CN1816026A - 信道估计方法及装置 - Google Patents

Abstract

一种信道估计方法及装置，所述方法包括如下步骤：将一信道路径中解相关后输出的采样信号的子向量，分类成两个子集；确定所述的两个子集的中心；及根据所确定的子集中心估计所述信道的信道矢量。所述的装置可用以实施所述的方法。所述的方法及装置可仅利用了接收信号的一阶统计量信息，进行累加运算，其计算量远小于其他有效的盲估计算法，特别适合于逻辑电路实现；而且只需用很短的数据帧就能得到满意的估计精度。

Description

信道估计方法及装置

技术领域

本发明涉及一种信道估计方法及装置，特别的涉及一种无线通信领域中的码分多址(CDMA)系统中的信道估计方法及装置。

背景技术

移动通信以其特有的灵活、便捷的优点满足了现代社会人们对通信技术的要求，成为80年代中期以来发展最为迅速的通信方式。在移动通信的多种体制中，CDMA蜂窝通信技术以其频率规划简单、系统容量大、抗多径能力强、通信质量好、电磁干扰小等特点显示出巨大的发展潜力。第三代数字蜂窝移动通信系统的几种主要候选方案均建立在CDMA技术基础上。

宽带CDMA被作为第三代移动通信的主流技术以满足高速率、高质量的通信要求，它的性能提高的一个主要原因就是使用了相干检测技术。而在相干检测过程中，相干接收机需要得知接收自信道中的信号的相位信息，信道参数估计的好坏对于系统性能的提高起着关键作用。

在实际的无线通信中，存在着多径衰落现象，会造成严重的多径干扰，使扩频码的正交性被破坏，对信道估计和信号检测都将产生不利影响。另外许多宽带CDMA使用长(非周期)伪噪声序列作为用户的扩频码，这也导致了用户的特征波形具有时变性，许多针对周期短码的信道估计算法都不再适用于长码CDMA系统。

未来移动通信中日益增加的语音业务、数据业务和宽带Internet业务，在传输速率、性能和系统业务容量等方面对通信系统提出了更高的要求。为了达到这个目的，仅靠利用更多的频谱资源是不够的，为此需要引入无线信号的空间资源，也就是用多天线发送和接收信号。如果不同发射天线间的距离足够远且不同接收天线间的距离也足够远，使得各个发射天线到各个接收天线之间的传播信号可以认为是互相独立的，则称这样的多天线信号传输信道为多输入多输出(MIMO)信道，而具有MIMO信道的通信系统被称为MIMO系统。采用MIMO多天线发送和接收结构，可以充分利用空间分集的手段在空间域上获得更大的信道容量增益，从而满足高传输速率、高传输性能和高系统业务容量的要求。

现有的信道估计方法，采用二阶统计量进行估计，需要很长的数据帧，并且计算量非常大。如何寻找一种简单有效的信道估计方法是长期困扰本领域技术人员的一个难题。

发明内容

针对背景技术中现有信道估计方法的缺点，本发明提供一种信道估计方法及装置，可以利用很短的数据帧，采用一阶统计量简便对信道矢量进行估计，并具有很高的精度。

根据本发明的一个实施例所揭示的信道估计方法，包括如下步骤：将一信道路径中解相关后输出的采样信号的子向量分类成两个子集；确定所述的两个子集的中心；及根据确定的子集中心估计所述信道的信道矢量。

根据本发明的一个实施例所揭示的信道估计方法，包括如下步骤：由天线接收一信道路径的采样信号；对接收到的信道信号进行解相关；对解相关后输出的信号的子向量，分类成第一子集和第二子集；确定所述的两个子集的中心；及根据确定后两个子集的中心，估计所述信道的信道矢量。

根据本发明的一个实施例所揭示的信道估计装置，包括：解相关接收机，用于接收一信道路径的采样信号并对接收到的信号解相关，以产生一解相关信号；及信道估计器，耦接至所述的解相关接收机，接收所述的解相关信号，及将解相关后输出的信号的子向量分类成两个子集，并确定所述两个子集的中心，及根据确定后两个子集的中心估计所述信道的信道矢量。

根据本发明的一个实施例所揭示的系统信道估计器，包括：分类模块，接收一信道路径中解相关后的采样信号子向量，根据选定的第一中心和第二中心，将每一个信号子向量按所述的信号子向量距离所述的第一中心和第二中心的距离分成两个子集；及矢量求和模块，耦接于所述的分类模块，用于对所述的分类模块得到的两个子集中的全部子向量，估计所述信道的信道矢量。

