CN1738300B - 用于在移动通信系统中估计最大似然频率偏移的方法 - Google Patents

Abstract

公开了一种用于在移动通信系统中估计频率偏移的方法，其中所述移动通信系统通过时分方案来划分预定频带以传送数据信号，或将整个频带划分为多个子频带以传送数据信号，该方法包括以下步骤：通过线性方程式和多项式方程式中的一个来建模快速衰落信道；以及在执行建模之后将模型应用于该信道的变量，并基于使用训练序列的联合最大似然而估计信道和频率偏移。

Description

用于在移动通信系统中估计最大似然频率偏移的方法 

技术领域

本发明涉及移动通信系统中的频率偏移估计方法，并且更具体地涉及用于在使用正交频分多路复用(OFDM)方案的移动通信系统中，在快速瑞利衰落信道环境中估计频率偏移的方法。 

背景技术

正在进行关于正交频分多路复用(OFDM)方案的用户的很多研究，其中，所述正交频分多路复用方案用于在3G(第三代)移动通信系统之后的移动通信系统中的有线/无线信道上的高速数据传送。这里，使用多载波来传送数据的OFDM方案是特殊类型的多载波调制(MCM)方案，其中，将串行码元序列转换为并行码元序列，并且，在传送之前，通过多个相互正交的子载波(或子载波信道)而对并行码元序列进行调制。 

目前，已积极地研究提供比传统系统高的传送速率和移动性的基于OFDM的通信系统。例如，作为OFDM标准的电气和电子工程师协会(IEEE)802.16和IEEE 802.20针对于在车辆移动且移动速度大于250公里/小时的情况下最大每秒几十兆字节的数据传送速度。 

由于通信系统中的发射器和接收器的振荡器频率的差异，而导致出现频率偏移。当在接收器中仍有频率偏移时，该接收器不能精确地检测信号。移动通信系统必定会不可避免地处理受频率偏移影响的信号。将通过参照图1来描述频率偏移的估计和消除。 

图1为图解在通信系统中的一般的频率偏移估计过程的方框图。在给出有关图1的描述之前，将简述OFDM环境中的频率偏移估计。在前述OFDM调制方案中，由于通过多个具有重叠频谱的载波来同时传送数据，所以，OFDM调制方案对频率偏移非常敏感。换句话说，当接收器在将带通信号解调为基带信号时未准确地估计载波的频率时，会出现表示相邻信道的信号的引入的信道间干扰(ICI)。于是，严重恶化了系统性能。 

可将用于估计OFDM信号的频率偏移的方案分类为基于时域的估计方法和基于频域的估计方法。根据所述两种方法的基本原理，重复传送彼此相等的训练信号、或彼此相关联的训练信号，计算对应信号之间的任何相位改变，并估计频率偏移。基于时域的估计方法可使用通过复制码元的一部分而得到的保护间隔。此外，基于所述每个域的方法包括具有大于子载波间隔的整数倍数的估计范围的粗略估计、以及具有小于子载波间隔的估计范围的精细估计。 

时域方法根据离散傅立叶变换(DFT)之前的信号而估计偏移，并根据在偏移估计中使用的对应码元、或该对应码元之后的码元而校正该偏移。此外，时域方法可对具有大于子载波间隔的整数倍数的估计范围的粗略估计、以及精细估计应用同一算法。基于时域的粗略估计方法具有由在一个OFDM码元中重复的训练信号的数目而确定的估计范围。也就是说，可以在子载波间隔的±L/2的周期内，对在OFDM码元的有用周期中重复L次的训练信号进行粗略估计。这里，当由于信道的影响而使重复周期减小到保护间隔以下时，估计误差增加。通常，由于用于频率偏移估计的训练信号也在信道估计中使用，所以，将短码元的最小周期限制为保护间隔。 

