CN1921464A - 频域信道预测算法 - Google Patents

Abstract

子载波选择部(107)从组成信号的n条子载波中任意选择m条子载波。滤波器系数计算部(108)对由子载波选择部(107)选择出的m条子载波的信号计算用于信道预测的滤波器系数。滤波器系数平均部(301)对m个滤波器系数进行平均。信道预测部(109)利用平均后的滤波器系数预测所有子载波的未来信道频率响应。

Description

频域信道预测算法

技术领域

本发明涉及适用于基于OFDM的宽带无线通信系统的频域信道预测方法和无线通信装置。

背景技术

在OFDM无线通信系统中，快速傅立叶变换(FFT)处理前的信号被定义为时域信号，而FFT处理后的信号被定义为频域信号。在OFDM系统中，根据处理信号的特性可以分为时域和频域信号。

同理，信道预测也可以由时域和频域进行。时域信道预测是基于独立的每一条信道路径进行的。

在信道的变化速度低、并且信道的路径数少的情况下，时域信道预测的运算量相对地低，因此它可用为工程应用技术。

作为以往的技术，已公开用于OFDM通信系统的时域预测算法。在该以往技术中，根据所有路径的时域信道脉冲响应(Channel Impulse Response，CIR)，利用MMSE(Minimum Mean Square Error，最小均方差)算法或其他自适应算法来分别预测各个路径的CIR的未来值。另外，此时对时域CIR进行反向快速傅立叶变换(IFFT)而得到频域的信道频率响应(Channel Frequency Response，CFR)。

然而，时域的信道预测不适于信道变动速度快、信道路径数多的宽带无线通信系统。具体来讲，时域的信道预测有下述几个缺点。

(1)难以掌握有效路径数

对于这种预测算法，需要对数量足够的路径进行预测处理，用以保证时域CIR或频域CFR的准确性。然而，尤其在宽带无线通信系统中，难以决定足够数量的有效路径数。若路径数过多，则运算上的复杂度会增加，反之，若路径数过少，则无法确保预测性能精度。

(2)易受到深衰落的影响

因多普勒频率偏移，会导致信道处于深衰落的状态。深衰落显然使CIR的预测不准确，而且不准确的时域CIR影响到频域CFR的准确性。此外，深衰落还影响到有效路径数的判定，导致预测精度的降低。若将这些问题纳入考虑，需要使用最大的路径数来代替有效路径数。

(3)运算负荷重

在宽带信道环境，存在对支持快速移动性和高数据传输率的服务的需求。此时，若路径数多，导致运算量大幅度增加，这会使时域预测算法的实际采用产生困难。例如，为了以下分析方便，在此假定利用MMSE算法得到K次多项式的系数，并以O(MMSE)表示该MMSE算法的复杂度。在衰落信道环境中，存在数量L的路径。为得到未来的信道频率响应的全体运算的复杂度包含有两个部分：其中一个是起因于得到预测系数的MMSE处理的，它引起L*O(MMSE)的复杂度，另外一个是起因于得到未来的信道频率响应的运算，它引起KL复数乘法运算和复数加法运算的复杂度。在路径数L特别大时，全体运算的复杂度会极大。

于是，时域信道预测不适于宽带无线通信系统，因此下面对频域信道预测进行研究。

频域预测算法基于对时域信道脉冲响应(CIR)进行FFT处理的信道频率响应(CFR)。只要在所有子载波占用的带宽小于衰落信道的相干带宽，可以使用频域预测算法。

在基于OFDM的宽带无线通信系统中，频域预测算法具有下述优点。

(1)与时域CIR的数量无关

各个子载波的CFR是经相位调整的所有时域路径的总和，并且各个子载波的数据可视为经过平坦衰落信道。预测精度和实效性确实与时域CIR的数量无关。

(2)不易受到时域的深衰落的影响

基于与上述(1)相同的理由，频域的深衰落与所有路径的全体有关系，而与某一路径的状态无关。某一个路径在深衰落状态时，往往出现相关子载波的CFR具有良好的信道状态的情况。因此，各个子载波的信道状态仅影响到本身的预测精度，并不影响到其他子载波。

