CN105577585A - 一种高准确度的mimo-ofdm系统信道估计方法 - Google Patents

Abstract

本发明涉及一种高准确度的MIMO-OFDM系统信道估计方法，分别采用基于训练序列的信道估计方法和基于梳状导频的信道估计方法对信道特性进行计算，对两种方法得到的信道特性进行加权求和，然后将加权求和的结果作为信道估计结果进行输出。本发明采用了基于梳状导频的信道估计方法和基于训练序列的信道估计方法对信道进行估计，结合二者各自的优势，使信道估计结果更准确、精确更高。

Description

一种高准确度的MIMO-OFDM系统信道估计方法

技术领域

本发明涉及无线通信领域，更具体地，涉及一种高准确度的MIMO-OFDM系统信道估计方法。

背景技术

第四代移动通信系统(LTE，LongTermEvolution)引入了正交频分复用(OFDM，OrthogonalFrequencyDivisionMultiplexing)和多输入多输出(MIMO，MultipleInputMultipleOutput)等关键技术，显著增加了频谱效率和数据传输速率。

相对于传统的单载波通信系统，OFDM系统将高速串行的数据流变换为多个子载波并行传输的低速数据流。对于低速并行的子载波而言，将符号周期展宽有利于抑制多径时延扩展。当每个OFDM符号中插入一定的保护间隔后，码间干扰的影响几乎可以被忽略。频率选择性宽带信道被划分为重叠但正交的非频率选择性窄带信道，这就避免了需要保护带宽来分割载波，提高了系统的频谱利用率。子载波调制低速数据流和多载波传输信号等方式的结合，有效提升了OFDM通信系统对于抑制频率选择性衰落及窄带干扰等不利因素的性能。OFDM中的各个载波是相互正交的，每个载波在一个符号时间内有整数个载波周期，每个载波的频谱零点和相邻载波的零点重叠，这样便减小了载波间的干扰。由于载波间有部分重叠，所以它比传统的频分多址(FDMA，FrequencyDivisionMultipleAccess)提高了频带利用率。

MIMO系统能够充分利用信号的所有空时频域特性，其优点如下：(1)频谱效率高，能够在不增加额外功率或者带宽的前提下增加容量，即提供空分复用增益。通过在不同的发射天线上传输不同的数据流，在特定信道条件下，使系统容量与min{M,N}呈线性增长；(2)覆盖范围广，对所有天线阵元上的接收信号进行相干合并，可以获得天线阵元或波束成型增益，它正比于接收天线的数量。通过增加接收端的信噪比，MIMO技术可以扩大WLAN的覆盖范围；(3)功耗低，采用发射波束成型等方法可以获得较低的功率消耗；(4)链路可靠性高，采用多天线可以增加空间分集以对抗多径衰落。发射分集技术，如空时编码技术、发射波束成型等是对抗信道衰落和提高系统容量及链路可靠性的新技术之一。目前MIMO技术在支持IEEE802.11n标准的无线局域网中已得到了具体应用。

无线通信系统的性能很大程度上受到无线信道的影响，如阴影衰落和频率选择性衰落等等，使得发射机和接收机之间的传播路径非常复杂。无线信道并不像有线信道固定并可预见，而是具有很大的随机性，这就对接收机的设计提出了很大的挑战。在OFDM系统的相干检测中需要对信道进行估计，信道估计的精度将直接影响整个系统的性能。为了能在接收端准确的恢复发射端的发送信号，采用各种措施来抵抗多径效应对传输信号的影响，信道估计技术的实现需要知道无线信道的信息，如信道的阶数、多普勒频移和多径时延或者信道的冲击响应等参数。因此，信道参数估计是实现无线通信系统的一项关键技术。能否获得详细的信道信息，从而在接收端正确地解调出发射信号，是衡量一个无线通信系统性能的重要指标。因此，对于信道参数估计算法的研究是一项有重要意义的工作。