频域方法分别应用粗略估计和精细估计。精细估计以类似于时域方法的方式使用重复的训练信号的性质。粗略估计通常使用DFT输出的相关值，此外，使用第N阶快速傅立叶变换(FFT)的OFDM系统可在整个间隔(即，在子载波间隔的±L/2的周期内)中估计频率偏移。然而，由于必须通过移动到用于粗略估计的每个采样间隔来计算相关值，所以，计算量显著增加。此外，与精细估计同时执行的基于频域的粗略估计方法具有缺点，即：频率偏移估计算法的性能受偏移大小影响。例如，子载波间隔的归一化相对频率偏移1.0比归一化的相对频率偏移1.4具有更高的错误粗略估计的概率。这是因为随着偏移较远地偏离于子载波间隔的整数倍数，由于ICI，相关值减小，而干扰信号级数(order)增加。然而，基于时域的粗略估计估计不受ICI影响的小数部分。因而，当在粗略估计之后执行精细估计时，仅在精细估计的可能范围以下执行估计。因此，错误执行粗略估计的概率显著减小。 

如上所述，在对频率偏移的粗略估计中，频域估计方法具有这样的特性，其中，估计范围宽，但计算量大，并且，当在精细估计之前、或与精细估计同时应用粗略估计时，估计错误概率高。相反，时域估计方法具有这样的特 性，其中，计算量小，但估计范围受限。 

参照图1，传送数据a(k)通过瑞利衰落信道和接收滤波器101，并被转换为复数信号s(k)。当发射器的频率具有因子Δf的差异时，可通过一个过程来对频率偏移进行建模，其中，通过所述过程，第一乘法器103输出通过将s(k)乘以e^{j(2πΔfkT+θ)}而得到的值。加法器105输入从第一乘法器103输出的信号，将该信号加到干扰/噪声信号n(k)，并输出最终基带接收信号r(k)。频率偏移估计器107输入信号r(k)，估计频率偏移，并输出频率偏移补偿值e^{-j(2πΔ^fkT)}。第二乘法器109通过基于从频率偏移估计器107接收的估计值而补偿频率偏移，调整接收信号，并将调整后的接收信号输出到解调器。 

这里，k表示样本的时间索引，Δf表示频率偏移值，T表示样本长度，Δ^f表示频率偏移估计值，a(k)表示传送信号，θ表示相位偏移，而n(k)表示干扰/噪声信号。 

图1中示出的例子是基于在时域上执行对频率偏移的估计和消除的假定而提出的。此外，该例子可包括使用训练序列的方案和盲目方案(blindscheme)。注意，将详细描述使用训练序列的方案。训练序列至少包括一个OFDM码元。随着传送速率的增加，对于时分多址(TDMA)方案和OFDM方案两者来说，频率偏移的估计更为重要。特别地，当采用OFDM系统来确保高传送速率时，频率偏移对每个子载波的正交性具有影响，并可引起子载波之间的干扰。因而，有必要提供具有非常高的精确度的估计。 

随着移动性的增加，每个可移动体经受信道随时间而显著改变的快速衰落信道。根据这种信道特性，信道被认为是可变的，并且，在数据传送间隔期间不具有固定值。因而，针对于固定信道特性而应用的传统频率偏移估计方案不能在可移动体的各个速度范围内得到适当的估计性能。 

将通过参照图2来描述快速瑞利衰落信道。 

图2为示出快速瑞利衰落信道的一般例子的图。 

图2示出了衰落信道的典型例子。在图2中，根据数据传送，在x轴上表示数据的索引(时间)，而在y轴上表示通过其传送数据的信道的绝对值。快速衰落表示这种情况，其中，在数据传送间隔中充分地出现衰落，由此信道值在数据传送间隔中显著改变。衰落信道被认为是在预定间隔中不随时间变化(time-invariant)的信道。也就是说，当在图2中、所述预定间隔仅占据很短的索引间隔时，衰落信道被称为不随时间变化的信道。此外，当所述预 定间隔显著大于短索引间隔时，必须利用快速衰落信道来对衰落信道进行建模。通常，由于通信系统信道具有L个多重路径，所以，存在如图2所示的随机、且经受改变的L个信道。 

同时，对于采用预先在发射器和接收器之间约定的训练序列的情况，现有技术提供了考虑到最大似然的最优信道估计值、以及最优频率偏移估计值。将通过参照图3来描述根据现有技术的最大似然估计器。 