于是，频域信道预测可视为适合于宽带无线通信系统的信道预测。

然而，不使预测精度降低并且如何减轻运算负荷是在频域信道预测中也成最重要的问题。在以往的频域信道预测中，因对每个子载波以MMSE计算滤波器系数，在子载波的数量多的宽带无线通信系统中，被视为运算负荷极大。

发明内容

本发明的目的在于提供一种频域信道预测方法和无线通信装置，在宽带无线通信系统中，不使预测精度降低而能够减轻运算负荷。

此目的由利用选择出的1个或少数滤波系数计算所有子载波的信道频率响应来实现。

附图说明

图1是表示本发明的一个实施例的系统模型的图；

图2是表示本发明的一个实施例的采用频域信道预测方法的无线通信装置的结构的方框图；

图3是表示本发明的一个实施例的采用频域信道预测方法的无线通信装置的结构的方框图；

图4是表示本发明的一个实施例的频域信道预测方法的流程图；

图5是表示本发明的一个实施例的采用频域信道预测方法的无线通信装置的结构的方框图；

图6是表示本发明的一个实施例的频域信道预测方法的仿真的系统参数的图表；

图7是表示本发明的一个实施例的频域信道预测方法的仿真的信道参数的图表；

图8是表示本发明的一个实施例的频域信道预测方法的仿真的性能的图；

图9是表示本发明的一个实施例的频域信道预测方法的仿真的性能的图；

图10是表示本发明的一个实施例的频域信道预测方法的仿真的性能的图；以及

图11是表示本发明的一个实施例的频域信道预测方法的仿真的性能的图表。

具体实施方式

下面，用附图来说明本发明的一个实施例。

图1是表示本发明的一个实施例的频域信道预测方法的系统模型的图。在图1中，对子载波的数量为K的OFDM系统进行考虑。经调制处理后的发送符号S(n，k)k∈{0，1，…，K-1}，被输出到反向快速傅立叶变换(IFFT)模块。在此所述的n代表OFDM符号的序号，而且k代表子载波的序号。IFFT模块的输出系列可表示为s(n，m)，m∈{0，1，…，K-1}。对所得到的符号附加循环前缀后，接收信号r(n，m)由以下公式(1)表示。

$r(n,m)=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}h(n,l)s(n,m-l)+\mathrm{\η}(n,m)---\left(1\right)$

在此假定在OFDM符号间隔内，包括数量为L个路径的衰落信道的所有特性皆保持不变。这假定适合于很多情况。例如，在以时速200km的速度移动的移动终端以5GHz的载波频率将数据传输率约为100MHz的信号发送时，则其频率偏移为926Hz。如果该OFDM系统利用1024点FFT，由多普勒频率引起的OFDM符号的前端和后端之间的信道相位差为0.058弧度，而在信道估计上它是可以忽视的。

在接收机的FFT模块的后段，可以利用频域符号R(n，k)，k∈{0，1，…，K-1}来估计所有子载波的CFR。假定CIR为不变时，OFDM系统全体的输入/输出关系可表示为以下公式(2)。

R(n，k)＝H(n，k)S(n，k)+N(n，k)                   (2)

在此，

$H(n,k)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}h(n,m)\exp (-j2\mathrm{\πkl}/K)---\left(3\right)$

而且，噪音为

$N(n,k)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{\η}(n,m)\exp (-j2\mathrm{\πkl}/K)---\left(4\right)$

按公式(2)可求出各个子载波的CFR估计值。

$\hat{H}(n,k)=H(n,k)+\mathrm{\ϵ}(N\left(n\right),H\left(n\right),S\left(n\right))---\left(5\right)$

在此，ε(N，H，S)是向量N，H和S的函数，这三个向量与具体的信道估计算法有关。

N(n)＝[N(n，0)N(n，1)…N(n，K-1)]，

H(n)＝[H(n，0)H(n，1)…H(n，K-1)]

而且，

S(n)＝[S(n，0)S(n，1)…S(n，K-1)]

