CN113395221A - 一种基于正交时频空联合信道估计与符号检测方法 - Google Patents

Abstract

本发明公开了一种基于正交时频空联合信道估计与符号检测方法，包括以下步骤：步骤1，导频符号放置：根据MIMO‑OTFS系统输入与输出之间的关系建立数学模型，通过分析数学模型将信道估计问题转换为稀疏信号重构问题；步骤2，信道估计，在接收端，信号先经过预处理后得到时延‑多普勒域符号；步骤3，符号检测，在接收端，根据信道估计步骤所得到的信道参数进行符号检测；步骤4，迭代反馈，本发明的优越效果是：基于迭代联合的思想提出了多输入多输出正交时频空系统下的联合信道估计与符号检测方法，能够通过不断的反馈迭代来提高系统性能，对低于阈值概率的符号索引集合重新进行检测，形成信号检测与信道估计的联合迭代检测来提升系统性能。

Description

一种基于正交时频空联合信道估计与符号检测方法

技术领域

本发明属于高移动场景下无线通信技术领域，尤其涉及一种基于多输入多输出正交时频空(MIMO-OTFS)调制系统的联合信道估计与符号检测方法。

背景技术

目前，现有的5G通信技术采用的调制方式是正交频分复用(OFDM)方案，这种方案对频偏十分的敏感，而高速运动会产生较高的多普勒频移，会引起载波间干扰(Inter-Carrier Interference，ICI)，从而导致子载波间的正交性被破坏，因此系统性能大幅衰减。Ronny Hadani等人近年来提出了正交时频空(OTFS)调制方案，技术在双选择性衰落信道中比OFDM具有显著的性能优势，尤其在对多普勒偏移具有较高的容忍性，原因在于OTFS调制方案是在时延-多普勒域上展开多路复用的，这样能够将时频域上的双选信道转换为时延-多普勒域上的恒不变信道，从而使得所有的时延-多普勒符号都经历相同的信道增益。由于OTFS调制优点，研究人员将其与多输入多输出(MIMO)系统相结合来实现高移动性场景下的高速率通信需求，然而，关于MIMO-OTFS系统的研究存在两大挑战，即信道估计与信号检测。对于OTFS系统的信道估计问题，许多现有方案将不适用于时延-多普勒域。同时，为保证高速移动的通信终端的性能，信号处理时间将大大减少，这使得盲信道估计方案也将不适用于高移动性场景。因此，OTFS调制方案的信道估计方案必须具备低复杂度，高准确度，低导频开销等特性。近年来的关于OTFS系统的信道估计方法分为线性和非线性这两类。其中基于嵌入式导频的信道估计方案就属于线性信道估计，先在时延-多普勒域中插入一个高功率的导频符号,并在其周围填充功率为零的符号来避免数据符号的干扰，然后在接收端通过阈值判定出时延-多普勒域信道抽头的非零值位置，最后利用这些位置所对应的接收信号与导频符号相除，从而得到信道的估计值。然而，这类信道估计方案准确度较低,而且导频功率至少高于符号功率20dB才有效，进而带来高峰均功率比这一缺陷。非线性信道估计方案则利用时延-多普勒域信道的稀疏特性,通过压缩感知,稀疏贝叶斯学习以及消息传递等理论来重构信道参数。但是非线性信道估计方案地缺点在于过高的计算复杂度。

对于OTFS系统的信号检测问题，最大的挑战在于系统性能与计算复杂度之间的权衡。根据输入信号与输出信号在时延多普勒域上的关系，每个接收信号都受到多个发送信号的影响，这使得最优的最大似然检测方法将不现实。目前信号检测方法也分为线性与非线性两类。其中线性方案就包括迫零(ZF)以及最小均方误差(MMSE)均衡，这类信号检测方案利用矩阵特性从而简化求解信道矩阵。线性信号均衡方案虽然降低了计算复杂度，但是也存在系统性能较低的缺点。非线性信号检测方案利用收发端间的关系，从而通过迭代的思想来逐步逼近最优解，其包括消息传递、变分贝叶斯以及反馈均衡等，这些方案极大地提高了系统性能，但是迭代使其计算复杂度也特别高。

发明内容

本发明的目的在于提供一种能够克服上述技术问题的基于正交时频空(MIMO-OTFS)联合信道估计与符号检测方法，本发明所述方法适用于正交时频空(MIMO-OTFS)系统的信道估计与符号检测。

