CN1595924A - 基于二维迭代最小二乘准则的自适应信道估计方法 - Google Patents

Abstract

本发明涉及一种基于二维迭代最小二乘准则的自适应信道估计方法。该方法采用了2D－RLS准则，即利用信道的二维相关性进行自适应的信道估计，无需知道任何信道统计特性，可以有效地提高信道估计结果的准确性，解决了现有技术中由于无法准确获得信道统计特性或无法充分利用信道的二维相关性而导致的信道估计结果不准确的问题。本发明的另外一个优点在于能够方便地通过选择信道估计器的输入矢量的大小实现在计算复杂度和信道估计性能之间的折中处理，而无需改变信道估计器的物理结构。

Description

基于二维迭代最小二乘准则的自适应信道估计方法

技术领域

本发明涉及通信技术领域，尤其涉及一种OFDM系统中基于2D-RLS(二维迭代最小二乘)准则的自适应信道估计方法。

背景技术

随着Internet(互联网)和移动通信技术的高速发展，高速的无线数据业务存在潜在的巨大需求。然而，在恶劣的无线信道环境中提供高速数据业务是很困难的，因此，业界一直在为提供具有良好性能的无线传输技术进行努力。现有的OFDM(正交频分复用)技术具有对抗ISI(符号间干扰)的能力，同时可以提供很高的频谱效率，因此被视为高速无线数据业务最有可能采用的无线传输技术。OFDM具有很广泛的应用，包括：XDSL(数字用户环路)、DAB/DVB(数字音频/视频广播)、无线局域网标准IEEE 802.11a和HIPERLAN/2、无线城域网标准IEEE 802.16，等等。

为了保证通信系统在无线信道环境中能够具有良好的性能，必需对多径时变的无线衰落信道进行估计。可以认为，信道估计的准确程度在很大程度上决定了系统是否能够提供优良的无线传输质量。即在OFDM系统中，信道估计的质量对OFDM系统的性能起着关键作用。目前采用的信道估计方法大致可以分为两大类：盲估计和基于导频的信道估计。所述的盲估计虽然因为不需要导频而具有较高的频谱利用率，但是复杂度很高且性能不好，目前尚无法实用；所述的基于导频的信道估计又分为基于LS(最小二乘)准则和基于MMSE(最小均方误差)准则。LS信道估计虽然简单，但是和MMSE信道估计相比，为了达到相同的信道估计性能(用信道估计的MSE(均方误差)来衡量)，存在10-15dB的SNR(信噪比)损失。但是为了实现MMSE信道估计，需要知道准确的信道统计特性，这在实际中是无法实现的。

有文献(Y.(G.)Li，L.J.Cimini，and N.R.Sollenberger，“Robustchannel estimation for OFDM systems with rapid dispersive fadingchannels，”IEEE Trans.Commun.，vol.46，pp.902-915，July 1998.)提出了Robust信道估计，可以利用信道的二维相关特性，并且对信道统计特性的变化不敏感。但是Robust信道估计仍然需要预先知道几个信道参数：最大多普勒频移、最大多径时延和噪声功率，很明显这三个参数很难获得。于是为了能够尽可能的适应未知的信道，Robust信道估计需要假定最大多普勒频移、最大多径时延和噪声功率都取比较大的值，这不可避免的导致了信道估计的准确性下降。

另外，还有文献(D.Schafhuber，G.Matz，and F.Hlawatsch，“AdaptiveWiener filters for time-varying channel estimation in wireless OFDMsystems”，ICASSP′03，vol.4，pp.IV-688-IV-691，6-10 Apr.2003.)提出了基于时域RLS(迭代最小二乘)准则的信道估计，这种方法虽然不需要知道信道的统计特性，但是只能利用信道在时间域这一个维度上的相关性。同时，基于时域RLS准则的信道估计对于信道多径时延的变化很敏感，而这种信道多径时延的变化在实际环境中是很常见的。

发明内容

鉴于上述现有技术所存在的问题，本发明的目的是提供一种基于二维迭代最小二乘准则的自适应信道估计方法，从而提高无线通信系统中信道估计的准确性，提高无线通信系统的性能。

