CN1866945A - Ofdm系统中基于可变遗忘因子的rls信道估计方法 - Google Patents

Abstract

一种OFDM系统中基于可变遗忘因子的RLS信道估计方法，用于无线传输技术领域。本发明根据提供的导频信息在频域对信道进行最小平方估计，得到导频处信道估计的初始值；再通过快速逆傅立叶变换取得时间/时延域的输入信号与输出信号的关系；利用RLS自适应滤波算法，采用可变的遗忘因子和不同的信道权系数对信道进行跟踪与估计；再通过快速傅立叶变换得到时间/频率域的信道传输函数矩阵；最后，通过插值算法得到数据符号的信道信息以提供给数据检测模块。本发明针对OFDM时变无线信道，提出基于可变遗忘因子的RLS信道估计方法，无需任何信道统计信息，利用特定的导频结构及可变的遗忘因子，可有效地提高信道估计的准确性，且具有良好的收敛性和鲁棒性。

Description

OFDM系统中基于可变遗忘因子的RLS信道估计方法

技术领域

本发明涉及一种无线通信的信道估计方法，具体是一种OFDM系统中基于可变遗忘因子的RLS信道估计方法。用于无线传输技术领域。

背景技术

无线通信中信号在传播过程受到信道衰减、多径时延扩展和多普勒频率扩展等因素的影响，在接收端为了能够较好地恢复出发送信号通常采用相干解调，而相干解调需要信道参数信息，它可以通过信道估计来获得，因此信道估计器的性能直接影响系统性能，成为接收机的关键技术之一。正交频分复用(OFDM)系统能够有效抵抗多径扩展造成的符号间干扰，使得在恶劣无线衰落信道下进行数据传输成为可能。在OFDM系统中，基于二维最小均方误差准则(MMSE)的信道估计方法是理论分析中性能最优的信道估计方法，但是这类方法不仅复杂度极高，而且还需要知道部分或全部信道先验信息，因此工程应用价值不高。另外，基于最小平方准则(LS)的信道估计方法，虽然运算复杂度不高，但是在信噪比下降时性能会下降很快，不适合用于中低信噪比的场合。因此，开展信道估计的研究并寻找工程上适用的信道估计方法直接关系到接收机检测和译码性能的优劣，对提高宽带移动通信系统性能起着至关重要的作用。

经对现有技术的文献检索发现，Dieter Schafhuber等人在2003年的IEEE国际无线通信的信号处理学术会议(IEEE Workshop on Signal ProcessingAdvances in Wireless Communication)上发表文章“无线MIMO-OFDM系统中双选择性衰落信道的自适应辨识和跟踪(Adaptive Identification andTracking of Doubly Selective Fading Channels for Wireless MIMO-OFDMSystems)”，该文提出一种适用于多天线OFDM系统的基于最小均方自适应滤波器(LMS)的信道估计方法，在无需知道信道统计信息的基础上，利用导频符号和LMS滤波器，对时变信道进行跟踪和估计，但该方法有个明显的缺点就是估计精度不是很高，尤其是在中低信噪比的环境下，远远小于基于二维最小均方误差准则的信道估计方法。检索中还发现，中国专利申请号为CN200410021864.8，名称为：一种MIMO-OFDM系统的自适应信道估计方法，该专利中提出运用自适应算法例如LMS和RLS来进行信道估计，从而实现随着信道变化而动态跟踪信道参数的功能，但是，在该专利中，采用的导频结构过于复杂且需要专门的子载波用于信道估计，且该专利虽然给出了LMS算法的应用实例但并未给出RLS算法的应用实例，更未采用变化的遗忘因子的方案，所以该专利具有频谱效率和估计精度都不是很高且遗忘因子方案不灵活的缺点。因此，有必要寻找一种运算复杂度和LMS算法相当但精度远高于LMS算法的灵活的信道估计器。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种OFDM系统中基于可变遗忘因子的RLS信道估计方法，使其在不知道信道统计信息的情况下具有估计性能稳健、鲁棒性强、抗加性高斯白噪声的能力强的特点，且易于实现。

