CN1937598A - 正交频分复用系统中的信道估计方法以及信道估计器 - Google Patents

Abstract

本发明公开了一种正交频分复用(OFDM)系统信道估计方法，包括：A.在OFDM符号中插入导频信号，并且对导频信号位置的信道进行频域信道估计，得到频域信道估计结果；B.将频域信道估计结果从频域变换到时域，得到时域信道冲激响应估计，并且对时域信道冲激响应估计的自相关矩阵进行子空间跟踪；C.计算基于子空间跟踪的信道冲激响应估计，并将该基于子空间跟踪的信道冲激响应估计变换到频域，得到频域信道响应估计。本发明还公开了一种OFDM系统中的信道估计器。应用本发明以后，可以极大地提高信道估计精度，降低复杂度，而且不需要先验统计信息，特别适合于高移动性和低信噪比(SNR)的环境中。

Description

正交频分复用系统中的信道估计方法以及信道估计器

技术领域

本发明涉及移动通信系统中的信道估计技术领域，特别是一种正交频分复用(OFDM)系统中的信道估计方法以及信道估计器。

背景技术

目前，随着移动通信系统的发展，已经为用户提供了能够支持各种新型业务的个人移动通信终端。因为这些业务需要传输大量的数据，所以移动通信系统要求更高的比特传输速率。在常规的单载波系统中，如果使用更高的比特传输速率，会因为符号间干扰(ISI)和无线信道的深度频率选择性衰落而给信号的有效接收带来困难。OFDM技术具有对抗ISI的能力，同时可以提供很高的频谱效率，因此被视为下一代无线移动通信系统最有可能采用的传输技术之一。OFDM技术已经在数字用户环路、数字音频/视频广播、无线局域网和无线城域网等诸多领域得到了广泛应用。

为了保证通信系统在无线移动信道环境中具有良好的性能，必需对时变的多径无线衰落信道进行尽可能准确的估计，而这在高速移动情况下尤为困难。可以认为，信道估计的质量对OFDM系统的性能起着关键作用。目前具有实用价值的信道估计方法一般都要借助已知的导频(pilot)信息。

一方面，根据使用准则的不同可以将基于导频的信道估计分为最小二乘(LS)估计和最小均方误差(MMSE)估计，一般来说，MMSE估计比LS估计具有更高的信道估计精度；另一方面，根据处理流程的不同可以将基于导频的信道估计分为频域估计和时域估计，一般来说，时域估计通常比频域估计具有更高的信道估计精度和更低的计算复杂度。同时，借助子空间跟踪技术可以有效分离信号和噪声，从而大幅提高信道估计的精度。

图1为现有技术中OFDM系统时域MMSE信道估计方法的流程示意图。如图1所示，该方法包括以下步骤：

步骤101：将导频信号插入到OFDM符号中；

在这里，一般由系统发射机产生信道估计所用的OFDM导频信号，并且将产生的OFDM导频信号插入OFDM符号中。而且，通常插入的导频信号为梳状导频信号。

步骤102：对导频信号的位置的信道进行频域LS信道估计；

步骤103：将步骤102中的频域LS信道估计的结果从频域变换到时域；

在这里，优选可以采用逆快速傅立叶变换(IFFT)，将频域LS信道估计的结果从频域变换到时域。

步骤104：进行时域MMSE信道估计；

步骤105：将时域MMSE信道估计变换回频域，得到完整的信道估计。

不过，在这种方法中，由于并没有对信道中的信号和噪声进行分离，即没有对信道冲激响应和噪声进行分离，因此噪声会对信号进行干扰，从而显著降低了信道估计精度。同时，在这种方法中，进行时域MMSE信道估计时需要进行矩阵求逆运算，从而复杂度非常高。