图3图解了根据现有技术的最大似然估计器的构造。参照图3，最大似然估计器输入训练序列a_n。随后，在块301中，从输入的训练序列a_n形成循环移位矩阵A。在块303中，根据矩阵A而计算投影矩阵B。这里，在块305中计算数据的加权相关系数中使用投影矩阵B的第(k-m，k)个元素。 

在块307中，对在块305中计算出的加权相关系数进行FFT，以便计算频域值。在块309中，选择提供计算出的值之中的最大值的位置。所选位置的频率值精确等于频率偏移的估计值。随着FFT的窗大小的增加，可估计接近精确位置的频率偏移的值，并且，在块311中，使用插值来得到更精确的估计。 

根据现有技术，将信道视为固定值。因而，当可移动体实际移动时，难以应用现有技术。在可移动体处于静止状态、或以非常慢的速度移动时，现有技术中的前述研究显示了很高的估计性能。如将在后面描述的图6所示，在可移动体的速度增加时，现有技术中的研究显示了迅速减小的估计性能。 

此外，针对于如上所述的频率偏移估计的另一个研究包括：对在现有技术中未考虑的可移动体的速度改变的考虑。 

然而，该研究利用在每个OFDM码元中提供的循环前缀(CP)、通过盲目方案来估计频率偏移，而不使用独立的训练序列，以便利用OFDM系统的特性。由于这与使用训练序列的本发明的范围相背离，所以将省略详细描述。 

如上所述的使用CP的频率偏移估计由于相对短的CP长度而未提供高估计性能。因此，已使用了通过组合而累积在每个OFDM码元中估计的各个估计值的方案。然而，即使如上所述而累积了估计值，这种方案也未显示出很高的性能改进效果，必须在多个OFDM码元上累积估计值。 

发明内容

在传统的最大似然频率偏移估计方案中，由于信道被视为固定值，并由 此，不考虑可移动体移动的情况，所以，随着可移动体的速度增加，频率偏移估计性能恶化。此外，当在OFDM系统中仅利用CP来估计频率偏移时，频率偏移估计性能会由于CP的长度很短而恶化，并且必须在多个OFDM码元上组合估计值。 

因而，本发明是为了解决在现有技术中出现的至少上述问题而提出的，并且，本发明的一个目的在于，在快速瑞利衰落信道环境的移动通信系统中提供使用多项式模型的频率偏移估计方法。 

本发明的另一个目的在于，通过线性建模或多项式建模来提供频率偏移估计算法，其改进了OFDM移动通信系统中的一般的最大似然频率偏移估计方案，从而使移动通信系统在信道随时间而急剧改变的快速衰落信道环境中能够具有相对于可移动体的速度改变而恒定的估计性能。 

本发明的再一个目的在于，提供一种频率偏移估计算法，其通过将线性模型或多项式模型应用于信道、将联合最大似然条件应用于信道、以及估计频率偏移，从而使得即使在随时间而改变的快速衰落信道下，也能够保持恒定的估计性能。 

根据本发明的一个方面，提供了一种用于在移动通信系统中估计频率偏移的方法，其中所述移动通信系统通过时分方案来划分预定频带，以传送数据信号，或将整个频带划分为多个子频带，以传送数据信号，该方法包括以下步骤：通过多项式方程式来建模快速衰落信道；以及将建模的快速衰落信道应用于训练序列，并使用所应用的训练序列基于联合最大似然而估计频率偏移，其中，所建模的快速衰落信道被定义为h_n(k)＝h₀+kh₁+k²h₂+…+k^Mh_M，其中，h_n(k)是建模的快速衰落信道，k＝0，......，L-1，L为建模的快速衰落信道中包括的多重路径的数目，并且n表示时间索引，并且，通过建模的快速衰落信道而得到的接收向量被定义为： 

x＝Γ(ε)(Ah₀+DAh₁+D²Ah₂+…+D^MAh_M)+w， 

其中，x为接收向量，且被定义为x＝[x(0)，x(1)，...，x(N-1)]^T，w为噪声向量，且被定义为w＝[w(0)，w(1)，...，w(N-1)]^T，Γ(ε)为频率偏移矩阵，且被定义为diag{1，e^j2πε，e^j4πε，...，e^j2π(N-1)ε}，ε为频率偏移，D为插值常数矩阵，且被定义为diag{1，2，...，N}，A为矩阵，且被定义为从训练序列形成的具有循环移位特性的N×L矩阵，以便表示卷积类型，并且M为建模阶数，N为接收向量的维数。 