本发明所述方法包括以下步骤：

步骤1，导频符号放置：根据MIMO-OTFS系统输入与输出之间的关系建立数学模型，通过分析数学模型将信道估计转换为稀疏信号重构，在时延-多普勒域放置少量的导频符号用于接收端的信道参数估计，其中收发天线数目N_t＝N_r＝N_a，首先输入比特先经过编码，交织以及正交相移键控(QPSK)调制映射后得到时延-多普勒域符号，根据输入与输出之间的关系导频符号放置图案，设定系统的信道模型为以下公式(1)：

公式(1)中，

分别表示第n_t发送天线与第n_r接收天线之间信号在第i径的时延以及多普勒，同理，

为信道复增益，则输入与输出之间的关系为以下公式(2)、(3)：

其中：

公式(1)中，

表示第n_r个接收天线的第k行，l列时延-多普勒域符号，M和N分别表示子载波和符号数目，

为第n_r接收天线的系统噪声，其中，P表示信道多径数目，Q＝5为分数多普勒近似参数，

分别表示第n_t发送天线与第n_r接收天线之间信号在第i径的时延以及多普勒抽头，同理，

为信道复增益，公式(2)表示相位偏移，其中，

是多普勒的分数抽头，取值范围为(-0.5，0.5]，

代表分数多普勒抽头干扰项，根据公式(1)一个接收符号

由N_aP(2Q+1)个发送信号

叠加以及高斯噪声所组成，其中k_v和l_τ分别是最大多普勒偏移和最大时延所对应的时延-多普勒域网格上多普勒轴以及时延轴位置；

步骤2，信道估计，在接收端，信号先经过预处理后得到时延-多普勒域符号，提取出导频符号并构建出求解稀疏信号恢复问题的观测矩阵，再通过压缩感知理论或者稀疏贝叶斯学习理论利用观测矩阵对信道进行估计得到信道参数，信号先经过预处理得到时延-多普勒域符号，根据时延-多普勒域信道的稀疏特性将信道估计转换为稀疏信号恢复，则接收端第p个导频位置处的公式(2)能够写为向量形式，如以下公式(4)所示：

其中：

分别为接收端导频信号和噪声，

为发送端导频信号，L＝(2k_v+2Q+1)(N_al_a+1)是待估计的时延多普勒域信道长，

为公式(5)中的

的向量形式，已知导频信息，通过α对导频符号进行预处理以提高信道估计准确度，

为待重构的时延多普勒域信道矩阵，h矩阵具有对称块稀疏特性，采用块正交匹配追踪(BOMP)算法来进行信道估计，具体包括以下步骤：

步骤2.1，首先初始化残差

初始化索引集合

迭代次数n＝1；

步骤2.2，残差与字典矩阵Φ_p中的每一列进行内积运算，并记录绝对值最大的列向量的索引值λ，计算公式为

步骤2.3，由索引λ求解块稀疏所对应的连续索引位置ω＝λ-Q，...，λ+Q；

步骤2.4，更新索引值集合Ω_n＝Ω_n-1∪ω，即步骤2.3中求出的块稀疏位置集合与n-1次迭代索引集合Ω_n-1的并集，生成新的索引集合Ω_n；

步骤2.5，获得新的估计值

其中Ω_n为被选索引值选取的列向量，上标H表示共轭转置，上标-1表示求逆矩阵，

为最小均方估计表达式；

步骤2.6，更新残差

为第n次迭代的估计值，

为第n_r接收天线在P导频处的接收信号，Φ_p为字典矩阵；

步骤2.7，判断是否达到迭代停止条件n＞N_aP，当达到停止条件则输出信道估计矩阵

否则返回步骤2.2；

步骤3，符号检测，在接收端，根据信道估计步骤所得到的信道参数进行符号检测，其中，符号检测采用低复杂度近似消息传递(AMP)算法，得到每个星座符号的概率并传递给下次迭代：

步骤3.1，根据步骤2所得的信道参数进行符号检测，由公式(2)推导输入与输出之间的关系矩阵表达式，表示为以下公式(5)：

y_MIMO＝H_MIMOx_MIMO+w_MIMO......(5)，

其中：

分别为时延多普勒域的接收信号、发送信号以及系统噪声，

为时延-多普勒域的稀疏信道矩阵，根据公式(5)得到符号的最大后验概率准则为以下公式(6)：

其中：A是Q个调制符号，由于H_MIMO矩阵维度太大，公式(6)无法直接计算，则利用H_MIMO每行以及每列仅有N_aP(2Q+1)个非零元素这一特性来降低计算复杂度，利用信道参数提取出每行非零元素的索引矩阵为

