CN114726702A - 信道频偏的估计和补偿方法及装置 - Google Patents

Abstract

本公开涉及通信技术领域，提供了一种信道频偏的估计和补偿方法及装置。该方法包括：获取目标信道的目标参考信号，并对目标参考信号进行解调处理，得到目标解调参考信号；根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应；对第一信道估计响应进行差分运算，得到目标差分序列；基于目标差分序列和第一信道估计响应，确定目标信道对应的第二信道估计响应；基于第一信道估计响应和第二信道估计响应，确定目标信道的目标频偏；基于目标信道的目标频偏，对目标信道进行频偏补偿。采用上述技术手段，解决现有技术中，对OFDM系统中的整数倍频偏进行估计和补偿的准确率低的问题。

Description

信道频偏的估计和补偿方法及装置

技术领域

本公开涉及通信技术领域，尤其涉及一种信道频偏的估计和补偿方法及装置。

背景技术

OFDM(Orthogonal Frequency Division Multiplexing，正交频分复用)，OFDM系统通过将高速串行数据转换为低速并行数据传输，将频率选择性信道转换为频率平坦衰落信道，克服高速数据通信带来的码间串扰(ISI )，提高通信系统传输性能，所以OFDM系统被广泛应用。但是OFDM系统也存在一些需要克服的问题，比如频偏估计和频偏补偿。目前对OFDM系统的整数倍频偏的估计和补偿方法，往往基于整数倍频偏本身的定义和导频符号的自相关特性。然而对于LTE/NR等OFDM系统而言，其导频参考符号一般为ZC序列，ZC序列的自相关特性并不好容易产生误测，准确率低。ZC(Zadoff-chu)是通讯信号发出的一种序列。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下技术问题：对OFDM系统中的整数倍频偏进行估计和补偿的准确率低的问题。

发明内容

有鉴于此，本公开实施例提供了一种信道频偏的估计和补偿方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，对OFDM系统中的整数倍频偏进行估计和补偿的准确率低的问题。

本公开实施例的第一方面，提供了一种信道频偏的估计和补偿方法，应用于正交频分复用系统，其特征在于，包括：获取目标信道的目标参考信号，并对目标参考信号进行解调处理，得到目标解调参考信号；根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应；对第一信道估计响应进行差分运算，得到目标差分序列；基于目标差分序列和第一信道估计响应，确定目标信道对应的第二信道估计响应；基于第一信道估计响应和第二信道估计响应，确定目标信道的目标频偏；基于目标信道的目标频偏，对目标信道进行频偏补偿。

本公开实施例的第二方面，提供了一种信道频偏的估计和补偿装置，应用于正交频分复用系统，包括：获取模块，被配置为获取目标信道的目标参考信号，并对目标参考信号进行解调处理，得到目标解调参考信号；第一确定模块，被配置为根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应；运算模块，被配置为对第一信道估计响应进行差分运算，得到目标差分序列；第二确定模块，被配置为基于目标差分序列和第一信道估计响应，确定目标信道对应的第二信道估计响应；第三确定模块，被配置为基于第一信道估计响应和第二信道估计响应，确定目标信道的目标频偏；补偿模块，被配置为基于目标信道的目标频偏，对目标信道进行频偏补偿。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开实施例与现有技术相比存在的有益效果是：获取目标信道的目标参考信号，并对目标参考信号进行解调处理，得到目标解调参考信号；根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应；对第一信道估计响应进行差分运算，得到目标差分序列；基于目标差分序列和第一信道估计响应，确定目标信道对应的第二信道估计响应；基于第一信道估计响应和第二信道估计响应，确定目标信道的目标频偏；基于目标信道的目标频偏，对目标信道进行频偏补偿。采用上述技术手段，解决现有技术中，对OFDM系统中的整数倍频偏进行估计和补偿的准确率低的问题，进而提高对OFDM系统中的整数倍频偏进行估计和补偿的准确率。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。

图1是本公开实施例的应用场景的场景示意图；

图2是本公开实施例提供的一种信道频偏的估计和补偿方法的流程示意图；

图3是本公开实施例提供的一种信道频偏的估计和补偿装置的结构示意图；

图4是本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。

下面将结合附图详细说明根据本公开实施例的一种信道频偏的估计和补偿方法和装置。

图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备1、2和3、服务器4以及网络5。

终端设备1、2和3可以是硬件，也可以是软件。当终端设备1、2和3为硬件时，其可以是具有显示屏且支持与服务器4通信的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当终端设备1、2和3为软件时，其可以安装在如上的电子设备中。终端设备1、2和3可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备1、2和3上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。

服务器4可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器4可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。

需要说明的是，服务器4可以是硬件，也可以是软件。当服务器4为硬件时，其可以是为终端设备1、2和3提供各种服务的各种电子设备。当服务器4为软件时，其可以是为终端设备1、2和3提供各种服务的多个软件或软件模块，也可以是为终端设备1、2和3提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。

