CN109995684B - 一种半盲信道估计方法和装置 - Google Patents

一种半盲信道估计方法和装置 Download PDF

Info

Publication number
CN109995684B
CN109995684B CN201711487278.6A CN201711487278A CN109995684B CN 109995684 B CN109995684 B CN 109995684B CN 201711487278 A CN201711487278 A CN 201711487278A CN 109995684 B CN109995684 B CN 109995684B
Authority
CN
China
Prior art keywords
data
training sequence
parameter matrix
estimation
channel parameter
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.)
Active
Application number
CN201711487278.6A
Other languages
English (en)
Other versions
CN109995684A (zh
Inventor
不公告发明人
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.)
Shenzhen Tiankaili Information Technology Co ltd
Original Assignee
Shenzhen Tiankaili Information Technology Co ltd
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 Shenzhen Tiankaili Information Technology Co ltd filed Critical Shenzhen Tiankaili Information Technology Co ltd
Priority to CN201711487278.6A priority Critical patent/CN109995684B/zh
Priority to PCT/CN2018/079730 priority patent/WO2019127931A1/zh
Priority to JP2019569257A priority patent/JP6911159B2/ja
Priority to EP18895444.0A priority patent/EP3621256B1/en
Publication of CN109995684A publication Critical patent/CN109995684A/zh
Priority to US16/708,635 priority patent/US11044122B2/en
Application granted granted Critical
Publication of CN109995684B publication Critical patent/CN109995684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04L25/0224—Channel estimation using sounding signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0408—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas using two or more beams, i.e. beam diversity
    • 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
    • H04L25/021—Estimation of channel covariance
    • 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
    • H04L25/0238—Channel estimation using blind 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
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • 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
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0256—Channel estimation using minimum mean square error criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04J—MULTIPLEX COMMUNICATION
    • H04J3/00—Time-division multiplex systems
    • H04J3/02—Details
    • H04J3/14—Monitoring arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0059—Convolutional codes
    • 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
    • H04L2025/03592—Adaptation methods
    • H04L2025/03598—Algorithms
    • H04L2025/03611—Iterative algorithms
    • H04L2025/03636—Algorithms using least mean square [LMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明公开了一种半盲信道估计方法和装置，该半盲信道估计方法包括：步骤S1，获取接收端接收到的包含有第一训练序列的数据；步骤S2，根据数据和预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵；步骤S3，利用最小二乘检测算法对第一训练序列进行检测，从而得到估计数据；步骤S4，将估计数据用作第二训练序列，以及将步骤S2中的第一训练序列替换为第二训练序列，并对第二训练序列循环执行上述步骤S2和步骤S3，直至上次得到的信道参数矩阵和本次得到的信道参数矩阵相同，则停止循环，从而估计出最终的信道参数矩阵。本发明通过上述技术方案，能够估计出多天线重叠复用系统中随机的信道参数矩阵，并且性能优于采用基于训练序列的最小二乘信道估计性能。