发明内容

本发明采用了基于梳状导频的信道估计方法和基于训练序列的信道估计方法对信道进行估计，结合二者各自的优势，使信道估计结果更准确、精确更高。

为实现以上发明目的，采用的技术方案是：

一种高准确度的MIMO-OFDM系统信道估计方法，分别采用基于训练序列的信道估计方法和基于梳状导频的信道估计方法对信道特性进行计算，对两种方法得到的信道特性进行加权求和，然后将加权求和的结果作为信道估计结果进行输出。

优选地，所述基于训练序列的信道估计方法通过向接收端发送已知的训练符号，然后根据接收端接收的信号、发送的训练符号计算出信道特性。

优选地，所述基于梳状导频的信道估计方法包括以下步骤：

A、在发送端发送的数据中插入导频信号，其中发送的数据中导频信号插入的位置为导频位置；

B、利用发送端发送的导频信号与导频位置的接收信号，获得导频位置的信道特性；

C、利用导频位置的信道特性进行插值运算，得到非导频位置的子载波上的信道特性。

优选地，所述步骤C中的插值运算为双线性插值运算。

优选地，所述双线性插值具体如下：

设非导频位置的坐标为(x,y)，在其水平和垂直方向上分别有四个导频位置H₁₁＝(x₁，y₁)、H₁₂＝(x₁，y₂)、H₂₁＝(x₂，y₁)和H₂₂＝(x₂，y₂)，四个导频位置的信道特性分别为f(H₁₁)、f(H₁₂)、f(H₂₁)和f(H₂₂)；

首先在x方向进行线性插值，得到

$\begin{array}{c}f\left(R_1\right)\≈\frac{x_2-x}{x_2-x_1}f\left(H_{11}\right)+\frac{x-x_1}{x_2-x_1}f\left(H_{21}\right)\\ f\left(R_2\right)\≈\frac{x_2-x}{x_2-x_1}f\left(H_{12}\right)+\frac{x-x_1}{x_2-x_1}f\left(H_{22}\right)\end{array};$

其中R₁＝(x,y₁)，R₂＝(x,y₂)；

然后在y方向进行线性插值，得到

$f\left(P\right)\≈\frac{y_2-y}{y_2-y_1}f\left(R_1\right)+\frac{y-y_1}{y_2-y_1}f\left(R_2\right);$

则非导频位置(x,y)的信道特性f(x，y)可表示如下：

$\begin{array}{c}f(x,y)\≈\frac{f\left(H_{11}\right)}{(x_2-x_1)(y_2-y_1)}(x_2-x)(y_2-y)+\frac{f\left(H_{21}\right)}{(x_2-x_1)(y_2-y_1)}(x-x_1)(y_2-y)\\ +\frac{f\left(H_{12}\right)}{(x_2-x_1)(y_2-y_1)}(x_2-x)(y-y_1)+\frac{f\left(H_{22}\right)}{(x_2-x_1)(y_2-y_1)}(x-x_1)(y-y_1)\end{array};$

令H₁₁、H₁₂、H₂₁和H₂₂的坐标分别为(0，0)、(0，1)、(1，0)和(1，1)；则f(x，y)可简化为：

f(x,y)≈f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy；

或者用矩阵运算表示为

$f(x,y)\≈\left[\begin{array}{cc}1-x& x\end{array}\right]\left[\begin{array}{cc}f(0,0)& f(0,1)\\ f(1,0)& f(1,1)\end{array}\right]\left[\begin{array}{c}1-y\\ y\end{array}\right];$

则f(x，y)可简化为：

f(x,y)＝a+bx+cy+dxy；其中 $\left\{\begin{array}{c}a=f\left(H_{11}\right)\\ b=f\left(H_{21}\right)-f\left(H_{11}\right)\\ c=f\left(H_{12}\right)-f\left(H_{11}\right)\\ d=f\left(H_{22}\right)-f\left(H_{21}\right)-f\left(H_{12}\right)+f\left(H_{11}\right)\end{array}\right..$