本发明是通过以下技术方案实现的，本发明首先根据提供的导频信息对信道进行初始估计，得到所有导频处的信道的初始值，快速逆傅立叶变换后再运用基于可变遗忘因子的RLS滤波器对时变无线信道进行跟踪和估计，再通过快速傅立叶变换和插值算法得到数据所对应的信道状态信息值，所述的可变遗忘因子，后一时刻导频符号的遗忘因子大于或等于前一时刻导频符号的遗忘因子。

以下对本发明方法作进一步的说明，包括如下步骤：

1.信道估计器使用导频信息通过最小平方(LS)算法而获取频域上导频处的信道状态信息的初始值。

本发明的导频信息为结构采用块状的导频符号，每个导频符号包括所有的子载波上的时频块，导频的帧采用在一帧数据前面加入若干个导频符号的帧结构，在多天线系统中不同发射天线在同一时刻的导频是互相正交的。由于无线信道往往是未知的且不知道任何先验统计信息，因此可以在每帧数据区前均放置导频符号用于在频域内对信道进行最小平方准则的估计，而不需要任何已知的信道统计信息。申请号为CN200410021864.8的专利先采用块状导频再采用于载波做导频，这种导频方案设计过于复杂且占用的频谱资源比较多，这种导频方式实际上是一种改进的梳状导频方式，比较适合于快衰落时间选择性的信道，而不适用于象无线局域网这类慢衰落频率选择性信道。因此，本发明的导频方式在慢衰落频率选择性信道下的性能是优于在先申请号为CN200410021864.8专利中的导频方式的。在本发明中，OFDM系统的接收机根据发送端所提供的导频信息，运用LS信道估计方法，在频域求出每个导频处信道的初始估计值，这是不考虑噪声作用的理想化信道估计方法。

2.通过快速逆傅立叶变换(IFFT)得到时间/时延域的未考虑噪声作用下的信道状态信息。即接收机对LS算法估计出来的信道估计初值做快速逆傅立叶变换，得到时间/时延域的信道估计值。

3.以当前时刻未考虑噪声作用下的信道状态信息作为期望值，以当前时刻和前几个时刻的信道状态信息为输入值，再利用RLS滤波器跟踪和估计当前时刻的考虑噪声作用下的准确的信道状态信息。

先经过LS算法再经过IFFT变换得出的时间/时延域的信道估计值通过RLS滤波算法得到考虑噪声情况下的时间/时延域中的更精确的信道估计值，在用RLS算法的过程中，信道期望值是当前时刻LS算法通过IFFT得到的信道估计值，信道当前值是当前时刻和前几个时刻的LS算法通过IFFT得到的信道估计值，利用RLS算法的递归关系，可以求出当前时刻的考虑噪声作用下准确的信道估计值，从而实现对时变无线信道的即时跟踪与估计。注意，在这里信道的前几个时刻值是由滤波器长度决定的，滤波器长度和系统性能之间是一种复杂的关系。当滤波器长度在一定的范围以内，系统性能随着滤波器长度增大而变好，当滤波器长度超过某个值，系统性能随着滤波器长度增加而变差，因此，系统性能在滤波器为最佳值时为最好。滤波器最佳值是基于维纳滤波原理通过理论计算而得到的。但滤波器处于这个最佳值时，计算复杂度仍然很高，因此滤波器长度的选取值往往小于最佳值，一般取最佳值的一半就可以达到很好的系统性能，这样就取得了系统性能和计算复杂度的平衡。