Description

一种半盲信道估计方法和装置
技术领域
本发明涉及信道估计领域，具体来说，涉及一种半盲信道估计方法和装置。
背景技术
在通信系统中采用重叠复用编码方式进行数据编码，能够大幅度提高系统的传输频谱效率，而目前重叠复用系统OvXDM(X代表任何域，包括：时间域T，空间域S，频率域F，码分域C或混合域H等)，同时采用多天线技术，能够提高系统的传输速率。但是，多天线重叠复用系统在信道参数未知时，需要进行信道估计处理，而采用基于训练序列的最小二乘信道估计性能有待提升。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
本发明公开了一种半盲信道估计方法和装置，以至少解决相关技术中多天线重叠复用系统在信道参数未知情况下，采用基于训练序列的最小二乘信道估计性能有待提升的问题。
根据本发明的一个方面，提供了一种半盲信道估计方法，该信道估计方法应用于多天线重叠复用系统的接收端，方法包括：步骤S1，获取接收端接收到的包含有第一训练序列的数据；步骤S2，根据数据和预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵；步骤S3，利用最小二乘检测算法对第一训练序列进行检测，从而得到估计数据；步骤S4，将估计数据用作第二训练序列，以及将步骤S2中的第一训练序列替换为第二训练序列，并对第二训练序列循环执行上述步骤S2和步骤S3，直至上次得到的信道参数矩阵和本次得到的信道参数矩阵相同，则停止循环，从而估计出最终的信道参数矩阵。
根据本发明的一个实施例，根据数据和预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵之前包括：确定数据和第一训练序列之间的第一关系式，并且数据上的第一训练序列为含有噪声的训练序列，其中，第一关系式为：
R＝HS+N
其中，R为数据，H为信道参数矩阵，S为第一训练序列，N为噪声矩阵。
根据本发明的一个实施例，根据数据和预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵包括：
根据第一关系式和最小均方误差信道估计算法，确定联合矢量系数，以及利用标识位标识联合矢量系数的估计次数，其中，联合矢量系数满足下式：
Figure BDA0001534994130000021
其中，
Figure BDA0001534994130000022
为第k次估计出的联合矢量的系数；以及根据关于联合矢量的第二关系式和联合矢量系数，确定信道参数矩阵，其中，关于联合矢量的第二关系式为
Figure BDA0001534994130000023
信道参数矩阵为：
Figure BDA0001534994130000024
其中，
Figure BDA0001534994130000025
为
Figure BDA0001534994130000026
的共轭转置运算，
Figure BDA0001534994130000027
为
Figure BDA0001534994130000028
的逆运算，并且
Figure BDA0001534994130000029
并且
Figure BDA00015349941300000210
为估计出的信道参数矩阵对应的信道自相关矩阵，以及在第一次估计时，
Figure BDA00015349941300000211
以及E(HHH)为(HHH)的期望，σ2为噪声功率，
Figure BDA00015349941300000212
为第k-1次的估计的训练数据，
Figure BDA00015349941300000213
为第k-1次的信道参数矩阵，
Figure BDA00015349941300000214
为第k-1次得到的估计数据，
Figure BDA00015349941300000215
为第k次得到的信道参数矩阵。
根据本发明的一个实施例，利用最小二乘检测算法对第一训练序列进行检测，从而得到估计数据包括：利用标识位标识估计数据的估计次数，其中，估计数据为：
Figure BDA00015349941300000216
其中，
Figure BDA0001534994130000031
为
Figure BDA0001534994130000032
的共轭转置运算，
Figure BDA0001534994130000033
为
Figure BDA0001534994130000034
的逆运算，
Figure BDA0001534994130000035
为第k次的估计数据。
根据本发明的一个实施例，半盲信道估计方法还包括：通过第三关系式确定上次得到的信道参数矩阵和本次得到的信道参数矩阵相同，其中，第三关系式为：
Figure BDA0001534994130000036
其中，
Figure BDA0001534994130000037
为第k次得到的估计数据。
根据本发明的另一方面，提供了一种半盲信道估计装置。
该半盲信道估计装置包括：获取模块，用于获取接收端接收到的包含有第一训练序列的数据；估计模块，用于根据数据和预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵；检测模块，用于利用最小二乘检测算法对第一训练序列进行检测，从而得到估计数据；循环模块，用于将估计数据用作第二训练序列，以及将估计模块中的第一训练序列替换为第二训练序列，并利用估计模块和检测模块对第二训练序列循环执行，直至上次得到的信道参数矩阵和本次得到的信道参数矩阵相同，则停止循环，从而估计出最终的信道参数矩阵。
根据本发明的一个实施例，半盲信道估计装置还包括：确定模块，用于确定数据和第一训练序列之间的第一关系式，并且数据上的第一训练序列为含有噪声的训练序列，其中，第一关系式为：
R＝HS+N
其中，R为数据，H为信道参数矩阵，S为第一训练序列，N为噪声矩阵。
根据本发明的一个实施例，估计模块包括：第一确定模块，用于根据第一关系式和最小均方误差信道估计算法，确定联合矢量系数，以及利用标识位标识联合矢量系数的估计次数，其中，联合矢量系数满足下式：
Figure BDA0001534994130000038
其中，
Figure BDA0001534994130000039
为第k次估计出的联合矢量的系数；以及
第二确定模块，用于根据关于联合矢量的第二关系式和联合矢量系数，确定信道参数矩阵，其中，关于联合矢量的第二关系式为
Figure BDA0001534994130000041
信道参数矩阵为：
Figure BDA0001534994130000042
其中，
Figure BDA0001534994130000043
为
Figure BDA0001534994130000044
的共轭转置运算，
Figure BDA0001534994130000045
为
Figure BDA0001534994130000046
的逆运算，并且
Figure BDA0001534994130000047
并且
Figure BDA0001534994130000048
为估计出的信道参数矩阵对应的信道自相关矩阵，以及在第一次估计时，
Figure BDA0001534994130000049
以及E(HHH)为(HHH)的期望，σ2为噪声功率，
Figure BDA00015349941300000410
为第k-1次的估计的训练数据，
Figure BDA00015349941300000411
为第k-1次的信道参数矩阵，
Figure BDA00015349941300000412
为第k-1次得到的估计数据，
Figure BDA00015349941300000413
为第k次得到的信道参数矩阵。
根据本发明的一个实施例，检测模块包括：标识模块，用于利用标识位标识估计数据的估计次数，其中，估计数据为：
Figure BDA00015349941300000414
其中，
Figure BDA00015349941300000415
为
Figure BDA00015349941300000416
的共轭转置运算，
Figure BDA00015349941300000417
为
Figure BDA00015349941300000418