与现有技术相比，本发明的有益效果是：

本发明采用了基于梳状导频的信道估计方法和基于训练序列的信道估计方法对信道进行估计，结合二者各自的优势，使信道估计结果更准确、精确更高。

附图说明

图1为混合格式前导码的结构示意图。

图2为HT-LTF结构的示意图。

图3为2*2MIMO/SDM系统的结构示意图。

图4为基于训练序列的导频插入方式示意图。

图5为基于梳状导频的导频插入方式示意图。

图6为双线性插值的示意图。

图7为加权求和的具体实施示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

以下结合附图和实施例对本发明做进一步的阐述。

实施例1

图1所示为混合格式前导码。混合格式HT前导码由传统的802.11a域开始，以保证与802.11a和OFDM802.11g后向兼容，此后紧接着是高吞吐率训练字段。MF前导码的第一部分是由与802.11a相同的非HT(传统的)训练字段组成的，它包含一个非HT短训练字段(L-STF)、非HT长训练字段(L-LTF)以及非HT信令字段(L-SIG),以便传统的设备可以检测到前导码。MF前导码的HT部分由高吞吐率信令字段(HT-SIG)、高吞吐率短训练字段(HT-STF)以及高吞吐率长训练字段(HT-LTF)组成。HT-SIG1和HT-SIG2是HT-SIG的两个OFDM码元。它们包含新的信令信息，而且也可用于HTMF和传统OFDM分组之间的自动检测。HT-STF用来重新设置AGC。HT-LTF用于MIMO信道估计。HT数据字段位于HT-LTF之后。

图2所示为HT-LTF结构。HTMF前导码中为MIMO信道估计提供了一个新的HT长训练字段。对于每个由其所选的MCS表示的空间流，均发送一个4μs的HT长训练码元。例外的是，当有3个空间流时，会发送4个长训练码元。HT-LTF由一个正交映射矩阵生成，矩阵由图2中各长训练码元前的系数组成，图中的数据表示要进行的循环移位。

现有技术中，一共提供了三种信道估计方法，分别为正交映射矩阵法、基于训练序列的信道估计方法和基于梳状导频的信道估计方法，以下对这三种方法进行详细的论述。

一、正交映射矩阵法

在混合格式前导码中，HT-SIG域之后是用于重新调整AGC的HT-STF。之后的码元组成了用于MIMO信道估计的HT-LTF。如图3所示，考虑的是两个空间流、两个发送天线和两个接收天线的情况。接收机通过去掉HT-LTF的循环前缀处理3.2μs的长训练码元，并且对得到的训练子载波进行一次FFT。对于表示为t₁的时间上的第一个码元，给出了接收机的每个训练子载波k的频域表示如下：

$\begin{array}{c}{y}_{1,t_1}^k=h_{11}^k\·HTLTF\·e^{-j2{\mathrm{\πk\Δ}}_F{T}_{CS}^1}+h_{12}^k\·HTLTF\·e^{-j2{\mathrm{\πk\Δ}}_F{T}_{CS}^2}+z_{1,t_1}^k\\ y_{2,t_1}^k=h_{21}^k\·HTLTF\·e^{-j2{\mathrm{\πk\Δ}}_F{T}_{CS}^1}+h_{22}^k\·HTLTF\·e^{-j2{\mathrm{\πk\Δ}}_F{T}_{CS}^2}+z_{2,t_1}^k\end{array}---\left(1\right)$

注意，z为AWGN。对于时间上t₂的第二个码元，

$\begin{array}{c}{y}_{1,t_2}^k=h_{11}^k\·HTLTF\·(-1)\·e^{-j2{\mathrm{\πk\Δ}}_F{T}_{CS}^1}+h_{12}^k\·HTLTF\·e^{-j2{\mathrm{\πk\Δ}}_F{T}_{CS}^2}+z_{1,t_2}^k\\ y_{2,t_2}^k=h_{21}^k\·HTLTF\·(-1)\·e^{-j2{\mathrm{\πk\Δ}}_F{T}_{CS}^1}+h_{22}^k\·HTLTF\·e^{-j2{\mathrm{\πk\Δ}}_F{T}_{CS}^2}+z_{2,t_2}^k\end{array}---\left(2\right)$