以下所述的信道预测是根据上述所得到的CFR的估计值。

在此采用在基于OFDM的宽带通信系统中，各个子载波的未来信道频率响应是根据过去的CFR值和现在的CFR值来线性预测出的，而且与其他子载波的CFR值无关的设定。对于第k条子载波，长度为M的线性的时间不变的预测因子由以下公式(6)表示。

${\hat{H}}_{n,k}(n+p)=w_{n,k}^H{H}_{n,k}=\underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}{w}_{n,k}^{*}\left(m\right)H_{n,k}(n-m)---\left(6\right)$

在此，向量w_n，k表示在第n个OFDM符号的第k条子载波的滤波器系数， ${\hat{H}}_{n,k}(n+p)(p\≥1)$ 表示在第n个OFDM符号的第k条子载波的在未来n+p采样时间的预测的CFR值，向量H_n，k具体为：

H_n，k＝[H(n，k)H(n-1，k)…H(n-M+1，k)]^T。符号(·)^*，(·)^T，(·)^H分别表示对向量或矩阵进行共扼、转位和厄密(Hermitian)转位操作。如以下公式(7)所示，选择均方差(MSE)作为衡量预测性能的指标。

$\mathrm{\ϵ}=E\left\{{|H_{n,k}(n+p)-{\hat{H}}_{n,k}(n+p)|}^2\right\}---\left(7\right)$

在此，E(·)表示随机变量的均值处理。若将某些线性滤波器算法用于CFR的信道预测，则如在以下公式(8)所示，滤波器系数可表示为相关矩阵和相关向量的函数。

$w_{n,k}^{\left(p\right)}=f(R_{n,k},r_{n,k}^p,p)---\left(8\right)$

在此，函数f(·)由具体的滤波器算法决定。公式(9)表示相关向量r_n，k ^(p)。

$r_{n,k}^{\left(p\right)}=E\left\{H_{n,k}{H}_{n,k}^{*}(n+p)\right\}---\left(9\right)$

以下公式(10)表示相关矩阵R_n，k。

$R_{n,k}=E\left\{H_{n,k}{H}_{n,k}^H\right\}---\left(10\right)$

从上述公式(8)可知，相关矩阵和相关向量在线性预测算法上极为重要。于是，首先对同一子载波不同时刻的2个CFR值之间的相关特性进行论述。如以下公式(11)导出任意的2个CFR值之间的相关。

$E\left[H(n,k)H^{*}(n-m,k)\right]=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}h(n,l)e^{(-j2\mathrm{\πlk}/K)}\·\underset{l^{\′}-0}{\overset{L-1}{\mathrm{\Σ}}}{h}^{*}(n-m,l^{\′})e^{(j2\mathrm{\π}{l}^{\′}k/K)}$

$=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{l^{\′}=0}{\overset{L-1}{\mathrm{\Σ}}}h(n,l)h^{*}(n-m,l^{\′})e^{(j2\mathrm{\π}(l-l^{\′})k/K)}---\left(11\right)$

一般来讲，衰落信道的路径是各自独立的，并由以下公式(12)表示。

E(h(n+m，l)h^*(n，l′))＝r(m，l)·δ(l-l′)，           (12)

根据(12)式，公式(11)可简化为以下公式(13)。

$E[H(n,k)H^{*}(n-m,k)]=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}r(m,l)---\left(13\right)$

根据公式(13)，可导出非常有意义的结论，即，子载波的任意的2个CFR值之间的相关系数与子载波序号k是独立的。换而言之，不同子载波的相关矩阵和向量是相同的。因此，公式(8)可简化如下。

$w_n^{\left(p\right)}=f(R_n,r_n^p,p)---\left(14\right)$

所以，在理论上，可仅通过一次线性滤波器处理来得到所有子载波的滤波器系数，而且根据所得到的滤波器系数能够计算所有子载波的未来频率脉冲响应。

有鉴于上述结果，在本发明实施例中，(1)仅根据一次线性滤波器处理来预测所有子载波的未来CFR值。再，(2)根据由几个线性滤波器处理计算出的滤波器系数的平均值来预测所有子载波的未来CFR值。又(3)按照所需信道质量等决定的目标SNR(Signal to Noise Ratio，信噪比)，自适应地控制上述2个预测方式。