的逆运算，
Figure BDA00015349941300000419
为第k次的估计数据。
根据本发明的一个实施例，半盲信道估计方法还包括：第三确定模块，用于通过第三关系式确定上次得到的信道参数矩阵和本次得到的信道参数矩阵相同，其中，第三关系式为：
Figure BDA00015349941300000420
其中，
Figure BDA00015349941300000421
为第k次得到的估计数据。
本发明的有益技术效果在于：
本发明多天线重叠复用系统通过采用基于最小二乘和最小均方误差的半盲信道估计，一方面，它利用很少的训练符号，用最小均方误差信道估计算法来估计和初始化信道系数，运用盲信道的反复循环算法，牺牲极小的带宽而尽可能准确的传输有用信息；另一方面，它尽可能的利用估算出的估算数据，作为已知的训练序列，可突出基于训练序列的信道估计的优势，尽可能利用实际已知的训练信息，还原最初传递的信息序列，从而能够估计出多天线重叠复用系统中随机的信道参数矩阵，并且性能优于采用基于训练序列的最小二乘信道估计性能。
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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种可选的半盲信道估计方法的流程图；
图2是根据本发明实施例的一种可选的半盲信道估计中的信道估计与数据检测之间的迭代关系图；
图3是根据本发明实施例的一种可选的多天线重叠复用系统的框图；
图4是根据本发明实施例的一种可选的重叠时分复用系统的等效波形卷积编码模型；
图5是根据本发明实施例的一种可选的K路波形复用的示意图；
图6是根据本发明实施例的一种可选的重叠时分复用系统的发射信号框图；
图7是根据本发明实施例的一种可选的重叠时分复用系统的接收信号框图；
图8是根据本发明实施例的一种可选的重叠时分复用输入-输出关系图；
图9是根据本发明实施例的一种可选的节点状态转移图；
图10是根据本发明实施例的一种可选的重叠时分复用Trellis图；
图11是根据本发明实施例的一种可选的半盲信道估计装置的框图。
具体实施方式
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，所描述的实施例仅仅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所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明的实施例，提供了一种半盲信道估计方法，需要说明是的，该信道估计方法适用于多天线重叠复用系统的接收端，多天线重叠复用系统包括发送端和接收端。
如图1所示，根据本发明实施例的半盲信道估计方法包括：步骤S101，获取接收端接收到的包含有第一训练序列的数据；步骤S103，根据数据和预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵；步骤S105，利用最小二乘检测算法对第一训练序列进行检测，从而得到估计数据；步骤S107，将估计数据用作第二训练序列，以及将步骤S103中的第一训练序列替换为第二训练序列，并对第二训练序列循环执行上述步骤S103和步骤S107，直至上次得到的信道参数矩阵和本次得到的信道参数矩阵相同，则停止循环，从而估计出最终的信道参数矩阵。
借助于上述技术方案，多天线重叠复用系统通过采用基于最小二乘和最小均方误差的半盲信道估计，一方面，它利用很少的训练符号，用最小均方误差信道估计算法来估计和初始化信道系数，运用盲信道的反复循环算法，牺牲极小的带宽而尽可能准确的传输有用信息；另一方面，它尽可能的利用估算出的估算数据，作为已知的训练序列，可突出基于训练序列的信道估计的优势，尽可能利用实际已知的训练信息，还原最初传递的信息序列，从而能够估计出多天线重叠复用系统中随机的信道参数矩阵，并且性能优于采用基于训练序列的最小二乘信道估计性能。
为了更好的描述本发明的技术方案下面通过具体的实施例进行详细的描述。
在多天线重叠复用系统中使用本发明的半盲信道估计方法，能够估计出多天线重叠复用系统中随机的信道参数矩阵，并且性能优于采用基于训练序列的最小二乘信道估计性能，其中，该多天线重叠复用系统具体如下所示：
如图3所示，信源输出比特{0，1}序列，再对其进行一系列流程处理，其中包含输入比特流进行调制、OvXDM编码，然后按照空间复用将数据分成多路数据流，在多路数据流中加上训练序列，再由多个发送天线发送出去，由多个接收天线接收数据，然后进行半盲信道估计，去掉接收到的训练序列后，接着对多路数据进行相应检测、译码和解调，最后判决输出，注意：如果采用OvFDM编码时，需要在编码后面加上IFFT(快速傅里叶逆变换)，经过检测后需要进行FFT(快速傅里叶变换)运算，同样训练序列需要进行相应变换使得训练序列与编码后的数据处于同一域内，下面对上述步骤进行详细的介绍：
第一、发送过程：
1、调制
将各种数字基带信号转换成适于信道传输的已调信号，常见的调制方式有BPSK、QPSK、16QAM等，例如，根据本发明的一个实施例，下面以BPSK调制为例，数据1经BPSK调制输出为1，数据0经BPSK调制输出为-1。
2、OvXDM编码
该OvXDM编码的具体编码过程如下所示：
(1)根据设计参数在调制域内生成包络波形；
(2)根据重叠复用次数将包络波形在调制域内按预定的移位间隔进行移位，得到调制域内的各移位包络波形；
(3)将待调制序列中的符号与各自对应的移位包络波形相乘，得到调制域内的各调制包络波形；
(4)将各调制包络波形在调制域内进行叠加，得到调制域内的复调制包络波形。
下面以OvTDM编码为例，该编码具体如下所示：
编码过程如附图4所示，符号叠加过程呈平行四边形排列，如附图5所示，具体过程包括以下步骤：
(1)首先设计生成发送信号的包络波形h(t)；
(2)将(1)中所设计的包络波形h(t)经特定时间移位后，形成其它各个时刻发送信号包络波形h(t-i×ΔT)；
(3)将所要发送的符号xi与(2)生成的相应时刻的包络波形h(t-i×ΔT)相乘，得到各个时刻的待发送信号波形xih(t-i×ΔT)；
(4)将步骤(3)中所形成的各个待发送波形进行xih(t-i×ΔT)叠加，形成发射信号波形；
(5)发送的信号可以表示为：
Figure BDA0001534994130000081
3、空间复用
空间复用技术是将要传送的数据分成几个数据流，然后在不同的天线上进行传输，从而提高系统的传输速率，其常见的空时复用技术是贝尔实验室提出的分层空时码。
如果有M个发送天线，则数据在进行编码之后将被分成M组数据流进行传送。下面以两个发送天线，OvTDM编码为例，说明数据分流过程，具体如下所示：
假设经过OvTDM编码后数据长度为L，以前8位数据为例来说明数据分流过程：前8位OvTDM编码输出为：{0.0150-0.0150i，0.0240-0.0240i，0.0410-0.0410i，0.0641-0.0641i，0.0911-0.0911i，0.1197-0.1197i，0.1475-0.1474i，0.1719-0.1719i}，将该8数据的奇数和偶数位置上的数据分离：S1＝{0.0150-0.0150i，0.0410-0.0410i，0.0911-0.0911i，0.1475-0.1474i}；S2＝{0.0240-0.0240i，0.0641-0.0641i，0.1197-0.1197i，0.1719-0.1719i}，其中S1为调制输出数据奇数位置上对应的数据，而S2为调制输出数据偶数位置上对应的数据。将S1，S2作为的两路输出，由两个发送天线发送出去。
4、加训练序列
训练序列的设计既要满足训练序列的正交性原理，又要保证实现信道估计过程有较低的计算复杂度。下面以2个发送天线，2个接收天线为例说明空间复用系统中采用的训练序列，具体如下：
假设训练序列长度为M1，其中非零元素长度为M1/2，对于两路数据而言，其训练序列的形式为[M1/2个非零元素，M1/2个零元素；M1/2个零元素，M1/2个非零元素]或者[M1/2个零元素，M1/2个非零元素；M1/2个非零元素，M1/2个零元素]，该结构能够保证训练序列的正交性，其中非零元素指的是+1，-1。然后，将该训练序列置于空间复用输出的两路数据前面，构成如下结构[M1/2个非零元素，M1/2个零元素，S1；M1/2个零元素，M1/2个非零元素，S2]，将该结构对应的数据经由2个发送天线发送出去(接收端已知训练序列)。