以及其对应的元素矩阵H_row，同理得到列元素对应的索引矩阵

和元素矩阵H_col，对公式(6)进行逐符号的检测，得到第p个符号检测结果为以下公式(7)：

在消息传递(AMP)信号检测算法中，干扰项的均值和方差作为观测节点到变量节点的传递信息，第p个变量节点传递给第q个观测节点的信息为概率质量函数(pmf)P_p，q{p_p，q(a_j)}，第p个变量节点传递给S＝N_aP(2Q+1)个观测节点的信息近似相等，则简化为

矩阵H_MIMO行非零元素干扰项的均值和方差的矩阵如以下公式(8)、(9)所示：

根据矩阵

推导出列维非零元素的均值和方差μ_col和

以及pmf的计算公式为以下公式(10)：

步骤3.2，通过多次迭代得到最终的星座符号概率并根据星座符号概率判定接收信号的星座位置进行解映射操作，通过矩阵方式计算干扰项的均值和方差，在pmf更新过程中，当p_p(a_j)＞0.9时，下次迭代将不再更新第p个符号的概率，即随着迭代次数的增加，需要重新计算的符号概率数目将不断减少以降低算法的复杂度；

步骤4，迭代反馈，优选部分数据符号与导频符号构成新的导频观测矩阵，利用新的导频观测矩阵重新进行信道估计，根据所估计出的新的信道参数对低于阈值概率的符号重新进行检测以形成信号检测与信道估计的联合迭代检测来提升系统性能：

步骤4.1，当没有达到迭代停止条件，如迭代次数，则将步骤3步所得到的数据符号经过解映射、解交织以及译码操作得到最终的信息比特并再将所述信息比特进行逆操作，即编码、交织以及映射得到时延-多普勒域符号，优选部分数据符号与已知的导频符号组成新的导频观测矩阵，即字典矩阵Φ_p，增加观测数目以提高信道重构的准确度；

步骤4.2，对低于阈值概率的符号重新进行检测以形成信号检测与信道估计的联合迭代检测来提升系统性能，在每次迭代中的所需要计算概率的符号数目都在不断减少以使得所提方案能够便于实现。

本发明所述方法的优越效果是：

1、本发明所述方法基于迭代联合的思想提出了多输入多输出正交时频空(MIMO-OTFS)系统下的联合信道估计与符号检测方法，能够通过不断的反馈迭代来提高系统性能；

2、本发明所述方法在发射端的时延-多普勒域上放置少量导频符号，在接收端，信号先经过预处理后得到时延-多普勒域符号，提取出导频符号后根据稀疏信号恢复理论对信道估计得到信道参数；

3、本发明所述方法根据所估计出的信道参数利用近似消息传递算法(AMP)对接收信号进行符号检测得到符号概率，优选部分数据符号与导频符号组成新的导频观测矩阵并重新进行信道估计；

4、本发明所述方法对低于阈值概率的符号索引集合重新进行检测，形成信号检测与信道估计的联合迭代检测来提升系统性能。

附图说明

图1是本发明所述方法的流程图；

图2是本发明所述方法的MIMO-OTFS系统收发端流程示意图；

图3是本发明所述方法的MIMO-OTFS系统收发端导频示意图。

具体实施方式

下面结合附图对本发明的实施方式进行详细描述。本发明所述方法包括以下步骤：

步骤1，导频符号放置：根据MIMO-OTFS系统输入与输出之间的关系建立数学模型，通过分析数学模型将信道估计转换为稀疏信号重构，在时延-多普勒域放置少量的导频符号用于接收端的信道参数估计，MIMO-OTFS系统收发端如图1所示，其中收发天线数目N_t＝N_r＝N_a，首先输入比特先经过编码，交织以及正交相移键控(QPSK)调制映射后得到时延-多普勒域符号，根据输入与输出之间的关系导频符号放置图案如图2所示，设定系统的信道模型为以下公式(1)：