根据本发明的一个实施例所揭示的移动终端，包括：至少一个接收天线，用于接收一个信道路径的采样信号；及信道估计装置，用于对接收到的信号解相关，以产生解相关信号；将所述的解相关信号的子向量分类成两个子集，并确定所述两个子集的中心；及根据确定后两个子集的中心估计所述信道的信道矢量。

本发明的实施例所揭示的方法及装置创造性地提出了一种新的信道估计算法，通过简单的运算，可以快速有效地从解相关输出信号中估计出多径信道参数，其可以仅利用了接收信号的一阶统计量信息，其计算量远远小于其他有效的盲估计算法，特别适合于逻辑电路实现；而且只需用很短的数据帧就能得到满意的估计精度。相比之下传统的基于二阶统计量的盲估计算法，往往需要很长的数据帧长度才能进行有效估计。根据本发明实施例所提出的算法，其具有很好的鲁棒性，并且在信道阶数过估计的情况下，仍能达到较高的估计精度。

通过下文中参照附图对本发明所作的描述和权利要求，本发明的其它目的和成就将显而易见，并可对本发明有全面的理解。

附图说明

图1是MIMO CDMA通信系统原理图；

图2是根据本发明的一个实施例进行信道估计的流程图；

图3是根据本发明的另一个实施例进行信道估计的流程图；

图4是根据本发明的另一个实施例的K-均值分类方法的流程图；

图5是根据本发明的另一个实施例的K-均值分类方法的流程图；

图6是根据本发明的一个实施例的信道估计器框图；及

图7是根据本发明的一个实施例的信道估计装置框图。

在所有的上述附图中，相同的标号表示具有相同、相似或相应的特征或功能。

具体实施方式

首先通过具体信道中进行估计的实施例来进一步说明本发明的技术方案。为了更加详细的说明，选择了CDMA通信系统中复杂的多输入多输出MIMO信道作为例子。

图1所示为一个包含有K个用户101的MIMO CDMA通信系统框图。每个用户101有Nt个发射天线，接收端是由Nr个天线组成的阵列。发射端的信息序列等概率取自字符集{+1，-1}，经过空时编码后被分配到Nt个发射天线上，设码元周期为T，且第n个码元周期用户k在第i个发射天线上的码元用b_k，i(n)∈{+1，-1}表示，每个码元被非周期长码序列c_ki(n)进行扩频，扩频因子为Q。

接收端通过天线自无线信道102接收信号，所接收的信号通过解相关匹配滤波器103，以码片速率进行采样。经采样后的信号再经由信道估计单元104进行信道估计，最后再由检测单元105作最后的检测与确认。也就是说，经过解相关匹配滤波器103解相关后，在接收端会得到每一个码元期间的等效基带信号。对于该基带信号，在根据发射天线和接收天线个数所张成的二维向量空间中可以分解成发射天线×接收天线个子向量。根据本发明的实施例，正是通过对这些子向量进行处理，完成对信道矢量的估计。

参见图2所示的流程图，在本发明的一个实施例中，首先对上述的采样及解相关后的每一信号子向量分类成第一子集和第二子集(步骤S201)；然后确定所述两个子集的中心(步骤S202)；及根据两个子集的中心估计该信道的信道矢量(步骤S203)。

根据本发明的另一个实施例，在接收端，从用户k的第i个发射天线到第j个接收天线的信道可以被建模成阶数为L(L为信道最大阶数，可以通过MDL(minimum description length)算法估计出来)的FIR模型h_ji ^(k)(l)，k＝1，…，L。我们先考察第j个接收天线，假设Nt个天线发送的信号是同步的，则在去除前后码元干扰的情况下，第n个码元期间，第j个接收天线上的等效基带接收信号可以表示为：

$y_j\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_t}{\mathrm{\Σ}}}{C}_{k,j}\left(n\right)h_{\mathrm{ji}}^{\left(k\right)}{b}_{k,i}\left(n\right)+w_j\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{C}_k\left(n\right)H_j^{\left(k\right)}{b}_k\left(n\right)+w_j\left(n\right)$ [公式1]

其中，w_j(n)是加性高斯白噪声，b_k(n)＝[b_k，l(n)，…b_k，Nt(n)]^T， $H_j^{\left(k\right)}=\mathrm{diag}(h_{j,1}^{\left(k\right)},\·\·\·,h_{j,\mathrm{Nt}}^{\left(k\right)})$ 是块对角矩阵，信道矢量h_ji ^(k)为其第k个对角子块，C_k(n)＝[C_k，l(n)，…C_k，Nt(n)]是由用户k的扩频码构成的矩阵，且有：