此外，以M1＝8，空间复用输出2路的前8位置数据，第一种结构为例，两路数据对应的训练序列为[-1，1，1，-1，0，0，0，0；0，0，0，0，-1，1，1，-1]，加上空时复用输出数据后对应的数据为[-1，1，1，-1，0，0，0，0，0.0150-0.0150i，0.0410-0.0410i，0.0911-0.0911i，0.1475-0.1474i；0，0，0，0，-1，1，1，-1，0.0240-0.0240i，0.0641-0.0641i，0.1197-0.1197i，0.1719-0.1719i]，将该两路数据由两个发送天线发送出去(注意一般情况下训练序列长度小于传输数据长度，在此为了简单说明基于训练序列的信道编码，未取太多的空间复用输出数据)。
第二、接收过程：
发送端将编码调制后的信号经过天线发射出去，信号经过无线信道传输，如图6和图7示出了接收信号的过程。同时，由多个接收天线接收数据，接收端首先根据训练序列进行半盲信道估计，然后去掉训练序列，对其他剩余传输数据用相应的检测算法进行检测，然后对检测输出数据进行译码，解调，最终判决输出比特流。
5、基于最小二乘算法和最小均方误差算法进行半盲信道估计
半盲估计是结合盲估计(盲估计主要利用信道潜在的结构特征或者输入信号的特征达到信道估计的目的，在此不详细介绍)与基于训练序列估计这两种方法优点的信道估计方法，它利用很少的训练序列，本专利中采用最小均方误差信道估计算法进行相应的估计，初始化信道系数，然后利用最小二乘检测算法对训练序列进行检测，检测输出数据作为一种虚拟训练序列进行信道再次估计，直至达到一定的效果为止。接收端半盲估计的具体过程如下所示：
(1)初始化估计次数k＝0，根据接收端接收到的数据中训练序列(含噪声的训练序列)对应的数据用变量R表示，同时，已知的训练序列(不含噪声的训练序列，或第一训练数据)用变量S表示，进行相应的最小均方误差信道估计，其中两者的关系为:
R＝HS+N
其中，H为信道参数矩阵，N相应的噪声矩阵；
随后，通过最小均方误差信道算法估算求得
Figure BDA0001534994130000101
使得实际值与估计值的最小均方误差达到最小，
Figure BDA0001534994130000102
表示第k次的信道参数矩阵。此外，为了保证接收到的联合矢量wR(w为联合矢量中的系数，同时，关于联合矢量的关系式为
Figure BDA0001534994130000103
并且
Figure BDA0001534994130000104
为第k次估计出的联合矢量的系数)和实际信道参数H之间的均方误差最小，如下所示：
Figure BDA0001534994130000105
从而，根据上述联合矢量公式和信道参数矩阵，得出相应的
Figure BDA0001534994130000106
估值为
Figure BDA0001534994130000107
最终得出信道参数估计矩阵为
Figure BDA0001534994130000108
其中，
Figure BDA0001534994130000109
为第k次得到的所述信道参数矩阵，RH＝E[HHH]为信道自相关矩阵(统计特性)，σ2为噪声功率；
(2)根据信道参数估计矩阵
Figure BDA00015349941300001010
采用最小二乘检测算法进行相应的检测，即求得第k次的估计数据
Figure BDA00015349941300001017
使得噪声方差最小：
Figure BDA00015349941300001011
得到相应的数据估计为：
Figure BDA00015349941300001012
其中，
Figure BDA00015349941300001013
为
Figure BDA00015349941300001014
的共轭转置运算，
Figure BDA00015349941300001015
为
Figure BDA00015349941300001016
的逆运算，
Figure BDA0001534994130000111
为第k次的估计数据；
(3)令k＝k+1，将估计出的数据作为一种虚拟的训练序列进行信道估计，即：
Figure BDA0001534994130000112
其中，
Figure BDA0001534994130000113
为
Figure BDA0001534994130000114
的共轭转置运算，
Figure BDA0001534994130000115
为
Figure BDA0001534994130000116
的逆运算，并且
Figure BDA0001534994130000117
并且
Figure BDA0001534994130000118
为估计出的信道参数矩阵对应的信道自相关矩阵，以及在第一次估计时，
Figure BDA0001534994130000119
以及E(HHH)为(HHH)的期望，σ2为噪声功率，
Figure BDA00015349941300001110
为第k-1次的估计的训练数据，
Figure BDA00015349941300001111
为第k-1次的信道参数矩阵，
Figure BDA00015349941300001112
为第k-1次得到的估计数据，并且
Figure BDA00015349941300001113
为第k次得到的所述信道参数矩阵；
(4)重复上述第(2)步和第(3)步，从而通过循环进行信道估计和数据检测，直至满足以下的停止准则：
Figure BDA00015349941300001114
其中，
Figure BDA00015349941300001115
为第k-1次得到的信道参数矩阵，
Figure BDA00015349941300001118
为第k-1次得到的估计数据，
Figure BDA00015349941300001116
为第k次得到的信道参数矩阵，
Figure BDA00015349941300001117
为第k次得到的估计数据。
接下来举例说明盲估计过程：
假设接收到的数据为2×L1的矩阵，以前面12列为例，接收到的数据为r＝[0.2849+0.1618i，-0.1829-0.4103i，-0.2963-0.1999i，0.0376+0.1996i，0.2577-0.3266i，-0.3208+0.0813i，0.0270+0.1280i，-0.3714-0.0813i，-0.1212-0.1790i，0.0549+0.0599i，0.0088+0.0143i，-0.1676+0.2476i；0.0282+0.5712i，0.2349-0.6366i，0.2396-0.8315i，-0.1979+0.3508i，0.1621+0.7298i，0.1593-0.7183i，0.5067-0.5767i，0.1649+0.5036i，0.1949+0.3310i，-0.0511-0.0522i，-0.3634+0.0459i，-0.2519-0.2717i]，随后根据已知的训练序列，用最小均方误差估计方法第一次估计出信道参数矩阵为[-0.1026-0.1230i，-0.0266+0.0727i；0.0791-0.2901i，0.0399-0.3043i]，然后，按照最小二乘检测方式进行估计训练序列，估计出对应的数据为[-1.8526+0.7156i，2.7410+0.4950i，2.1478-0.2490i，-1.2365-0.5972i，0.2202+1.4328i，0.8061-0.9891i，-0.3687+0.8351i，0.3511-1.7629i；0.0602-0.1158i，-0.4391-0.3552i，0.6695+0.3786i，-0.0960+0.2531i，-2.3124-0.5877i，1.4739+1.0638i，2.5462+0.6313i，-2.1322+2.4104i]。此外，将估计出来的训练序列作为虚拟的训练序列，再进行信道估计，得出信道参数估计矩阵为[-0.3175-0.4649i，-0.0171+0.3434i；0.2303-0.6645i，0.0517-0.7578i]...，如此反复进行信道估计和检测，直至最后估计出的信道参数趋于不变。
