CN109150773A - 无线信道特征估计系统 - Google Patents

Abstract

本发明公开的一种无线信道特征估计系统，旨在提供一种实现复杂度低、资源消耗少，估计精度高，处理时延小的信道估计方法。本发明通过下述技术方案予以实现：在信号发送端发送一组已知的伪随机PN序列作为训练序列，信号接收端通过串并转换模块，将伪随机序列串行数据转换为并行数据，然后将并行的伪随机序列送入相关运算模块，相关运算模块将接收到的伪随机序列与本地伪随机序列进行滑动相关操作，获取信道特征信息信的估计初始值，并将信道估计初始值送入降噪模块；降噪模块首先利用信道估计初始值计算得噪声强度，并根据噪声强度设置合理的噪声门限，然后利用该噪声门限对信道估计初始值进行降噪处理，得到最终的信道估计值。

Description

无线信道特征估计系统

技术领域

本发明涉及一种无线通信领域中对信道特征信息的估计技术，尤其涉及一种基于伪随机序列的快速获取信道特征信息的无线信道特征估计系统时域信道估计方法。

背景技术

无线电通信系统是由发送设备、接收设备、无线信道三大部分组成的，是利用无线电磁波实现信息和数据传输的系统。移动通信系统发送设备由编码、调制、多址和射频(RF)发送等基本处理单元组成发送端，由RF接收、分址、解调和解码等基本处理单元组成接收端，发送端和接收端彼此分离。无线信道提供发送端和接收端之间的连接。发送端把一个确定信号送入无线信道，在无线信道的衰落起伏传输中，输出一个随机信号给接收端。这个随机信号可分解成确定成分和扰动成分，其确定成分与发送端的确定信号对应，而扰动成分则只能通过对信道特性的统计分析，给出它的统计分布、均值和方差。基于这种无线信道的统计特性，可以确认发送端输入信道的信号设计，确认接收端的信道输出的检测判决方式和相关性能。目前，绝大多数的无线信道的应用和描述，基本上都属于这类情况，即依赖于对无线信道的统计特性的估计。为了能在信号接收端准确的恢复发射端的发送信号人们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激响应等参数。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，从而在信号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，信道估计的精度将直接影响整个系统的性能。未来移动通信技术的发展和应用，直接依赖对无线信道的认识和估计。所谓信道估计是从接收数据中将假定的某个信道模型的模型参数估计出来的过程。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。在移动通信系统中，电磁波在传播过程中要经历各种衰落和干扰。其中分布式MIMO系统信道的衰落特征一是由于长距离传输引起的大尺度衰落，无线信号的功率与距离的平方成反比；二是电磁波在传播过程中受到高大建筑物的阻挡导致信号强度下降，其信号衰落满足对数正太分布；三是具有很大随机性的小尺度衰落。一方面，用户在低速移动过程中，基站发送的无线信号经过障碍物的折射或反射导致到达接收机的信号发生时延，叠加后的信号功率发生快速的变化，也就是所谓的多径衰落，表现在频域上为频率选择性衰落。另一方面，由于接收载体的移动，会产生多普勒频移形成频率色散，体现在时间上，即信道参数会具有时变性。由于无线信道传输特性的起伏性和随机性，无线信道的特征包括了时域，空时域和频域的特征。无线信道特性决定了分布式MIMO(又称多点协作)系统的性能，因此需要首先建立分布式MIMO系统的信道数学模型。分布式MIMO系统也称为分布式多天线系统，是将来公共无线接入网络的一种新的架构。分布式MIMO系统的接收天线和发送天线在地理位置上分散开来，各天线对之间的无线链路各不相同，待估计的信道信号在各个域上的表达均有各自的特点，移动信道在时域上多径信道的每一径都是时变的，移动信道会带来时变衰落，移动速度越快，时变衰落越剧烈。如何利用数学模型来准确描述信道在时域和频域内的特性是众多学者一直以来所致力研究的。目前，国内外已有许多关于MIMO系统时变信道特征参数联合估计的文献报道。由于分布式MIMO系统的无线信道包括衰落、频偏、时延三类未知时变参数，使得接收信号具有强非线性的特点。传统的方法先是通过解耦再采用相关法来得到参数估计，不但估计精度不高，而且随着维数的增长其计算复杂度也呈指数增长。另一方面，针对更加实际的MIMO中继系统，信道估计过程中会产生误差。由于信道估计误差的存在，很多基于完整信道的方法设计在实际中可能并不是最优的。需要通过相应的信道估计算法、系统统计模型以及信道量化方法，获得信道估计误差的统计特性。再根据所获得的信道估计值以及信道估计误差的统计特性来设计相应的协作策略，可以进一步提高系统的传输质量。比起在完整信道状态信息条件所设计的输传技术，也更有实际的意义。由于通信双方所处的无线通信环境具有专有性，所以其在信号发射和接收时反映在信号时频特性方面的衰落情况、多径情况等具有专有性。