网络5可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙（Bluetooth）、近场通信（Near FieldCommunication，NFC）、红外（Infrared）等，本公开实施例对此不作限制。

用户可以通过终端设备1、2和3经由网络5与服务器4建立通信连接，以接收或发送信息等。需要说明的是，终端设备1、2和3、服务器4以及网络5的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。

图2是本公开实施例提供的一种信道频偏的估计和补偿方法的流程示意图。图2的信道频偏的估计和补偿方法可以由图1的终端设备或服务器执行。如图2所示，该信道频偏的估计和补偿方法包括：

S201，获取目标信道的目标参考信号，并对目标参考信号进行解调处理，得到目标解调参考信号；

S202，根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应；

S203，对第一信道估计响应进行差分运算，得到目标差分序列；

S204，基于目标差分序列和第一信道估计响应，确定目标信道对应的第二信道估计响应；

S205，基于第一信道估计响应和第二信道估计响应，确定目标信道的目标频偏；

S206，基于目标信道的目标频偏，对目标信道进行频偏补偿。

目前对OFDM系统的整数倍频偏的估计和补偿方法，往往基于整数倍频偏本身的定义和导频符号的自相关特性。OFDM系统而言，其导频参考符号一般为ZC序列，ZC序列的自相关特性并不好容易产生误测，准确率低。ZC(Zadoff-chu)是通讯信号发出的一种序列。本公开实施例针对于OFDM系统的整数倍频偏，提出了一种新的，不需要借助自相关函数，就可以对OFDM系统的整数倍频偏的估计和补偿方法。

当然本公开实施例还可以对OFDM系统的其他频偏进行估计和补偿。

参考信号可以是ZC(Zadoff-chu)序列，ZC(Zadoff-chu)是通讯信号发出的一种序列。解调参考信号（DMRS,Demodulatin Reference Signal）。参考信号，包括：下行参考信号和上行参考信号。解调参考信号，包括：下行解调参考信号和上行解调参考信号。下行参考信号的主要作用包括信道状态信息的测量、数据解调、波束训练、时频参数跟踪。上行参考信号的主要作用包括上下行信道测量、数据解调等。下行解调参考信号和上行解调参考信号，与下行参考信号和上行参考信号的作用是一样的，只是下行参考信号和上行参考信号是调制信号，下行解调参考信号和上行解调参考信号是解调信号。

根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应，可以是目标解调参考信号和目标参考序列相除，得到第一信道估计响应。本公开实施例中，目标参考信号可以是上行参考信号一种信号，也可以是下行参考信号和上行参考信号两种信号。

差分运算，是数学中的一个概念。它将原函数f(x) 映射到f(x+a)-f(x+b) 。差分运算，相应于微分运算，是微积分中重要的一个概念。差分的定义分为前向差分和逆向差分两种。对第一信道估计响应进行差分运算，得到目标差分序列。比如第一信道估计响应为C，对C进行差分运算，得到了C_k，C_k-1，……C₁，本公开实施例的差分运算不同于常用的差分运算，还需要根据如下公式，得到目标差分序列Z_k：

根据本公开实施例提供的技术方案，获取目标信道的目标参考信号，并对目标参考信号进行解调处理，得到目标解调参考信号；根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应；对第一信道估计响应进行差分运算，得到目标差分序列；基于目标差分序列和第一信道估计响应，确定目标信道对应的第二信道估计响应；基于第一信道估计响应和第二信道估计响应，确定目标信道的目标频偏；基于目标信道的目标频偏，对目标信道进行频偏补偿。采用上述技术手段，解决现有技术中，对OFDM系统中的整数倍频偏进行估计和补偿的准确率低的问题，进而提高对OFDM系统中的整数倍频偏进行估计和补偿的准确率。

在步骤204中，基于目标差分序列和第一信道估计响应，确定目标信道对应的第二信道估计响应，包括：计算目标差分序列中的所有数对应的目标平均数；基于平均数和第一信道估计响应，确定第二信道估计响应。

可以通过如下公式计算目标差分序列中的所有数对应的目标平均数：

可以理解为第一信道估计响应对应的相位旋转角。

在步骤204中，基于目标平均数和第一信道估计响应，确定第二信道估计响应，包括：将目标平均数和第一信道估计响应输入数学模型，输出第二信道估计响应；或将目标平均数和第一信道估计响应输入神经网络模型，输出第二信道估计响应。

现有技术，是借助计算机，通过测试信道实现频偏估计和频偏补偿，其过程相当繁琐，本公开实施例意图通过模型，实现从将目标平均数和第一信道估计响应到第二信道估计响应的映射，进而快速实现频偏估计和频偏补偿，减少工作量。

