrel{\‾}{A}}_0,{\stackrel{\‾}{A}}_1,\·\·\·,{\stackrel{\‾}{A}}_{M-1}\}=\{A_0^{-1},A_1^{-1},\·\·\·,A_{M-1}^{-1}\};$

$A_i=R_{c_l}^{(r,t)}\left[i\right]{\left(R_{c_l}^{(r,t)}\right[0\left]\right)}^{-1};$

$R_{c_l}^{(r,t)}\left[s\right]={\left({B_l}^H{B}_l\right)}^{-1}{B_l}^H{R}_{{\mathrm{\α}}_l}^{(r,t)}\left[s\right]B_l{\left({B_l}^H{B}_l\right)}^{-1};$ ${\left[R_{{\mathrm{\α}}_l}^{(r,t)}\right[s\left]\right]}_{k,m}=J_0\left(2\mathrm{\π}{\hat{f}}_d{T}_s(k-m+s{N}_u)\right);$

其中，表示第i个导频符号对应的状态转移矩阵的逆矩阵，且i＝0,1,...M-2,M-1，M表示联合使用的导频的个数；A_i表示表示第i导频符号对应的状态转移矩阵，表示第l条径上天线对(r,t)的信道基系数相关矩阵，s的取值由导频符号间隔决定，表示第l条径上天线对(r,t)的时域信道增益系数相关矩阵，N_u表示OFDM符号的子载波个数，其中[B_l]_k,m表示第l条径的BEM基矩阵的第k列第m行，k＝0,...,N_u-1，m＝0,...,N_c-1，N_c表示基系数个数。

进一步地，根据所述通过系统频域接收模型得到基于基系数的当前导频符号，其中，Y_m,p表示第m个导频符号对应的第p个子载波上的频域接收的基于基系数的导频符号，c_m,p表示第m个导频符号对应的第p个子载波上的时域基系数，N表示噪声矩阵。

进一步地，对所述当前导频符号与所述通过滑窗存储得到与所述当前导频符号相邻的至少一个基于基系数的导频符号以及所述相邻的导频符号位置的具体步骤如下：

图2A为本发明实施例中滑窗数据更新示意图一，图2B为本发明实施例中滑窗数据更新示意图二，如图2A及2B所示，分别将所述Y_m,p与所述存入长度为M'的先入先出FIFO的滑窗存储器中(M'的取值范围根据联合导频的个数决定)，通过更新滑窗数据得到与所述当前导频符号相邻的至少一个基于基系数的导频符号以及所述相邻的导频符号位置的对应得到如下两组数据：

$\{H_{m-k,p}\left(\hat{v}\right),k=0,1,\·\·\·,M^{\′}-1\}$

{Y_m-k,p,k＝0,1,…,M'-1}

其中，Y_m-k,p，j表示第j个接收天线的第m-k个导频符号对应的第p个子载波上的频域接收的基于基系数的导频符号，j＝1,2,...,N_R-1,N_R。

可选地，所述对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号之前，还包括：

对接收到的当前导频符号进行数据测量处理，得到所述信道信息。

具体地，可以包括：对所述当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值；对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值；进一步地，根据所述噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所述信道的多普勒频移及信号功率估计值。

可选地，所述对所述当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值，包括：

对所述当前导频符号根据最大似然方法进行数据处理得到初始频偏估计V^(m)；

将所述V^(m)及所述当前导频符号位置的时域接收信号ym代入似然函数得到归一化频偏值；

其中，所述似然函数的表达式为： $\hat{V}=\arg \underset{v}{\max }\left[\mathrm{tr}\left(y_m^H{E}^{\left(m\right)}{V}^{\left(m\right)H}{V}^{\left(m\right)}{E}^{\left(m\right)H}{y}_m\right)\right],$ 其中，E^(m)为频偏矩阵，为归一化频偏值；

根据所述归一化频偏值通过分步搜索算法计算得到所述当前导频符号的频偏估计值。

图3为本发明实施例中最大似然频偏算法示意图，如图3所示，所述最大似然频偏算法包括如下几个步骤：

1)通过对当前导频符号进行数据预处理得到初始频偏估计V^(m)；

其中，代表DFT矩阵W的前L列，且是N_u×N_u的DFT矩阵，[W]_m,n表示DFT矩阵的第n列第m行，N_u表示OFDM符号的子载波数， 表示单位矩阵，N_T表示发送天线数目，N_R表示接收天线数目，即 $W=\left[\tilde{W}\right|\tilde{V}],\tilde{W}\∈C^{N_u\×L},\tilde{V}\∈C^{N_u\×(N_u-L)},$ 且有 ${\tilde{W}}^H\tilde{V}=0,$ $\tilde{W}{\tilde{W}}^H+\tilde{V}{\tilde{V}}^H=I,W_L={(I_{N_T{N}_R}\⊗\tilde{W})}_{N_u{N}_T{N}_R\×L{N}_T{N}_R},$ LL表示总的多径数，表示复数； 表示傅里叶矩阵F的扩维矩阵；X表示发射天线发送的频域导频符号矩阵，X^(t)表示第t个发射天线发送的频域导频符号矩阵，N表示OFDM符号数。

2)将所述V^(m)及所述当前导频符号位置的时域接收信号y_m代入似然函数得到归一化频偏值，所述似然函数的表达式为：

$\hat{V}=\arg \underset{v}{\max }\left[\mathrm{tr}\left(y_m^H{E}^{\left(m\right)}{V}^{\left(m\right)H}{V}^{\left(m\right)}{E}^{\left(m\right)H}{y}_m\right)\right];$