本发明的目的是通过以下技术方案实现的：

本发明提供了一种基于二维迭代最小二乘准则的自适应信道估计方法，包括：

A、将接收到的OFDM(正交频分复用)符号所对应的频域信道值进行重新排列；

B、将经过重新排列的频域信道值与信道估计器的系数矩阵的共轭转置矩阵相乘，获得的值作为信道估计结果。

所述的步骤A包括：

在接收端使用经过解调/解码后的数据和原FFT(快速傅氏变换)模块输出的经过衰落且带有噪声的信号按照LS(最小二乘)准则进行判决反馈处理得到信道估计器需要的但尚未经过重新排列的输入信号；

将所述的判决反馈处理获得的L个具有N个子载波的OFDM符号所对应的频域信道值中处在各个OFDM符号中相同子载波位置上的LM个排列成一个维数为LM×1的矢量，或排列成多个矢量，且多个矢量加在一起的维数和仅为一个矢量时的维数相同，即也是LM×1，M＝N/2^z，且2^z通常应该小于或等于log₂N，且z为正整数。

所述的步骤B包括：

将一个或多个总维数为LM×1的矢量分别与各自对应的信道估计器的上一时刻的信道估计器系数矩阵的共轭转置矩阵相乘，各自获得的值进行合并后作为信道估计结果。

所述的信道估计器为2D-RLS(二维迭代最小二乘)信道估计器，且所述的二维为频域信道的时间维度和频率维度。

所述的基于二维迭代最小二乘准则的自适应信道估计方法还包括获得所述的信道估计器的系数矩阵的处理过程：

C、计算当前信道估计结果与理想信道值之间的差值，及根据当前的信道估计器输入矢量及其上一时刻自相关矩阵的逆矩阵和预先选定的遗忘因子计算当前调整信道估计器的系数矩阵更新量的增益矢量值；

D、根据所述的差值和当前的增益矢量值按照设定的方式进行信道估计器的系数矩阵的调整，获得下一次信道估计过程中应用的信道估计器的系数矩阵，同时根据当前的信道估计器输入矢量及其上一时刻自相关矩阵的逆矩阵和预先选定的遗忘因子以及当前的增益矢量值按照设定的方式更新信道估计器输入矢量的自相关矩阵的逆矩阵。

本发明中，步骤C所述的理想信道值的获取过程包括：

在接收端使用解调/解码后的数据和原FFT(快速傅氏变换)模块输出的经过衰落且带有噪声的信号按照LS(最小二乘)准则对频域信道进行估计；

将估计获得的结果经过IDFT(逆离散傅氏变换)处理变换为时域信号；

将所述的时域信号进行最强径捕获处理得到其中较强的时域信号样值，并将较强的时域信号样值经过DFT(离散傅氏变换)变换回频域作为理想信道值。

所述的基于二维迭代最小二乘准则的自适应信道估计方法中：

所述的步骤C包括：

计算当前信道估计结果与理想信道值之间的差值ξ(n)；

并根据当前的信道估计器输入矢量及其上一时刻自相关矩阵的逆矩阵和预先选定的遗忘因子计算当前调整信道估计器的系数矩阵更新量的增益矢量值k(n)，所述的k(n)的迭代计算关系为Q(n-1)p(n)/{λ+p^H(n)Q(n-1)p(n)}，p(n)为当前的经过重新排列的L个OFDM符号所对应的LM个频域信道值所构成的矢量，λ为遗忘因子，取值为小于1的正实数，信道变化越慢该值越大，Q(n)是p(n)的自相关矩阵的逆矩阵，Q(n)的迭代计算关系为λ^-1Q(n-1)-λ^-1k(n)p^H(n)Q(n-1)，p^H(n)为p(n)的共轭转置，所述的n则为进行信道估计的迭代次数计数值；

所述的步骤D包括：

根据所述的差值ξ(n)和当前的增益矢量值k(n)确定下一次信道估计过程中应用的信道估计器的系数矩阵G(n)的值，所述的G(n)＝G(n-1)+k(n)×ξ^H(n)，ξ^H(n)为ξ(n)的共轭转置。