[公式2]

从而在接收端，Nr个接收天线上的信号可以表示为：

$Y\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\underset{\‾}{C}}_k\left(n\right)H_k{b}_k\left(n\right)+w_k\left(n\right)$

其中，H_k是信道特征向量组成的信道矩阵，

$H_k=\left[\begin{array}{c}{H}_1^{\left(k\right)}\\ :\\ H_j^{\left(k\right)}\\ :\\ H_{\mathrm{Nr}}^{\left(k\right)}\end{array}\right];$ 且 $H_j^{\left(k\right)}=\left[\begin{array}{ccc}{h}_{j,1}^{\left(k\right)}& & \\ \·& & \\ & \·& \\ & h_{j,i}^{\left(k\right)}& \\ & \·& \\ & & \·\\ & & h_{\mathrm{Nt}}^{\left(k\right)}\end{array}\right];$

扩频码矩阵 C _k(n)是由C_k(n)作为对角子块而构成的块对角阵，

这样，在接收端，Nr个接收天线上的信号即可表示为：

$=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\underset{\‾}{C}}_k\left(n\right)H_k{b}_k\left(n\right)+w\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{G}_k\left(n\right)b_k\left(n\right)+w\left(n\right)$ [公式3]

由于对MIMO系统，采用非周期长码作为用户的扩频码，每个用户的 C _k(n)矩阵是时变的。

根据本发明上述的实施例，由于具有很好的块对角结构(其仅相当于单个接收天线的计算量)的扩频码矩阵 C _k(n)，每一个块都是矩阵 C _k(n)，由此在设计解相关机时只需对子矩阵 C _k(n)求逆，大大降低了求逆矩阵的维数且易于参数更新，相对于传统的解相关算法，计算复杂度被大大降低，因此大大加快了系统的反应速度。

显然，如果采用传统的非对角矩阵解相关器，如文献”L.Tong，A.van derVeen，P.Dewilde，and Y.Sung，(2003)，Blind Decorrelating RAKEReceivers for Long-Code WCDMA，Transactions on Signal Processing，51：1642-1655”所介绍的解相关器，其计算量要远远大于本发明上述实施例中所采用的对角形式解相关器。然而，对本发明而言，采用传统的非对角矩阵解相关器，并不影响本发明的信道估计工作。请参见图3的流程图，根据本发明的一个实施例，对用户接收到的信号的相关处理，给出了一种估计信道矢量的简便方式。

在步骤S301中，假设系统中用户1是我们所感兴趣的，则其扩频码为接收端所知，考虑由公式3表示的接收信号表达式，从而可以将用户1的扩频码矩阵 C ₁(n)的广义逆作为接收端的前端解相关匹配矩阵(解相关接收机)，有：

C ₁(n)^＝(I_NC₁(n))^＝I_NC₁(n)^         [公式4]

利用公式4的解相关匹配矩阵 C ₁(n)^，从而将接收信号通过解相关器被映射到信号空间，得到输出为：

$=H_1{b}_1\left(n\right)+w_i\left(n\right)$ [公式5]

式中 是其他用户和加性噪声通过解相关器后对用户1的影响，可以看作是平稳高斯有色噪声。

在步骤S302中，考察信道矩阵H_k，该矩阵每列只有一个非零元素，将公式5的解相关输出信号t(n)对应于信道矢量h_ji ⁽¹⁾分割成(Nr·Nt)个子向量，每一个长度为L的矢量t_ji(n)对应于从用户1的第i个发射天线到接收端的第j个天线的多径信道h_ji ⁽¹⁾，可以得到每一个码元期间信号的子向量：

$t_{\mathrm{ji}}\left(n\right)=h_{\mathrm{ji}}^{\left(1\right)}{b}_{1,j}\left(n\right)+w_{\mathrm{ji}}\left(n\right)$ [公式6]

为了对信道进行估计，假定收集m个码元期间内的采样数据，考察包含有m个信息符号的数据块，即t(n)，(n＝1，…，m)。同样按照公式6的方法进行分割，得到每一个码元期间信号的子向量t_ji(n)，(n＝1，…，m)。

在步骤S303中，所述的子向量t_ji(n)(n＝1，…，m)属于由信道矢量h_ji ⁽¹⁾张成的L维线性空间，因为信息序列b_1，j(n)是等概率取自字符集{-1，+1}，v_ji(n)是零均值的高斯噪声，从而由组成的集合可以被分为两个子集，即：

$\mathrm{set}1:\left\{t_{\mathrm{ji}}\left(n\right)\right|t_{\mathrm{ji}}\left(n\right)\∈h_{\mathrm{ji}}^{\left(1\right)}+w_{\mathrm{ji}}\left(n\right)\}$