其中，频偏矩阵 $E^{\left(m\right)}=\mathrm{blkdiag}{\left[{{\tilde{E}}_1^{\left(m\right)},...,\tilde{E}}_{N_T{N}_R}^{\left(m\right)}\right]}_{N_u{N}_T{N}_R\×N_u{N}_T{N}_R},$ 表示第m个导频符号对应的频偏矩阵， 表示载波频偏(CFO)矩阵， 为归一化频偏值，L_m代表第m个导频符号第一个抽样时刻所对应的序号；y_m,r＝F^HXWh+N表示第r根接收天线接收到的第m个时域导频信号，r＝1,2,...,N_R-1,N_R，h表示时域信道增益。

3)根据所述归一化频偏值通过分步搜索算法计算得到所述当前导频符号的频偏估计值。

图4为本发明实施例中频偏估计结果滑窗数据缓存更新示意图，如图4所示，将所述归一化频偏值存入长度为K的先入先出(FIFO)的频偏估计结果滑窗存储器中(K的取值范围根据系统复杂度和估计)，并将长度为K的频偏估计结果滑窗存储器中缓存的K个频偏值通过确定当前时刻的当前导频符号的频偏估计值，其中，表示当前时刻的第i个滑窗中存储的频偏值，表示当前时刻的当前导频符号的频偏估计值。

可选地，对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值，包括：根据基于导频的噪声方差估计公式对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值，其中，所述基于导频的噪声方差估计公式如下：

${\widehat{\mathrm{\σ}}}_{(q,p)}^2=\frac{1}{2K{N}_u}\underset{i=1}{\overset{1}{\mathrm{\Σ}}}\underset{k=1}{\overset{N_u}{\mathrm{\Σ}}}{|\frac{Y^{(q,p)}(i,k+1)}{X^{(q,p)}(i,k+1)}-\frac{Y^{(q,p)}(i,k)}{X^{(q,p)}(i,k)}|}^2;$

其中，表示(q,p)天线对上信道的噪声方差估计值，Y^(q,p)(i,k)表示(q,p)天线对上第i个导频符号的第k个子载波位置的频域接收符号，X^(q,p)(i,k)代表(q,p)天线对上第i个导频符号的第k个子载波位置的频域发送符号，N_u为子载波数，K为导频符号数。

根据LTE上行中导频的幅值恒为一，上式可以化简为：

${\widehat{\mathrm{\σ}}}_{(q,p)}^2=\frac{1}{2K{N}_u}\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\underset{k=1}{\overset{N_u}{\mathrm{\Σ}}}{|Y^{(q,p)}(i,k+1)X^{(q,p)*}(i,k+1)-Y^{(q,p)}(i,k)X^{(q,p)*}(i,k)|}^2;$

因此，所有天线对上信道的噪声方差估计值可以由下式表示：

${\widehat{\mathrm{\σ}}}_w^2=\frac{1}{N_T{N}_R}\underset{p=1}{\overset{N_T}{\mathrm{\Σ}}}\underset{q=1}{\overset{N_R}{\mathrm{\Σ}}}{\widehat{\mathrm{\σ}}}_{(q,p)}^2$

其中，表示信道的噪声方差估计值。

可选地，根据所述噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所述信道的多普勒频移及信号功率估计值的步骤具体如下：

本发明实施例中，在得到噪声方差估计值后，通过基于循环前缀与OFDM符号中的相同部分进行自相关运算，从而得到多普勒频移值，具体通过公式得到多普勒频移值，其中，J₀(·)表示第一类零阶Bessel函数，表示多普勒频移估计值；SNR表示信噪比，且SNR＝E[SNR(i)]，SNR(i)是第i个导频符号随时间变化的信噪比，且P表示总功率，K表示导频符号数；表示第i个导频符号的归一化的自相关函数，且由于并不需要所有的循环前缀都参加自相关运算，而截断循环前缀并选取其后面部分，本实施例中选取的参加运算的值为M_CP，M_CP为多普勒估计中所用的CP长度；表示的实部，表示的虚部，表示第i个导频符号的信号功率估计值的实部，表示第i个导频符号的信号功率估计值的虚部；其中， ${\widehat{\mathrm{\ρ}}}_i(N_u{T}_s,i)=\frac{1}{M_{\mathrm{CP}}}\underset{l=1}{\overset{M_{\mathrm{CP}}}{\mathrm{\Σ}}}\left\{y_i\right[(i-1)(N_u+N_{\mathrm{CP}})T_s+(N_{\mathrm{CP}}-M_{\mathrm{CP}}+k)T_s]\·y_i[(i-1)(N_u+N_{\mathrm{CP}})T_s+(N_{\mathrm{CP}}-M_{\mathrm{CP}}+k+N_u)T_s\left]\right\}$ ，N_cp为CP长度，T_s代表系统的采样符号周期，y_i表示时域接收信号的实部； ${\widehat{\mathrm{\ρ}}}_q(N_u{T}_s,i)=\frac{1}{M_{\mathrm{CP}}}\underset{l=1}{\overset{M_{\mathrm{CP}}}{\mathrm{\Σ}}}\left\{y_q\right[(i-1)(N_u+N_{\mathrm{CP}})T_s+(N_{\mathrm{CP}}-M_{\mathrm{CP}}+k)T_s]\·y_q[(i-1)(N_u+N_{\mathrm{CP}})T_s+(N_{\mathrm{CP}}-M_{\mathrm{CP}}+k+N_u)T_s\left]\right\}$ ，y_q表示时域接收信号的虚部； ${\widehat{\mathrm{\α}}}_i(N_u{T}_s,i)=\frac{1}{M_{\mathrm{CP}}}\underset{k=1}{\overset{M_{\mathrm{CP}}}{\mathrm{\Σ}}}{y_i}^2[(i-1)(N_u+N_{\mathrm{CP}})T_s+(N_{\mathrm{CP}}-M_{\mathrm{CP}}+k+N_u)T_s],$ ${\widehat{\mathrm{\α}}}_q(N_u{T}_s,i)=\frac{1}{M_{\mathrm{CP}}}\underset{k=1}{\overset{M_{\mathrm{CP}}}{\mathrm{\Σ}}}{y_q}^2[(i-1)(N_u+N_{\mathrm{CP}})T_s+(N_{\mathrm{CP}}-M_{\mathrm{CP}}+k+N_u)T_s].$