6、检测算法
去除接收数据中训练序列位置所对应的数据，按照估计出的信道参数矩阵对剩余传输的数据进行相应检测，常见的检测算法有：传统的检测算法，如最大似然(MaximumLikelihood，简称ML)检测、迫零(Zero Forcing，简称ZF)检测、最小均方误差(MinimumMean Square Error，简称MMSE)检测、串行干扰抵消+传统检测算法的组合等，此外，该串行干扰抵消+传统检测算法的组合包括串行干扰抵消+迫零(Successive InterferenceCancellation-Zero Forcing，简称SCI-ZF)检测、串行干扰抵消+最小均方误差(Successive Interference Cancellation-Minimum Mean Square Error，简称SCI-MMSE)检测等。
此外，还将多路检测输出数据合并为一路，如假设有2个接收天线，对应的检测输出为2路数据，然后将其中的第一路数据作为输出的奇数位置上对应的数据，而将第二路数据作为输出的偶数位置上对应的数据。
7、译码
对检测输出，进行译码，一般译码实现算法包括map、log map、max log map、sova等，实现方法很多，如图8对应为K＝3时重叠复用系统输入-输出关系图，附图9对应其节点状态转移关系图，附图10对应为K＝3时，重叠复用系统Trellis图。
8、解调
解调是从携带消息的已调信号中恢复信息的过程，它是调制的逆过程。以BPSK解调为例，直观的就是接收端输出信号值的实部(BPSK信号的调制星座映射，虚部总是为0)。
9、判决输出
对解调的输出进行相应的判决输出，例如，硬判决，当输出数据大于0，判决输出为1；然而当输出数据小于0，判决输出为0。
根据本发明的实施例，还提供了一种半盲信道估计装置。
如图11所示，根据本发明实施例的半盲信道估计装置包括：获取模块1101，用于获取接收端接收到的包含有第一训练序列的数据；估计模块1103，用于根据数据和预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵；检测模块1105，用于利用最小二乘检测算法对第一训练序列进行检测，从而得到估计数据；循环模块1107，用于将估计数据用作第二训练序列，以及将估计模块1103中的第一训练序列替换为第二训练序列，并利用估计模块1103和检测模块1105对第二训练序列循环执行，直至上次得到的信道参数矩阵和本次得到的信道参数矩阵相同，则停止循环，从而估计出最终的信道参数矩阵。
根据本发明的一个实施例，半盲信道估计装置还包括：确定模块(未示出)，用于确定数据和第一训练序列之间的第一关系式，并且数据上的第一训练序列为含有噪声的训练序列，其中，第一关系式为：
R＝HS+N
其中，R为数据，H为信道参数矩阵，S为第一训练序列，N为噪声矩阵。
根据本发明的一个实施例，估计模块1103包括：第一确定模块(未示出)，用于根据第一关系式和最小均方误差信道估计算法，确定联合矢量系数，以及利用标识位标识联合矢量系数的估计次数，其中，联合矢量系数满足下式：
Figure BDA0001534994130000131
其中，
Figure BDA0001534994130000132
为第k次估计出的联合矢量的系数；以及
第二确定模块(未示出)，用于根据关于联合矢量的第二关系式和联合矢量系数，确定信道参数矩阵，其中，关于联合矢量的第二关系式为
Figure BDA0001534994130000133
信道参数矩阵为：
Figure BDA0001534994130000134
其中，
Figure BDA0001534994130000135
为
Figure BDA0001534994130000136
的共轭转置运算，
Figure BDA0001534994130000137
为
Figure BDA0001534994130000138
的逆运算，并且
Figure BDA0001534994130000141
并且
Figure BDA0001534994130000142
为估计出的信道参数矩阵对应的信道自相关矩阵，以及在第一次估计时，
Figure BDA0001534994130000143
以及E(HHH)为(HHH)的期望，σ2为噪声功率，
Figure BDA0001534994130000144
为第k-1次的估计的训练数据，
Figure BDA0001534994130000145
为第k-1次的信道参数矩阵，
Figure BDA0001534994130000146
为第k-1次得到的估计数据，
Figure BDA0001534994130000147
为第k次得到的信道参数矩阵。
根据本发明的一个实施例，检测模块1105包括：标识模块(未示出)，用于利用标识位标识估计数据的估计次数，其中，估计数据为：
Figure BDA0001534994130000148
其中，
Figure BDA0001534994130000149
为
Figure BDA00015349941300001410
的共轭转置运算，
Figure BDA00015349941300001411
为
Figure BDA00015349941300001412
的逆运算，
Figure BDA00015349941300001413
为第k次的估计数据。
根据本发明的一个实施例，半盲信道估计方法还包括：第三确定模块(未示出)，用于通过第三关系式确定上次得到的信道参数矩阵和本次得到的信道参数矩阵相同，其中，第三关系式为：
Figure BDA00015349941300001414
其中，
Figure BDA00015349941300001415
为第k次得到的估计数据。
综上所述，借助于本发明的上述技术方案，多天线重叠复用系统通过采用基于最小二乘和最小均方误差的半盲信道估计，一方面，它利用很少的训练符号，用最小均方误差信道估计算法来估计和初始化信道系数，运用盲信道的反复循环算法，牺牲极小的带宽而尽可能准确的传输有用信息；另一方面，它尽可能的利用估算出的估算数据，作为已知的训练序列，可突出基于训练序列的信道估计的优势，尽可能利用实际已知的训练信息，还原最初传递的信息序列，从而能够估计出多天线重叠复用系统中随机的信道参数矩阵，并且性能优于现有技术中的采用训练序列的最小二乘信道估计性能。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种半盲信道估计方法，所述半盲信道估计方法应用于多天线重叠复用系统的接收端，其特征在于，包括：
步骤S1，获取所述接收端接收到的包含有第一训练序列的数据；
步骤S2，根据所述数据和预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵；
步骤S3，利用最小二乘检测算法对所述第一训练序列进行检测，从而得到估计数据；
步骤S4，将所述估计数据用作第二训练序列，以及将所述步骤S2中的所述第一训练序列替换为所述第二训练序列，并对所述第二训练序列循环执行上述步骤S2和步骤S3，直至上次得到的所述信道参数矩阵和本次得到的信道参数矩阵相同，则停止循环，从而估计出最终的信道参数矩阵；
根据所述数据和所述预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵之前包括：
确定所述数据和所述第一训练序列之间的第一关系式，并且所述数据上的第一训练序列为含有噪声的训练序列，其中，所述第一关系式为：
R＝HS+N
其中，R为所述数据，H为所述信道参数矩阵，S为所述第一训练序列，N为噪声矩阵；
根据所述数据和所述预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵包括：
根据所述第一关系式和最小均方误差信道估计算法，确定联合矢量系数，以及利用标识位标识所述联合矢量系数的估计次数，其中，所述联合矢量系数满足下式：