4.在跟踪和估计的过程中采用可变遗忘因子，再在时间/时延域进行递归运算，得到考虑噪声作用的准确的信道状态信息。

可变遗忘因子方案采用不同的导频符号，在一帧中时域上不同时刻点的导频符号具有不同的权系数，离数据符号越近的导频符号的权系数越大。这种设置其实是一种优化的权系数方案，不同导频的权系数被设置为不同的值以反映不同导频符号对数据信道信息所起的不同作用。考虑到不同导频的信道传输函数对数据信道传输函数所起的作用不同，所以随着导频信道传输函数与数据信道传输函数在时间上的距离越来越近，导频信道传输函数对数据符号的信道传输函数所起的作用越来越大，因此权系数的设置为不一样是合理的。现有技术中的遗忘因子采用常规法，它是给每个导频符号以相同的遗忘因子值。而本发明的遗忘因子是变化的，根据信道特征、算法需求、仿真结果和经验因素来设置遗忘因子，使后一时刻导频符号的遗忘因子大于或等于前一时刻导频符号的遗忘因子。

本发明的遗忘因子可以两步变化，也可以自适应变化。两步法是给前几个导频设置较小的遗忘因子值，目的是使通信系统更多地依靠当前导频符号估计得到的正确的信道状态信息；给后几个导频符号设置高的遗忘因子值，目的使通信系统更多地依靠前次信道估计提供的信道的统计信息。自适应遗忘因子法，是给所有导频符号设置不同的遗忘因子：首先给第一个导频符号设置一个初始值，然后给其他导频符号设置一个学习速率，这样所有不同的导频符号均以学习速率来不断更新各自的遗忘因子值，从而使不同的导频符号具有不同的遗忘因子。初始遗忘因子值和学习速率的设置由诸如信道特性、算法需求、人为经验、计算机仿真等因素决定。在一般情况下，常规法所给定的固定的遗忘因子值可以作为可变遗忘因子的初始值，可以根据导频符号的个数来灵活安排学习速率。学习速率可以设置为固定的或变化的，但是要保证一帧中最后一个时刻的导频符号的遗忘因子值不能超过1。遗忘因子值和学习速率可以随时刻n不断变化，变化的学习速率可以采用自变量为时间的线性函数、指数函数或其它映射关系。

5.进行快速傅立叶变换，得到时间/频率域的信道传输函数。

以上步骤求得时间/时延域的信道估计的准确值，但是信号检测需要的是信道的时间/频率域的状态信息，因此，对时间/时延域的信道估计值做快速傅立叶变换(FFT)变换得到时间/频率域信道估计值。

6.通过插值算法得到数据符号所对应的信道传输函数，把数据符号所对应的传输函数送给信号检测模块进行检测或译码。

本发明在传统的频域最小平方信道估计器的基础上设计了一种时间/时延域的基于可变遗忘因子的RLS信道估计方法，通过对时变信道的跟踪与估计，得到噪声作用下的信道状态信息，从而得到更加符合实际的信道估计值。本发明的信道估计方法与传统的信道估计方法相比，能够很好地跟踪和估计信道，具有收敛性好、估计精度高等特点，同时能够通过调整滤波器长度等参数来对信道估计精度和计算复杂度进行折中和平衡，从而获得更好的估计性能，因此，这种信道估计方法方便灵活，很适合实际应用，可以为第三代(3G)、超三代(B3G)、第四代(4G)蜂窝移动通信和数字电视、无线局域网(WLAN)、无线广域网(WWAN)等系统的信道估计方案提供重要的理论依据和具体的实现方法。

附图说明

图1是MIMO-OFDM原理图

图2是导频结构图

图3是信道估计算法原理图

图4是RLS滤波算法原理图

图5是MSE-M仿真性能图

图6是MSE-L仿真性能图

图7是MSE-SNR仿真性能图

图8是BER-SNR仿真性能图

图9是BER-Doppler仿真性能图

图10是遗忘因子方案比较性能图

图11是单天线MSE-SNR仿真性能图

图12是单天线BER-SNR仿真性能图

图13是采用可变遗忘因子方案B的MSE-SNR仿真性能图

图14是采用可变遗忘因子方案B的BER-SNR仿真性能图

具体实施方式

以下结合附图对本发明的具体实施进行详细的说明：

(1)MIMO-OFDM系统的构造

MIMO-OFDM系统的构造如图1所示，本发明采用4发4收的MIMO-OFDM系统，采用QPSK的调制方式，空时编码方案采样正交空时块码(O-STBC)，码率为1/2，空时解码采样最大似然(ML)译码方案，载频4GHz，带宽6M，子载波个数为64，考虑到本发明的信道估计方法比较适合于频率选择性慢衰落信道，因此信道模型采用ITU提出的多径瑞利衰落信道，信道多径数目为5，时延为[0260 520 780 1040]ns，功率为[-1.780-7.47-10-12.62]dB，运动速度3km/h。