$\mathrm{set}2:\left\{t_{\mathrm{ji}}\left(n\right)\right|t_{\mathrm{ji}}\left(n\right)\∈{-h}_{\mathrm{ji}}^{\left(1\right)}+w_{\mathrm{ji}}\left(n\right)\}$ [公式7]

显然两个子集的中心分别即为h_ji ⁽¹⁾和-h_ji ⁽¹⁾这样即可以估计出信道矢量H₁的子向量h_ji ⁽¹⁾。

在步骤S304中，为了更加准确的对信道矢量H₁的子向量h_ji ⁽¹⁾进行估计，假定估计出的两个中心点c_ji，1和c_ji，2，p个样本的矢量，即m个码元时间中的p个码元时间对应的信号子向量t_ji(n)的中心为c_ji，1，(m-p)个矢量的中心点为c_ji，2，则可得到信道估计值为：

${\hat{h}}_{\mathrm{ji}}=\frac{p.c_{\mathrm{ji}},1-(m-p).c_{\mathrm{ji}},2}{m}$ [公式8]

在步骤S305中，本发明的上述实施例的信道盲估计结果与真实信道可能相差一个正负号。但相比之下，通常基于二阶统计量的盲估计结果与实际参数都会相差一个复数比例因子，而本发明的算法基于一阶统计量，估计结果只存在一个符号不确定性，这种不确定性可以通过在发射端发送一个已知码元(或导频)来消除。如，利用已知码元b_1，i(1)来确定符号，将已知码元与公式8的估计值相乘，并与解相关器的输出t_ji(1)进行比较，若：

$\left|\right|b_{1,i}\left(1\right){\hat{h}}_{\mathrm{ji}}-t_{\mathrm{ji}}\left(1\right)\left|\right|<\left|\right|b_{1,i}\left(1\right){\hat{h}}_{\mathrm{ji}}+t_{\mathrm{ji}}\left(1\right)\left|\right|$

则 ${\hat{h}}_{\mathrm{ji}}={\hat{h}}_{\mathrm{ji}},$ 否则： ${\hat{h}}_{\mathrm{ji}}=-{\hat{h}}_{\mathrm{ji}}.$

对于接收端子向量t_ji(n)(n＝1，…，m)分类过程，得出分类后两个子集的中心可以有许多算法实现，如K-均值算法，C-均值算法(参见文献”李金宗.模式识别导论.北京：高等教育出版社，1994”)，EM算法(参见文献”Dempster，A.P.，Laird，N.M.，and Rubin，D.B.(1977).Maximumlikelihood from incomplete data via the EM algorithm.Journal of theRoyal Statistical Society，Series B，39：1-38”或”McLachlan，G.J.and Krishnan，T.(1997).The EM Algorithm and Extensions.Wiley，NewYork”)和改进的EM算法(参见文献”Fessler，J.A.and Hero，A.O.(1994).Space-alternating generalized expectation-maximization algorithm.IEEE Transactions on Signal Processing，42：2664-2677”)等等。

参见图4，其根据本发明的一个实施例，采用一种K-均值算法，完成上述的分类过程，包括如下步骤：

在步骤S401中，任取两个子向量，以定义为初始的第一中心c_ji，1(1)和第二初始中心c_ji，2(n)；

在步骤S402中，所有子向量t_ji(n)按其到第一中心和第二中心的距离分成两个子集，如：判断每个子向量到中心的距离，如果该子向量到第一中心的距离小于该子向量到第二中心的距离，则该子向量属于第一子集，否则，该子向量属于第二子集，即：‖t_ji(n)-c_ji，1‖＜‖t_ji(n)-c_ji，2‖，则t_ji(n)∈S(c_ji，1)，否则t_ji(n)∈S(c_ji，2)；

在步骤S403中，计算出每个集合中所有子向量的平均值，作为新的第一初始中心和第二初始中心，所述的平均值可以为算术平均值，如：

$c_{\mathrm{ji},1}(k+1)=\frac{1}{N_l}\underset{t_{\mathrm{ji}}\left(n\right)\&Element;S\left(c_{\mathrm{ji},l}\right)}{\mathrm{\&Sigma;}}{t}_{\mathrm{ji}}\left(n\right),$ l＝1，2，k为大于0的自然数，也可以采用如几何平均值等的其他均值方式，获得新的第一中心和第二中心；及