Figure FDA0003173091650000011
其中，
Figure FDA0003173091650000012
为第k次估计出的联合矢量的系数；以及
根据关于联合矢量的第二关系式和所述联合矢量系数，确定所述信道参数矩阵，其中，所述关于联合矢量的第二关系式为
Figure FDA0003173091650000013
所述信道参数矩阵为：
Figure FDA0003173091650000021
其中，
Figure FDA0003173091650000022
为
Figure FDA0003173091650000023
的共轭转置运算，
Figure FDA0003173091650000024
为
Figure FDA0003173091650000025
的逆运算，并且
Figure FDA0003173091650000026
并且
Figure FDA0003173091650000027
为估计出的信道参数矩阵对应的信道自相关矩阵，以及在第一次估计时，
Figure FDA0003173091650000028
以及E(HHH)为(HHH)的期望，σ2为噪声功率，
Figure FDA0003173091650000029
为第k-1次的估计的训练数据，
Figure FDA00031730916500000210
为第k-1次的信道参数矩阵，
Figure FDA00031730916500000211
为第k-1次得到的估计数据，
Figure FDA00031730916500000212
为第k次得到的所述信道参数矩阵。
2.根据权利要求1所述的半盲信道估计方法，其特征在于，利用最小二乘检测算法对所述第一训练序列进行检测，从而得到估计数据包括：
利用标识位标识所述估计数据的估计次数，其中，所述估计数据为：
Figure FDA00031730916500000213
其中，
Figure FDA00031730916500000214
为
Figure FDA00031730916500000215
的共轭转置运算，
Figure FDA00031730916500000216
为
Figure FDA00031730916500000217
的逆运算，
Figure FDA00031730916500000218
为第k次的估计数据。
3.根据权利要求2所述的半盲信道估计方法，其特征在于，所述半盲信道估计方法还包括：
通过第三关系式确定上次得到的所述信道参数矩阵和本次得到的信道参数矩阵相同，其中，所述第三关系式为：
Figure FDA00031730916500000219
其中，
Figure FDA00031730916500000220
为第k次得到的估计数据。
4.一种半盲信道估计装置，所述半盲信道估计装置应用于多天线重叠复用系统的接收端，其特征在于，包括：
获取模块，用于获取所述接收端接收到的包含有第一训练序列的数据；
估计模块，用于根据所述数据和预存的第一训练序列进行最小均方误差信道估计，从而得到信道参数矩阵；
检测模块，用于利用最小二乘检测算法对所述第一训练序列进行检测，从而得到估计数据；
循环模块，用于将所述估计数据用作第二训练序列，以及将所述估计模块中的所述第一训练序列替换为所述第二训练序列，并利用所述估计模块和所述检测模块对所述第二训练序列循环执行，直至上次得到的所述信道参数矩阵和本次得到的信道参数矩阵相同，则停止循环，从而估计出最终的信道参数矩阵；
所述半盲信道估计装置还包括：
确定模块，用于确定所述数据和所述第一训练序列之间的第一关系式，并且所述数据上的第一训练序列为含有噪声的训练序列，其中，所述第一关系式为：
R＝HS+N
其中，R为所述数据，H为所述信道参数矩阵，S为所述第一训练序列，N为噪声矩阵；
所述估计模块包括：
第一确定模块，用于根据所述第一关系式和最小均方误差信道估计算法，确定联合矢量系数，以及利用标识位标识所述联合矢量系数的估计次数，其中，所述联合矢量系数满足下式：
Figure FDA0003173091650000031
其中，
Figure FDA0003173091650000032
为第k次估计出的联合矢量的系数；以及
第二确定模块，用于根据关于联合矢量的第二关系式和所述联合矢量系数，确定所述信道参数矩阵，其中，所述关于联合矢量的第二关系式为
Figure FDA0003173091650000033
所述信道参数矩阵为：
Figure FDA0003173091650000034
其中，
Figure FDA0003173091650000035
为
Figure FDA0003173091650000036
的共轭转置运算，
Figure FDA0003173091650000037
为
Figure FDA0003173091650000038
的逆运算，并且
Figure FDA0003173091650000039
并且
Figure FDA00031730916500000310
为估计出的信道参数矩阵对应的信道自相关矩阵，以及在第一次估计时，
Figure FDA00031730916500000311
以及E(HHH)为(HHH)的期望，σ2为噪声功率，
Figure FDA00031730916500000312
为第k-1次的估计的训练数据，
Figure FDA00031730916500000313
为第k-1次的信道参数矩阵，
Figure FDA00031730916500000314
为第k-1次得到的估计数据，
Figure FDA00031730916500000315
为第k次得到的所述信道参数矩阵。
5.根据权利要求4所述的半盲信道估计装置，其特征在于，所述检测模块包括：
标识模块，用于利用标识位标识所述估计数据的估计次数，其中，所述估计数据为：
Figure FDA0003173091650000041
其中，
Figure FDA0003173091650000042
为
Figure FDA0003173091650000043
的共轭转置运算，
Figure FDA0003173091650000044
为
Figure FDA0003173091650000045
的逆运算，
Figure FDA0003173091650000046
为第k次的估计数据。
6.根据权利要求5所述的半盲信道估计装置，其特征在于，所述半盲信道估计方法还包括：
第三确定模块，用于通过第三关系式确定上次得到的所述信道参数矩阵和本次得到的信道参数矩阵相同，其中，所述第三关系式为：
Figure FDA0003173091650000047
其中，
Figure FDA0003173091650000048
为第k次得到的估计数据。
CN201711487278.6A 2017-12-29 2017-12-29 一种半盲信道估计方法和装置 Active CN109995684B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201711487278.6A CN109995684B (zh) 2017-12-29 2017-12-29 一种半盲信道估计方法和装置
PCT/CN2018/079730 WO2019127931A1 (zh) 2017-12-29 2018-03-21 一种半盲信道估计方法和装置
JP2019569257A JP6911159B2 (ja) 2017-12-29 2018-03-21 セミブラインドチャンネル推測方法及び装置
EP18895444.0A EP3621256B1 (en) 2017-12-29 2018-03-21 Semi-blind channel estimation method and apparatus
US16/708,635 US11044122B2 (en) 2017-12-29 2019-12-10 Semi-blind channel estimation method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711487278.6A CN109995684B (zh) 2017-12-29 2017-12-29 一种半盲信道估计方法和装置