其中，多普勒频移估计值可以通过计算Bessel函数的逆求得，由于第一类零阶Bessel函数是一个非线性函数，J₀(x)的一个值可能对应着x的多个值，因此必须把x限定在第一个单调区间内。

进一步地，由传输的信号的平均功率E[a²(k)]＝E[b²(k)]＝Λ²/2，通过Λ²(i)＝SNR(i)*(N₀B)得到信号功率估计值，Λ²(i)表示第i个导频符号的信号功率估计值，N₀表示噪声功率谱密度。

本发明实施例中，首先对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号；其次，根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；并根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；最后，根据所述信道基系数最终估计值通过时域维纳滤波插值运算或自回归AR基系数插值运算得到频域信道增益系数，以实现将基于测量统计约束的最大似然信道估计方法与基于时间统计约束的卡尔曼滤波信道估计方法相结合的信道估计方法，从而能获得优异的信道估计性能。

图5为本发明信道估计方法实施例二的示意图，如图5所示，本发明实施例中，1)对接收到的当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值；2)对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值；3)根据所述噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所述信道的多普勒频移及信号功率估计值；4)对信道信息(所述信道信息包括：频偏估计值、噪声方差估计值和多普勒频移及信号功率估计值)进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号；5)根据相邻的所述基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；6)根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；7)根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数，其中，所述差值运算可以为时域维纳滤波插值运算或自回归AR基系数插值运算，可选地，根据信号功率Λ²与噪声方差相比结果进行自适应差值判断，若相比结果大于等于15dB时，则采用AR基系数插值；若小于15dB时，则采用时域维纳滤波插值。其中，具体地实施步骤详见上述实施例中，在此不再赘述。

本发明实施例中，为了验证基于本发明上述实施例中基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能，按照表1中相关参数(表1为固定频偏调下下仿真参数)仿真验证基于本发明上述实施例中信道估计方法在无频偏和有频偏条件下的信道估计性能。

表1、固定频偏条件下仿真参数

1)无频偏条件下信道估计性能

图6为无频偏条件下联合导频最大似然MIMO-OFDM信道估计性能曲线，图7为无频偏条件下基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能曲线，其中，EML代表基于联合导频最大似然MIMO-OFDM信道估计方法，EMLKF代表基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法；横坐标为信噪比(Signal-to-NoiseRatio，简称SNR)，单位为dB；纵坐标为均方误差(MeanSquareError，简称MSE)。如图6所示，在中低信噪比(<15dB)条件下，基于联合导频最大似然MIMO-OFDM信道估计在典型城区信道(ExtendedTypicalUrbanmodel，简称ETU)信道下与在典型步行信道(ExtendedPedestrianaModel，简称EPA)信道条件下的信道估计性能近似相同；但在中高信噪比(>15dB)条件下，基于联合导频最大似然MIMO-OFDM信道估计在ETU信道条件下的信道估计性能较EPA信道条件下的信道估计性能有明显的性能损失，如图6及图7所示，采用基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法可以改善中高信噪比条件下基于联合导频最大似然MIMO-OFDM信道估计方法的信道估计性能。

为了进一步说明基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法通过对时间统计约束和测量统计约束的有效利用所能获得的信道估计性能，图8为ETU300HZ与ETU850HZ信道环境下基于联合导频最大似然MIMO-OFDM及基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能与相关信道估计性能理论界的比较曲线，其中，CRB代表克拉美罗界，联合导频符号数目M＝2；横坐标为SNR；纵坐标为MSE。如图8所示，在ETU300Hz信道及ETU850HZ信道的中低信噪比信道条件下基于联合导频最大似然MIMO-OFDM信道估计方法的信道估计性能与对应的性能理论界相比性能损失大约在3～4dB，在ETU850HZ信道的中高信噪比条件下基于联合导频最大似然MIMO-OFDM信道估计方法的信道估计性能与性能理论界相比仍然存在着较大的偏差，但在ETU850HZ信道的中高信噪比条件下基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能与性能理论界相比偏差较小，说明中高信噪比条件下改进超高移动环境下MIMO-OFDM信道估计性能还有相当大的空间。

2)有频偏条件下信道估计性能

为了评估频偏对MIMO-OFDM信道估计性能的影响，图9为有频偏条件下基于联合导频最大似然MIMO-OFDM信道估计性能，图10为有频偏条件下基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能，其中，横坐标为SNR；纵坐标为MSE；联合导频符号数目M＝2。对比图9和图6可见，频偏的存在对EPA和EVA信道条件下的信道估计性能较小，但对高速移动条件下的ETU300HZ和ETU850HZ信道条件下的信道估计性能会带来一定的影响。如图10所示，基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法可以有效改善频偏对信道估计性能的不利影响。