在步骤S404中，重复上述步骤S402和S403，直到前后两次计算所得出的每个子集的中心不再发生变化，即：若c_ji，l(k+1)＝c_ji，l(k)，l＝1或2，则结束迭代步骤，得到的分类后两个集合的中心。当两个子集的中心均不再发生变化时，即c_ji，l(k+1)＝c_ji，l(k)l＝1，2时，估计的精度最高。

参见图5，根据本发明的另一个实施例，对上述的K-均值算法进行了改变，将上述算法中的步骤S401替换为步骤S501：任取一个子向量，作为第一初始中心；取该子向量的相反数作为第二初始中心。通过这种对K-均值算法初值选取的改变，可以极大的降低迭代的次数，减小运算量。

在上述实施例中，在Matlab环境下进行了仿真试验。在试验中，采用了有4根发射天线和4根接收天线的DS-CDMA系统，信道为频率选择性瑞利衰落信道，各个信道之间是不相关的，从发射端到接收端信道的阶数设定为L。发送信号采用BPSK调制方式，信息序列等概率地从{-1，+1}中产生(对于CDMA的调制方式，除BPSK以外的其他方式，例如QPSK调制，由于在发射端是将QPSK信号分为”in phase”和”quadrature phase”两路信号，仍然是+1，-1的形式，本发明同样适用)，用户PN码为长度为2¹⁵的长伪随机序列，扩频增益为32，每个处理数据块包括30个信息字符，在接收端，以码片速率对接收信号进行采样。一个已知的字符位于数据块最前端，该字符用于消除信道估计的符号不确定问题。

在本试验中，考察了在信噪比从0dB到20dB的不同环境下，算法对MIMO信道的估计性能，用归一化均方误差(NMSE)作为衡量估计效果的依据，并与传统基于二阶统计量的特征值分解算法进行了比较，实验结果表明，本发明的实施例提出的算法具有更小的估计均方误差，更接近真实的信道值。而且，由于只使用了一阶统计量，该算法的计算量也远远小于传统二阶统计量算法。同时，在信道阶数过估计的情况下，由于有效地降低了噪声对信道估计的影响，本算法对噪声具有很好的鲁棒性，估计精度基本不受影响。

在试验中，还考察了将估计出的信道参数作为Rake接收机相关系数的情况下，输出信号的误码率。仿真环境同上。由实验结果可知，本发明提出的算法可以达到很低的误码率。

由试验过程还可以看出，只使用了很短的数据帧(在本试验中，数据帧长度为30)，就得到了满意的估计精度，而一些基于二阶统计量的盲估计算法往往需要很长的数据帧长度才能进行有效估计。考虑到在高传输速率的宽带CDMA中，信道多径参数的变化比码元的周期变化要慢得多，从而可以认为在一段较短的码元时间里，信道参数保持不变。因此，本发明的实施例所提出的快速估计方法也可以用于信道跟踪方面，亦可以与接收机其它部分相互结合构成完整的多户相干检测机。估计出的信道参数可提供给接收机的其它部分，如多用户检测单元，进行对多个发送端的数据检测。

除了前面所述的信道估计方法外，本发明亦揭示用以估计信道矢量的信道估计装置。图6所示即为根据本发明的一个实施例实施的一种信道估计器600，包括分类模块601，包括第一矢量求和模块602，第二矢量求和模块603和信道向量计算单元604的矢量求和模块606，和符号确定单元605。所述的分类模块601接收一信道中经解相关后的信号，并从解相关输出的全部码元期间的信号子向量中任意选取一个子向量作为第一中心，然后以该子向量的相反数作为第二中心(或任意选取二个子向量以作为第一中心及第二中心)；然后采用上文所述的K-均值算法(或C-均值算法，EM算法)，对全部码元期间的信号子向量进行分类(如，按所述的子向量距离所述的第一中心和第二中心的距离分类为两子集)。分类模块601完成分类后将分类结果送至与其耦接的矢量求和模块606，以对两个子集中的全部子向量进行求和运算。在本发明的一实施例中，由第一矢量求和模块602分类得到的一个子集进行向量相加，求得该子集的平均值；所述的第二矢量求和模块603对另一个子集的子向量进行向量相加，求得该子集的平均值。第一矢量求和模块602和第二矢量求和模块603得到两个子集的平均值后，返回到分类模块601，由分类模块601以第一矢量求和模块602计算的平均值作为新的第一中心，第二矢量求和模块603计算的平均值作为新的第二中心，再次对全部码元期间的信号子向量进行分类。分类后，第一中心确定的子集被第一矢量求和模块602再次求平均值，第二中心确定的子集被第二矢量求和模块602再次求平均值。第一矢量求和模块602和第二矢量求和模块603分别比较前后两次平均值，如果第一矢量求和模块602和第二矢量求和模块603均发现平均值没有变化，则将所述的两个平均值(图中C_ji，1和C_ji，2)输出到信道向量计算单元604。所述信道向量计算单元604根据第一矢量求和模块602和第二矢量求和模块603运算求得的值，采用如下公式估计信道向量：