(2)导频的设计

导频的设计如图2所示，导频采样正交化设计，不同发送天线发送的导频互相正交，发送天线1到发送天线4的导频分别为P₁＝[1，1，1，1]^T，P₂＝[1，-1，1，-1]^T，P₃＝[1，-1，-1，1]^T，P₄＝[-1，-1，1，1]^T。

本发明的实施例中虽然采用了块状正交的导频结构，目的是为了使本发明更适用于慢衰落频率选择性信道，但这并不影响本发明的一般性，在增加计算的复杂性，增加频谱资源的占用下，也可以使用其他导频结构，如梳状导频、离散导频等结构。

(3)基于最小平方法(LS)的信道估计方法

基于LS的信道估计方法如图3所示，4个接收机根据4个发送天线所提供的正交化的导频信息，在频域利用最小平方法(LS)求出每个导频处的信道的初始估计值，这实际上是一种不考虑噪声影响的理想化的信道估计方法。

(4)快速逆傅立叶变换(IFFT)

快速逆傅立叶变换(IFFT)如图3所示，每个接收机对各自的LS算法估计出来的信道估计初值做快速逆傅立叶变换(IFFT)，得到时间/时延域的信道估计值。这里，考虑到信道的最大多径长度是未知的，所以本发明采样最保守的假设，即最大多径长度为循环前缀长度加1(L＝L_CP+1)，这样时间/时延域的信道状态值在时延域的维数最大为L＝L_CP+1，在本发明中，L_CP＝15，所以L为16。

(5)RLS滤波算法

RLS滤波算法如图4所示，时间/时延域的信道估计值通过RLS滤波算法得到考虑噪声情况下的时间/时延域中的更精确的信道估计值，在用RLS算法的过程中，信道期望值是当前时刻LS算法通过IFFT得到的信道估计值，输入值是当前和前几个时刻LS算法通过IFFT得到的信道估计值，利用RLS算法的递归关系，可以求出当前时刻的考虑噪声作用下准确的信道估计值，从而实现对时变无线信道的即时跟踪与估计。这里，RLS滤波器的长度M和最大多径时延长度L均会影响到信道估计的精度和计算复杂度，往往精度越高，计算复杂度越高，如图5和图6所示。另外，RLS滤波算法可以用LMS滤波算法替代，尽管LMS算法的计算复杂度小于RLS算法，LMS的计算复杂度为γ[M(L_CP+1)]，RLS计算复杂度为γ[M²(L_CP+1)]，一般M取值很小，考虑到LMS的收敛速度和估计精度均远远小于RLS算法，所以在计算成本日益减小的当今时代，RLS算法更具有应用价值的。

(6)滤波器长度及最大多径时延长度

滤波器长度对系统性能的影响如图5，通过理论分析和计算机仿真找到最优或次最优的滤波器长度，从而使信道估计精度和复杂度达到折中和平衡。本发明的最优值是通过维纳滤波(wiener filtering)原理进行理论计算得到，首先构造信道估计误差的代价函数，再利用正交原理，产生维纳-霍夫(Wiener-Hopf)方程，再得到最小均方误差(MMSE)准则下的最佳滤波器系数，这样就可以得到滤波器的长度值，在本发明中，根据上述原理得到滤波器最佳长度为10，但是这时计算复杂度太高，所以滤波器长度一般不能取得很大，一般取值为最佳长度的一半即可达到很好性能且计算复杂度低很多，所以本发明取M＝4。最大多径时延长度对系统性能的影响如图6，最大多径时延长度一般小于为循环前缀(CP)长度，实际信道最大时延长度远小于循环前缀长度，最大多径时延长度是信道自身特性，是不能人为调整的。