近年来,移动无线通信得到迅猛的发展，同时对传输速率和通信的质量提出了更高的要求，对无线带宽也提出了较高的要求。要实现高速率的高质量多媒体无线数据传输，无线通信系统需要克服许多技术挑战，其中衰落和多径现象是高速率无线数据传输需要克服的重点问题之一。无线通信中发送信号经多次反射、折射和散射等到达接收机，当多个信号几乎同时到达接收机时，它们随机叠加可能造成接收信号幅度的极大变化，表现为衰落现象。同时由于复杂的地形地物的影响，非视线传播的发送信号往往经过多次反射、折射后到达接收机。由于这些反射或折射的信号复本经过不同的路线到达接收机，不同的路线长度造成信号到达接收机的时间上的延迟，表现为时延扩展现象。不同的传播环境典型的时延扩展从几个纳秒到几十微秒不等。对数字传输系统，当这种信道的时延扩展跟数据符号的持续时间可以比拟时，会造成符号间干扰(ISI)，严重影响数字通信系统的性能，尤其是对高速数据传输系统。为了在信号接收端准确恢复出发送信号，必须要对信道状态信息进行准确的估计，利用估计出来的信道状态信息对接收信号进行均衡。均衡器的系数是依据估计得到的信道状态信息所设计的，所以信道估计在均衡系统中起着至关重要的作用。

信道估计根据是否采用导频,可以分为盲估计和非盲估计。基于导频的解调(PSAM)是目前最常用的信道估计技术。信道估计从大的角度可分为基于导频的基于被传信息符号的统计特性的盲估计和非盲估计。盲估计利用调制信号本身固有的、与具体承载信息比特无关的一些特征或是采用判决反馈的方法来进行信道估计。非盲信道估计主要是基于导频和训练序列的信道估计。非盲估计在估计阶段首先利用导频来获得导频位置的信道信息，然后为下面获得整个数据传输阶段的信道信息做好准备。信号发送端导频的选择与插入信号接收端导频位置信道信息获取的方式是通过导频位置获取的信道信息恢复出所有时刻信道的信息，通过使用相应信息处理技术获得信道的估计值。这种基于导频的非盲估计方式利用在数据流中插入一定数量的已知数据(导频)来进行信道估计，通过已知点上的信道响应的采样值来估计出整个信道的响应，需要在发端适当位置插入导频符号，信号接收端利用导频符号恢复出导频位置信道信息，利用插值算法来获取其余数据符号位置的信道信息。该方法精度高，但浪费资源。基于导频的算法，需要解决三个关键的问题，一是信号发送端导频的选择与插入方式：二是信号接收端导频位置信道信息获取的方式；三是用导频位置获取的信道信息如何较好的恢复出所有时刻所有频率信道的信息。

盲估计不使用导频信息，利用传输数据的二阶或者高阶统计信息，是以降低估计的适时性为代价达到估计的目的，复杂度和运算量比较大。盲估计虽然不使用导频使得传输效率大大提高，不占用有用资源，但由于其较大的运算量、算法收敛速度较慢，计算较为复杂。且可能出现相位模糊(基于子空间的方法)、误差传播(如判决反馈类方法)、收敛慢或陷入局部极小等问题，需要较长的观察数据，这在一定程度上限制了它在实际系统中的实用性。如何较好的恢复出所有时刻信道的信息，通过导频位置获取的信道信息，现有技术采用了基于导频辅助调制(PSAM)的方法。PSAM是一种利用导频来进行信道估计的方法.这种方法利用在数据流中插入一定数量的已知数据(导频)来进行信道估计.通过已知点上的信道响应的采样值来估计出整个信道的响应。对于PSAM而言,通过导频位置获取的信道信息恢复出所有时刻信道的信息的最优准则是MMSE,理论可以得到最小均方误差。MMSE准则的最佳滤波器是二维维纳滤波器(Wienerfilter)，但是二维滤波的方法比较复杂，需要信道的某些信息，且计算量非常大,在实际系统中往往不能得到很好的应用。