所述的步骤A包括：

当OFDM系统开始工作时，发送端需要发送设定数量的已知OFDM符号作为训练序列，接收端接收所述设定数量的OFDM符号，并按照LS(最小二乘)准则进行信道估计，获得设定数量的OFDM符号对应的频域信道值，作为信道估计器的初始输入值；

将初始接收的L个具有N个子载波的OFDM符号中所对应的相同子载波位置的频域信道值排列成一个或多个总维数为LM×1的矢量，M＝N/2^z，且z为正整数。

在所述的基于二维迭代最小二乘准则的自适应信道估计方法中，当OFDM系统开始工作时，在所述的接收端进行信道估计过程中所述的信道估计器的系数矩阵的初始值为全0矩阵，所述的信道估计器的输入矢量的自相关矩阵的逆矩阵的初始值为规则化参数的倒数乘以单位矩阵，所述的规则化参数为正实数，SNR(信噪比)越高该值越小。

本发明所述的方法适用于OFDM系统，包括MIMO-OFDM(多天线OFDM)系统。

由上述本发明提供的技术方案可以看出，本发明由于采用了2D-RLS准则，即利用信道的二维相关性进行自适应的信道估计，无需知道任何信道统计特性，可以有效地提高信道估计结果的准确性，解决了现有技术中由于无法准确获得信道统计特性或无法充分利用信道的二维相关性而导致的信道估计结果不准确的问题。

同时，本发明所采用的基于2D-RLS准则的自适应信道估计方法只需要几个OFDM符号的时间便可以很快收敛到稳定状态。本发明的另外一个优点在于能够方便地通过选择信道估计器的输入矢量的大小实现在计算复杂度和信道估计性能之间的折中处理，而无需改变信道估计器的物理结构。

试验证明本发明所述的方法在性能上要明显优于现有文献中记录的其它信道估计方法，并且可以适用于不同无线信道条件下的OFDM系统。

附图说明

图1为OFDM系统的结构示意图；

图2为信道估计器输入矢量p的重排过程示意图；

图3为本发明中2D-RLS算法的原理框图；

图4为并行2D-RLS信道估计器的结构示意图；

图5为参考信号的产生过程示意图；

图6为本发明适用的OFDM符号频域信道值的选取图样示意图；

图7为本发明不适用的OFDM符号频域信道值的选取图样示意图。

具体实施方式

本发明所述的方法是一种基于2D-RLS准则的自适应信道估计方法，为实现本发明，在OFDM系统开始进行信道估计之前需要先发送一定数量(通常为5个以内即可)的已知OFDM符号作为训练序列，然后就可以进入一种以OFDM符号为时间单位的反复迭代的信道估计过程，每次迭代共包含了三个步骤：信道估计；计算估计误差、增益矢量和信道估计器的输入矢量的自相关矩阵的逆矩阵；自适应的进行信道估计器系数矩阵的调整。而在OFDM系统进行数据传输的过程中，不再需要插入导频或训练符号，具有较高的频谱效率。

现对本发明所述的方法的具体实施方式结合附图进行说明：

在OFDM系统中，在接收端设置有信道估计处理部分，信道估计处理部分的具体位置参见图1，处在FFT(快速傅氏变换)模块与星座解映射模块之间。

本发明所述的信道估计方法的具体实现过程参见附图，叙述如下：

步骤1：在OFDM系统初始进入工作状态时，为了使用2D-RLS算法进行信道估计，首先需要发送端发送长为L个OFDM符号的训练序列，L通常小于5，以便于接收端在初始情况下可以按照LS(最小二乘)准则进行初始的信道估计，获得相应的频域信道值；

假设OFDM系统的子载波数为N，同时，还需要将信道估计器的系数矩阵的初始值设置为G(0)＝0，即G(0)为全0矩阵。

步骤2：接收端接收到训练序列并按照LS(最小二乘)准则进行初始的信道估计，获得相应的频域信道值后，对其进行重新排列得到信道估计器的实际初始输入值；

列矢量p(n)是2D-RLS信道估计器的输入，n为进行信道估计的迭代次数计数值，由当前时刻之前的L个OFDM符号中的LM个频域信道值进行重新排列得到，如图2所示，维数为LM×1，其中M＝N/2^z，z可以根据需要取值0、1、2等正整数，但通常应该满足2^z小于或等于log₂N，M的取值大小决定了从N个子载波对应的频域信道值中选取的数量的大小；