(7)可变遗忘因子方案

可变遗忘因子方案如图2所示：方案A采用6个导频符号全部具有相同的权系数1/6，即H＝α₁H₁+α₂H₂+α₃H₃+α₄H₄+α₅H₅+α₆H₆，α₁+α₂+α₃+α₄+α₅+α₆＝1，遗忘因子采样相同的值，全部为0.9；方案B采用6个导频符号具有不同的权系数，即变化权重系数α_t，使后一个时刻导频的权系数α_t+1和前一时刻导频的权系数α_t满足关系α_t+1＝α_t+q，q是一个大于0小于1的常数，这种设置其实是一种优化的权系数方案，α₁，α₂，α₃，α₄，α₅，α₆被设置为不同的值以反映不同导频符号所起的不同作用。考虑到H₁，H₂，H₃，H₄，H₅，H₆对H所起的作用不同，且随着H_i(i＝1，2，…，6)与H时间上的距离越来越短，H₁，H₂，H₃，H₄，H₅，H₆对数据符号的信道传输函数H所起的作用越来越大，因此权系数的设置是合理的，所以方案B比方案A设计更合理。方案B的遗忘因子采用两步法或自适应法：两步法是给前两个导频以较小的遗忘因子而给后四个导频以较大的遗忘因子，如图2，在本发明中较小遗忘因子为0.6，较大的遗忘因子为0.9，给前两个导频符号设置低的遗忘因子值，目的是使通信系统更多地依靠当前导频符号估计得到的正确的信道状态信息；给后四个导频符号设置高的遗忘因子值，目的使通信系统更多地依靠前次信道估计提供的信道的统计信息；自适应遗忘因子法，给所有导频符号设置不同的遗忘因子，首先给第一个导频符号设置一个初始值，然后给其他导频符号设置一个学习速率，这样所有不同的导频符号均具有一个不同的遗忘因子。初始遗忘因子值和学习速率的设置由诸如信道特性、算法需求、计算机仿真等因素决定，在算法需求允许的前提下，可以根据最终的计算机仿真结果，不断选择和调整遗忘因子值和学习速率。遗忘因子值和学习速率可以随时刻n不断变化，学习速率可以采用自变量为时间的线性函数、指数函数或其它映射关系。本发明根据经验给出三种自适应遗忘因子的设置方案：

在方案1，在类似无线局域网等慢衰落频率选择性信道下，初始值一般取常规法遗忘因子的值，保证基于自适应遗忘因子信道估计算法的计算复杂度和基于常规遗忘因子算法基本一致，第n时刻的导频的遗忘因子满足λ_n＝λ₀+0.01n，λ₀为初始值，固定的学习速率设为0.01，在本例中初始值取为0.9，这样第六个导频的遗忘因子值为小于1的值0.95，如果导频符号为10，则学习速率可以取小于0.01的值0.009，这样最后一个导频的遗忘因子是不超过1的值0.98。

在方案2，在快衰落频率选择性信道下，算法要求能快速地跟踪信道的变化，导频图案相应地可以采用梳状或离散状，初始值可以取常规法遗忘因子的值以保证基于自适应遗忘因子信道估计算法的计算复杂度与基于常规遗忘因子算法基本一致，第n时刻的导频的遗忘因子满足λ_n＝λ₀+0.01n(1+0.1)ⁿ，变化的学习速率设为0.01(1+0.1)ⁿ，例如本例中初始值取为0.9，这样第六个导频的遗忘因子值为小于1的值0.98。如果导频符号为8，则学习速率因子可以取小于0.01的值0.006，这样最后一个导频的遗忘因子为不超过1的值0.982。如果导频符号为10，则学习速率因子可以取小于0.01的值0.0046，这样最后一个导频的遗忘因子为不超过1的值0.976。这样不同时刻导频遗忘因子为指数变化速率，大于方案1中的线性变化速率。