目前采用的基于导频的非盲估计方法主要有以下几种：

(1)基于扩频原理的时域信道估计。选择伪随机PN序列作为训练序列，在信号接收端将本地PN序列与经过无线信道传输的PN序列进行互相关(即滑动相关)，互相关结果即为估计得到的信道参数。传统的基于扩频原理的时域信道估计结果中仍然包含噪声分量的影响，且需要进行滑动相关操作，计算时延随着PN序列长度的增加而增加，对信道状态信息的获取精度和速度有一定影响。

(2)基于训练序列的信道估计算法适用于突发传输方式的系统。通过发送已知的训练序列，在信号接收端进行初始的信道估计，当发送有用的信息数据时，利用初始的信道估计结果进行一个判决更新，完成实时的信道估计。基于训练序列的频域信道估计，首先将接收到的训练序列变换到频域，与本地保存的训练序列频域值相除，即可得到信道频域参数。该方法实现简单，但信道估计值中包含了大量噪声，估计可靠性不高。

(3)采用时域LS信道估计和时域叠加序列信道估计的时域信道估计方法。时域LS信道估计方法采用2个发射天线1个接收天线，每一发射天线对应一组不同的导频序列，检测频域符号与导频信号存在干扰的子载波位置，将该位置的符号周期扩展一倍，将频域符号在扩展的符号周期内进行正交重叠；生成时域OFDM符号，与导频序列叠加，对相邻两OFDM符号长度内的数据叠加并作算术平均，用线性相关器进行信道估计，叠加序列信道估计将训练序列叠加于信息序列之上进行信息传输，将训练序列作为估计信道滤波器的输入，得到误差信息，将误差信息的平方作为代价函数，在第i个发射天线上训练序列被同步叠加于信息序列得到发射序列。基于OFDM信道估计大多采用非盲估计算法，对每根接收天线的各个OFDM符号中的导额进行抽取，在额域进行Ls信道估计.然后采用快速傅立叶逆变换到多径域，在二维的“时域一多径域”平面上用多项式模型去逼近多径域中的每一径的时域变化趋势，以达到平滑噪声提高估计精度的目的。由于正交频分复用OFDM使用了循环前缀，把线性卷积变成循环卷法复杂度相对较低，但却是以牺牲估计精度为代价。采用的LS信道估计算法、LMMSE信道估计算法都是在SISO系统中进行的。LS信道估计算法虽然简单，由于最小二乘LS估计器的估计精度很差。LS信道估计很容易受到噪声的影响。LMMSE估计算法性能虽然很好，但是计算复杂度很高，需要对矩阵做求逆运算，而且在实际应用中很难获得信道的统计特性，使其实用性受到一定的限制。OFDM时域信道估计方法，在时域OFDM符号中插入PN序列作为训练序列，将其与对应的接收序列作圆周相关处理，并通过迭代逐次检测出信道各径参数，获得信道频率响应估计。随着对更大系统带宽的需求，0FDM系统的子载波数增加，LMMSE估计方法及其算法的复杂度进一步增加。除了上述信道估计复杂度问题，如何控制多天线系统的导频开销也是系统设计中的一个难题。综上所述，信道的快速、实时、准确的估计和预测技术是否能把信道衰落从有害变成有利的关键，是未来移动通信面临的重大挑战。随着无线移动通信技术和系统的发展，对无线信道估计和预测提出了快速实时估计的新要求。近年出现的基于训练序列的估计方法，距离对信道利用的准确估计预测要求还相差甚远，有待继续努力。