从(2)式中看到了正交映射矩阵的影响。“-1”这一项来自图2的第一行第二列。为了简化表达式，将信道抽头h和循环移位相结合，需要指出，应用在长训练码元上的循环移位也应用在了数据码元上。因为信道估计是信道抽头和循环移位的结合体，通过结合循环移位来重新定义信道抽头，优点是自动消除了在均衡数据和信道估计时循环移位的影响。式(1)和式(2)可简化如下：

$\begin{array}{c}{y}_{1,t_1}^k=\stackrel{\·}{\stackrel{\·}{h_{11}^k}}\·HTLTF+\stackrel{\·}{\stackrel{\·}{h_{12}^k}}\·HTLTF+z_{1,t_1}^k\\ y_{2,t_1}^k=\stackrel{\·}{\stackrel{\·}{h_{21}^k}}\·HTLTF+\stackrel{\·}{\stackrel{\·}{h_{22}^k}}\·HTLTF+z_{2,t_1}^k\\ y_{1,t_2}^k=\stackrel{\·}{\stackrel{\·}{h_{11}^k}}\·HTLTF\·(-1)+\stackrel{\·}{\stackrel{\·}{h_{12}^k}}\·HTLTF+z_{1,t_2}^k\\ y_{2,t_2}^k=\stackrel{\·}{\stackrel{\·}{h_{21}^k}}\·HTLTF\·(-1)+\stackrel{\·}{\stackrel{\·}{h_{22}^k}}\·HTLTF+z_{2,t_2}^k\end{array}---\left(3\right)$

一旦处理了这两个码元并从中得到子载波，码元1中得到的子载波就与码元2中得到的子载波相结合，得到信道估计。首先来自第一个码元的子载波减去来自第二个码元的子载波，得到了的信道估计，这样消掉了项。然后来自第一个码元的子载波加上来自第二个码元的子载波，得到了的信道估计，这样消掉了项。类似使用来自第二个码元的子载波，得到和的信道估计。表示如下：

$\begin{array}{c}\widehat{h_{11}^k}=\frac{y_{1,t_1}^k-y_{1,t_2}^k}{2\·HTLTF}\\ \widehat{h_{12}^k}=\frac{y_{1,t_1}^k+y_{1,t_2}^k}{2\·HTLTF}\\ \widehat{h_{21}^k}=\frac{y_{2,t_1}^k-y_{2,t_2}^k}{2\·HTLTF}\\ \widehat{h_{22}^k}=\frac{y_{2,t_1}^k+y_{2,t_2}^k}{2\·HTLTF}\end{array}---\left(4\right)$

正交映射矩阵可以通过将来自两个码元的子载波结合起来以得到信道估计。

二、基于训练序列的信道估计方法

基于训练序列的信道估计方法中导频插入方式示意图如图4所示。图4中横轴是频率轴，纵轴是时间轴。从横轴的角度看，一个OFDM符号有56个子载波，为一个高吞吐率长训练码元，图中只给出了前22个子载波；从纵轴的角度看，图中有10个OFDM符号。空心圆表示发送的是数据，实心圆表示发送的是导频。基于训练序列的信道估计是用一个完整的OFDM符号作为导频，因此也称为基于块状导频的信道估计。

基于训练序列方法信道估计的通信系统有两种工作模式，一种是训练模式，一种是数据传输模式。在训练模式时，发送端发送的OFDM符号是训练符号，如图4的实心圆所示，此训练符号是发送者设计的，即为已知的。在接收端，由接收信号和发送端的训练符号可计算出信道特性。接收信号、发送信号与信道特性三者之间，在时域内是卷积的关系，在频域内是乘积的关系。在数据传输模式时，发送端发送的OFDM符号是欲传输的有效数据符号，如图4的空心圆所示。根据接收端接收的数据及训练模式得到的信道特性，可以得到发送端发送的数据。