在方案3，在快衰落频率选择性信道下，算法要求能快速地跟踪信道的变化，导频图案相应地可以采用梳状或离散状，初始值可以取常规法遗忘因子的值以保证基于自适应遗忘因子信道估计算法的计算复杂度与基于常规遗忘因子算法基本一致，第n时刻的导频的遗忘因子满足λ_n＝λ₀+0.0999^l-n，变化的学习速率设为0.0999^l-n，l是导频符号的个数，例如本例中初始值取为0.9，这样第六个导频的遗忘因子值为小于1的值0.99。如果导频符号为8，最后一个导频的遗忘因子仍为不超过1的值0.99。如果导频符号为10，最后一个导频的遗忘因子仍旧为不超过1的值0.99。这样不同时刻导频遗忘因子为指数变化速率，大于方案1中的线性变化速率，且最好一个时刻的导频符号的遗忘因子值始终为0.99。

在方案4，在快衰落频率选择性信道下，算法要求能快速地跟踪信道的变化，导频图案相应地可以采用梳状或离散状，初始值可以取常规法遗忘因子的值以保证基于自适应遗忘因子信道估计算法的计算复杂度与基于常规遗忘因子算法基本一致，第n时刻的导频的遗忘因子满足 ${\mathrm{\λ}}_n={\mathrm{\λ}}_0+0.01(2n-1)={\mathrm{\λ}}_0+0.01n(2-\frac{1}{n}),$ 变化的学习速率设为

例如本例中初始值取为0.9，这样第六个导频的遗忘因子值为小于1的值0.99。如果导频符号为8，则学习速率因子可以取小于0.01的值0.007，这样最后一个导频的遗忘因子为不超过1的值0.991。如果导频符号为10，则学习速率因子可以取小于0.01的值0.0046，这样最后一个导频的遗忘因子为不超过1的值0.978。这样不同时刻导频遗忘因子的变化速率大于方案1中的变化速率。

本发明的仿真结果采用方案1的自适应遗忘因子方法，初始遗忘因子值设为0.9，学习速率设为0.01。各种遗忘因子方案的性能如图7、图8和图9所示，方案A(RLS-C’，RLS-T’，RLS-A’)和方案B(RLS-C，RLS-T，RLS-A)的性能比较如图10所示。

(8)快速傅立叶(FFT)变换

如图3所示，以上步骤求得时间/时延域的信道估计的准确值，但是信号检测需要的是信道的时间/频率域的状态信息，因此，对时间/时延域的信道估计值做IFFT变换得到时间/频率域信道估计值。

(9)插值算法

以上步骤得到时间/频率域导频处的信道估计值，再通过插值算法得到数据符号处的时间/频率域的信道状态信息，从而提供给信号检测模块进一步处理，本发明把数据的信道状态信息送给空时解码模块进行最大似然准则的空时译码。

本发明的信道估计方法具有一定的通用性，可适应于一般OFDM通信系统，采用相同导频图案的单天线OFDM系统在频率选择性慢衰落信道如ITU信道，即信道多径数目为2，时延为[0 260]ns，功率[0-12.77]dB，各种信道估计算法的MSE仿真性能如图11所示，BER性能如图12所示，自适应遗忘因子方案仍旧采用方案A(LS’，LMS’，RLS-C’，RLS-T’，RLS-A’)和方案B(LS，LMS，RLS-C，RLS-T，RLS-A)，仿真性能如图13和14所示，可以发现方案B的性能比方案A优越。仿真结果表明，基于自适应遗忘因子的RLS算法和基于两步法遗忘因子算法的性能明显好于基于固定遗忘因子的RLS算法，采用自适应遗忘因子方案或两步法遗忘因子方案可以更好地反应信道的变化，且具有更小的估计误差和更好的性能。

Claims (10)

1、一种OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征在于，首先根据提供的导频信息对信道进行初始估计，得到所有导频处的信道的初始值，快速逆傅立叶变换后再运用基于可变遗忘因子的RLS滤波器对时变无线信道进行跟踪和估计，再通过快速傅立叶变换和插值算法得到数据所对应的信道状态信息值，所述可变遗忘因子是变化的，后一时刻导频符号的遗忘因子大于或等于前一时刻导频符号的遗忘因子。