发明内容

本发明的目的是针对现有技术存在的不足之处，提供一种实现复杂度低、资源消耗少，估计精度高，处理时延小，快速、实时、准确的估计无线信道特征估计系统。

本发明的上述目的可以通过以下措施来达到，一种无线信道特征估计系统，包括，接收信号的串并转换模块，与串并转换模块相串联的相关运算模块和降噪模块，其特征在于：信号发送端发送一组已知的串行伪随机PN序列作为信号接收端的训练序列，信号接收端将接收到的串行伪随机序列通过串并转换模块将伪随机序列串行数据转换为并行数据，相关运算模块将接收到的伪随机序列并行数据与本地伪随机序列进行滑动相关操作，将得到时域上的信道估计初始值训练序列送入降噪模块进行降噪处理；降噪模块首先将信道估计初始值存入随机存取存储器RAM和门限计算单元中，门限计算单元将信道估计初始值训练序列从RAM中读出，根据时域信道响应幅度计算信道估计初始值中每个抽头的能量，利用得到的噪声总能量计算噪声强度，得到噪声门限，根据噪声强度设置合理噪声门限，将噪声门限送入降噪处理单元，降噪处理单元将每个抽头的能量与噪声门限比较，利用该噪声门限比较结果对信道估计初始值进行降噪处理，获得最终的信道估计值。

本发明相对于现有技术具有以下有益效果：

实现复杂度低、资源消耗小。本发明利用伪随机序列作为训练序列进行信道特征信息的获取，利用其良好的相关性，用训练序列良好的时域相关特性可以简便精确地估计出信道的冲击响应，把对发送信号的设计变动和接收端的处理调整都与信道的传输特性结合起来，在信号接收端只需将接收到的伪随机序列与本地伪随机序列进行滑动相关操作即可得到信道估计值，无需矩阵求逆和除法操作，降低了系统实现的复杂度。同时，也不需要信道的长时统计量或信噪比信息，实时性较高。利用伪随机序列取值为+1或-1这个特殊性，将相关操作中的乘法操作用加减法操作代替，不需要进行时域变换，只需要一定数量的相关运算，其计算复杂度进一步降低，并且减少了并行处理结构对乘法器的消耗。能较大程度地滤除多址干扰(MAI)和噪声，提高信道估计的准确性。利用信道在移动环境下频谱受限和对称的特征，通过寻找频谱自相关的能量最大的信号抽头峰值来确定频域滤波器的带宽，不需要估计多普勒频率或移动速度，降低了系统实现的复杂度。

估计精度高。本发明从发送信号的设计着手，利用不同时间的信道特性不同，传送不同的信号；利用不同信道的衰落起伏不同，传送不同的信号，使信道在保证接收端有稳定解调性能的情况下，能传送更多的数据和信道，达到最大传送速率。信号接收端用伪随机序列作为训练序列，利用伪随机序列良好的相关特性，得到时域上的信道估计值，并根据噪声强度设置合理的门限值，对信道估计值进行降噪处理，进一步提高估计精度。能可靠的估计和跟踪信道的变化特性，有效的改善系统的误码性能，可以很好的应用于多径衰落信道。在实现时采用串并转换模块将串行的输入数据转换为并行数据，滑动相关操作时采用并行处理结构，降低了处理时延，能够快速获取信道特征信息。将得到时域上的信道估计初始值训练序列送入降噪模块进行降噪处理,在大幅提高频谱利用率的同时，又具有较高的可靠性。

处理时延小。本发明相关运算模块将接收到的伪随机序列与本地伪随机序列进行滑动相关操作，在相关操作时采用并行结构处理，利用噪声门限比较结果对信道估计初始值进行降噪处理，快速获取信道特征信息，可以快速、实时、准确的估计信道的估计值，降低了处理时延。

附图说明

图1是本发明无线信道特征估计系统的信道估计原理框图。

图2是图1相关运算模块互相关操作的运行原理示意图。

图3是图1降噪模块中噪声门限计算原理示意图。

图4是本发明与传统单载波频域均衡系统在多径条件下的误码率性能比较图。

下面结合附图和实施例对发明进一步说明。

具体实施方式

参阅图1。在以下描述的实施例中，一种无线信道特征估计系统，包括，接收信号的串并转换模块，与串并转换模块相串联的相关运算模块和降噪模块。信号发送端发送一组已知的串行伪随机PN序列作为信号接收端的训练序列，信号接收端将接收到的串行伪随机序列通过串并转换模块将伪随机序列串行数据转换为并行数据，相关运算模块将接收到的伪随机序列并行数据与本地伪随机序列进行滑动相关操作，将得到时域上的信道估计初始值训练序列送入降噪模块进行降噪处理；降噪模块首先将信道估计初始值存入随机存取存储器RAM和门限计算单元中，门限计算单元将信道估计初始值训练序列从RAM中读出，根据时域信道响应幅度计算信道估计初始值中每个抽头的能量，利用得到的噪声总能量计算噪声强度，得到噪声门限，根据噪声强度设置合理噪声门限，将噪声门限送入降噪处理单元，降噪处理单元将每个抽头的能量与噪声门限比较，利用该噪声门限比较结果对信道估计初始值进行降噪处理，获得最终的信道估计值。