发明内容

有鉴于此，本发明的主要目的是提出一种OFDM系统中的信道估计方法，以提高信道估计精度。

本发明的另一目的是提出一种OFDM系统中的信道估计器，以提高信道估计精度。

为达到上述目的，本发明的技术方案是这样实现的：

一种OFDM系统中的信道估计方法，包括以下步骤：

A、在OFDM符号中插入导频信号，并且对所述导频信号的位置的信道进行频域信道估计，得到频域信道估计结果；

B、将所述频域信道估计结果从频域变换到时域，得到时域信道冲激响应估计，并且对所述时域信道冲激响应估计的自相关矩阵进行时域子空间跟踪；

C、计算基于所述时域子空间跟踪的时域信道冲激响应估计，并将所述时域信道冲激响应估计变换到频域，得到频域信道响应估计。

步骤A所述在OFDM符号中插入导频信号为：插入梳状导频信号或者插入块状导频信号。

步骤A所述对导频信号的位置的信道进行频域信道估计为：对所述导频信号的位置的信道进行频域LS信道估计或频域MMSE信道估计。

步骤B所述将频域信道估计结果从频域变换到时域为：通过对所述频域信道估计结果执行逆快速傅立叶变换，将所述频域信道估计结果从频域变换到时域。

步骤A所述对导频信号的位置的信道进行频域信道估计为进行频域最小二乘LS信道估计，步骤B所述对时域信道冲激响应估计的自相关矩阵进行子空间跟踪包括：

更新中间变量A(t)， $A\left(t\right)=\mathrm{\αA}(t-1)\mathrm{\Ξ}(t-1)+(1-\mathrm{\α})h_{\mathrm{LS}}\left(t\right)h_{\mathrm{LS}}^H\left(t\right)Q(t-1),$ 其中t为时间变量，α为遗忘因子，h_LS(t)为输入信号，Ξ(t-1)为相位旋转矩阵，h_LS ^H(t)为h_LS(t)的共轭转置；

对中间变量A(t)进行QR分解，A(t)＝Q(t)R(t)；

更新相位旋转矩阵Ξ(t)，Ξ(t)＝Q^H(t-1)Q(t)，其中Q^H(t-1)为Q(t-1)的共轭转置。

在步骤B进一步估计噪声功率ξ²(t)， ${\mathrm{\ξ}}^2\left(t\right)={\frac{p_x\left(t\right)-\mathrm{tr}\left(R\left(t\right)\mathrm{\Ξ}\left(t\right)\right)}{K_D-r_{\max }}}_{,}$ 其中K_D为每个OFDM符号中的导频子载波数，r_max为子空间维数的最大值，p_x(t)为数据功率， $p_x\left(t\right)=\mathrm{\α}{p}_x(t-1)+(1-\mathrm{\α})h_{\mathrm{LS}}^H\left(t\right)h_{\mathrm{LS}}\left(t\right)。$

所述α的取值范围为：0＜α＜1。

优选地，所述α的取值范围为0.995≤α≤0.999。

预先设置门限值β，在步骤B进一步选择取值大于或等于噪声功率ξ²(t)的β倍的特征值λ_r(t)，并根据所选的特征值λ_r(t)确定子空间的维数r，其中1≤r≤_rmax。

优选地，所述β的取值范围为：4≤β≤10。

步骤C所述计算基于时域子空间跟踪的时域信道冲激响应估计为：计算基于时域子空间跟踪的时域LS信道冲激响应估计；所述步骤C包括：

计算基于时域子空间跟踪的时域LS信道冲激响应估计h_LS ^ST(t)， $h_{\mathrm{LS}}^{\mathrm{ST}}\left(t\right)=Q_r\left(t\right)Q_r^H\left(t\right)h_{\mathrm{LS}}\left(t\right),$ 其中Q_r(t)为Q(t)的前r列，Q_r ^H(t)为Q_r(t)的共轭转置；

对h_LS ^ST(t)补零后进行快速傅立叶变换，得到所述频域信道响应估计。

步骤C所述计算基于时域子空间跟踪的时域信道冲激响应估计为：计算基于时域子空间跟踪的时域MMSE信道冲激响应估计；所述步骤C包括：

计算基于时域子空间跟踪的MMSE信道冲激响应估计h_MMSE ^ST(t)，其中Q_r(t)为Q(t)的前r列，λ_r(t)为R(t)对角线上的第r个元素，Q_r ^H(t)为Q_r(t)的共轭转置；