Publications (2)

Publication Number Publication Date
CN109995684A CN109995684A (zh) 2019-07-09
CN109995684B true CN109995684B (zh) 2021-11-16

Family

ID=67064981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711487278.6A Active CN109995684B (zh) 2017-12-29 2017-12-29 一种半盲信道估计方法和装置

Country Status (5)

Country Link
US (1) US11044122B2 (zh)
EP (1) EP3621256B1 (zh)
JP (1) JP6911159B2 (zh)
CN (1) CN109995684B (zh)
WO (1) WO2019127931A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113347124B (zh) * 2021-06-07 2022-04-01 广州城建职业学院 一种信道估测方法、系统、装置及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101136883A (zh) * 2007-08-21 2008-03-05 中科院嘉兴中心微系统所分中心 基于放大转发协作处理的宽带无线传感网络信道估计方法
EP2067332A1 (en) * 2006-09-29 2009-06-10 Samsung Electronics Co., Ltd. Channel estimation method and apparatus in an ofdm wireless communication system
CN101808053A (zh) * 2010-02-26 2010-08-18 大唐联诚信息系统技术有限公司 基于ofdm的信道估计方法及装置
CN102833194A (zh) * 2012-08-27 2012-12-19 重庆邮电大学 快速时变信道下基于对称基扩展模型的ofdm信道估计方法
CN104022978A (zh) * 2014-06-18 2014-09-03 中国联合网络通信集团有限公司 一种半盲信道估计方法和系统
CN106453166A (zh) * 2016-12-08 2017-02-22 桂林电子科技大学 一种大规模mimo信道估计方法和系统
CN107005503A (zh) * 2014-12-16 2017-08-01 华为技术有限公司 无线通信系统中的方法和接收器

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE60332893D1 (de) * 2002-04-25 2010-07-22 Imec CDMA Empfang-übertragungstechniken für Funksysteme mit Mehrfacheingängen und Mehrfachausgängen (MIMO)
US8126085B2 (en) * 2004-11-22 2012-02-28 Intel Corporation Method and apparatus to estimate channel tap
EP2071786B1 (en) * 2007-12-14 2020-12-23 Vodafone Holding GmbH Method and transceiver for data communication
US8656243B2 (en) * 2010-01-13 2014-02-18 Intel Mobile Communications GmbH Radio receiver and method for channel estimation
US8396440B2 (en) * 2010-06-22 2013-03-12 Qualcomm Incorporated Signal reception method and apparatus for non-stationary channels
CN102651723B (zh) * 2011-02-25 2015-06-10 澜起科技（上海）有限公司 基于时域训练序列的信道估计方法及系统
EP2536082A1 (en) * 2011-06-16 2012-12-19 Sequans Communications Iterative channel estimation method with compensated MMSE
WO2013100781A1 (en) * 2011-12-29 2013-07-04 Intel Corporation Frequency-domain turbo equalization, including multi-mode adaptive linear equalization, adaptive decision-directed channel estimation, adaptive noise variance estimation, and dynamic iteration control
CN103475606B (zh) * 2013-09-24 2016-08-17 重庆邮电大学 Lte-a系统中tm9模式下基于参考信号的信道估计方法
US9088447B1 (en) * 2014-03-21 2015-07-21 Mitsubishi Electric Research Laboratories, Inc. Non-coherent transmission and equalization in doubly-selective MIMO channels
US20180013592A1 (en) * 2015-01-20 2018-01-11 ZTE Canada Inc. Channel estimation using composite subcarriers and combined pilots
US9264118B1 (en) * 2015-03-02 2016-02-16 Mitsubishi Electric Research Laboratories, Inc. System and method for communicating data symbols via wireless doubly-selective channels
DE102015107080B3 (de) * 2015-05-06 2016-08-25 Intel IP Corporation Verfahren und Vorrichtungen zur Kanalschätzung für Mobilsysteme ungenügender zyklischer Präfixlänge
US10182439B2 (en) * 2016-02-16 2019-01-15 Samsung Electronics Co., Ltd Method and apparatus for data-aided iterative channel estimation
US9882761B2 (en) * 2016-03-07 2018-01-30 Samsung Electronics Co., Ltd System and method for enhanced channel estimation using tap-dependent frequency offset (FO) estimation
CN106230754B (zh) * 2016-07-22 2019-03-29 河海大学 一种大规模mimo系统的干扰消除-匹配滤波信道估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2067332A1 (en) * 2006-09-29 2009-06-10 Samsung Electronics Co., Ltd. Channel estimation method and apparatus in an ofdm wireless communication system
CN101136883A (zh) * 2007-08-21 2008-03-05 中科院嘉兴中心微系统所分中心 基于放大转发协作处理的宽带无线传感网络信道估计方法
CN101808053A (zh) * 2010-02-26 2010-08-18 大唐联诚信息系统技术有限公司 基于ofdm的信道估计方法及装置
CN102833194A (zh) * 2012-08-27 2012-12-19 重庆邮电大学 快速时变信道下基于对称基扩展模型的ofdm信道估计方法
CN104022978A (zh) * 2014-06-18 2014-09-03 中国联合网络通信集团有限公司 一种半盲信道估计方法和系统
CN107005503A (zh) * 2014-12-16 2017-08-01 华为技术有限公司 无线通信系统中的方法和接收器
CN106453166A (zh) * 2016-12-08 2017-02-22 桂林电子科技大学 一种大规模mimo信道估计方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A Semi-Blind Channel Estimation Algorithm for Massive MIMO Systems;Khushboo Mawatwal,Debarati Sen,Rajarshi Roy;《IEEE Wireless Communications Letters》;20161122;全文 *