根据本发明的另一个方面，提供了一种在快速瑞利衰落信道环境的移动通信系统中使用多项式模型的最大似然估计方法，该方法包括以下步骤：接收训练序列，从该训练序列通过循环移位形成第一矩阵，并通过用多项式方程式进行信道建模而从第一矩阵形成第二矩阵；根据第二矩阵计算投影矩阵B，并通过投影矩阵B的第(k-m，k)个元素来计算加权相关系数，其中，m为整数，范围为从0到N-1；以及通过对计算出的加权相关系数执行快速傅立叶变换来计算频域值，并选择和输出提供计算出的值之中的最大值的位置。其中，所选位置处的频率值包括频率偏移的估计值。通过多项式方程式建模的信道被定义为h_n(k)＝h₀+kh₁+k²h₂+…+k^Mh_M，其中，h_n(k)是建模的快速衰落信道，k＝0，......，L-1，L为建模的信道中包括的多重路径的数目，并且n表示时间索引，并且，通过建模的信道而得到的接收向量被定义为： 

x＝Γ(ε)(Ah₀+DAh₁+D²Ah₂+…+D^MAh_M )+w， 

其中，x为接收信号向量，且被定义为x＝[x(0)，x(1)，...，x(N-1)]^T，w为噪声向量，且被定义为w＝[w(0)，w(1)，...，w(N-1)]^T，Γ(ε)为频率偏移矩阵，且被定义为diag{1，e^j2πε，e^j4πε，...，e^j2π(N-1)ε}，ε为频率偏移，D为插值常数矩阵，且被定义为diag{1，2，...，N}，A为第一矩阵，且被定义为从训练序列形成的具有循环移位特性的N×L矩阵，以便表示卷积类型，并且M是建模阶数，N是接收向量的维数。 

附图说明

根据下面与附图相结合的详细描述，本发明的以上和其它目的、特征、 以及优势将更为清楚，附图中： 

图1为图解通信系统中的一般的频率偏移估计过程的方框图； 

图2为示出快速瑞利衰落信道的一般例子的图； 

图3图解了根据现有技术的最大似然估计器的构造； 

图4为示出根据本发明实施例的近似线性的瑞利衰落信道的例子的图； 

图5为示出根据本发明实施例的在快速瑞利衰落信道环境的移动通信系统中使用多项式模型的最大似然估计器的结构的方框图；以及 

图6为图解根据本发明的基于使用多项式模型的最大似然频率偏移估计的性能的图。 

具体实施方式

下文中，将通过参照附图来描述根据本发明的优选实施例。在下面对本发明的描述中，当合并于此的公知功能和配置会使本发明的主题不清楚时，将省略对其的详细描述。 

本发明涉及一种在快速瑞利衰落信道(“快速衰落信道”)下使用多项式模型来估计频率偏移的方法。特别地，本发明提出了一种频率偏移估计算法，其改进了采用TDMA、OFDM等的移动通信系统中的一般最大似然频率偏移估计方案，从而使所述系统即使在信道随时间而急剧改变的快速衰落信道下，也能够具有相对于可移动体的速度改变而恒定的估计性能。 

此外，本发明包括以下过程：采用用于信道的多项式模型；将联合最大似然条件应用于多项式模型；以及估计频率偏移。 

首先，将描述信道的多项式建模。 

在本发明中，通过线性方程式或多项式方程式来建模快速衰落信道。例如，当通过线性方程式来建模信道时，将该信道表示为常数项与随时间而以恒定斜率改变的线性项的和。通过根据传送数据的顺序的索引来表示时间。将通过参照图4来描述瑞利衰落信道。 

图4为示出根据本发明的实施例的近似线性的瑞利衰落信道的例子的图。首先，图4中示出的实线表示实际信道，而图4中示出的点状线表示根据本发明的通过线性方程式而建模的信道。 