在步骤204中，将目标平均数和第一信道估计响应输入数学模型，输出第二信道估计响应之前，方法还包括：获取训练数据集，其中，训练数据集，包括：多个信道的参考信号和每个参考信号对应的参考序列；对每个参考信号进行解调处理，得到多个解调参考信号；根据每个参考信号对应的解调参考信号和参考序列，确定每个参考信号对应的第三信道估计响应；对每个参考信号对应的第三信道估计响应进行差分运算，得到每个参考信号对应的差分序列，并计算每个参考信号对应的差分序列中的所有数对应的平均数；基于每个参考信号对应的平均数，对每个参考信号对应的第三信道估计响应进行平滑操作，得到每个参考信号对应的第四信道估计响应；将第三信道估计响应和平均数作为自变量，将第四信道估计响应作为因变量，对每个参考信号对应的第三信道估计响应、平均数和第四信道估计响应进行拟合处理，得到拟合结果，并根据拟合结果构建数学模型。

参考信号对应的平均数，又可以叫做相位旋转角。基于每个参考信号对应的平均数，对每个参考信号对应的第三信道估计响应进行平滑操作，可以理解为基于该相位旋转角建立低通滤波器，使用该低通滤波器对每个参考信号对应的第三信道估计响应进行滤波。相位旋转角是根据第三信道估计响应确定的，所以该相位旋转角可以表征第三信道估计响应的信号特征，所以根据相位旋转角建立的低通滤波器，可以对第三信道估计响应进行平滑操作，得到每个参考信号对应的第四信道估计响应。

将第三信道估计响应和平均数作为两个自变量，将第四信道估计响应作为因变量，对每个参考信号对应的第三信道估计响应、平均数和第四信道估计响应进行拟合处理，得到拟合结果，所以拟合结果可以看做是一个二元函数，所以上述拟合过程，可以理解为使用二元线性回归的方法，得到拟合结果。

在步骤204中，将目标平均数和第一信道估计响应输入神经网络模型，输出第二信道估计响应之前，方法还包括：获取训练数据集，其中，训练数据集，包括：多个信道的参考信号和每个参考信号对应的参考序列；对每个参考信号进行解调处理，得到多个解调参考信号；根据每个参考信号对应的解调参考信号和参考序列，确定每个参考信号对应的第三信道估计响应；对每个参考信号对应的第三信道估计响应进行差分运算，得到每个参考信号对应的差分序列，并计算每个参考信号对应的差分序列中的所有数对应的平均数；基于每个参考信号对应的第三信道估计响应和平均数，标注每个参考信号对应的第四信道估计响应；将第三信道估计响应和平均数作为神经网络模型的输入，将第四信道估计响应作为神经网络模型的输出，训练神经网络模型的输入。

基于每个参考信号对应的第三信道估计响应和平均数，标注每个参考信号对应的第四信道估计响应，可以是人工或者借助计算机软件标注，还可以基于每个参考信号对应的平均数，对每个参考信号对应的第三信道估计响应进行平滑操作，得到每个参考信号对应的第四信道估计响应。

将第三信道估计响应和平均数作为神经网络模型的输入，将第四信道估计响应作为神经网络模型的输出，训练神经网络模型的输入。可以理解为将每个参考信号对应的第三信道估计响应和平均数看做一组原始数据，将每个参考信号对应的第四信道估计响应，可以看做是该组原始数据的标签。训练模型的方法可以是深度学习训练方法等。

可选地，获取数学模型对应的抽象函数关系，该抽象函数关系可以看做数学模型的主干部分对应的映射关系。利用抽象函数关系对神经网络模型进行第一次训练；将第三信道估计响应和平均数作为神经网络模型的输入，将第四信道估计响应作为神经网络模型的输出，对神经网络模型进行第二次训练。

利用抽象函数关系对神经网络模型进行第一次训练，可以理解为更新神经网络模型的模型参数，使得神经网络模型最终符合抽象函数关系所对应的映射关系。利用抽象函数关系对神经网络模型进行第一次训练后，在对神经网络模型进行第二次训练，可以加快神经网络模型收敛的速度，所以通过上述技术手段可以实现对神经网络模型的快速训练。

可选地，以数学模型后接神经网络模型的方式，构建修正模型。将数学模型的模型参数固定，对修正模型中的神经网络模型进行第一次训练；对修正模型进行第二次训练。

对修正模型中的神经网络模型进行第一次训练，神经网络模型的输入是数学模型的输出，神经网络模型的输出是第四信道估计响应，数学模型的输入是第三信道估计响应和平均数。因为本公开实施例是通过神经网络模型优化数学模型的输出，使得修正模型的输出逼近第四信道估计响应，所以对修正模型中的神经网络模型进行第一次训练的速度是非常快的，而且修正模型的准确率是高于数学模型或者神经网络模型单个模型的。对修正模型进行第二次训练是为了微调修正模型中数学模型和神经网络模型的模型参数，进一步提高修正模型的准确率。