Also Published As

Publication number Publication date
WO2019127931A1 (zh) 2019-07-04
US11044122B2 (en) 2021-06-22
EP3621256B1 (en) 2022-06-15
JP2020523879A (ja) 2020-08-06
JP6911159B2 (ja) 2021-07-28
CN109995684A (zh) 2019-07-09
US20200119954A1 (en) 2020-04-16
EP3621256A4 (en) 2021-03-10
EP3621256A1 (en) 2020-03-11

Similar Documents

Publication Publication Date Title
KR100799901B1 (ko) 다중 송신 안테나를 위한 ｏｆｄｍ 채널 추정 및 트래킹
CN101350800B (zh) 载波间干扰处理装置和方法以及无线通信系统的接收机
CN101981846B (zh) 接收设备、接收方法和通信系统
CN112202479A (zh) 多入多出-正交时频空系统的低复杂度信号检测方法
WO2008025397A1 (en) Equalizing structure and equalizing method
CN1983910A (zh) 一种多天线数字无线通信系统中信号检测的方法
EP1914919A1 (en) Receiver apparatus
CN110493151A (zh) 电力线中稀疏迭代协方差估计的脉冲噪声抑制方法
WO2008025388A1 (en) Equalizing structure and equalizing method
WO2008032849A1 (en) Wireless communication apparatus
JP2009505554A (ja) Ｍｉｍｏ−ｏｆｄｍシステムにおけるチャネル推定方法およびチャネル推定のためのトレーニング信号生成方法
KR20070022072A (ko) 간섭에 대한 최소 제곱 추정을 이용한 수신
Zhang et al. Deep residual learning for otfs channel estimation with arbitrary noise
CN109995684B (zh) 一种半盲信道估计方法和装置
CN100499611C (zh) 无线通信系统空域最大后验概率检测方法
Bhuyan et al. MIMO-OFDM channel tracking using a dynamic ANN topology
WO2008025402A1 (en) Equalizing structure and equalizing method
CN104735003A (zh) 欧式距离计算方法、模块和多输入多输出译码装置
KR20080021323A (ko) 다중 안테나 통신시스템의 송신신호 검출을 위한 수신장치및 방법
WO2012035345A2 (en) Improvements in ofdm communication systems
KR100745781B1 (ko) Ｍｉｍｏ－ｏｆｄｍ 시스템에서 직교코드로 부호화된임펄스 열을 이용한 훈련신호 생성 방법과 직교코드복호화를 이용한 채널 추정 방법
WO2019127930A1 (zh) 一种半盲信道估计方法和装置
KR101463532B1 (ko) 협력 통신 시스템에서 데이터 송수신 방법 및 장치
WO2008025394A1 (en) Equalizing structure and equalizing method
JP2010154087A (ja) 受信装置、及び信号検出方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190808

Address after: 518000 Guangdong city of Shenzhen province Nanshan District South Road West Guangxi Temple northbound sun Huayi Building 1 15D-02F

Applicant after: Shenzhen Guangqi Hezhong Technology Co., Ltd.

Address before: Bantian street Longgang District of Shenzhen City, Guangdong province 518000 Jihua Road, the new world Huasai Industrial Area No. 2, building 101 (two floor) 201

Applicant before: SHENZHEN CHAOJI DATA CHAIN TECHNOLOGY CO., LTD.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211027

Address after: 518001 Room 501, building B, tengbang building, No. 2, Qingshuihe 4th Road, Qingshuihe community, Qingshuihe street, Luohu District, Guangzhou City, Guangdong Province

Applicant after: Shenzhen tiankaili Information Technology Co.,Ltd.

Address before: 518000 Guangdong, Shenzhen, Nanshan District, Nanhai Road, West Guangxi Temple Road North Sunshine Huayi Building 1 15D-02F

Applicant before: SHEN ZHEN KUANG-CHI HEZHONG TECHNOLOGY Ltd.

GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 518001 Room 501, building B, tengbang building, No. 2, Qingshuihe 4th Road, Qingshuihe community, Qingshuihe street, Luohu District, Shenzhen, Guangdong

Patentee after: Shenzhen tiankaili Information Technology Co.,Ltd.

Address before: 518001 Room 501, building B, tengbang building, No. 2, Qingshuihe 4th Road, Qingshuihe community, Qingshuihe street, Luohu District, Guangzhou City, Guangdong Province

Patentee before: Shenzhen tiankaili Information Technology Co.,Ltd.