公式(1)中

分别表示第n_t发送天线与第n_r接收天线之间信号在第i径的时延以及多普勒，同理，

为信道复增益，则输入与输出之间的关系为以下公式(2)、(3)：

其中：

公式(1)中

表示第n_r个接收天线的第k行，l列时延-多普勒域符号，M和N分别表示子载波和符号数目，

为第n_r接收天线的系统噪声，其中P表示信道多径数目，Q＝5为分数多普勒近似参数，

分别表示第n_t发送天线与第n_r接收天线之间信号在第i径的时延以及多普勒抽头，同理，

为信道复增益，公式(2)表示相位偏移，其中

是多普勒的分数抽头，取值范围为(-0.5，0.5]，

代表分数多普勒抽头干扰项，根据公式(1)一个接收符号

由N_aP(2Q+1)个发送信号

叠加以及高斯噪声所组成，导频符号放置位置如图2所示，其中k_v和l_τ分别是最大多普勒偏移和最大时延所对应的时延-多普勒域网格上多普勒轴以及时延轴位置；

步骤2，信道估计，在接收端，信号先经过预处理后得到时延-多普勒域符号，提取出导频符号并构建出求解稀疏信号恢复问题的观测矩阵，再通过压缩感知理论或者稀疏贝叶斯学习理论利用观测矩阵对信道进行估计得到信道参数，信号先经过预处理得到时延-多普勒域符号，根据时延-多普勒域信道的稀疏特性将信道估计问题转换为稀疏信号恢复问题，则接收端第p个导频位置处的公式(2)能够写为向量形式，如以下公式(4)所示：

其中：

分别为接收端导频信号和噪声，

为发送端导频信号，L＝(2k_v+2Q+1)(N_al_a+1)是待估计的时延多普勒域信道长，

为公式(5)中的

的向量形式，已知导频信息，通过α对导频符号进行预处理以提高信道估计准确度，

为待重构的时延多普勒域信道矩阵，h矩阵具有对称块稀疏特性，采用块正交匹配追踪(BOMP)算法来进行信道估计，具体包括以下步骤：

步骤2.1，首先初始化残差

初始化索引集合

迭代次数n＝1；

步骤2.2，残差与字典矩阵Φ_p中的每一列进行内积运算，并记录绝对值最大的列向量的索引值λ，计算公式为

步骤2.3，由索引λ求解块稀疏所对应的连续索引位置ω＝λ-Q，...，λ+Q；

步骤2.4，更新索引值集合Ω_n＝Ω_n-1∪ω，即步骤2.3中求出的块稀疏位置集合与n-1次迭代索引集合Ω_n-1的并集，生成新的索引集合Ω_n；

步骤2.5，获得新的估计值

其中Ω_n为被选索引值选取的列向量，上标H表示共轭转置，上标-1表示求逆矩阵，

为最小均方估计表达式；

步骤2.6，更新残差

为第n次迭代的估计值，

为第n_r接收天线在P导频处的接收信号，Φ_p为字典矩阵；

步骤2.7，判断是否达到迭代停止条件n＞N_aP，当达到停止条件则输出信道估计矩阵

否则返回步骤2.2；

步骤3，符号检测，在接收端，根据信道估计步骤所得到的信道参数进行符号检测，其中：符号检测采用低复杂度近似消息传递(AMP)算法，得到每个星座符号的概率并传递给下次迭代：

步骤3.1，根据步骤2所得的信道参数进行符号检测，由公式(2)推导输入与输出之间的关系矩阵表达式，表示为以下公式(5)：

y_MIMO＝H_MIMOx_MIMO+w_MIMO......(15)，

其中

分别为时延多普勒域的接收信号、发送信号以及系统噪声，

为时延-多普勒域的稀疏信道矩阵，根据公式(5)得到符号的最大后验概率准则为以下公式(6)：

其中：A是Q个调制符号，由于H_MIMO矩阵维度太大，公式(6)无法直接计算，则利用H_MIMO每行以及每列仅有N_aP(2Q+1)个非零元素这一特性来降低计算复杂度，利用信道参数提取出每行非零元素的索引矩阵为

以及其对应的元素矩阵H_row，同理得到列元素对应的索引矩阵

和元素矩阵H_col，对公式(6)进行逐符号的检测，得到第p个符号检测结果为以下公式(7)：

在消息传递(AMP)信号检测算法中，干扰项的均值和方差作为观测节点到变量节点的传递信息，第p个变量节点传递给第q个观测节点的信息为概率质量函数(pmf)P_p，q{p_p，q(a_j)}，第p个变量节点传递给S＝N_aP(2Q+1)个观测节点的信息近似相等，则简化为