模型训练方法，就是深度学习等训练方法。比如对修正模型进行第二次训练，就是根据损失函数计算修正模型输入和输出之间的损失值，根据该损失值，通过反向传播的方法更新修正模型的模型参数。损失函数可以将均方误差损失函数（均方误差损失函数是数学模型的损失函数）和交叉熵损失函数（交叉熵损失函数是神经网络模型的损失函数）通过加权得到的。

可选地，按照预设权值，以数学模型和神经网络模型并列方式，构建修正模型。修正模型是按照预设权值将数学模型和神经网络模型的输出加权求平均。提高上述技术手段，可以提高从第三信道估计响应和平均数到第四信道估计响应的映射的准确率。神经网络模型是已经训练好的模型。

可选地，可以对修正模型进行训练，以调整数学模型和神经网络模型的模型参数，以及调整预设权值。

在步骤205中，基于第一信道估计响应和第二信道估计响应，确定目标信道的目标频偏，包括：计算第一信道估计响应和第二信道估计响应对应的矢量误差向量；如果矢量误差向量满足预设分布，判定目标信道不存在目标频偏；如果矢量误差向量不满足预设分布，判定目标信道存在目标频偏，并确定目标频偏。

预设分布可以是均衡分布，比如矢量误差向量开始位置和结束位置存在较大的值，说明矢量误差向量不满足均衡分布，判定目标信道存在目标频偏，并确定目标频偏，进而得到目标频偏（在判定目标信道存在目标频偏，并确定目标频偏的同时，就可以得到目标频偏，可以根据矢量误差向量的分布，确定出目标频偏）。如果矢量误差向量中的多个矢量误差都是均衡分布的，说明矢量误差向量满足均衡分布。

在步骤206中，基于目标信道的目标频偏，对目标信道进行频偏补偿，包括：根据目标频偏，确定目标频偏对应的频偏补偿序列；根据频偏补偿序列，对目标信道进行频偏补偿。

对目标信道进行频偏补偿，可以理解为对目标信道中的目标信号进行频偏补偿。目标信号是目标信道需要传输的信号。

具体地，将频偏补偿序列和去除循环前缀后的目标信号，进行相应的向量乘法处理，对该处理结果进行快速傅里叶变换；对于快速傅里叶变换输出结果存在OFDM符号，根据该OFDM符号的起始时间和目标频偏，通过复指数函数计算得到相位误差补偿值，根据相位误差补偿值对目标信号进行频偏补偿。目标频偏就是频偏的估计值。

在步骤206中，基于目标信道的目标频偏，对目标信道进行频偏补偿，包括：根据目标频偏，确定第一数字增益控制电路的第一电路参数和第二数字增益控制电路的第二电路参数，其中，第一数字增益控制电路和第二数字增益控制电路相关；通过给目标信道前接第一数字增益控制电路，给目标信道后接第二数字增益控制电路的方式，对目标信道进行频偏补偿。

因为目标信道中传输的目标信号的幅度和目标信号在目标信道中传输存在的目标频偏有关，并且目标信号的幅度越大，目标频偏越大，目标信号的幅度越小，目标频偏越小。基于该原理，通过控制目标信道中传输的目标信号的幅度，来控制目标信道的目标频偏的补偿。

可选地，本公开实施例通过第一数字增益控制电路降低目标信道中传输的目标信号的幅度至一定的范围内，此时对目标信道的目标频偏进行频偏补偿，然后通过第二数字增益控制电路提高目标信道中传输的目标信号的幅度至原来的大小。比如第一数字增益控制电路将目标信号的幅度降低了10倍，那么第二数字增益控制电路将目标信号的幅度提高了10倍。这种方法可以提高补偿的效率。

可选地，本公开实施例通过第一数字增益控制电路提高目标信道中传输的目标信号的幅度至一定的范围内，此时对目标信道的目标频偏进行频偏补偿，然后通过第二数字增益控制电路降低目标信道中传输的目标信号的幅度至原来的大小。比如第一数字增益控制电路将目标信号的幅度提高了10倍，那么第二数字增益控制电路将目标信号的幅度降低了10倍。这种方法可以提高补偿的精度。

第一电路参数和第二电路参数，均包括：数字增益控制电路中的多个电阻值，输入电压值，输入电流值，二极管和三极管等元器件的参数值。

可选地，可以通过训练一个神经网络，用于确定数字增益控制电路的电路参数，比如数字增益控制电路的电路参数在什么范围内时，目标信道的目标频偏是符合要求的。训练方法可以是深度学习训练方法。

上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图3是本公开实施例提供的一种信道频偏的估计和补偿装置的示意图。如图3所示，该信道频偏的估计和补偿装置包括：