三、基于梳状导频的信道估计

基于梳状导频的信道估计方法中导频插入方式示意图如图5所示。从频率角度看，一个OFDM符号中，只有4个子载波传输训练数据，其余52个子载波传输有效数据，图中只给出了前22个子载波，显示有2个子载波传输训练数据。图5中10个OFDM符号有4个传输导频。

基于梳状导频的通信过程如下：

A、在发送端发送的数据中插入导频信号，其中发送的数据中导频信号插入的位置为导频位置；

B、利用发送端发送的导频信号与导频位置的接收信号，获得导频位置的信道特性；

此处的插值运算采用的是双线性插值，又称为双线性内插。双线性插值是两个变量的插值函数的线性插值扩展，其核心思想是在两个方向上分别进行一次线性插值。双线性插值示意图如图6所示，其插值原理是待插值点分别于周围四个点在水平和垂直方向做插值运算，得到的值即为插值点的值，其插值结果与进行水平或垂直插值运算的先后顺序无关，无论谁先谁后其插值结果完全相同。

如图6所示，假如想得到未知函数f在点P(x,y)的值，假设已知在水平和垂直方向上分别有四个点H₁₁＝(x₁，y₁)、H₁₂＝(x₁，y₂)、H₂₁＝(x₂，y₁)和H₂₂＝(x₂，y₂)，以及四个点对应的值f(H₁₁)、f(H₁₂)、f(H₂₁)和f(H₂₂)，这四个点组成了一个方形区，点(x,y)为方形区内部点。

首先在x方向进行线性插值，得到

$\begin{array}{c}f\left(R_1\right)\≈\frac{x_2-x}{x_2-x_1}f\left(H_{11}\right)+\frac{x-x_1}{x_2-x_1}f\left(H_{21}\right)\\ f\left(R_2\right)\≈\frac{x_2-x}{x_2-x_1}f\left(H_{12}\right)+\frac{x-x_1}{x_2-x_1}f\left(H_{22}\right)\end{array}$

其中R₁＝(x,y₁)，R₂＝(x,y₂)

然后在y方向进行线性插值，得到

$f\left(P\right)\≈\frac{y_2-y}{y_2-y_1}f\left(R_1\right)+\frac{y-y_1}{y_2-y_1}f\left(R_2\right)$

这样就得到所要的结果f(x，y)，

$\begin{array}{c}f(x,y)\≈\frac{f\left(H_{11}\right)}{(x_2-x_1)(y_2-y_1)}(x_2-x)(y_2-y)+\frac{f\left(H_{21}\right)}{(x_2-x_1)(y_2-y_1)}(x-x_1)(y_2-y)\\ +\frac{f\left(H_{12}\right)}{(x_2-x_1)(y_2-y_1)}(x_2-x)(y-y_1)+\frac{f\left(H_{22}\right)}{(x_2-x_1)(y_2-y_1)}(x-x_1)(y-y_1)\end{array}$

如果选择一个坐标系统使得f的四个已知点坐标分别为(0，0)、(0，1)、(1，0)和(1，1)，那么插值公式可以化简为

f(x,y)≈f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy

或者用矩阵运算表示为

$f(x,y)\≈\left[\begin{array}{cc}1-x& x\end{array}\right]\left[\begin{array}{cc}f(0,0)& f(0,1)\\ f(1,0)& f(1,1)\end{array}\right]\left[\begin{array}{c}1-y\\ y\end{array}\right]$

与这种插值方法名称不同的是，这种插值方法的结果通常不是线性的，其形式如下：

f(x,y)＝a+bx+cy+dxy

其中f(x,y)为非导频位置子载波上的信道特性。通过上式的计算可得出，区域内部点(x,y)的值为f(x,y)。a，b，c，d为待定常数，利用图6中四点所对应的值f(H₁₁)、f(H₁₂)、f(H₂₁)和f(H₂₂)可计算出四个待定常数的值，计算公式为：