矩阵H_MIMO行非零元素干扰项的均值和方差的矩阵如以下公式(8)、(9)所示：

根据矩阵μ_row，

推导出列维非零元素的均值和方差μ_col和

以及pmf的计算公式为以下公式(10)：

步骤3.2，通过多次迭代得到最终的星座符号概率并根据星座符号概率判定接收信号的星座位置进行解映射操作，通过矩阵方式计算干扰项的均值和方差，在pmf更新过程中，当p_p(a_j)＞0.9时，下次迭代将不再更新第p个符号的概率，即随着迭代次数的增加，需要重新计算的符号概率数目将不断减少以降低算法的复杂度；

步骤4，迭代反馈，优选部分数据符号与导频符号构成新的导频观测矩阵，利用新的导频观测矩阵重新进行信道估计，根据所估计出的新的信道参数对低于阈值概率的符号重新进行检测以形成信号检测与信道估计的联合迭代检测来提升系统性能：

步骤4.1，迭代流程图如图3所示，当没有达到迭代停止条件，如迭代次数，则将步骤3步所得到的数据符号经过解映射、解交织以及译码操作得到最终的信息比特并再将所述信息比特进行逆操作，即编码、交织以及映射得到时延-多普勒域符号，优选部分数据符号与已知的导频符号组成新的导频观测矩阵，即字典矩阵Φ_p，增加观测数目以提高信道重构的准确度；

步骤4.2，对低于阈值概率的符号重新进行检测以形成信号检测与信道估计的联合迭代检测来提升系统性能，在每次迭代中的所需要计算概率的符号数目都在不断减少以使得所提方案能够便于实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明公开的范围内，能够轻易想到的变化或替换，都应涵盖在本发明权利要求的保护范围内。

Claims (4)

1.一种基于正交时频空联合信道估计与符号检测方法，其特征在于，包括以下步骤：

步骤1，导频符号放置：根据MIMO-OTFS系统输入与输出之间的关系建立数学模型，通过分析数学模型将信道估计转换为稀疏信号重构，在时延-多普勒域放置少量的导频符号用于接收端的信道参数估计，其中收发天线数目N_t＝N_r＝N_a，首先输入比特先经过编码，交织以及正交相移键控调制映射后得到时延-多普勒域符号，根据输入与输出之间的关系导频符号放置图案，设定系统的信道模型为以下公式(1)：

公式(1)中

分别表示第n_t发送天线与第n_r接收天线之间信号在第i径的时延以及多普勒，同理，

为信道复增益，则输入与输出之间的关系为以下公式(2)、(3)：

其中：

公式(1)中

表示第n_r个接收天线的第k行，l列时延-多普勒域符号，M和N分别表示子载波和符号数目，

为第n_r接收天线的系统噪声，其中P表示信道多径数目，Q＝5为分数多普勒近似参数，

分别表示第n_t发送天线与第n_r接收天线之间信号在第i径的时延以及多普勒抽头，同理，

为信道复增益，公式(2)表示相位偏移，其中

是多普勒的分数抽头，取值范围为(-0.5,0.5]，

代表分数多普勒抽头干扰项，根据公式(1)一个接收符号

由N_aP(2Q+1)个发送信号

叠加以及高斯噪声所组成，其中k_ν和l_τ分别是最大多普勒偏移和最大时延所对应的时延-多普勒域网格上多普勒轴以及时延轴位置；

步骤2，信道估计，在接收端，信号先经过预处理后得到时延-多普勒域符号，提取出导频符号并构建出求解稀疏信号恢复问题的观测矩阵，再通过压缩感知理论或者稀疏贝叶斯学习理论利用观测矩阵对信道进行估计得到信道参数，信号先经过预处理得到时延-多普勒域符号，根据时延-多普勒域信道的稀疏特性将信道估计转换为稀疏信号恢复，则接收端第p个导频位置处的公式(2)能够写为向量形式，如以下公式(4)所示：

其中

分别为接收端导频信号和噪声，

为发送端导频信号，L＝(2k_v+2Q+1)(N_al_a+1)是待估计的时延多普勒域信道长，

为公式(5)中的

的向量形式，已知导频信息，通过α对导频符号进行预处理以提高信道估计准确度，

为待重构的时延多普勒域信道矩阵，h矩阵具有对称块稀疏特性，采用块正交匹配追踪(BOMP)算法来进行信道估计；

步骤3，符号检测，在接收端，根据信道估计步骤所得到的信道参数进行符号检测，其中符号检测采用低复杂度近似消息传递算法，得到每个星座符号的概率并传递给下次迭代；

步骤4，迭代反馈，优选部分数据符号与导频符号构成新的导频观测矩阵，利用新的导频观测矩阵重新进行信道估计，根据所估计出的新的信道参数对低于阈值概率的符号重新进行检测以形成信号检测与信道估计的联合迭代检测来提升系统性能。