获取模块301，被配置为获取目标信道的目标参考信号，并对目标参考信号进行解调处理，得到目标解调参考信号；

第一确定模块302，被配置为根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应；

运算模块303，被配置为对第一信道估计响应进行差分运算，得到目标差分序列；

第二确定模块304，被配置为基于目标差分序列和第一信道估计响应，确定目标信道对应的第二信道估计响应；

第三确定模块305，被配置为基于第一信道估计响应和第二信道估计响应，确定目标信道的目标频偏；

补偿模块306，被配置为基于目标信道的目标频偏，对目标信道进行频偏补偿。

目前对OFDM系统的整数倍频偏的估计和补偿方法，往往基于整数倍频偏本身的定义和导频符号的自相关特性。OFDM系统而言，其导频参考符号一般为ZC序列，ZC序列的自相关特性并不好容易产生误测，准确率低。ZC(Zadoff-chu)是通讯信号发出的一种序列。本公开实施例针对于OFDM系统的整数倍频偏，提出了一种新的，不需要借助自相关函数，就可以对OFDM系统的整数倍频偏的估计和补偿方法。

当然本公开实施例还可以对OFDM系统的其他频偏进行估计和补偿。

解调参考信号（DMRS,Demodulatin Reference Signal）。参考信号，包括：下行参考信号和上行参考信号。解调参考信号，包括：下行解调参考信号和上行解调参考信号。下行参考信号的主要作用包括信道状态信息的测量、数据解调、波束训练、时频参数跟踪。上行参考信号的主要作用包括上下行信道测量、数据解调等。下行解调参考信号和上行解调参考信号，与下行参考信号和上行参考信号的作用是一样的，只是下行参考信号和上行参考信号是调制信号，下行解调参考信号和上行解调参考信号是解调信号。

根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应，可以是目标解调参考信号和目标参考序列相除，得到第一信道估计响应。本公开实施例中，目标参考信号可以是上行参考信号一种信号，也可以是下行参考信号和上行参考信号两种信号。

差分运算，是数学中的一个概念。它将原函数f(x) 映射到f(x+a)-f(x+b) 。差分运算，相应于微分运算，是微积分中重要的一个概念。差分的定义分为前向差分和逆向差分两种。对第一信道估计响应进行差分运算，得到目标差分序列。比如第一信道估计响应为C，对C进行差分运算，得到了C_k，C_k-1，……C₁，本公开实施例的差分运算不同于常用的差分运算，还需要根据如下公式，得到目标差分序列Z_k：

根据本公开实施例提供的技术方案，获取目标信道的目标参考信号，并对目标参考信号进行解调处理，得到目标解调参考信号；根据目标解调参考信号和目标参考信号对应的目标参考序列，确定目标信道对应的第一信道估计响应；对第一信道估计响应进行差分运算，得到目标差分序列；基于目标差分序列和第一信道估计响应，确定目标信道对应的第二信道估计响应；基于第一信道估计响应和第二信道估计响应，确定目标信道的目标频偏；基于目标信道的目标频偏，对目标信道进行频偏补偿。采用上述技术手段，解决现有技术中，对OFDM系统中的整数倍频偏进行估计和补偿的准确率低的问题，进而提高对OFDM系统中的整数倍频偏进行估计和补偿的准确率。

可选地，第二确定模块304还被配置为计算目标差分序列中的所有数对应的目标平均数；基于平均数和第一信道估计响应，确定第二信道估计响应。

可以通过如下公式计算目标差分序列中的所有数对应的目标平均数：

可以理解为第一信道估计响应对应的相位旋转角。

可选地，第二确定模块304还被配置为将目标平均数和第一信道估计响应输入数学模型，输出第二信道估计响应；或将目标平均数和第一信道估计响应输入神经网络模型，输出第二信道估计响应。

现有技术，是借助计算机，通过测试信道实现频偏估计和频偏补偿，其过程相当繁琐，本公开实施例意图通过模型，实现从将目标平均数和第一信道估计响应到第二信道估计响应的映射，进而快速实现频偏估计和频偏补偿，减少工作量。

可选地，第二确定模块304还被配置为获取训练数据集，其中，训练数据集，包括：多个信道的参考信号和每个参考信号对应的参考序列；对每个参考信号进行解调处理，得到多个解调参考信号；根据每个参考信号对应的解调参考信号和参考序列，确定每个参考信号对应的第三信道估计响应；对每个参考信号对应的第三信道估计响应进行差分运算，得到每个参考信号对应的差分序列，并计算每个参考信号对应的差分序列中的所有数对应的平均数；基于每个参考信号对应的平均数，对每个参考信号对应的第三信道估计响应进行平滑操作，得到每个参考信号对应的第四信道估计响应；将第三信道估计响应和平均数作为自变量，将第四信道估计响应作为因变量，对每个参考信号对应的第三信道估计响应、平均数和第四信道估计响应进行拟合处理，得到拟合结果，并根据拟合结果构建数学模型。