${\hat{h}}_{\mathrm{ji}}=\frac{p.c_{\mathrm{ji},1}-(m-p).c_{\mathrm{ji},2}}{m}$

其中，

为该信道的信道矢量；m为采样数据的个数；p为属于c_ji，1的子向量的个数。信道向量计算单元604将计算结果输出到符号确定单元605。符号确定单元605利用接收信号中的一个已知码元来确定信道矢量的符号。然后将结果输出。

如图7所示為根据本发明的一个实施例实施的信道估计装置700，包括：一个解相关接收机701和一个信道估计器600(如图6所示，不另赘述)，其中解相关接收机，用于接收一信道路径的采样信号并对接收到的信号解相关，以产生一解相关信号；及信道估计器，耦接至所述的解相关接收机，接收所述的解相关信号，及对解相关后输出的信号的子向量分类成两个子集，并确定所述两个子集的中心及根据确定后两个子集的中心估计所述信道的信道矢量。

在本发明的一个实施例中，所述的解相关接收机701包括：用于接收一个信道路径中的信号的一个或若干个天线(未显示)，数据采集单元703，干扰舍弃单元704和解相关单元705。接收天线上的基带信号进入接收端后，耦接至若干个天线的数据采集单元703在确定的码元时间内，以码片速率采样；耦接至数据采集单元703的干扰舍弃单元704舍去其中有码元间干扰的接收信号。码元间干扰是指由于信道多径影响而造成的前后码元之间的叠加部分，在这一步，如果存在符号间干扰的信号个数不能够精确确定，即信道阶数不能精确确定时，可以进行适当的过舍弃，并不会影响后面的计算，对估计结果的精度也不会有太大影响，这是由于本算法对信道阶数的过估计具有很好的鲁棒性。之后，耦接至数据采集单元703(或当有配置干扰舍弃单元704时，耦接至干扰舍弃单元704)的解相关单元705用来消除同信道干扰及产生分离后的信道参数，以供信道矢量的估计。所述的解相关单元705可以用传统的方法来进行解相关操作，也可以采用上文中提到的采用了具有块对角结构解相关匹配矩阵进行解相关。

上述的信道估计装置可以应用于无线通信领域的接收终端，如移动终端。本发明的一个实施例中，所述的移动终端包括：用于接收一个信道路径的采样信号的至少一个接收天线；信道估计装置，用于对接收到的信号解相关，以产生解相关信号；将所述的解相关信号的子向量分类成两个子集，并确定所述两个子集的中心；及根据确定后两个子集的中心估计所述信道的信道矢量。

本发明的技术内容和技术特点已揭示如上，然而所属领域技术人员仍可能基于本发明的教示和揭示内容而作出种种不背离本发明精神的替代和修正。因此，本发明的保护范围应不限于实施例所揭示的内容，而应包括各种不背离本发明的替代和修正，并为上述权利要求书所涵盖。

Claims (36)

1.一种信道估计方法，包括如下步骤：

将一个信道路径中解相关后输出的采样信号的子向量分类成两个子集；

确定所述的两个子集的中心；及

根据所确定的子集中心估计所述信道的信道矢量。

2.根据权利要求1所述的信道估计方法，其中，所述的信道为MIMO信道。

3.根据权利要求1或2所述的信道估计方法，其中，所述的估计所述信道矢量的步骤包括采用如下公式计算：

${\hat{h}}_{\mathrm{ji}}=\frac{p\&CenterDot;c_{\mathrm{ji},1}-(m-p)\&CenterDot;c_{\mathrm{ji},2}}{m}$

其中，

为所述信道的信道矢量；m为采样数据的个数；c_ji，1为第一子集的中心；p为属于c_ji，1的子向量的个数；c_ji，2为第二子集的中心；其中，1≤j≤Nt，Nt为接收天线的个数；1≤i≤Nr，Nr为发射天线的个数。