图4仅示出了这样的部分，其中，数据索引与如上所述的图2的信道中的范围1至1000相对应。当如上所述、数据传送间隔与数据索引范围1至 1000相对应时，图4的信道由于随时间显著改变而不能被视为具有恒定值的不随时间变化的信道。相反，将所述信道视为随时间改变的快速衰落信道。由于所述信道不象图2中示出的信道那样迅速改变，所以，可用线性方程式或低阶多项式方程式来表示图4的信道。在图4中，当用一阶多项式方程式来表示改变时，可能出现微小误差，但一阶多项式方程式可以在大体上表示该信道。此外，可以如上所述的相同方式来实现更高阶的建模。当用多项式方程式建模该信道时，建模误差随着多项式方程式的阶数的增加而减小。 

在具有L个多重路径的频率选择性信道的情况中，用具有长度L的向量来表示每阶的项。在图3的根据现有技术的最大似然估计器中，假定在数据传送间隔期间信道不改变。这种情况与在多项式建模中仅存在常数项的情况相对应。用多项式方程式来建模信道的原因在于：因为当信道在预定间隔中由于瑞利衰落而改变时，有可能根据信道的改变程度用多项式方程式拟合(fit)信道。当信道略微改变时，即使用线性方程式拟合信道，由于建模而产生的误差也很小，这不会显著影响估计性能。由于通过线性方程式来建模信道，所以，建模所需的变量数目是现有技术的变量数目的两倍。此外，即使通过比二次方程式更高阶的方程式来建模信道，该建模所需的变量数目也与方程式的阶数成比例地增加。 

将描述基于多项式模型的联合最大似然估计器。 

考虑联合最大似然而估计用多项式方程式建模的信道、以及被视为固定值的频率偏移。在此使用的联合最大似然估计方法与现有技术的方法相同，并且，用前述多项式模型来取代信道部分。此外，由于变量数目在信道部分中增加，所以，得到常数项、线性项的信道系数的估计值、以及频率偏移的估计值，作为估计结果。当将现有技术的方案应用于快速瑞利衰落信道时，与由噪声引起的误差相比，会频繁地出现由于不考虑信道改变而引起的误差。因此，出现性能恶化。相反，与现有技术的估计器相比，在本发明中提出的估计器包括很多变量。然而，本发明的估计器由于其线性(即，线性项)或多项式信道而对信道改变较不敏感。因此，可减少由信道产生的误差。此外，即使可移动体的速度增加，但由于上面两种效应的偏移，估计性能也不会显著恶化。 

将详细描述本发明的优选实施例、前述估计过程的工作原理。 

可通过下面的方程式1来表示通过信道传送的信号。 

x(n)＝e^j2πnεs(n)+w(n)，n＝0，...，N-1  ......(1) 

在方程式1中，x(n)表示通过信道接收的信号，ε表示频率偏移，而w(n)表示加性白高斯噪声(“AWGN”)。这里，可通过下面的方程式2来表示s(n)。 

$s\left(n\right)=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{h}_n\left(k\right)a_{n-k},n=0,...,N-1......\left(2\right)$

在方程式2中，s(n)表示由传送信号a_n和信道h_n(k)(k＝0，...，L-1)的卷积所表示的值。这里，h_n(k)表示随着时间n而改变的信道。当信道具有与时间n无关的恒定值时，导出在现有技术中导出的联合最大似然估计器。在本发明中，通过多项式方程式，即下面的方程式3，来表示h_n(k) 

h_n(k)＝h₀+kh₁+k²h₂+…+k^Mh_M    ......(3) 

在方程式3中，通过如方程式3所示的多项式方程式来建模h_n(k)，将其代入方程式2，然后以下面的方程式4通过向量来表示。 

x＝Γ(ε)(Ah₀+DAh₁+D²Ah₂+…+D^MAh_M)+w    ......(4) 

在方程式4中，每个向量和矩阵的定义如下。也就是说，x为接收信号向量，且被定义为x＝[x(0)，x(1)，...，x(N-1)]^T，w为噪声向量，且被定义为w＝[w(0)，w(1)，...，w(N-1)]^T，频率偏移矩阵Γ(ε)被定义为diag{1，e^j2πε，e^j4πε，...，e^j2π(N-1)ε}，而D为插值常数矩阵，且被定义为diag{1，2，...，N}。 