为了进一步说明基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法通过对时间统计约束和测量统计约束的有效利用所能获得的信道估计性能，图11为有频偏条件下基于联合导频最大似然MIMO-OFDM及基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能与相关信道估计性能理论界的比较曲线，其中，横坐标为SNR；纵坐标为MSE；联合导频符号数目M＝2。如图11所示，在ETU850HZ信道条件下，基于联合导频最大似然MIMO-OFDM信道估计方法的信道估计性能与性能理论界相比仍然存在着较大的偏差，但基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能与性能理论界相比偏差较小，说明在基于联合导频最大似然信道估计算法中加入卡尔曼滤波确实有助于进一步提升和改进信道估计性能。

为了更清楚地说明频偏引入对信道估计性能的影响，图12为有无频偏条件下基于联合导频最大似然MIMO-OFDM的性能比较曲线，图13为有无频偏条件下基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的性能比较曲线，其中，横坐标为SNR；纵坐标为MSE；联合导频符号数目M＝2。如图12所示，图12中对比了ETU300HZ和ETU850HZ信道条件下基于联合导频最大似然MIMO-OFDM的信道估计性能在有无频偏条件下的性能差异，由图12所示，在中低信噪比条件下(<15dB)，频偏的引入对信道估计性能的影响很小，但在中高信噪比条件下，频偏对信道估计的影响还是较为明显的。如图13所示，图13中对比了ETU300HZ和ETU850HZ信道条件下基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能在有无频偏条件下的性能差异，图13所示结果表明，在基于联合导频最大似然信道估计中引入卡尔曼滤波可以大幅度抑制在中高信噪比条件下频偏对信道估计性能所带来的不利影响。

综上所述，本发明上述实施例中基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法确实为超高移动环境下MIMO-OFDM信道估计提供了有效的信道估计技术方案。

3)联合导频符号数对频偏估计性能的影响

为了进一步清楚地说明联合导频符号对MIMO-OFDM信道估计性能的影响，图14为无频偏条件下基于联合导频最大似然MIMO-OFDM的信道频偏估计与传统的线性最小均方误差信道估计性能的均方误差性能曲线，其中，横坐标为SNR；纵坐标为MSE。图14中对比了1.4MHz系统带宽、无频偏及ETU850HZ信道条件下使用两个相邻导频OFDM符号的基于联合导频最大似然MIMO-OFDM的信道估计与传统的线性最小均方误差信道估计性能的均方误差性能关系。如图14所示，采用基于联合导频最大似然MIMO-OFDM的信道估计方法可以非常显著地提升和改进信道估计性能，如在中低信噪比条件下信道估计性能提升7dB以上，在中高信噪比条件下信道估计性能甚至可以提升达到10dB以上。

如图7所示，采用基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法，在超高移动的ETU300HZ和ETU850HZ信道环境下信道估计的均方误差性能在中低信噪比(<20dB)与慢速运动的EPA信道环境下的信道估计均方误差性能差在2～3dB之间。可选地，由于在ETU850HZ这样的超高移动环境下，信道变化时变性更加突出，难以进一步采用AR模型、依托相邻导频OFDM符号所经历信道间平滑演进关系来增加在信道估计中所能联合利用的导频符号数目，因此，在超高移动的ETU850HZ信道环境下可能难以进一步通过AR模型增加联合导频符号数来改善信道估计性能。但在中低移动的EPA和EVA信道环境下，由于信道时变性较慢，是可以考虑增加联合导频符号数来进一步改进信道估计性能。

图15为EPA信道的无频偏条件下基于联合导频最大似然MIMO-OFDM的信道估计方法在采用不同联合导频符号数目条件下的信道估计性能曲线；其中，横坐标为SNR；纵坐标为MSE；资源块个数为20RB。如图15所示，由于EPA信道时变性不明显，可以采用AR模型将更多个导频OFDM符号联合利用起来，以改进信道估计性能(联合导频符号数从2增加10，随着联合导频符号数目的增加，信道估计性能逐步得到改进，但随着联合导频符号数目的增加，信道估计性能增益的改善程度有所下降，但与联合2个导频符号数相比，联合10个导频符号在信道估计中能获得约5dB的性能改进)。

图16为EVA信道的无频偏条件下基于联合导频最大似然MIMO-OFDM的信道估计方法在采用不同联合导频符号数目条件下的信道估计性能曲线，其中，横坐标为SNR；纵坐标为MSE。如图16所示，EVA信道条件下的信道估计验证结果与EPA信道条件类似，当联合导频符号数从2增加到8时，在中低信噪比条件下能额外获得约5dB的性能改进。但如果进一步增加联合导频符号数，由于信道的时变性，信道估计性能反而出现下降(特别是在高信噪比区域)。综上所述，在实际应用中应根据信道的实际情况，选择合理的联合导频符号数，以确保信道估计性能的提升。

综上所述，在不修改现有LTE系统导频结构、导频序列和导频布局的条件下，仅通过联合利用相邻导频符号就可以有效提升MIMO-OFDM信道估计性能；进一步地，在联合导频的基础上，通过将最大似然代替卡尔曼滤波中时间更新方程的方法有效地将时间统计约束和测量统计约束结合使用，可以进一步地提升信道估计性能，克服频偏对信道估计性能的不利影响，可见，基于本发明上述实施例中基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计技术可以有效改善时频双选择性快衰落信道条件下的信道估计性能。

图17为本发明信道估计装置实施例一的结构示意图，如图17所示，本实施例提供的信道估计装置170包括：第一估计模块1701、第二估计模块1702及插值模块1703。

其中，第一估计模块1701用于根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

第二估计模块1702用于根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

插值模块1703用于根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数。

可选地，所述第一估计模块1701具体用于：根据所述相邻的基于基系数的导频符号采用最大似然信道估计公式对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