首先，用图2的方框图说明(1)仅根据一次线性滤波器处理来预测所有子载波的未来CFR值时的无线通信装置的结构。

图2的无线通信装置200主要包括无线接收部101、FFT部102、信道估计部103、信道补偿部104、解调部105、解码部106、子载波选择部107、滤波器系数计算部108、信道预测部109、反馈信息生成部110、调制部111以及无线发送部112。

无线接收部101对经天线接收的信号进行放大和降频转换等无线处理，将由无线处理得到的基带信号输出到FFT部102。FFT部102对无线接收部101的输出信号进行FFT处理，将由n条子载波组成的FFT处理后的信号输出到信道估计部103。

信道估计部103根据信道预测部109输出的未来CFR值，对每个子载波估计附加在FFT部102的输出信号的衰落所引起的信道变动，将估计结果的CFR值输出到信道补偿部104。信道估计部103还将FFT部102的输出信号就照原样输出到信道补偿部104和子载波选择部107。

信道补偿部104根据由信道估计部103输出的CFR值，对每个子载波补偿附加在FFT部102的输出信号的衰落所引起的信道变动，将补偿后的信号输出到解调部105。

解调部105对信道补偿部104的输出信号进行解调处理，将解调后的信号输出到解码部106。解码部106对解调部105的输出信号进行解码处理，得到接收数据。

子载波选择部107从由n条子载波组成的信道估计部103的输出信号中选择预先设定的1条子载波，仅将选择出的子载波的信号输出到滤波器系数计算部108。

滤波器系数计算部108对由子载波选择部107输出的子载波的信号用线性滤波器算法计算用于信道预测的滤波器系数，将经计算得到的滤波器系数输出到信道预测部109。

信道预测部109利用由滤波器系数计算部108输出的滤波器系数来预测所有子载波的未来CFR值，将得到的未来CFR值输出到信道估计部103和反馈信息生成部110。

反馈信息生成部110生成表示由信道预测部109输出的未来CFR值的反馈信息，将其输出到调制部111。调制部111对反馈信息生成部110的输出信号进行调制处理，将调制后的信号输出到无线发送部112。无线发送部112对调制部111的输出信号进行放大、升频转换等无线处理，将无线处理后的信号经天线发送到通信对象。另外，在通信对象，反馈信息用于自适应调制和频率的分配。

接着，用图3的方框图说明(2)根据滤波器系数的平均值来预测所有子载波的未来CFR值时的无线通信装置的结构。另外，描述在图3的无线通信装置300中，对于与图2的无线通信装置200共通的结构成分编上与图2相同的标号，并省略详细说明。

与图2的无线通信装置200相比，图3的无线通信装置300采用增加滤波器系数平均部301的结构。另外，图3的无线通信装置300的子载波选择部107和滤波器系数计算部108的作用与图2的无线通信装置200不同。

子载波选择部107从由n条子载波组成的信道估计部103的输出信号中选择预先设定的m条(m代表2以上的自然数、m＜n)子载波，仅将选择出的子载波的信号输出到滤波器系数计算部108。

滤波器系数计算部108对由子载波选择部107输出的m条子载波的信号用线性滤波器算法分别计算用于信道预测的滤波器系数，将经计算得到的m个滤波器系数输出到滤波器系数平均部301。

滤波器系数平均部301对由滤波器系数计算部108输出的m个滤波器系数进行平均，将该平均后的滤波器系数输出到信道预测部109。

信道预测部109利用由滤波器系数平均部301输出的平均滤波器系数来预测所有子载波的未来CFR值，将得到的未来CFR值输出到信道估计部103。

然后，用图4的流程图说明利用滤波器系数的平均值来预测所有子载波的未来CFR值的步骤。

首先，经信道估计的子载波中选择一部分(数量远远小于路径的最大数的)对象子载波(ST401)。然后，对选择出的子载波分别计算滤波器系数(ST402)。接着，对计算出的滤波器系数进行平均(ST403)。然后，利用该平均后的滤波器系数来预测所有子载波的未来CFR值(ST404)。