经过串并转换的接收数据被存储在一个深度为K的移位寄存器组中，经过串并转换的伪随机序列进入相关运算模块，相关运算模块将接收到的伪随机序列与本地伪随机序列进行滑动相关操作，每个时钟对寄存器组中的数据向右进行一次循环移位，将得到的时域上的信道估计初始值送入降噪模块进行降噪处理。

降噪模块根据时域信道响应幅度，计算信号中每个抽头的能量，将所有K个信号抽头的能量相加得到总的信号能量；寻找能量最大的M个信号抽头，认为其为主径信号和旁径信号，计算这M个信号抽头的能量之和；所有抽头的能量总和减去能量最大的M个信号抽头的能量之和即可得到噪声的总能量。将噪声的总能量除以个数K-M获得平均值，其中，M的取值大于多径的数量，然后取均值乘以经验值系数α，得到噪声门限。经验值系数α通常取8。

降噪模块首先将信道估计初始值存入RAM中，然后利用门限计算单元计算得到的噪声门限对信道估计初始值进行降噪处理。门限计算单元对噪声门限计算完成后，降噪模块首先将信道估计初始值存入随机存取存储器RAM中，然后将信道估计初始值从RAM中读出，利用信道估计初始值计算噪声门限，计算信道估计初始值中每个抽头的能量；将每个抽头的能量与噪声门限比较，如果能量比门限高，则保留该抽头，否则将该抽头置为0，再利用信道估计初始值和噪声门限进行降噪处理，用信道估计初始值和噪声门限进行降噪处理。

本实施例分以下几个步骤进行操作：

在信号发送端，发送一组已知的伪随机PN序列作为训练序列，所有什么信号有K个信号抽头；例如信号发送端发送的一组随机序列长度K＝63的已知伪随机序列，记为s(n)，信号接收端将接收到的串行伪随机序列通过串并转换模块将伪随机序列串行数据转换为并行数据，经过串并转换的接收数据被存储在一个深度为K＝63的移位寄存器组中，并行的伪随机序列进入相关运算模块，相关运算模块将接收到的伪随机序列与本地伪随机序列进行滑动相关操作，每个时钟对寄存器组中的数据向右进行一次循环移位，进行K次相关操作将得到时域上的信道估计初始值，最后将信道估计初始值送入降噪模块进行降噪处理。

参阅图2。由于本地伪随机序列s(1)、s(2)、……、s(K)中每个数据的取值为+1或-1，其与寄存器组Reg1、Reg2、Reg3…、RegK中对应数据相乘后只是对寄存器组中数据符号位的改变，因此对应数据相乘后的累加和可用以下三个步骤完成：(1)相关运算模块将对应本地伪随机序列为+1的寄存器组中的数据进行累加，(2)将对应的本地伪随机序列为-1的寄存器组中的数据进行累加，(3)将+1对应的累加和与-1对应的累加和相减。相关运算模块在相关运算中，本地伪随机序列与移位寄存器组一一对应，将经过串并转换的接收数据被存储在一个深度为K的移位寄存器组Reg1、Reg2、Reg3…、RegK中。相关运算模块每个时钟对寄存器组中的数据向右移动一个寄存器，寄存器RegK中进行一次循环移位至RegK+1，并在Reg1、Reg2、Reg3…寄存器RegK中依次不断进行循环移位，寄存器Reg1、Reg2对应的已知本地伪随机序列取值为+，并且Reg3…寄存器RegK+1对应的已知本地伪随机序列取值为+1，或寄存器RegK、寄存器RegK+1…寄存器RegK对应的已知本地伪随机序列取值为-1。相关运算模块将接收到的伪随机序列并行数据与本地伪随机序列进行滑动的一次相关操作，可分解为以下三个操作：(1)相关运算模块将对应的本地伪随机序列为+1的寄存器组中的数据进行累加；(2)将对应的本地伪随机序列为-1的寄存器组中的数据进行累加；3)将+1对应的寄存器组中的数据累加和与-1对应的寄存器组中的数据累加和相减，进行K次上述的相关操作即可获得I路信道估计初始值数据和Q路信道估计初始值数据，得到I、Q两路的信道估计初始值。以I路信道估计初始值数据为例：假设本地伪随机序列一共包含K个数据，用s(1)、s(2)、……、s(K)表示，假设信道的初始估计值用序列h(1)、h(2)、……、h(K)表示，时间序号n取值为1、2、……、K，每个时刻寄存器组向右移动一个寄存器，则I路信道估计初始估计值Q路信道估计值的计算方法与I路信道估计初始值相同。