另外，通常当OFDM系统的子载波数量较小时，使用一个信道估计器对当前OFDM符号所对应的频域信道进行估计即可。而当OFDM系统的子载波数量很大时，则可以将L个OFDM符号中的LM个频域信道值排列为多个维数相同的矢量，并分别与各自对应的信道估计器的上一时刻的系数矩阵的共轭转置相乘，分别获得当前OFDM符号所对应的频域信道的不同部分的信道估计，即当OFDM系统的子载波数很大时，为了降低计算复杂度，提高算法的实时性，可以将一个OFDM符号中的子载波分成大小相同的几组，然后使用并行的2D-RLS信道估计器进行信道估计，如图4所示，各信道估计器的信道估计结果组合后便获得当前OFDM符号的信道估计结果。

步骤3：根据信道估计器的系数矩阵及经过重新排列的L个OFDM符号所对应的LM个频域信道值进行信道估计，获得当前的信道估计结果h(1)＝G^H(0)×p(1)，当然，在后续的信道估计过程中相应的信道估计结果则为h(n)＝G^H(n-1)×p(n)；

其中，列矢量h(n)是需要估计的当前OFDM符号的频域信道值，维数为N×1；矩阵G(n)是2D-RLS信道估计器的系数矩阵，维数为LM×N，G^H(n)为G(n)的共轭转置矩阵。

为保证信道估计处理过程的持续进行，在每次信道估计处理过程结束后，还需要对所述的信道估计器的系数矩阵进行调整，以获得更新后的信道估计器的系数矩阵，并用于下一次的信道估计处理过程，参见图3，对所述的信道估计器的系数矩阵进行调整的处理过程如下：

步骤4：计算当前信道估计结果与理想信道值间的误差；

为了计算信道估计误差ξ(n)，从理论上讲应该知道理想的信道响应h’(n)，h’(n)在实际系统中是无法得到的，因此只能使用相应的估计值；本发明获取h’(n)的处理过程如图5所示，首先使用接收端接收的解调/解码(即译码)后的数据和接收信号按照LS(最小二乘)准则进行DD(判决反馈)得到频域粗略估计值，然后使用IDFT(逆离散傅氏变换)处理将该频域粗略估计值变换到时域，再使用最强径捕获策略得到时域信号中比较强的几条径，其余的时域信道样值均被置为0，然后再应用DFT(离散傅氏变换)处理变换回频域，得到比较精确的当前OFDM系统的理想的信道响应h’(n)的估计值；

获得所述的h’(n)值后便可以计算当前信道估计误差ξ(n)＝h’(n)-h(n)。

步骤5：同时为对信道估计器的系数矩阵进行调整，还需要计算获得相应的增益矢量，所述的增益矢量为根据当前的信道估计器输入矢量及其上一时刻的自相关矩阵的逆矩阵和预先选定的遗忘因子计算获得；

所述的增益矢量k(n)用于调整信道估计器的系数矩阵的更新量，且所述k(n)的迭代更新关系为Q(n-1)p(n)/{λ+p^H(n)Q(n-1)p(n)}，p(n)为当前的经过重新排列的L个OFDM符号所对应的LM个频域信道值所构成的矢量；

Q(n)为当前的信道估计器输入矢量p(n)的自相关矩阵的逆矩阵；Q(n)的初始值Q(0)＝δ^-1I，其中δ为规则化参数，取值为正实数，该值的选取与信道的SNR(信噪比)有关，SNR越大该值越小，I为单位矩阵；在后续的计算过程中所述的Q(n)则为通过迭代计算获得，其迭代更新关系为λ^-1Q(n-1)-λ^-1k(n)p^H(n)Q(n-1)，p^H(n)是p(n)的共轭转置，所述的n则仍为进行信道估计的迭代次数计数值；

所述的遗忘因子λ通常为小于1但又接近于1的正实数，具体取值与信道变化情况相关，信道变化越慢该值越大。

步骤6：获得了所述的k(n)和ξ(n)，便可以通过自适应的信道估计器系数矩阵更新机制对信道估计器的系数矩阵进行调整，即自适应的根据k(n)和ξ(n)值进行信道估计器的系数矩阵的调整更新，以获得用于下一次信道估计的信道估计器的系数矩阵，参见图3，该步骤由自适应更新信道估计器的系数矩阵处理部分完成；