2.根据权利要求1所述的一种基于正交时频空联合信道估计与符号检测方法，其特征在于，所述步骤2包括以下步骤：

步骤2.1，首先初始化残差

初始化索引集合

迭代次数n＝1；

步骤2.2，残差与字典矩阵Φ_p中的每一列进行内积运算，并记录绝对值最大的列向量的索引值λ，计算公式为

步骤2.3，由索引λ求解块稀疏所对应的连续索引位置ω＝λ-Q,...,λ+Q；

步骤2.4，更新索引值集合Ω_n＝Ω_n-1∪ω，即步骤2.3中求出的块稀疏位置集合与n-1次迭代索引集合Ω_n-1的并集，生成新的索引集合Ω_n；

步骤2.5，获得新的估计值

其中Ω_n为被选索引值选取的列向量，上标H表示共轭转置，上标-1表示求逆矩阵，

为最小均方估计表达式；

步骤2.6，更新残差

为第n次迭代的估计值，

为第n_r接收天线在P导频处的接收信号，Φ_p为字典矩阵；

步骤2.7，判断是否达到迭代停止条件n＞N_aP，当达到停止条件则输出信道估计矩阵

否则返回步骤2.2。

3.根据权利要求1所述的一种基于正交时频空联合信道估计与符号检测方法，其特征在于，所述步骤3包括以下步骤：

步骤3.1，根据步骤2所得的信道参数进行符号检测，由公式(2)推导输入与输出之间的关系矩阵表达式，表示为以下公式(5)：

y_MIMO＝H_MIMOx_MIMO+w_MIMO……(5)

其中

分别为时延多普勒域的接收信号、发送信号以及系统噪声，

为时延-多普勒域的稀疏信道矩阵，根据公式(5)得到符号的最大后验概率准则为以下公式(6)：

其中A是Q个调制符号，由于H_MIMO矩阵维度太大，公式(6)无法直接计算，则利用H_MIMO每行以及每列仅有N_aP(2Q+1)个非零元素这一特性来降低计算复杂度，利用信道参数提取出每行非零元素的索引矩阵为

以及其对应的元素矩阵H_row，同理得到列元素对应的索引矩阵

和元素矩阵H_col，对公式(6)进行逐符号的检测，得到第p个符号检测结果为以下公式(7)：

在消息传递(AMP)信号检测算法中，干扰项的均值和方差作为观测节点到变量节点的传递信息，第p个变量节点传递给第q个观测节点的信息为概率质量函数(pmf)P_p,q{p_p,q(a_j)}，第p个变量节点传递给S＝N_aP(2Q+1)个观测节点的信息近似相等，则简化为

矩阵H_MIMO行非零元素干扰项的均值和方差的矩阵如以下公式(8)、(9)所示：

根据矩阵μ_row，

推导出列维非零元素的均值和方差μ_col和

以及pmf的计算公式为以下公式(10)：

步骤3.2，通过多次迭代得到最终的星座符号概率并根据星座符号概率判定接收信号的星座位置进行解映射操作，即通过矩阵方式计算干扰项的均值和方差，在pmf更新过程中，当p_p(a_j)＞0.9时，下次迭代将不再更新第p个符号的概率，即随着迭代次数的增加，需要重新计算的符号概率数目将不断减少以降低算法的复杂度。

4.根据权利要求1所述的一种基于正交时频空联合信道估计与符号检测方法，其特征在于，所述步骤4包括以下步骤：

步骤4.1，当没有达到迭代停止条件，如迭代次数，则将步骤3步所得到的数据符号经过解映射、解交织以及译码操作得到最终的信息比特并再将所述信息比特进行逆操作，即编码、交织以及映射得到时延-多普勒域符号，优选部分数据符号与已知的导频符号组成新的导频观测矩阵，即字典矩阵Φ_p；

步骤4.2，对低于阈值概率的符号重新进行检测以形成信号检测与信道估计的联合迭代检测来提升系统性能，在每次迭代中的所需要计算概率的符号数目都在不断减少以使得所提方案能够便于实现。

Images