$\left\{\begin{array}{c}a=f\left(H_{11}\right)\\ b=f\left(H_{21}\right)-f\left(H_{11}\right)\\ c=f\left(H_{12}\right)-f\left(H_{11}\right)\\ d=f\left(H_{22}\right)-f\left(H_{21}\right)-f\left(H_{12}\right)+f\left(H_{11}\right)\end{array}\right.$

就图5来说，下方的五个OFDM符号中，从下往上数，第一和第五个OFDM符号中，每个OFDM符号的56个子载波中有4个导频符号，对于右下方的5*15矩阵，根据发送端发送的四个顶点位置的导频信号与对应导频位置的接收信号，获得四个顶点位置的导频信道特性h₁₁、h₁₂、h₂₁和h₂₂，对应的四个点为(x₁，y₁)、(x₁，y₁+14)、(x₁+14，y₁)和(x₁+14，y₁+14)，与四个导频位置在同一水平或垂直方向上的数据的信道特性可通过一次线性插值获得，例如对于点(x₁+1，y₁),其信道特性h＝(13/14)h₁₁+(1/14)h₂₁

而对于四个导频内部的点的信道特性可通过双线性插值获得，例如对于点(x₁+1，y₁+1),其信道特性h＝(169/196)h₁₁+(13/196)h₂₁+(13/196)h₁₂+(1/196)h₂₂，以此类推，则所有5*15方阵的非导频位置的子载波上的信道特性都可通过双线性插值获得，对四个导频及其内部点的信道特性进行拟合，可得到首尾各7个非导频位置的子载波上的信道特性，最终可获得所有10个OFDM符号的非导频位置的子载波上的信道特性。

C、利用在接收端的非导频位置接收数据与插值得到的非导频位置的信道特性，获得在非导频位置传输的数据信息。

四、高准确度的MIMO-OFDM系统信道估计方法

本发明提供的方法分别采用基于训练序列的信道估计方法和基于梳状导频的信道估计方法对信道特性进行计算，对两种方法得到的信道特性进行加权求和，然后将加权求和的结果作为信道估计结果进行输出。

其中对两种方法得到的信道特性进行加权求和的具体过程如下：

设基于训练序列得到的子载波数据信息为x₁，此种估计方法只在训练模式下发送一些训练符号，这就要求信道在相当长的时间内变化较小，甚至不变，即所谓准静止信道、慢衰落信道(不考虑或只考虑较小的多普勒频移)。由此可见，这种方法较多使用于恒参信道、WLAN信道等。基于梳状导频得到的子载波数据信息为x₂，此种估计方法适用于信道中有较大的多普勒频移，信道变化较快(如移动衰落信道)的情况。将x₁和x₂进行加权求和得到更加精确的信道估计结果x。

若信道多普勒频移为0～10Hz，可取x₁的权值为0.6，x₂的权值为0.4，即x＝0.6x₁+0.4x₂；

若信道多普勒频移大于100Hz，可取x₁的权值为0.4，x₂的权值为0.6，即x＝0.4x₁+0.6x₂。

无论信道是慢衰落信道或快衰落信道，将训练序列和梳状导频结合共同对信道进行估计的结果要比采用其中一种估计的结果要更准确，精度更高。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (6)

1.一种高准确度的MIMO-OFDM系统信道估计方法，其特征在于：分别采用基于训练序列的信道估计方法和基于梳状导频的信道估计方法对信道特性进行计算，对两种方法得到的信道特性进行加权求和，然后将加权求和的结果作为信道估计结果进行输出。

2.根据权利要求1所述的高准确度的MIMO-OFDM系统信道估计方法，其特征在于：所述基于训练序列的信道估计方法通过向接收端发送已知的训练符号，然后根据接收端接收的信号、发送的训练符号计算出信道特性。