其中，所述最大似然信道估计公式为：

其中，为待估计信道的第m个导频符号的信道基系数初步估计值，表示状态转移矩阵，B为GCE-BEM基矩阵，Y_m-k表示第m-k个导频符号的频域接收的基于基系数的导频符号，表示第m-k个导频符号的信道系数，m的取值为0、4、7或11。

可选地，所述第二估计模块1702具体用于：根据所述信道基系数初步估计值采用卡尔曼滤波信道估计公式对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

其中，所述卡尔曼滤波信道估计公式为：

$\left\{\begin{array}{c}{\hat{c}}_{\left(m\right|m-1)}=\stackrel{\&OverBar;}{A}\&CenterDot;{\hat{c}}_{(m-1|m-1)}\\ {\hat{c}}_{\left(m\right|m)}={\hat{c}}_{\left(m\right|m-1)}+K_m(Y_m-S_m{\hat{c}}_{\left(m\right|m-1)})\end{array}\right.;$

其中，为观测方程中状态矩阵；K_m表示第m个导频符号位置的卡尔曼增益；S_m表示第m个导频符号位置的测量矩阵；Y_m表示第m个导频符号；表示第m个导频符号位置的信道基系数估计值；表示第m-1个导频符号位置的信道基系数估计值；表示由第m-1个导频符号估计第m个导频符号的信道基系数估计值。

可选地，所述插值模块1703包括：第一插值单元，用于根据所述信道基系数最终估计值通过时域维纳滤波插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，或第二插值单元，用于根据所述信道基系数最终估计值通过自回归AR基系数插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数；

第三插值单元，用于根据所述导频符号位置和所述数据符号位置的时域信道增益系数得到所述频域信道增益系数。

可选地，所述第一插值单元具体用于：

根据所述信道基系数最终估计值通过得到所述导频符号位置的时域信道增益系数；其中，α_l,m表示第m个导频符号的第l条径上的时域信道增益系数，B为GCE-BEM基矩阵，表示第m个导频符号的第l条径上的所述信道基系数最终估计值；其中，m的取值为0、4、7或11；

根据所述导频符号位置的时域信道增益系数通过时域维纳滤波插值公式得到所述数据符号位置的时域信道增益系数；

其中，所述时域维纳滤波插值公式为： ${\mathrm{\&alpha;}}_{l,\mathrm{all}}^{(r,t)}={\left[R_{{\mathrm{HH}}_p}^{\&prime;}\right]}_{i,j}{({\left[R_{H_p{H}_p}^{\&prime;}\right]}_{i,j}+{\mathrm{\&sigma;}}_w^{2}I)}^{-1}\left[\begin{array}{c}{\mathrm{\&alpha;}}_{l,i_1}^{(r,t)}\\ {\mathrm{\&alpha;}}_{l,i_2}^{(r,t)}\end{array}\right];$

其中，表示第t个发射天线与第r个接收天线间所有OFDM符号的第l条径上的时域信道增益系数，所述所有OFDM符号包括：数据符号以及导频符号；表示时域上第i个数据符号位置与第j个导频符号位置间的相关系数；表示时域上第i个导频符号位置与第j个数据符号位置间的相关系数；表示第t个发射天线与第r个接收天线间第i₁个导频符号的第l条径上的时域信道参数，i₁的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第i₂个导频符号的第l条径上的时域信道参数，i₂的取值为：0、4、7或11，且i₁≠i₂；为噪声方差估计值。

可选地，所述第二插值单元具体用于：

根据所述信道基系数最终估计值通过一阶AR模型得到所述数据符号位置的信道基系数；

其中，所述一阶AR模型为：表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的时域信道增益系数，且m的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第m-s个数据符号的第l条径上的所述信道基系数最终估计值；s表示待估计数据符号位置与当前导频符号位置间间隔，且s的取值范围为1、2或3；表示第l条径上两OFDM符号间隔为s时的信道状态转移矩阵；表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的AR模型误差；

根据所述导频符号位置和所述数据符号位置的信道基系数通过得到所述导频符号位置和所述数据符号位置的时域信道增益系数；其中，α_l,z为第z个OFDM符号的第l条径上的时域信道增益系数，z的取值范围为[0,13]内的整数；为第z个OFDM符号的第l条径上的信道基系数。

可选地，所述第三插值单元具体用于：根据所述导频符号位置和所述数据符号位置的时域信道增益系数通过时频转换公式得到所述频域信道增益系数；

其中，所述时频转换公式为：

${\left[H_z^{(r,t)}\right]}_{k,n}=\frac{1}{N_u}\underset{l=0}{\overset{L^{(r,t)}-1}{\mathrm{\&Sigma;}}}[e^{-j2\mathrm{\&pi;}\frac{n}{N_u}{\mathrm{\&tau;}}_l}\&times;\underset{q=0}{\overset{N_u-1}{\mathrm{\&Sigma;}}}{e}^{j2\mathrm{\&pi;}\frac{{\widehat{\mathrm{\&nu;}}}_q}{N_u}}{\mathrm{\&alpha;}}_{l,z}^{(r,t)}\left(q{T}_s\right)e^{j2\mathrm{\&pi;}\frac{(n-k)q}{N_u}}];$

其中，表示第t个发射天线与第r个接收天线间第z个OFDM符号的第l条径上的时域信道增益系数；表示第t个发射天线与第r个接收天线间第z个OFDM符号上的频域信道增益系数，k和n表示子载波编号；N_u为每个OFDM符号中的子载波个数；L^(r,t)为天线对(r,t)之间的总多径数；T_s为采样时间间隔；为归一化频偏值；τ_l为第l径时域信道的归一化时延。