4.根据权利要求1所述的信道估计方法，其中，所述的确定所述两个子集的中心的步骤，包括：采用K-均值迭代算法进行分类用于得出分类后两个子集的中心。

5.根据权利要求4所述的信道估计方法，其中，所述的采用K-均值迭代算法进行分类用于得出分类后两个子集的中心的步骤，包括：

(a)任取两个子向量，作为初始的第一中心和初始的第二中心；

(b)对于所有子向量，按其到第一中心和第二中心的距离，分成两个子集；

(c)计算出每个子集中所有子向量的平均值，作为新的第一中心和新的第二中心；及

(d)重复上述步骤(b)和(c)，直到前后两次计算所得出的第一中心和第二中心不再发生变化。

6.根据权利要求4所述的信道估计方法，其中，所述的采用K-均值迭代算法进行分类用于得出分类后两个子集的中心的步骤，包括：

(a)任取一个子向量，作为初始的第一中心，及取该子向量的相反数作为初始的第二中心；

(b)对于所有子向量，按其到第一中心和第二中心的距离，分成两个子集；

(c)计算出每个子集中所有子向量的平均值，作为新的第一中心和新的第二中心；及

(d)重复上述步骤(b)和(c)，直到前后两次计算所得出的第一中心和第二中心不再发生变化。

7.根据权利要求5或6所述的信道估计方法，其中，所述的所有子向量按其到第一中心和第二中心的距离分成两个子集的步骤，包括：

判断每个子向量到第一中心和第二中心的距离，如果所述的子向量到第一中心的距离小于所述的子向量到第二中心的距离，则所述的子向量属于第一子集；否则，该子向量属于第二子集。

8.根据权利要求5或6所述的信道估计方法，其中，所述计算出每个子集中所有子向量的平均值，作为新的第一中心和新的第二中心的步骤中，所述的平均值为算术平均值或几何平均值。

9.根据权利要求1所述的信道估计方法，其中，所述的确定所述两个子集的中心的步骤，包括：采用EM算法或C均值算法进行分类用于得出分类后两个子集的中心。

10.根据权利要求1所述的信道估计方法，其中：

所述的根据确定的子集中心估计所述信道的信道矢量的步骤，包括：通过一个已知码元，确定出信道矢量的符号。

11.一种信道估计方法，包括如下步骤：

由天线接收一个信道路径的采样信号；

对接收到的信号进行解相关；

对解相关后输出的信号的子向量，分类成第一子集和第二子集；

确定所述两个子集的中心；及

根据确定后两个子集的中心，估计所述信道的信道矢量。

12.根据权利要求11所述的信道估计方法，其中，所述根据确定后两个子集的中心，估计所述信道的信道矢量的步骤，包括：通过一个已知码元，确定出信道矢量的符号。

13.根据权利要求11所述的信道估计方法，其中，所述对接收到的信号进行解相关的步骤，包括采用块对角矩阵用于消除同信道干扰。

14.根据权利要求11所述的信道估计方法，其中，所述的信道为MIMO信道。

15.根据权利要求11所述的信道估计方法，其中，所述的估计所述信道矢量的步骤包括采用如下公式计算：

${\hat{h}}_{\mathrm{ji}}=\frac{p\&CenterDot;c_{\mathrm{ji},1}-(m-p)\&CenterDot;c_{\mathrm{ji},2}}{m}$

其中，

为所述信道的信道矢量；m为采样数据的个数；c_ji，1为第一子集的中心；p为属于c_ji，1的子向量的个数；c_ji，2为第二子集的中心；其中，1≤j≤Nt，Nt为接收天线的个数；1≤i≤Nr，Nr为发射天线的个数。

16.一种信道估计装置，包括：

解相关接收机，用于接收一个信道路径的采样信号并对接收到的信号解相关，以产生解相关信号；及

信道估计器，耦接至所述的解相关接收机，用于接收所述的解相关信号，及将所述的解相关信号的子向量分类成两个子集，并确定所述两个子集的中心，及根据确定后两个子集的中心估计所述信道的信道矢量。

17.根据权利要求16所述的信道估计装置，其中，所述的信道估计器包括：

分类模块，耦接于所述的解相关接收机，根据选定的第一中心和第二中心，将每一个信号子向量按所述信号子向量距离所述的第一中心和第二中心的距离分成两个子集；及

矢量求和模块，耦接于所述的分类模块，用于对所述的分类模块得到的两个子集中的全部子向量，进行求和运算并算出平均值。

18.根据权利要求17所述的信道估计装置，其中，所述的矢量求和模块将运算得到的两个子集各自的平均值传回到所述的分类模块，所述的分类模块将所述的两个子集各自的平均值重新设为选定的第一中心和第二中心，对全部的信号子向量重新分类，所述的矢量求和模块对经过重新分类的两个子集再进行求和运算并算出平均值。