矩阵A被定义为具有循环移位特性的N×L矩阵，以便表示卷积类型。这可通过下面的方程式5来表示。 

[A]_i，j＝a_i-j，0≤i≤N-1，0≤j≤L-1  ......(5) 

在方程式5中，不总是需要通过第M阶的多项式方程式来建模信道。由于根据在本发明中引证的结果、第一阶等级的模型(即线性模型)具有良好的估计性能，所以，下文中将描述应用于线性模型的算法。可通过下面的方程式6来表示用线性模型表示的接收向量x。 

x＝Γ(ε)(Ah₀+DAh₁)+w    ......(6) 

这里，可通过下面的方程式7来简化表示方程式6。 

$x=\mathrm{\Γ}\left(\mathrm{\ϵ}\right)\left[\begin{array}{cc}A& \mathrm{DA}\end{array}\right]\left[\begin{array}{c}{h}_0\\ h_1\end{array}\right]+w=\mathrm{\Γ}\left(\mathrm{\ϵ}\right){\mathrm{Ch}}_t.......\left(7\right)$

在方程式7中，C＝[A DA]表示包括传送数据的矩阵，而 $h_t={\left[\begin{array}{cc}{h}_0^T& h_1^T\end{array}\right]}^T$ 表示包括信道系数。 

基于如上所述的接收模型，可通过下面的方程式8来表示用于变量ε和h_t的似然函数。 

$\mathrm{\Λ}(x;{\tilde{h}}_t,\widetilde{\mathrm{\ϵ}})=\frac{1}{{\left({\mathrm{\π\σ}}_n^2\right)}^N}\·\exp \{-\frac{1}{{{\mathrm{\σ}}_n}^2}{[x-\mathrm{\Γ}\left(\widetilde{\mathrm{\ϵ}}\right)C{\tilde{h}}_t]}^H[x-\mathrm{\Γ}\left(\widetilde{\mathrm{\ϵ}}\right)C{\tilde{h}}_t\left]\right\}......\left(8\right)$

这里，当应用最大化似然函数(即方程式8)的联合最大似然估计方法时，得到下面的方程式9。 

$\tilde{h}\left(\widetilde{\mathrm{\ϵ}}\right)={\left(C^{H}C\right)}^{-1}{C}^H{\mathrm{\Γ}}^H\left(\widetilde{\mathrm{\ϵ}}\right)x$

$g\left(\widetilde{\mathrm{\ϵ}}\right)=x^H\mathrm{\Γ}\left(\widetilde{\mathrm{\ϵ}}\right)C{\mathrm{\Γ}}^H\left(\widetilde{\mathrm{\ϵ}}\right)x......\left(9\right)$

用于计算在方程式9中得到的两个解的过程、以及所述两个解的类型与现有技术的所述过程和类型相同。然而，已经通过前述多项式建模而改变了系统模型方程式，并且，包含在解的结果中的矩阵C取代了现有技术中的矩阵A。 

将通过参照图5来描述从该算法的结果得到的频率偏移估计器的结构。 

图5为示出根据本发明的实施例的、在快速瑞利衰落信道环境的移动通信系统中使用多项式模型的最大似然估计器的结构的方框图。 

图5示出了根据本发明的最大似然估计器的结构。该最大似然估计器输入训练序列a_n。随后，在块501中，从所输入的训练序列a_n形成循环移位矩阵A。在块503中，通过多项式建模而从矩阵A形成矩阵C。在块505中，从矩阵C计算投影矩阵B。这里，在块507中计算数据的加权相关系数时使用投影矩阵B的第(k-m，k)个元素。 

接下来，在块509中，对在块507中计算出的加权相关系数进行FFT，以便计算频域值。在块511中，选择提供计算出的值之中的最大值的位置。这里，所选位置的频率值等于频率偏移的估计值。此外，随着FFT的窗大小的增加，可估计出接近准确位置的频率偏移的值，并且，在块513中，使用插值来得到更精确的估计。 