每个参考信号对应的平均数，又可以叫做相位旋转角。基于每个参考信号对应的平均数，对每个参考信号对应的第三信道估计响应进行平滑操作，可以理解为基于该相位旋转角建立低通滤波器，使用该低通滤波器对每个参考信号对应的第三信道估计响应进行滤波。相位旋转角是根据第三信道估计响应确定的，所以该相位旋转角可以表征第三信道估计响应的信号特征，所以根据相位旋转角建立的低通滤波器，可以对第三信道估计响应进行平滑操作，得到每个参考信号对应的第四信道估计响应。

将第三信道估计响应和平均数作为两个自变量，将第四信道估计响应作为因变量，对每个参考信号对应的第三信道估计响应、平均数和第四信道估计响应进行拟合处理，得到拟合结果，所以拟合结果可以看做是一个二元函数，所以上述拟合过程，可以理解为使用二元线性回归的方法，得到拟合结果。

可选地，第二确定模块304还被配置为获取训练数据集，其中，训练数据集，包括：多个信道的参考信号和每个参考信号对应的参考序列；对每个参考信号进行解调处理，得到多个解调参考信号；根据每个参考信号对应的解调参考信号和参考序列，确定每个参考信号对应的第三信道估计响应；对每个参考信号对应的第三信道估计响应进行差分运算，得到每个参考信号对应的差分序列，并计算每个参考信号对应的差分序列中的所有数对应的平均数；基于每个参考信号对应的第三信道估计响应和平均数，标注每个参考信号对应的第四信道估计响应；将第三信道估计响应和平均数作为神经网络模型的输入，将第四信道估计响应作为神经网络模型的输出，训练神经网络模型的输入。

基于每个参考信号对应的第三信道估计响应和平均数，标注每个参考信号对应的第四信道估计响应，可以是人工或者借助计算机软件标注，还可以基于每个参考信号对应的平均数，对每个参考信号对应的第三信道估计响应进行平滑操作，得到每个参考信号对应的第四信道估计响应。

将第三信道估计响应和平均数作为神经网络模型的输入，将第四信道估计响应作为神经网络模型的输出，训练神经网络模型的输入。可以理解为将每个参考信号对应的第三信道估计响应和平均数看做一组原始数据，将每个参考信号对应的第四信道估计响应，可以看做是该组原始数据的标签。训练模型的方法可以是深度学习训练方法等。

可选地，第二确定模块304还被配置为获取数学模型对应的抽象函数关系，该抽象函数关系可以看做数学模型的主干部分对应的映射关系。利用抽象函数关系对神经网络模型进行第一次训练；将第三信道估计响应和平均数作为神经网络模型的输入，将第四信道估计响应作为神经网络模型的输出，对神经网络模型进行第二次训练。

利用抽象函数关系对神经网络模型进行第一次训练，可以理解为更新神经网络模型的模型参数，使得神经网络模型最终符合抽象函数关系所对应的映射关系。利用抽象函数关系对神经网络模型进行第一次训练后，在对神经网络模型进行第二次训练，可以加快神经网络模型收敛的速度，所以通过上述技术手段可以实现对神经网络模型的快速训练。

可选地，第二确定模块304还被配置为以数学模型后接神经网络模型的方式，构建修正模型。将数学模型的模型参数固定，对修正模型中的神经网络模型进行第一次训练；对修正模型进行第二次训练。

对修正模型中的神经网络模型进行第一次训练，神经网络模型的输入是数学模型的输出，神经网络模型的输出是第四信道估计响应，数学模型的输入是第三信道估计响应和平均数。因为本公开实施例是通过神经网络模型优化数学模型的输出，使得修正模型的输出逼近第四信道估计响应，所以对修正模型中的神经网络模型进行第一次训练的速度是非常快的，而且修正模型的准确率是高于数学模型或者神经网络模型单个模型的。对修正模型进行第二次训练是为了微调修正模型中数学模型和神经网络模型的模型参数，进一步提高修正模型的准确率。

模型训练方法，就是深度学习等训练方法。比如对修正模型进行第二次训练，就是根据损失函数计算修正模型输入和输出之间的损失值，根据该损失值，通过反向传播的方法更新修正模型的模型参数。损失函数可以将均方误差损失函数（均方误差损失函数是数学模型的损失函数）和交叉熵损失函数（交叉熵损失函数是神经网络模型的损失函数）通过加权得到的。

可选地，第二确定模块304还被配置为按照预设权值，以数学模型和神经网络模型并列方式，构建修正模型。修正模型是按照预设权值将数学模型和神经网络模型的输出加权求平均。提高上述技术手段，可以提高从第三信道估计响应和平均数到第四信道估计响应的映射的准确率。神经网络模型是已经训练好的模型。