具体为，下一次信道估计过程中应用的信道估计器的系数矩阵G(n)＝G(n-1)+k(n)×ξ^H(n)；

步骤7：完成所述的信道估计器的系数矩阵的调整更新后，为保证下一次调整更新计算的需要，还需根据步骤5中的描述对信道估计器输入矢量的自相关矩阵的逆矩阵进行更新。

通常情况下，规则化参数δ和遗忘因子λ的选取对基于RLS准则的算法的性能有很大的影响，但是通过实验发现基于2D-RLS准则的自适应信道估计方法的性能对于规则化参数δ和遗忘因子λ的选取非常不敏感。对于大多数规则化参数δ和遗忘因子λ的取值而言，本发明仅需要几个OFDM符号的时间便可以收敛到稳定的状态。

本发明中，仅在训练阶段(即OFDM系统开始工作阶段)需要发送L个已知OFDM符号作为训练序列，而在OFDM系统的数据传输阶段不再需要插入导频或训练符号，此时信道估计器的输入信号p(n)是通过使用解调/解码后的数据和接收信号按照LS准则进行DD(判决反馈)后再进行重新排列获得。

在OFDM系统进行正常的数据传输过程中，本发明所述的方法主要包括三个处理过程：(1)根据上一时刻的信道估计器的系数矩阵G(n-1)及信道估计器的输入信号p(n)确定当前的信道估计结果为h(n)＝G^H(n-1)×p(n)；(2)参照上述步骤4计算当前信道估计结果与理想信道值间的差值ξ(n)，并计算当前时刻的增益矢量k(n)；(3)参照上述步骤6进行信道估计器的系数矩阵的调整，并参照上述步骤5、7计算当前时刻的输入矢量的自相关矩阵的逆矩阵Q(n)。在OFDM系统中循环执行(1)、(2)、(3)三个过程便可以实现对信道的实时估计。

本发明中，需要注意的问题是，为了保持每次信道估计的结果是可以累积的，即使得信道估计可以以自适应的迭代方式进行，本方法对于用来构成p(n)的L个OFDM符号中的LM个频域信道值的位置是有要求的，具体为要求选取的是每个OFDM符号中相同的子载波位置，即选取如图6所示的OFDM符号的频域信道值是符合要求的，而选取如图7所示的OFDM符号的频域信道值则是不符合要求的。

本发明中，通过为不同的发射天线选择合适的训练序列，本发明提供的基于2D-RLS准则的自适应信道估计方法对于MIMO-OFDM(多天线OFDM)系统也是适用的。所述的为不同的发射天线选择合适的训练序列的具体方法可以参照文献I.Barhumi，G.Leus，and M.Moonen，“Optimal TrainingDesign for MIMO OFDM Systems in Mobile Wireless Channels”，IEEETrans.Signal Processing，vol.51，pp.1615-1624，June 2003.给出的训练序列设计方案。

以上所述，仅为本发明较佳的具体实施方式，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揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (10)

1、一种基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于包括：

A、将接收到的OFDM(正交频分复用)符号所对应的频域信道值进行重新排列；

B、将经过重新排列的频域信道值与信道估计器的系数矩阵的共轭转置矩阵相乘，获得的值作为信道估计结果。

2、根据权利要求1所述的基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于所述的步骤A包括：

在接收端使用经过解调/解码后的数据和原FFT(快速傅氏变换)模块输出的经过衰落且带有噪声的信号按照LS(最小二乘)准则进行判决反馈处理得到信道估计器需要的但尚未经过重新排列的输入信号；

将所述的判决反馈处理获得的L个具有N个子载波的OFDM符号所对应的频域信道值中处在各个OFDM符号中相同子载波位置上的LM个排列成一个维数为LM×1的矢量，或排列成多个矢量，且多个矢量加在一起的维数和仅为一个矢量时的维数相同，即也是LM×1，M＝N/2^z，且2^z通常应该小于或等于log₂N，且z为正整数。