图5的最大似然估计器具有类似于图3的最大似然估计器的结构。然而，有所不同地表示在计算相关系数中使用的加权值。也就是说，从矩阵C(C＝[ADA])、而不是矩阵A得到提供加权值的矩阵B。 

通过确定在方程式中使 最大化的因子 $\widetilde{\mathrm{\ϵ}}(\widetilde{\mathrm{\ϵ}}=\arg \mathrm{ma}{x}_{\widetilde{\mathrm{\ϵ}}}\{g\left(\widetilde{\mathrm{\ϵ}}\right)\left\}\right),$ 可以得到要在本发明中估计的频率偏移。实际上，可通过FFT来执行确定这种因子的过程，并且，此过程与现有技术的相同。 

可从方程式中的信道结果通过线性模型来得到当前信道的改变。然而，由于信道在每个数据间隔期间改变，所以，所述改变在下一个间隔中是无意 义的。此外，由于频率偏移不随时间而显著改变，所以，即使在下一个间隔中，在当前间隔中得到的值也有效。 

将通过参照图6来描述在本发明中提出的频率偏移估计方法与现有技术的估计方法的比较。 

图6为图解根据本发明的基于使用多项式模型的最大似然频率偏移估计的性能的图。 

图6的实验环境采用OFDM系统。此外，详细项如下：子信道的数目N为1024，CP长度(Ncp)为128，信道长度L为128(指数权重)，载波频率为5.8GHz，采样速率为5.7MHz，信噪比(SNR)为20dB，而移动速度为0～250公里/小时(采用归一化的多普勒频率标准为0～0.25)。 

图6示出了通过从均方误差(MSE)的观点来比较现有技术和本发明的频率偏移估计值而得到的结果。在图6中，假定可移动体的速度从0改变为约250公里/小时。如图6所示，在现有技术的性能中，在速度接近0公里/小时时，MSE显示出大约10^-12。然而，随着可移动体的速度的逐渐增加，MSE迅速增加。此外，当可移动体的速度约为50公里/小时时，MSE显示出约为10^-9的性能。也就是说，在现有技术中，随着可移动体的速度的增加，MSE逐渐增加。相反，在本发明中提出的估计器在所有间隔中普遍显示出约为10^-10的性能。此外，随着可移动体的速度的增加，MSE逐渐增加。然而，根据本发明的估计器保持低于根据现有技术的估计器的性能。 

如上所述，根据本发明的最大似然频率偏移估计装置和方法，其基于用于快速瑞利衰落信道环境的移动通信系统的多项式模型，在估计经历快速瑞利衰落信道的移动通信系统的频率偏移中应用基于多项式模型、特别是基于线性模型的联合最大似然估计方法。因此，从MSE的观点看，估计性能相对地不受到可移动体的速度的影响。因而，可得到在至少预定级别以上的估计性能。 

此外，当将本发明的算法应用于OFDM系统时，在本发明中提出的方案使用OFDM码元作为训练序列，使得相比于必须使用CP而为多个OFDM码元执行偏移估计的传统方案，可在短时间内执行偏移估计。 

尽管已为了说明性的目的而描述了本发明的优选实施例，但本领域的技术人员将理解，在不背离如在包括其等价物的全部范围的所附权利要求中公开的本发明的范围和精神的情况下，各种修改、添加以及替换是有可能的。 

Claims (11)

1.一种用于在移动通信系统中估计频率偏移的方法，其中所述移动通信系统通过时分方案来划分预定频带、以传送数据信号，或将整个频带划分为多个子频带、以传送数据信号，该方法包括以下步骤：

通过多项式方程式来建模快速衰落信道；以及

将建模的快速衰落信道应用于训练序列，并使用所应用的训练序列基于联合最大似然而估计频率偏移，

其中，所建模的快速衰落信道被定义为h_n(k)＝h₀+kh₁+k²h₂+…+k^Mh_M，其中，h_n(k)是建模的快速衰落信道，k＝0，......，L-1，L为建模的快速衰落信道中包括的多重路径的数目，并且n表示时间索引，并且，通过建模的快速衰落信道而得到的接收向量被定义为：

x＝Γ(ε)(Ah₀+DAh₁+D²Ah₂+…+D^MAh_M)+w，

其中，x为接收向量，且被定义为x＝[x(0)，x(1)，...，x(N-1)]^T，w为噪声向量，且被定义为w＝[w(0)，w(1)，...，w(N-1)]^T，Γ(ε)为频率偏移矩阵，且被定义为diag{1，e^j2πε，e^j4πε，...，e^j2π(N-1)ε}，ε为频率偏移，D为插值常数矩阵，且被定义为diag{1，2，...，N}，A为矩阵，且被定义为从训练序列形成的具有循环移位特性的N×L矩阵，以便表示卷积类型，并且M为建模阶数，N为接收向量的维数。