本实施例的信道估计装置，可以用于本发明信道估计方法实施例一的技术方案，其实现原理和技术效果类似，此处不再赘述。

图18为本发明信道估计装置实施例二的结构示意图。本实施例提供的信道估计装置170在图17实施例的基础上，还包括：

预处理模块1704用于对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号，其中，所述信道信息包括：频偏估计值、噪声方差估计值和多普勒频移及信号功率估计值。

可选地，还包括：

测量处理模块1705用于对接收到的当前导频符号进行数据测量处理，得到所述信道信息。

可选地，所述测量处理模块1705，包括：

频偏估计单元，用于对所述当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值；

噪声方差估计单元，用于对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值；

频移估计单元，用于根据所述噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所述信道的多普勒频移及信号功率估计值。

可选地，所述频偏估计单元具体用于：

对所述当前导频符号根据最大似然方法进行数据处理得到初始频偏估计V^(m)；

将所述V^(m)及所述当前导频符号位置的时域接收信号y_m代入似然函数得到归一化频偏值；所述似然函数的表达式为：其中，E^(m)为频偏矩阵，为归一化频偏值；

根据所述归一化频偏值通过分步搜索算法计算得到所述当前导频符号的频偏估计值。

本实施例的信道估计装置，可以用于本发明上述信道估计方法任意实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图19为本发明信道估计设备实施例的结构示意图。如图19所示，本实施例提供的信道估计设备190包括处理器1901、存储器1902和接收器1903。其中，接收器1903用于接收信号，存储器1902存储执行指令，当信道估计设备190运行时，处理器1901与存储器1902之间通信，处理器1901调用存储器1902中的执行指令，用于执行上述信道估计方法任意实施例中的操作。

本实施例的信道估计设备，可以用于执行本发明上述信道估计方法任意实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (22)

1.一种信道估计方法，其特征在于，包括：

根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数。

2.根据权利要求1所述的方法，其特征在于，所述根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值，包括：

根据所述相邻的基于基系数的导频符号采用最大似然信道估计公式对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

其中，所述最大似然信道估计公式为：

其中，为待估计信道的第m个导频符号的信道基系数初步估计值，表示状态转移矩阵，B为GCE-BEM基矩阵，Y_m-k表示第m-k个导频符号的频域接收的基于基系数的导频符号，表示第m-k个导频符号的信道系数，m的取值为0、4、7或11。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值，包括：

根据所述信道基系数初步估计值采用卡尔曼滤波信道估计公式对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

其中，所述卡尔曼滤波信道估计公式为：

$\left\{\begin{array}{c}{\hat{c}}_{\left(m\right|m-1)}=\stackrel{\&OverBar;}{A}\&CenterDot;{\hat{c}}_{(m-1|m-1)}\\ {\hat{c}}_{\left(m\right|m)}={\hat{c}}_{\left(m\right|m-1)}+K_m(Y_m-S_m{\hat{c}}_{\left(m\right|m-1)})\end{array}\right.;$

其中，为观测方程中状态矩阵；K_m表示第m个导频符号位置的卡尔曼增益；S_m表示第m个导频符号位置的测量矩阵；Y_m表示第m个导频符号；表示第m个导频符号位置的信道基系数估计值；表示第m-1个导频符号位置的信道基系数估计值；表示由第m-1个导频符号估计第m个导频符号的信道基系数估计值。

4.根据权利要求1-3中任一项所述的方法，其特征在于，根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数，包括：

根据所述信道基系数最终估计值通过时域维纳滤波插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，或者根据所述信道基系数最终估计值通过自回归AR基系数插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数；

根据所述导频符号位置和所述数据符号位置的时域信道增益系数得到所述频域信道增益系数。

5.根据权利要求4所述的方法，其特征在于，所述根据所述信道基系数最终估计值通过时域维纳滤波插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，包括：

根据所述信道基系数最终估计值通过得到所述导频符号位置的时域信道增益系数；其中，α_l,m表示第m个导频符号的第l条径上的时域信道增益系数，B为GCE-BEM基矩阵，表示第m个导频符号的第l条径上的所述信道基系数最终估计值；其中，m的取值为0、4、7或11；

根据所述导频符号位置的时域信道增益系数通过时域维纳滤波插值公式得到所述数据符号位置的时域信道增益系数；

其中，所述时域维纳滤波插值公式为： ${\mathrm{\&alpha;}}_{l,\mathrm{all}}^{(r,t)}={\left[R_{{\mathrm{HH}}_p}^{\&prime;}\right]}_{i,j}{({\left[R_{H_p{H}_p}^{\&prime;}\right]}_{i,j}+{\mathrm{\&sigma;}}_w^{2}I)}^{-1}\left[\begin{array}{c}{\mathrm{\&alpha;}}_{l,i_1}^{(r,t)}\\ {\mathrm{\&alpha;}}_{l,i_2}^{(r,t)}\end{array}\right];$

其中，表示第t个发射天线与第r个接收天线间所有OFDM符号的第l条径上的时域信道增益系数，所述所有OFDM符号包括：数据符号以及导频符号；表示时域上第i个数据符号位置与第j个导频符号位置间的相关系数；表示时域上第i个导频符号位置与第j个数据符号位置间的相关系数；表示第t个发射天线与第r个接收天线间第i₁个导频符号的第l条径上的时域信道参数，i₁的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第i₂个导频符号的第l条径上的时域信道参数，i₂的取值为：0、4、7或11，且i₁≠i₂；为噪声方差估计值。

6.根据权利要求4所述的方法，其特征在于，所述根据所述信道基系数最终估计值通过AR基系数插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，包括：