19.根据权利要求18所述的信道估计装置，其中，所述的矢量求和模块判断每个子集前后两次分类的平均值是否相同，如果不相同，则将后一次分类的平均值传回所述的分类模块重新进行分类，直至前后两次分类的平均值相同为止。

20.根据权利要求17-19中任一所述的信道估计装置，其中，所述的矢量求和模块包括第一矢量求和模块和第二矢量求和模块，分别对应第一中心和第二中心；和信道向量计算单元，用于根据所述第一矢量求和模块和所述的第二矢量求和模块之值，计算信道矢量。

21.根据权利要求17-19中任一所述的信道估计装置，其中，所述的分类模块从全部的子向量中，任取两个子向量作为第一中心和第二中心。

22.根据权利要求17-19中任一所述的信道估计装置，其中，所述的分类模块在最初时从全部的子向量中，任取一个子向量作为所述选定的第一中心及将该第一中心的相反数作为所述选定的第二中心。

23.根据权利要求16所述的信道估计装置，其中，所述的分类模块用EM算法或C均值算法进行分类，得出分类后两个子集的中心。

24.根据权利要求16所述的信道估计装置，其中，包括：符号确定单元，通过一个已知码元来确定信道矢量之符号。

25.根据权利要求16所述的信道估计装置，其中，所述的信道为MIMO信道。

26.根据权利要求16所述的信道估计装置，其中，所述信道估计器采用如下公式估计所述的信道矢量：

${\hat{h}}_{\mathrm{ji}}=\frac{p\&CenterDot;c_{\mathrm{ji},1}-(m-p)\&CenterDot;c_{\mathrm{ji},2}}{m}$

其中，

为所述的信道的信道矢量；m为采样数据的个数；c_ji，1为第一子集的中心；p为属于c_ji，1的子向量的个数；c_ji，2为第二子集的中心；其中，1≤j≤Nt，Nt为接收天线的个数；1≤i≤Nr，Nr为发射天线的个数。

27.一种信道估计器，包括：

分类模块，接收一信道路径中解相关后之采样信号子向量，根据选定的第一中心和第二中心，将每一个信号子向量按所述的信号子向量距离所述第一中心和第二中心的距离分成两个子集；及

矢量求和模块，耦接于所述的分类模块，用于对所述的分类模块得到的两个子集中的全部子向量，算出信道矢量。

28.根据权利要求27所述的信道估计器，其中，包括：符号确定单元，通过一个已知码元来确定信道矢量的符号。

29.根据权利要求27所述的信道估计器，其中，所述的矢量求和模块包括第一矢量求和模块和第二矢量求和模块，分别对应所述第一中心和第二中心；和信道向量计算单元，用于根据所述第一矢量求和模块和所述的第二矢量求和模块之值，计算信道矢量。

30.根据权利要求27所述的信道估计器，其中，所述的矢量求和模块判断每个子集前后两次分类的平均值是否相同，如果不相同，则将后一次分类的平均值传回所述的分类模块重新进行分类，直至前后两次分类的平均值相同为止。

31.根据权利要求27、29及30中任一所述的信道估计器，其中，所述的分类模块在最初时从全部的子向量中，任取两个子向量作为所述选定的第一中心和第二中心。

32.根据权利要求27、29及30中任一所述的信道估计器，其中，所述的分类模块在最初时从全部的子向量中，任取一个子向量作为所述选定的第一中心及将该第一中心的相反数作为所述选定的第二中心。

33.根据权利要求27所述的信道估计器，其中，所述的分类模块采用EM算法或C均值算法进行分类，得出分类后两个子集的中心。

34.根据权利要求27所述的信道估计器，其中，所述的信道为MIMO信道。

35.根据权利要求27所述的信道估计器，其中，所述的信道估计器采用如下公式估计所述的信道矢量：：

${\hat{h}}_{\mathrm{ji}}=\frac{p\&CenterDot;c_{\mathrm{ji},1}-(m-p)\&CenterDot;c_{\mathrm{ji},2}}{m}$

其中， 为所述信道的信道矢量；m为采样数据的个数；c_ji，1为第一子集的中心；p为属于c_ji，1的子向量的个数；c_ji，2为第二子集的中心；其中，1≤j≤Nt，Nt为接收天线的个数；1≤i≤Nr，Nr为发射天线的个数。

36.一种移动终端，包括：

至少一个接收天线，用于接收一个信道路径的采样信号；及

信道估计装置，用于对接收到的信号解相关，以产生解相关信号；将所述解相关信号的子向量分类成两个子集，并确定所述两个子集的中心；及根据确定后两个子集的中心估计所述信道的信道矢量。

Images