2.如权利要求1所述的方法，其中，所述建模的快速衰落信道被表示为常数项和随着时间而以恒定斜率改变的具有特定阶数等级的项的和。

3.如权利要求2所述的方法，其中，在具有L个多重路径的频率选择性信道中，用具有长度L的向量来表示建模的快速衰落信道的每阶的项。

4.如权利要求2所述的方法，其中，所述通过多项式建模快速衰落信道的步骤包括：当快速衰落信道在预定的数据传送间隔中以快速瑞利衰落改变时，根据该快速衰落信道的改变程度而通过多项式方程式拟合该快速衰落信道。

5.如权利要求1所述的方法，其中，如果所述多项式方程式是线性方程式，则接收向量被定义为x＝Γ(ε)(Ah₀+DAh₁)+w和

其中，C＝[A DA]表示包括传送数据的矩阵，而

表示包括信道系数。

6.一种在快速瑞利衰落信道环境的移动通信系统中使用多项式模型的最大似然估计方法，该方法包括以下步骤：

接收训练序列，从该训练序列通过循环移位形成第一矩阵，并通过用多项式方程式进行信道建模而从第一矩阵形成第二矩阵；

根据第二矩阵计算投影矩阵B，并通过投影矩阵B的第(k-m，k)个元素来计算加权相关系数，其中，m为整数，范围为从0到N-1；以及

通过对计算出的加权相关系数执行快速傅立叶变换来计算频域值，并选择和输出提供计算出的值之中的最大值的位置，

其中，所选位置处的频率值包括频率偏移的估计值，

其中，通过多项式方程式建模的信道被定义为h_n(k)＝h₀+kh₁+k²h₂+…+k^Mh_M，其中，h_n(k)是建模的快速衰落信道，k＝0，......，L-1，L为建模的信道中包括的多重路径的数目，并且n表示时间索引，并且，通过建模的信道而得到的接收向量被定义为：

x＝Γ(ε)(Ah₀+DAh₁+D²Ah₂+…+D^MAh_M)+w，

其中，x为接收信号向量，且被定义为x＝[x(0)，x(1)，...，x(N-1)]^T，w为噪声向量，且被定义为w＝[w(0)，w(1)，...，w(N-1)]^T，Γ(ε)为频率偏移矩阵，且被定义为diag{1，e^j2πε，e^j4πε，...，e^j2π(N-1)ε}，ε为频率偏移，D为插值常数矩阵，且被定义为diag{1，2，...，N}，A为第一矩阵，且被定义为从训练序列形成的具有循环移位特性的N×L矩阵，以便表示卷积类型，并且M是建模阶数，N是接收向量的维数。

7.如权利要求6所述的方法，还包括：在选择所述位置之后，执行插值来得到更精确的估计。

8.如权利要求6所述的方法，其中，将建模的信道表示为常数项和随着时间而以恒定斜率改变的具有特定阶数等级的项的和。

9.如权利要求8所述的方法，其中，在具有L个多重路径的频率选择性信道中，用具有长度L的向量来表示所述建模的信道的每阶的项。

10.如权利要求8所述的方法，其中，当信道在预定数据传送间隔中以快速瑞利衰落改变时，通过多项式方程式的信道建模根据该信道的改变程度而通过多项式方程式拟合该信道。

11.如权利要求6所述的方法，其中，如果所述多项式方程式是线性方程式，则接收向量被定义为x＝Γ(ε)(Ah₀+DAh₁)+w和

其中，C＝[A DA]表示包括传送数据的矩阵，而

表示包括信道系数。

Images