根据所述信道基系数最终估计值通过一阶AR模型得到所述数据符号位置的信道基系数；

其中，所述一阶AR模型为：表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的时域信道增益系数，且m的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第m-s个数据符号的第l条径上的所述信道基系数最终估计值；s表示待估计数据符号位置与当前导频符号位置间间隔，且s的取值范围为1、2或3；表示第l条径上两OFDM符号间隔为s时的信道状态转移矩阵；表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的AR模型误差；

根据所述导频符号位置和所述数据符号位置的信道基系数通过得到所述导频符号位置和所述数据符号位置的时域信道增益系数；其中，α_l,z为第z个OFDM符号的第l条径上的时域信道增益系数，z的取值范围为[0,13]内的整数；为第z个OFDM符号的第l条径上的信道基系数。

7.根据权利要求4-6中任一项所述的方法，其特征在于，所述根据所述导频符号位置和所述数据符号位置的时域信道增益系数得到所述频域信道增益系数，包括：

根据所述导频符号位置和所述数据符号位置的时域信道增益系数通过时频转换公式得到所述频域信道增益系数；

其中，所述时频转换公式为：

${\left[H_z^{(r,t)}\right]}_{k,n}=\frac{1}{N_u}\underset{l=0}{\overset{L^{(r,t)}-1}{\mathrm{\&Sigma;}}}[e^{-j2\mathrm{\&pi;}\frac{n}{N_u}{\mathrm{\&tau;}}_l}\&times;\underset{q=0}{\overset{N_u-1}{\mathrm{\&Sigma;}}}{e}^{j2\mathrm{\&pi;}\frac{{\widehat{\mathrm{\&nu;}}}_q}{N_u}}{\mathrm{\&alpha;}}_{l,z}^{(r,t)}\left(q{T}_s\right)e^{j2\mathrm{\&pi;}\frac{(n-k)q}{N_u}}];$

其中，表示第t个发射天线与第r个接收天线间第z个OFDM符号的第l条径上的时域信道增益系数；表示第t个发射天线与第r个接收天线间第z个OFDM符号上的频域信道增益系数，k和n表示子载波编号；N_u为每个OFDM符号中的子载波个数；L^(r,t)为天线对(r,t)之间的总多径数；T_s为采样时间间隔；为归一化频偏值；τ_l为第l径时域信道的归一化时延。

8.根据权利要求1-7中任一项所述的方法，其特征在于，所述根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值之前，还包括：

对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号，其中，所述信道信息包括：频偏估计值、噪声方差估计值和多普勒频移及信号功率估计值。

9.根据权利要求8所述的方法，其特征在于，所述对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号之前，还包括：

对接收到的当前导频符号进行数据测量处理，得到所述信道信息。

10.根据权利要求9所述的方法，其特征在于，所述对接收到的当前导频符号进行数据测量处理，得到所述信道信息，包括：

对所述当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值；

对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值；

根据所述噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所述信道的多普勒频移及信号功率估计值。

11.根据权利要求10所述的方法，其特征在于，所述对所述当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值，包括：

对所述当前导频符号根据最大似然方法进行数据处理得到初始频偏估计V^(m)；

将所述V^(m)及所述当前导频符号位置的时域接收信号y_m代入似然函数得到归一化频偏值；所述似然函数的表达式为：其中，E^(m)为频偏矩阵，为归一化频偏值；

根据所述归一化频偏值通过分步搜索算法计算得到所述当前导频符号的频偏估计值。

12.一种信道估计装置，其特征在于，包括：

第一估计模块，用于根据相邻的基于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

第二估计模块，用于根据所述信道基系数初步估计值采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

插值模块，用于根据所述信道基系数最终估计值通过插值运算得到频域信道增益系数。

13.根据权利要求12所述的装置，其特征在于，所述第一估计模块具体用于：根据所述相邻的基于基系数的导频符号采用最大似然信道估计公式对信道进行初步估计，得到所述导频符号位置的信道基系数初步估计值；

其中，所述最大似然信道估计公式为：

其中，为待估计信道的第m个导频符号的信道基系数初步估计值，表示状态转移矩阵，B为GCE-BEM基矩阵，Y_m-k表示第m-k个导频符号的频域接收的基于基系数的导频符号，表示第m-k个导频符号的信道系数，m的取值为0、4、7或11。

14.根据权利要求12或13所述的装置，其特征在于，所述第二估计模块具体用于：根据所述信道基系数初步估计值采用卡尔曼滤波信道估计公式对所述信道进行精确估计，得到所述导频符号位置的信道基系数最终估计值；

其中，所述卡尔曼滤波信道估计公式为：

$\left\{\begin{array}{c}{\hat{c}}_{\left(m\right|m-1)}=\stackrel{\&OverBar;}{A}\&CenterDot;{\hat{c}}_{(m-1|m-1)}\\ {\hat{c}}_{\left(m\right|m)}={\hat{c}}_{\left(m\right|m-1)}+K_m(Y_m-S_m{\hat{c}}_{\left(m\right|m-1)})\end{array}\right.;$

其中，为观测方程中状态矩阵；K_m表示第m个导频符号位置的卡尔曼增益；S_m表示第m个导频符号位置的测量矩阵；Y_m表示第m个导频符号；表示第m个导频符号位置的信道基系数估计值；表示第m-1个导频符号位置的信道基系数估计值；表示由第m-1个导频符号估计第m个导频符号的信道基系数估计值。

15.根据权利要求12-14中任一项所述的装置，其特征在于，所述插值模块包括：第一插值单元，用于根据所述信道基系数最终估计值通过时域维纳滤波插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数，或第二插值单元，用于根据所述信道基系数最终估计值通过自回归AR基系数插值运算得到所述导频符号位置和数据符号位置的时域信道增益系数；