接着用图5的方框图说明(3)按照由所需质量等决定的目标SNR，自适应地控制上述2个预测方式时的无线通信装置的结构。另外，描述在图5的无线通信装置500中，对于与图3的无线通信装置300共通的结构成分编上与图3相同的标号，并省略详细说明。

图5的无线通信装置500的子载波选择部107和滤波器系数计算部108的作用与图3的无线通信装置300不同。

目标SNR小于规定阈值时，子载波选择部107从由n条子载波组成的信道估计部103的输出信号中选择预先设定的m条(m代表2以上的自然数、m＜n)子载波，仅将选择出的子载波的信号输出到滤波器系数计算部108。相对地，目标SNR大于或等于规定阈值时，子载波选择部107从由n条子载波组成的信道估计部103的输出信号中选择预先设定的1条子载波，仅将选择出的子载波的信号输出到滤波器系数计算部108。

目标SNR小于规定阈值时，滤波器系数计算部108对由子载波选择部107输出的m条子载波的信号用线性滤波器算法分别计算用于信道预测的滤波器系数，将经计算得到的m个滤波器系数输出到滤波器系数平均部301。相对地，目标SNR大于或等于规定阈值时，滤波器系数计算部108对由子载波选择部107输出的子载波的信号用线性滤波器算法计算用于信道预测的滤波器系数，将经计算得到的滤波器系数输出到信道预测部109。

滤波器系数平均部301对由滤波器系数计算部108输出的m个滤波器系数进行平均，将该平均后的滤波器系数输出到信道预测部109。

信道预测部109利用由滤波器系数计算部108输出的滤波器系数或由滤波器系数平均部301输出的平均滤波器系数来预测所有子载波的未来CFR值，将得到的未来CFR值输出到信道估计部103。

接着，以将MMSE算法用为线性滤波器算法的为例，用以检验本发明的滤波器系数预测方法。根据MMSE基准，公式(8)和公式(14)可具体表现为以下公式(16)和公式(17)。

$w_{n,k}^{\left(p\right)}=R_{n,k}^{-1}{r}_{n,k}^{\left(p\right)}---\left(16\right)$

$w_n^{\left(p\right)}=R_n^{-1}{r}_n^{\left(p\right)}---\left(17\right)$

为了清楚地理解OFDM系统中的信道预测的性能，可考虑预测增益(Prediction Gain，PG)和归一化的均方差(Mean Square Error，MSE)作为预测的性能衡量指标。

作为接收信号r(t)的方差与预测值和理想值之间的预测误差 $\mathrm{\ϵ}(t+L)=r(t+L)-\hat{r}(t+L|t)$ 方差的比值，由以下公式(18)来定义预测误差。

$\mathrm{PG}\left(L\right)=10{\log }_{10}\left(\frac{E\left({|r\left(t\right)-E\left(r\left(t\right)\right)|}^2\right)}{E\left({\left|\mathrm{\ϵ}\left(t\right)\right|}^2\right)}\right)---\left(18\right)$

归一化的MSE定义为被信道CIR总功率归一化的预测方差，原始的预测方差见公式(7)。

在图6和图7表示几个必要仿真参数。

在本预测算法仿真中，分别考虑了下面的三种预测方式。

「自己预测」：各个子载波各自进行CFR的预测。

「同一预测」：所有子载波根据由某个子载波的MMSE处理得到的同一滤波器系数进行预测。在此，选择任意的子载波，并计算滤波器系数。

「平均预测」：根据由四条子载波进行MMSE处理得到的滤波器系数的平均的同一滤波器系数，进行所有子载波的预测。具体选择的数目仅为仿真服务，可以根据条件改变。

为了说明上的方便，在此测定1024条子载波中的256条的目标性能。在本实效性仿真中，将取样比设定为最大多普勒频率偏移的约18倍，将对象样本数设定为200，将滤波器的阶数选择为100，而且预测未来CFR的时间间隔为一个抽样间隔。