参阅图3。降噪模块对时域上的信道估计初始值进行降噪处理。降噪模块包含并联在相关运算模块的随机存取存储器RAM和噪声门限单元，以及随机存取存储器RAM和门限计算单元相连的降噪处理单元。在降噪模块中噪声门限计算中，降噪模块中的门限计算单元计算噪声门限，根据主径信号、旁径信号和噪声时域信道响应幅度，计算主径信号、旁径信号和噪声信号中每个抽头的能量，将所有K个信号抽头的能量相加得到总的信号能量；门限计算单元对噪声门限计算完成后，寻找主径信号和旁径信号中能量最大的M个信号抽头的能量，计算M个主径信号和旁径信号抽头的能量之和，将所有抽头的能量总和减去能量最大的M个信号抽头的能量之和，即可得到噪声的总能量，再将噪声的总能量除以M个数K-M获得平均值，其中，M的取值大于多径的数量，然后取均值乘以经验值系数α，得到噪声门限。经验值系数α通常取8。

假设系统时钟频率为120MHz，信息速率3Mbps，用到的多径信道为2径莱斯信道，两径时延为[0us,0.64us]，能量为[0,-10dB]，莱斯信道K因子为15，多普勒扩展为100Hz。伪随机序列的长度K＝63，系统为单载波频域均衡系统(SC-FDE)，调制方式为四相相移键控信号QPSK调制，循环前缀长度为45，译码器为3/4码率的低密度奇偶校验码LDPC译码器。

参阅图4。本实施例针对传统的基于扩频原理的时域信道估计方法，对采用不同信道估计方法下的单载波频域均衡系统的误码率性能进行了比较。在多径条件下的误码率性能比较图中，误码率曲线1是本发明所述的信道估计系统的误码率曲线，误码率曲线2对应的采用传统的基于扩频原理的时域信道估计系统的误码率曲线。两种曲线对应系统的参数、信道条件、均衡方法、译码器均相同，只在信道估计方法上有区别。可以看出，本发明系统具有更好的误码性能，与传统信道估计方法相比能取得更高的估计精度，且处理时延小、实现复杂度低。

本说明书中公开的所有特征或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。本说明书，包括任何附加权利要求、摘要和附图中公开的任一特征，除非特别叙述，均可被其它等效或具有类似目的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

Claims (10)

1.一种无线信道特征估计系统，包括，接收信号的串并转换模块，与串并转换模块相串联的相关运算模块和降噪模块，其特征在于：信号发送端发送一组已知的串行伪随机PN序列作为信号接收端的训练序列，信号接收端将接收到的串行伪随机序列通过串并转换模块将伪随机序列串行数据转换为并行数据，相关运算模块将接收到的伪随机序列并行数据与本地伪随机序列进行滑动相关操作，将得到时域上的信道估计初始值训练序列送入降噪模块进行降噪处理；降噪模块首先将信道估计初始值存入随机存取存储器RAM和门限计算单元中，门限计算单元将信道估计初始值训练序列从RAM中读出，根据时域信道响应幅度计算信道估计初始值中每个抽头的能量，利用得到的噪声总能量计算噪声强度，得到噪声门限，根据噪声强度设置合理噪声门限，将噪声门限送入降噪处理单元，降噪处理单元将每个抽头的能量与噪声门限比较，利用该噪声门限比较结果对信道估计初始值进行降噪处理，获得最终的信道估计值。