2、根据权利要求1所述的OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征是，包括如下步骤：

(1)信道估计器使用导频信息通过最小平方算法而获取频域上导频处的信道状态信息的初始值；

(2)通过快速逆傅立叶变换得到时间/时延域的未考虑噪声作用下的信道状态信息；

(3)以当前时刻未考虑噪声作用下的信道状态信息作为期望值，以当前时刻和前几个时刻的信道状态信息为输入值，再利用RLS滤波器跟踪和估计当前时刻的考虑噪声作用下的准确的信道状态信息；

(4)在跟踪和估计的过程中采用可变遗忘因子，再在时间/时延域进行递归运算，得到考虑噪声作用的准确的信道状态信息；

(5)进行快速傅立叶变换，得到时间/频率域的信道传输函数；

(6)通过插值算法得到数据符号所对应的信道传输函数，把数据符号所对应的传输函数送给信号检测模块进行检测或译码。

3、根据权利要求2所述的OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征是，所述导频信息为结构是块状的导频符号，每个导频符号包括所有子载波上的时频块，导频的帧结构采用在一帧数据前面加入若干个导频符号的帧结构，在多天线系统中不同发射天线在同一时刻的导频是互相正交的。

4、根据权利要求3所述的OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征是，所述导频符号，如果采用块状导频结构从而在一帧中时域上不同时刻点的导频符号具有不同的权系数，离数据符号越近的导频符号的权系数越大；所述导频符号如果采用梳状导频、离散导频结构，可设置不同的权系数，且随着时刻的增加，导频符号的权系数越来越大。

5、根据权利要求1或者2所述的OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征是，所述可变遗忘因子，其变化采用两步法可变遗忘因子方案，给前几个导频设置较小的遗忘因子值而给后几个导频设置较大的遗忘因子值，给后几个导频符号设置高的遗忘因子值，这样使通信系统更多地依靠前次信道估计提供的信道的统计信息。

6、根据权利要求1或者2所述的OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征是，所述可变遗忘因子，其变化采用自适应遗忘因子方案，具体为：给不同位置的导频符号自适应地分配遗忘因子值，给处于第一个位置处的导频符号分配一个初始遗忘因子和一个学习速率，这样，除第一个位置外的导频就根据遗忘因子的学习速率来不断更新遗忘因子的值，处于不同时刻的导频符号具有不同的遗忘因子值，从而更好地跟踪和估计时变信道的变化。

7、根据权利要求6所述的OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征是，在慢衰落频率选择性信道下，自适应遗忘因子的学习速率采用固定的学习速率，首先给第一个导频符号的遗忘因子设置一个初始值，初始值取常规法遗忘因子的值以保证计算复杂度与基于常规遗忘因子算法一致，再给除第一个导频符号外的导频符号设置一个固定的学习速率，这样不同的导频符号均具有不同的遗忘因子值。

8、根据权利要求6所述的OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征是，在快衰落频率选择性信道下，自适应遗忘因子的学习速率采用变化的学习速率，首先给第一个导频符号的遗忘因子设置一个初始值，初始值取常规法遗忘因子的值以保证计算复杂度与基于常规遗忘因子算法基本一致，再给除第一个导频符号外的导频符号设置一个随时间不断变化的学习速率，学习速率采用自变量为时间的线性函数、指数函数或其它映射关系，这样不同的导频符号均具有不同的遗忘因子。

9、根据权利要求6所述的OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征是，遗忘因子根据导频符号的个数设置学习速率。

10、根据权利要求1所述的OFDM系统中基于可变遗忘因子的RLS信道估计方法，其特征是，所述的信道估计器，其估计精度和计算复杂度通过调整滤波器的长度来控制，通过理论分析和计算机仿真找到最优或次最优的滤波器长度，从而使信道估计精度和复杂度达到折中和平衡。

Images