因在信道估计中没有加性噪音(addition noise)的影响，在图8仅表示作为第2个目标的归一化MSE的性能。在理想的信道估计，用于「自己预测」方式、「同一预测」方式和「平均预测」方式的256条子载波的归一化MSE的平均值各为：-24.79dB、-26.3dB和-24.87dB。根据图8和所赋予的平均值，导出「同一预测」方式具有与「自己预测」方式大致相等的预测性能，并且利用任意的4条子载波对滤波器系数进行平均的「平均预测」方式相比于自己预测获得约1.5dB的处理增益的结论。

因信道估计的性能也对信道预测的正确性予以极大的影响，所以，首先介绍用于性能仿真的信道估计方式。该信道估计算法由以下公式(19)得到。

$\hat{H}(n,k)=\frac{R(n,k)}{S(n,k)}=H(n,k)+\frac{N(n,k)}{S(n,k)}---\left(19\right)$

图9、图10和图11表示上述三种方式的预测性能。图9表示目标SNR为10dB时，图10表示目标SNR为30dB时。如图9和图10可知，加性噪音对信道预测的影响使「同一预测」方式和「平均预测」方式的预测性能都低于「自己预测」方式的性能。然而，根据图9、图10和图11可确认以下4点。

(1)随着目标SNR的上升，上述三个方式间的差距变小。其原因是加性噪音对信道预测的影响降低，使得根据实际的信道估计的预测性能接近于根据理想的信道估计的预测性能。此外，如果能够提高信道估计算法的性能，则能够使采用「同一预测」方式和「平均预测」方式的结果更佳。

(2)目标SNR越大，PG(预测增益)越低。因多普勒频率，根据理想的信道估计的预测方式在所赋予的预测状况带有一定的预测误差。仅根据不同的预测算法，所述的误差不同。就实际的信道估计状况来讲，如果目标SNR上升，实际的信道估计的预测误差接近于理想的信道估计的预测误差，PG确实降低。

(3)在目标SNR低时，可在基于OFDM的宽带系统中几乎不导致性能的降低而采用「平均预测」方式来代替「自己预测」方式。而且在目标SNR较高时，通过采用「同一预测」方式来代替「自己预测」方式，能够进一步地降低运算的复杂度。

(4)可抑制运算的复杂度。运算量主要来自滤波器系数计算。采用「同一预测」方式时，滤波器系数的计算次数仅为一次。虽然采用「平均预测」方式时的滤波器系数的计算次数为4次，尽管如此，它还是低于基于多径的时域信道预测算法的复杂度。

由上述说明可知，根据本发明，利用数量极少(远少于宽带信道环境中的最大路径数)的预测系数，能够不使精度降低而进行频域信道预测，与时域信道预测相比，能够减轻预测系数和未来信道频率响应的运算的负荷。

例如，假定为得到K次多项式的系数利用MMSE算法，并以记号O(MMSE)表示该MMSE算法的复杂度时，在本发明，预测上仅需要数量N(N代表远远小于路径数的数)的MMSE处理。另外，若分配给某个用户的子载波的数量是一般小于最大路延迟径数的数量M时，对应于该用户的运算复杂度包括由MMSE算法所引起的复杂因素N*O(MMSE)、MN复数乘法运算和MN复数加法运算。与上述时域信道预测的L*O(MMSE)、KL复数乘法运算和KL复数加法运算相比，其运算量极少。

本发明适合用于基于OFDM的宽带无线通信系统的无线通信装置中。

Claims (7)

1、一种频域信道预测方法，用于宽带无线通信系统中，其特征在于，包括以下步骤：

从n条(n代表2以上的自然数)子载波中选择1条子载波的步骤；

对选择出的子载波计算预测系数的步骤；以及

利用计算出的1个预测系数来预测所有子载波的未来信道频率响应的步骤。

2、一种频域信道预测方法，用于宽带无线通信系统中，其特征在于，包括以下步骤：

从n条子载波中选择m条(m、n代表2以上的自然数、m＜n)子载波的步骤；

对选择出的子载波分别计算预测系数的步骤；

对计算出的预测系数进行平均的步骤；以及

利用平均后的预测系数来预测所有子载波的未来信道频率响应的步骤。

3、一种频域信道预测方法，用于宽带无线通信系统中，其特征在于，包括以下步骤：

在目标SNR大于或等于规定的阈值时，从n条子载波中选择1条子载波，而在上述目标SNR小于规定的阈值时，从n条子载波中选择m条(m、n代表2以上的自然数、m＜n)子载波的步骤；