3.根据权利要求1所述的高准确度的MIMO-OFDM系统信道估计方法，其特征在于：所述基于梳状导频的信道估计方法包括以下步骤：

A、在发送端发送的数据中插入导频信号，其中发送的数据中导频信号插入的位置为导频位置；

B、利用发送端发送的导频信号与导频位置的接收信号，获得导频位置的信道特性；

C、利用导频位置的信道特性进行插值运算，得到非导频位置的子载波上的信道特性。

4.根据权利要求3所述的高准确度的MIMO-OFDM系统信道估计方法，其特征在于：所述步骤C中的插值运算为双线性插值运算。

5.根据权利要求4所述的高准确度的MIMO-OFDM系统信道估计方法，其特征在于：所述双线性插值具体如下：

设非导频位置的坐标为(x,y)，在其水平和垂直方向上分别有四个导频位置H₁₁＝(x₁，y₁)、H₁₂＝(x₁，y₂)、H₂₁＝(x₂，y₁)和H₂₂＝(x₂，y₂)，四个导频位置的信道特性分别为f(H₁₁)、f(H₁₂)、f(H₂₁)和f(H₂₂)；

首先在x方向进行线性插值，得到

$f\left(R_1\right)\≈\frac{x_2-x}{x_2-x_1}f\left(H_{11}\right)+\frac{x-x_1}{x_2-x_1}f\left(H_{21}\right)$ ；

其中R₁＝(x,y₁)，R₂＝(x,y₂)；

然后在y方向进行线性插值，得到

$f\left(P\right)\≈\frac{y_2-y}{y_2-y_1}f\left(R_1\right)+\frac{y-y_1}{y_2-y_1}f\left(R_2\right);$

则非导频位置(x,y)的信道特性f(x，y)可表示如下：

$\begin{array}{c}f\left(x,y\right)\≈\frac{f\left(H_{11}\right)}{\left(x_2-x_1\right)\left(y_2-y_1\right)}\left(x_2-x\right)\left(y_2-y\right)+\frac{f\left(H_{21}\right)}{\left(x_2-x_1\right)\left(y_2-y_1\right)}\left(x-x_1\right)\left(y_2-y\right)\\ +\frac{f\left(H_{12}\right)}{\left(x_2-x_1\right)\left(y_2-y_1\right)}\left(x_2-x\right)\left(y-y_1\right)+\frac{f\left(H_{22}\right)}{\left(x_2-x_1\right)\left(y_2-y_1\right)}\left(x-x_1\right)\left(y-y_1\right)\end{array};$

令H₁₁、H₁₂、H₂₁和H₂₂的坐标分别为(0，0)、(0，1)、(1，0)和(1，1)；则f(x，y)可简化为：

f(x,y)≈f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy；

或者用矩阵运算表示为

$f(x,y)\≈\left[\begin{array}{cc}1-x& x\end{array}\right]\left[\begin{array}{cc}f(0,0)& f(0,1)\\ f(1,0)& f(1,1)\end{array}\right]\left[\begin{array}{c}1-y\\ y\end{array}\right];$

f(x，y)可简化为：

f(x,y)＝a+bx+cy+dxy；其中 $\left\{\begin{array}{c}a=f\left(H_{11}\right)\\ b=f\left(H_{21}\right)-f\left(H_{11}\right)\\ c=f\left(H_{12}\right)-f\left(H_{11}\right)\\ d=f\left(H_{22}\right)-f\left(H_{21}\right)-f\left(H_{12}\right)+f\left(H_{11}\right)\end{array}\right..$

6.根据权利要求1～5任一项所述的高准确度的MIMO-OFDM系统信道估计方法，其特征在于：所述对两种方法得到的信道特性进行加权求和的具体过程如下：

若信道中的多普勒频移为0～10Hz，则使基于训练序列的信道估计方法得到的子载波数据信息x₁的权值为0.6，而使基于梳状导频的信道估计方法得到的子载波数据信息x₂的权值为0.4，此时输出的信道输出结果x如下：

x＝0.6x₁+0.4x₂；

若信道中的多普勒频移大于100Hz，则使基于训练序列的信道估计方法得到的子载波数据信息x₁的权值为0.4，而使基于梳状导频的信道估计方法得到的子载波数据信息x₂的权值为0.6，此时输出的信道输出结果x如下：

x＝0.4x₁+0.6x₂。