可选地，第二确定模块304还被配置为对修正模型进行训练，以调整数学模型和神经网络模型的模型参数，以及调整预设权值。

可选地，第三确定模块305还被配置为计算第一信道估计响应和第二信道估计响应对应的矢量误差向量；如果矢量误差向量满足预设分布，判定目标信道不存在目标频偏；如果矢量误差向量不满足预设分布，判定目标信道存在目标频偏，并确定目标频偏。

预设分布可以是均衡分布，比如矢量误差向量开始位置和结束位置存在较大的值，说明矢量误差向量不满足均衡分布，判定目标信道存在目标频偏，并确定目标频偏，进而得到目标频偏（在判定目标信道存在目标频偏，并确定目标频偏的同时，就可以得到目标频偏，可以根据矢量误差向量的分布，确定出目标频偏）。如果矢量误差向量中的多个矢量误差都是均衡分布的，说明矢量误差向量满足均衡分布。

可选地，补偿模块306还被配置为根据目标频偏，确定目标频偏对应的频偏补偿序列；根据频偏补偿序列，对目标信道进行频偏补偿。

对目标信道进行频偏补偿，可以理解为对目标信道中的目标信号进行频偏补偿。目标信号是目标信道需要传输的信号。

具体地，将频偏补偿序列和去除循环前缀后的目标信号，进行相应的向量乘法处理，对该处理结果进行快速傅里叶变换；对于快速傅里叶变换输出结果存在OFDM符号，根据该OFDM符号的起始时间和目标频偏，通过复指数函数计算得到相位误差补偿值，根据相位误差补偿值对目标信号进行频偏补偿。目标频偏就是频偏的估计值。

可选地，补偿模块306还被配置为根据目标频偏，确定第一数字增益控制电路的第一电路参数和第二数字增益控制电路的第二电路参数，其中，第一数字增益控制电路和第二数字增益控制电路相关；通过给目标信道前接第一数字增益控制电路，给目标信道后接第二数字增益控制电路的方式，对目标信道进行频偏补偿。

因为目标信道中传输的目标信号的幅度和目标信号在目标信道中传输存在的目标频偏有关，并且目标信号的幅度越大，目标频偏越大，目标信号的幅度越小，目标频偏越小。基于该原理，通过控制目标信道中传输的目标信号的幅度，来控制目标信道的目标频偏的补偿。

可选地，本公开实施例通过第一数字增益控制电路降低目标信道中传输的目标信号的幅度至一定的范围内，此时对目标信道的目标频偏进行频偏补偿，然后通过第二数字增益控制电路提高目标信道中传输的目标信号的幅度至原来的大小。比如第一数字增益控制电路将目标信号的幅度降低了10倍，那么第二数字增益控制电路将目标信号的幅度提高了10倍。这种方法可以提高补偿的效率。

可选地，本公开实施例通过第一数字增益控制电路提高目标信道中传输的目标信号的幅度至一定的范围内，此时对目标信道的目标频偏进行频偏补偿，然后通过第二数字增益控制电路降低目标信道中传输的目标信号的幅度至原来的大小。比如第一数字增益控制电路将目标信号的幅度提高了10倍，那么第二数字增益控制电路将目标信号的幅度降低了10倍。这种方法可以提高补偿的精度。

第一电路参数和第二电路参数，均包括：数字增益控制电路中的多个电阻值，输入电压值，输入电流值，二极管和三极管等元器件的参数值。

可选地，可以通过训练一个神经网络，用于确定数字增益控制电路的电路参数，比如数字增益控制电路的电路参数在什么范围内时，目标信道的目标频偏是符合要求的。训练方法可以是深度学习训练方法。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。

图4是本公开实施例提供的电子设备4的示意图。如图4所示，该实施例的电子设备4包括：处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者，处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。

示例性地，计算机程序403可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器402中，并由处理器401执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序403在电子设备4中的执行过程。

电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图4仅仅是电子设备4的示例，并不构成对电子设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，电子设备还可以包括输入输出设备、网络接入设备、总线等。

处理器401可以是中央处理单元（Central Processing Unit，CPU），也可以是其它通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器402可以是电子设备4的内部存储单元，例如，电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备，例如，电子设备4上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器402还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

在本公开所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，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公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (10)