3、根据权利要求2所述的基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于所述的步骤B包括：

将一个或多个总维数为LM×1的矢量分别与各自对应的信道估计器的上一时刻的信道估计器系数矩阵的共轭转置矩阵相乘，各自获得的值进行合并后作为信道估计结果。

4、根据权利要求1所述的基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于所述的信道估计器为2D-RLS(二维迭代最小二乘)信道估计器，且所述的二维为频域信道的时间维度和频率维度。

5、根据权利要求1、2、3或4所述的基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于该方法还包括获得所述的信道估计器的系数矩阵的处理过程：

C、计算当前信道估计结果与理想信道值之间的差值，及根据当前的信道估计器输入矢量及其上一时刻自相关矩阵的逆矩阵和预先选定的遗忘因子计算当前调整信道估计器的系数矩阵更新量的增益矢量值；

D、根据所述的差值和当前的增益矢量值按照设定的方式进行信道估计器的系数矩阵的调整，获得下一次信道估计过程中应用的信道估计器的系数矩阵，同时根据当前的信道估计器输入矢量及其上一时刻自相关矩阵的逆矩阵和预先选定的遗忘因子以及当前的增益矢量值按照设定的方式更新信道估计器输入矢量的自相关矩阵的逆矩阵。

6、根据权利要求5所述的基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于步骤C所述的理想信道值的获取过程包括：

在接收端使用解调/解码后的数据和原FFT(快速傅氏变换)模块输出的经过衰落且带有噪声的信号按照LS(最小二乘)准则对频域信道进行估计；

将估计获得的结果经过IDFT(逆离散傅氏变换)处理变换为时域信号；

将所述的时域信号进行最强径捕获处理得到其中较强的时域信号样值，并将较强的时域信号样值经过DFT(离散傅氏变换)变换回频域作为理想信道值。

7、根据权利要求6所述的基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于：

所述的步骤C包括：

计算当前信道估计结果与理想信道值之间的差值ξ(n)；

并根据当前的信道估计器输入矢量及其上一时刻自相关矩阵的逆矩阵和预先选定的遗忘因子计算当前调整信道估计器的系数矩阵更新量的增益矢量值k(n)，所述的k(n)的迭代计算关系为Q(n-1)p(n)/{λ+p^H(n)Q(n-1)p(n)}，p(n)为当前的经过重新排列的L个OFDM符号所对应的LM个频域信道值所构成的矢量，λ为遗忘因子，取值为小于1的正实数，信道变化越慢该值越大，Q(n)是p(n)的自相关矩阵的逆矩阵，Q(n)的迭代计算关系为λ^-1Q(n-1)-λ^-1k(n)p^H(n)Q(n-1)，p^H(n)为p(n)的共轭转置，所述的n则为进行信道估计的迭代次数计数值；

所述的步骤D包括：

根据所述的差值ξ(n)和当前的增益矢量值k(n)确定下一次信道估计过程中应用的信道估计器的系数矩阵G(n)的值，所述的G(n)＝G(n-1)+k(n)×ξ^H(n)，ξ^H(n)为ξ(n)的共轭转置。

8、根据权利要求7所述的基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于所述的步骤A包括：

当OFDM系统开始工作时，发送端需要发送设定数量的已知OFDM符号作为训练序列，接收端接收所述设定数量的OFDM符号，并按照LS(最小二乘)准则进行信道估计，获得设定数量的OFDM符号对应的频域信道值，作为信道估计器的初始输入值；

将初始接收的L个具有N个子载波的OFDM符号中所对应的相同子载波位置的频域信道值排列成一个或多个总维数为LM×1的矢量，M＝N/2^z，且z为正整数。

9、根据权利要求8所述的基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于，当OFDM系统开始工作时，在所述的接收端进行信道估计过程中所述的信道估计器的系数矩阵的初始值为全O矩阵，所述的信道估计器的输入矢量的自相关矩阵的逆矩阵的初始值为规则化参数的倒数乘以单位矩阵，所述的规则化参数为正实数，SNR(信噪比)越高该值越小。

10、根据权利要求1所述的基于二维迭代最小二乘准则的自适应信道估计方法，其特征在于，该方法适用于OFDM系统，包括MIMO-OFDM(多天线OFDM)系统。

Images