第三插值单元，用于根据所述导频符号位置和所述数据符号位置的时域信道增益系数得到所述频域信道增益系数。

16.根据权利要求15所述的装置，其特征在于，所述第一插值单元具体用于：

根据所述信道基系数最终估计值通过得到所述导频符号位置的时域信道增益系数；其中，α_l,m表示第m个导频符号的第l条径上的时域信道增益系数，B为GCE-BEM基矩阵，表示第m个导频符号的第l条径上的所述信道基系数最终估计值；其中，m的取值为0、4、7或11；

根据所述导频符号位置的时域信道增益系数通过时域维纳滤波插值公式得到所述数据符号位置的时域信道增益系数；

其中，所述时域维纳滤波插值公式为： ${\mathrm{\&alpha;}}_{l,\mathrm{all}}^{(r,t)}={\left[R_{{\mathrm{HH}}_p}^{\&prime;}\right]}_{i,j}{({\left[R_{H_p{H}_p}^{\&prime;}\right]}_{i,j}+{\mathrm{\&sigma;}}_w^{2}I)}^{-1}\left[\begin{array}{c}{\mathrm{\&alpha;}}_{l,i_1}^{(r,t)}\\ {\mathrm{\&alpha;}}_{l,i_2}^{(r,t)}\end{array}\right];$

其中，表示第t个发射天线与第r个接收天线间所有OFDM符号的第l条径上的时域信道增益系数，所述所有OFDM符号包括：数据符号以及导频符号；表示时域上第i个数据符号位置与第j个导频符号位置间的相关系数；表示时域上第i个导频符号位置与第j个数据符号位置间的相关系数；表示第t个发射天线与第r个接收天线间第i₁个导频符号的第l条径上的时域信道参数，i₁的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第i₂个导频符号的第l条径上的时域信道参数，i₂的取值为：0、4、7或11，且i₁≠i₂；为噪声方差估计值。

17.根据权利要求15所述的装置，其特征在于，所述第二插值单元具体用于：

根据所述信道基系数最终估计值通过一阶AR模型得到所述数据符号位置的信道基系数；

其中，所述一阶AR模型为：表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的时域信道增益系数，且m的取值为：0、4、7或11；表示第t个发射天线与第r个接收天线间第m-s个数据符号的第l条径上的所述信道基系数最终估计值；s表示待估计数据符号位置与当前导频符号位置间间隔，且s的取值范围为1、2或3；表示第l条径上两OFDM符号间隔为s时的信道状态转移矩阵；表示第t个发射天线与第r个接收天线间第m个导频符号的第l条径上的AR模型误差；

根据所述导频符号位置和所述数据符号位置的信道基系数通过得到所述导频符号位置和所述数据符号位置的时域信道增益系数；其中，α_l,z为第z个OFDM符号的第l条径上的时域信道增益系数，z的取值范围为[0,13]内的整数；为第z个OFDM符号的第l条径上的信道基系数。

18.根据权利要求15-17中任一项所述的装置，其特征在于，所述第三插值单元具体用于：根据所述导频符号位置和所述数据符号位置的时域信道增益系数通过时频转换公式得到所述频域信道增益系数；

其中，所述时频转换公式为：

${\left[H_z^{(r,t)}\right]}_{k,n}=\frac{1}{N_u}\underset{l=0}{\overset{L^{(r,t)}-1}{\mathrm{\&Sigma;}}}[e^{-j2\mathrm{\&pi;}\frac{n}{N_u}{\mathrm{\&tau;}}_l}\&times;\underset{q=0}{\overset{N_u-1}{\mathrm{\&Sigma;}}}{e}^{j2\mathrm{\&pi;}\frac{{\widehat{\mathrm{\&nu;}}}_q}{N_u}}{\mathrm{\&alpha;}}_{l,z}^{(r,t)}\left(q{T}_s\right)e^{j2\mathrm{\&pi;}\frac{(n-k)q}{N_u}}];$

其中，表示第t个发射天线与第r个接收天线间第z个OFDM符号的第l条径上的时域信道增益系数；表示第t个发射天线与第r个接收天线间第z个OFDM符号上的频域信道增益系数，k和n表示子载波编号；N_u为每个OFDM符号中的子载波个数；L^(r,t)为天线对(r,t)之间的总多径数；T_s为采样时间间隔；为归一化频偏值；τ_l为第l径时域信道的归一化时延。

19.根据权利要求12-18中任一项所述的装置，其特征在于，还包括：

预处理模块，用于对信道信息进行数据预处理得到基于基系数的当前导频符号以及与所述当前导频符号相邻的至少一个基于基系数的导频符号，其中，所述信道信息包括：频偏估计值、噪声方差估计值和多普勒频移及信号功率估计值。

20.根据权利要求19所述的装置，其特征在于，还包括：

测量处理模块，用于对接收到的当前导频符号进行数据测量处理，得到所述信道信息。

21.根据权利要求20所述的装置，其特征在于，所述测量处理模块，包括：

频偏估计单元，用于对所述当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值；

噪声方差估计单元，用于对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值；

频移估计单元，用于根据所述噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所述信道的多普勒频移及信号功率估计值。

22.根据权利要求21所述的装置，其特征在于，所述频偏估计单元具体用于：

对所述当前导频符号根据最大似然方法进行数据处理得到初始频偏估计V^(m)；

将所述V^(m)及所述当前导频符号位置的时域接收信号y_m代入似然函数得到归一化频偏值；所述似然函数的表达式为：其中，E^(m)为频偏矩阵，为归一化频偏值；

根据所述归一化频偏值通过分步搜索算法计算得到所述当前导频符号的频偏估计值。