1.一种信道频偏的估计和补偿方法，应用于正交频分复用系统，其特征在于，包括：

获取目标信道的目标参考信号，并对所述目标参考信号进行解调处理，得到目标解调参考信号；

根据所述目标解调参考信号和所述目标参考信号对应的目标参考序列，确定所述目标信道对应的第一信道估计响应；

对所述第一信道估计响应进行差分运算，得到目标差分序列；

基于所述目标差分序列和所述第一信道估计响应，确定所述目标信道对应的第二信道估计响应；

基于所述第一信道估计响应和所述第二信道估计响应，确定所述目标信道的目标频偏；

基于所述目标信道的目标频偏，对所述目标信道进行频偏补偿。

2.根据权利要求1所述的方法，其特征在于，所述基于所述目标差分序列和所述第一信道估计响应，确定所述目标信道对应的第二信道估计响应，包括：

计算所述目标差分序列中的所有数对应的目标平均数；

基于所述平均数和所述第一信道估计响应，确定所述第二信道估计响应。

3.根据权利要求2所述的方法，其特征在于，所述基于所述目标平均数和所述第一信道估计响应，确定所述第二信道估计响应，包括：

将所述目标平均数和所述第一信道估计响应输入数学模型，输出所述第二信道估计响应；或

将所述目标平均数和所述第一信道估计响应输入神经网络模型，输出所述第二信道估计响应。

4.根据权利要求3所述的方法，其特征在于，所述将所述目标平均数和所述第一信道估计响应输入数学模型，输出所述第二信道估计响应之前，所述方法还包括：

获取训练数据集，其中，所述训练数据集，包括：多个信道的参考信号和每个参考信号对应的参考序列；

对所述每个参考信号进行解调处理，得到多个解调参考信号；

根据所述每个参考信号对应的解调参考信号和参考序列，确定所述每个参考信号对应的第三信道估计响应；

对所述每个参考信号对应的第三信道估计响应进行差分运算，得到所述每个参考信号对应的差分序列，并计算所述每个参考信号对应的差分序列中的所有数对应的平均数；

基于所述每个参考信号对应的平均数，对所述每个参考信号对应的第三信道估计响应进行平滑操作，得到所述每个参考信号对应的第四信道估计响应；

将所述第三信道估计响应和所述平均数作为自变量，将所述第四信道估计响应作为因变量，对所述每个参考信号对应的第三信道估计响应、平均数和第四信道估计响应进行拟合处理，得到拟合结果，并根据所述拟合结果构建数学模型。

5.根据权利要求3所述的方法，其特征在于，所述将所述目标平均数和所述第一信道估计响应输入神经网络模型，输出所述第二信道估计响应之前，所述方法还包括：

获取训练数据集，其中，所述训练数据集，包括：多个信道的参考信号和每个参考信号对应的参考序列；

对所述每个参考信号进行解调处理，得到多个解调参考信号；

根据所述每个参考信号对应的解调参考信号和参考序列，确定所述每个参考信号对应的第三信道估计响应；

对所述每个参考信号对应的第三信道估计响应进行差分运算，得到所述每个参考信号对应的差分序列，并计算所述每个参考信号对应的差分序列中的所有数对应的平均数；

基于所述每个参考信号对应的第三信道估计响应和平均数，标注所述每个参考信号对应的第四信道估计响应；

将所述第三信道估计响应和所述平均数作为所述神经网络模型的输入，将所述第四信道估计响应作为所述神经网络模型的输出，训练所述神经网络模型的输入。

6.根据权利要求1所述的方法，其特征在于，所述基于所述第一信道估计响应和所述第二信道估计响应，确定所述目标信道的目标频偏，包括：

计算所述第一信道估计响应和所述第二信道估计响应对应的矢量误差向量；

如果所述矢量误差向量满足预设分布，判定所述目标信道不存在所述目标频偏；

如果所述矢量误差向量不满足预设分布，判定所述目标信道存在所述目标频偏，并确定所述目标频偏。

7.根据权利要求1所述的方法，其特征在于，所述基于所述目标信道的目标频偏，对所述目标信道进行频偏补偿，包括：

根据所述目标频偏，确定所述目标频偏对应的频偏补偿序列；

根据所述频偏补偿序列，对所述目标信道进行频偏补偿。

8.根据权利要求1所述的方法，其特征在于，所述基于所述目标信道的目标频偏，对所述目标信道进行频偏补偿，包括：

根据所述目标频偏，确定第一数字增益控制电路的第一电路参数和第二数字增益控制电路的第二电路参数，其中，所述第一数字增益控制电路和所述第二数字增益控制电路相关；

通过给所述目标信道前接所述第一数字增益控制电路，给所述目标信道后接所述第二数字增益控制电路的方式，对所述目标信道进行频偏补偿。

9.一种信道频偏的估计和补偿装置，应用于正交频分复用系统，其特征在于，包括：

获取模块，被配置为获取目标信道的目标参考信号，并对所述目标参考信号进行解调处理，得到目标解调参考信号；

第一确定模块，被配置为根据所述目标解调参考信号和所述目标参考信号对应的目标参考序列，确定所述目标信道对应的第一信道估计响应；

运算模块，被配置为对所述第一信道估计响应进行差分运算，得到目标差分序列；

第二确定模块，被配置为基于所述目标差分序列和所述第一信道估计响应，确定所述目标信道对应的第二信道估计响应；

第三确定模块，被配置为基于所述第一信道估计响应和所述第二信道估计响应，确定所述目标信道的目标频偏；

补偿模块，被配置为基于所述目标信道的目标频偏，对所述目标信道进行频偏补偿。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。

Images