2.如权利要求1所述的无线信道特征估计系统，其特征在于：经过串并转换的接收数据被存储在一个深度为K的移位寄存器组中，经过串并转换的伪随机序列进入相关运算模块，相关运算模块将接收到的伪随机序列与本地伪随机序列进行滑动相关操作，每个时钟对寄存器组中的数据向右进行一次循环移位，将得到的时域上的信道估计初始值送入降噪模块进行降噪处理。

3.如权利要求1所述的无线信道特征估计系统，其特征在于：门限计算单元计算信道估计初始值每个抽头的能量，包括计算所有抽头的能量总和、计算能量最大的M个抽头的能量之和，将所有抽头的能量总和减去能量最大的M个抽头的能量之和，除以个数K-M，获得平均值，且M的取值大于多径的数量，然后乘以经验值系数α，得到噪声门限。

4.如权利要求3所述的无线信道特征估计系统，其特征在于：门限计算单元对噪声门限计算完成后，降噪模块首先将信道估计初始值存入随机存取存储器RAM中，然后将信道估计初始值从RAM中读出，利用信道估计初始值计算噪声门限，计算信道估计初始值中每个抽头的能量；将每个抽头的能量与噪声门限比较，如果能量比门限高，则保留该抽头，否则将该抽头置为0，再利用信道估计初始值和噪声门限进行降噪处理，用信道估计初始值和噪声门限进行降噪处理。

5.如权利要求1所述的无线信道特征估计系统，其特征在于：在相关运算中，经过串并转换的接收数据被存储在一个深度为K的移位寄存器组Reg1、Reg2、Reg3…、RegK中，每个时钟相关运算模块对寄存器组中的数据向右进行一次循环移位。

6.如权利要求5所述的无线信道特征估计系统，其特征在于：相关运算模块每个时钟对寄存器组中的数据向右移动一个寄存器，寄存器RegK中进行一次循环移位至RegK+1，并在Reg1、Reg2、Reg3…寄存器RegK中依次不断进行循环移位，寄存器Reg1、Reg2对应的已知本地伪随机序列取值为+，并且Reg3…寄存器RegK+1对应的已知本地伪随机序列取值为+1，或寄存器RegK、寄存器RegK+1…寄存器RegK对应的已知本地伪随机序列取值为-1。

7.如权利要求1所述的快速获取信道特征信息信道估计方法，其特征在于：相关运算模块将接收到的伪随机序列并行数据与本地伪随机序列进行滑动的一次相关操作，对应的本地伪随机序列为+1的寄存器组中的数据进行累加；同时将对应的本地伪随机序列为-1的寄存器组中的数据进行累加；并将+1对应的寄存器组中的数据累加和与-1对应的寄存器组中的数据累加和相减，进行K次上述的相关操作，即可获得I路信道估计初始值数据和Q路信道估计初始值数据，得到I、Q两路的信道估计初始值。

8.如权利要求7所述的快速获取信道特征信息信道估计方法，其特征在于：相关运算模块以I路信道估计初始值数据为例，设本地伪随机序列一共包含K个数据，用s(1)、s(2)、……、s(K)表示，设信道的初始估计值用序列h(1)、h(2)、……、h(K)表示，时间序号n取值为1、2、…K，每个时刻寄存器组向右移动一个寄存器，则I路信道估计初始估计值Q路信道估计值的计算方法与I路信道估计初始值计算方法相同。

9.如权利要求1所述的无线信道特征估计系统，其特征在于：降噪模块包含并联在相关运算模块的随机存取存储器RAM和噪声门限单元，以及随机存取存储器RAM和门限计算单元相连的降噪处理单元。

10.如权利要求1所述的快速获取信道特征信息信估计方法，其特征在于：在降噪模块中噪声门限计算中，降噪模块中的门限计算单元计算噪声门限，根据主径信号、旁径信号和噪声时域信道响应幅度，计算主径信号、旁径信号和噪声信号中每个抽头的能量，将所有K个信号抽头的能量相加得到总的信号能量；寻找主径信号和旁径信号中能量最大的M个信号抽头的能量，计算M个主径信号和旁径信号抽头的能量之和，将所有抽头的能量总和减去能量最大的M个信号抽头的能量之和，即可得到噪声的总能量，再将噪声的总能量除以M个数K-M获得平均值，其中，M的取值大于多径的数量，然后取均值乘以经验值系数α，得到噪声门限。