对选择出的子载波计算预测系数的步骤；

在选择出的子载波有m条时，对计算出的预测系数进行平均的步骤；以及

利用计算出的1个预测系数或平均后的预测系数来预测所有子载波的未来信道频率响应的步骤。

4、一种算出未来时域信道脉冲响应的方法，通过对由如权利要求1至3的任一项所述的频域信道预测方法预测出的未来信道频率响应进行反向离散傅立叶变换来算出未来时域信道脉冲响应。

5、一种无线通信装置，其特征在于，包括：

接收部件，用于接收来自通信对象的宽带无线信号，对其进行无线处理；

傅立叶变换部件，用于对由上述无线处理得到的基带信号进行傅立叶变换处理；

子载波选择部件，用于从上述傅立叶变换处理后的信号的n条(n代表2以上的自然数)子载波中选择1条子载波；

预测系数计算部件，用于对选择出的上述子载波计算用于信道预测的预测系数；

信道预测部件，用于利用上述预测系数来预测所有子载波的未来信道频率响应；

信道估计部件，用于通过预测出的上述未来信道频率响应对每个子载波估计信道变动来算出信道频率响应；

信道补偿部件，用于根据由上述信道估计部件得到的信道频率响应来补偿附加在各个子载波的信道变动；以及

解调部件，用于对补偿上述信道变动的各个子载波的信号进行解调处理。

6、一种无线通信装置，其特征在于，包括：

接收部件，用于接收来自通信对象的宽带无线信号，对其进行无线处理；

傅立叶变换部件，用于对由上述无线处理得到的基带信号进行傅立叶变换处理；

子载波选择部件，用于从上述傅立叶变换处理后的信号的n条子载波中选择m条(m、n代表2以上的自然数、m＜n)子载波；

预测系数计算部件，用于对选择出的上述子载波分别计算用于信道预测的预测系数；

平均部件，用于对计算出的预测系数进行平均；

信道预测部件，用于利用平均后的预测系数来预测所有子载波的未来信道频率响应；

信道估计部件，用于通过预测出的上述未来信道频率响应对每个子载波估计信道变动来算出信道频率响应；

信道补偿部件，用于根据由上述信道估计部件得到的信道频率响应来补偿附加在各个子载波的信道变动；以及

解调部件，用于对补偿上述信道变动的各个子载波的信号进行解调处理。

7、一种无线通信装置，其特征在于，包括：

接收部件，用于接收来自通信对象的宽带无线信号，对其进行无线处理；

傅立叶变换部件，用于对由上述无线处理得到的基带信号进行傅立叶变换处理；

子载波选择部件，用于在目标SNR大于或等于规定的阈值时，从上述傅立叶变换处理后的信号的n条子载波中选择1条子载波，而在上述目标SNR小于规定的阈值时，从上述傅立叶变换处理后的n条子载波中选择m条(m、n代表2以上的自然数、m＜n)子载波；

预测系数计算部件，用于对选择出的上述子载波计算用于信道预测的预测系数；

平均部件，用于在选择出的子载波有m条时，对计算出的预测系数进行平均；

信道预测部件，用于利用计算出的1个预测系数或平均后的预测系数来预测所有子载波的未来信道频率响应；

信道估计部件，用于通过预测出的上述未来信道频率响应来对每个子载波估计信道变动，来算出信道频率响应；

信道补偿部件，用于根据由上述信道估计部件得到的信道频率响应来补偿附加在各个子载波的信道变动；以及

解调部件，用于对补偿上述信道变动的各个子载波的信号进行解调处理。

Images