对h_MMSE ^ST(t)补零后进行快速傅立叶变换，得到所述频域信道响应估计。

一种OFDM系统中的信道估计器，包括：

导频信号位置频域信道估计单元，用于对导频信号的位置的信道进行频域信道估计，得到频域信道估计结果；

频域/时域变换单元，用于将所述频域信道估计结果从频域变换到时域，以得到时域信道冲激响应估计；

子空间跟踪单元，用于对所述时域信道冲激响应估计的自相关矩阵进行时域子空间跟踪；

基于时域子空间跟踪的估计单元，用于计算基于所述时域子空间跟踪的时域信道冲激响应估计；

时域/频域变换单元，用于将所述时域信道冲激响应估计变换到频域，得到频域信道响应估计。

所述导频位置频域信道估计单元为：导频位置频域信道LS估计单元或导频位置频域信道MMSE估计单元。

所述信道估计器进一步包括噪声功率估计单元和子空间维数确定单元；

噪声功率估计单元，用于对时域的噪声功率进行估计，

子空间维数确定单元，用于确定所述子空间跟踪中用于信道估计的子空间的维数，

所述基于时域子空间跟踪的估计单元基于所述子空间跟踪、所述噪声功率和所述子空间的维数来计算信道冲激响应估计。

所述基于时域子空间跟踪的估计单元为：基于时域子空间跟踪的LS估计单元或基于时域子空间跟踪的MMSE估计单元。

所述的OFDM系统为单天线OFDM系统或者多天线OFDM系统。

从以上的技术方案中可以看出，在本发明的OFDM系统信道估计方法中，将频域信道估计结果从频域变换到时域，得到时域信道冲激响应估计，并且对时域信道冲激响应估计的自相关矩阵进行子空间跟踪，因此本发明是基于子空间跟踪来计算信道冲激响应，从而将信号和噪声进行了分离，显著降低了噪声对信号的干扰，从而极大地提高了信道估计精度。另外，在本发明中，能够具体结合应用MMSE信道估计，从而进一步提高了信道估计精度，并且进行时域MMSE信道估计时不需要进行矩阵求逆运算，从而极大地降低了复杂度。另外，应用本发明能够不需要先验统计信息，而且对时变信道进行了跟踪。再有，本发明的适用范围广泛，既可以适用于单天线的OFDM系统，也适用于多天线的OFDM系统。

同时，在本发明中所提出的OFDM系统信道器中，子空间跟踪单元对时域信道估计的自相关矩阵进行子空间跟踪；基于时域子空间跟踪的估计单元基于子空间跟踪来计算信道冲激响应，同样实现了将信号和噪声进行了分离，因此显著降低了噪声对信号的干扰，从而极大地提高了信道估计精度。并且，基于时域子空间跟踪的估计单元优选基于子空间跟踪、噪声估计和子空间的维数应用MMSE信道估计来计算信道冲激响应，从而进一步提高了信道估计精度，并且应用本发明的信道估计器进行时域MMSE信道估计时不需要进行矩阵求逆运算，从而极大地降低了复杂度。

附图说明

图1为现有技术中OFDM系统时域MMSE信道估计方法的流程示意图。

图2为本发明OFDM系统中时域信道估计方法的流程示意图。

图3为根据本发明一实施例的OFDM系统中的信道估计器。

图4为根据本发明另一实施例的OFDM系统中的信道估计器。

图5为应用本发明和应用现有技术的仿真对比图。

具体实施方式

为使本发明的目的、技术方案和优点表达得更加清楚明白，下面结合附图及具体实施例对本发明再作进一步详细的说明。

本发明的信道估计方法基于时域子空间跟踪。图2为本发明OFDM系统时域信道估计方法的流程示意图。

如图2所示，包括以下步骤：

步骤201：在OFDM符号中插入导频信号，并且对导频信号的位置的信道进行频域信道估计；

在这里，一般由系统发射机产生信道估计所用的OFDM导频信号，并且将产生的OFDM导频信号插入OFDM符号中。其中，插入的导频信号可以是梳状导频信号，也可以是块状导频信号。为了对快速时变的无线衰落信道进行有效跟踪，优选插入导频图案为等间隔的梳状导频信号。如果采用插入块状导频，则需要在接收端中添加判决反馈模块以实现对时变信道的跟踪。另外，此处对导频信号的位置的信道进行频域信道估计可以为LS信道估计，也可以是MMSE信道估计，并且优选采用LS信道估计。

步骤202：将频域信道估计结果从频域变换到时域，得到时域信道冲激响应估计，并且对时域信道冲激响应估计的自相关矩阵进行子空间跟踪；

在这里，优选可以通过对频域信道估计执行IFFT变换而将所述频域信道估计结果从频域变换到时域。不过，本领域技术人员可以意识到，将频域信道估计结果从频域变换到时域的方式并不局限于IFFT变换。另外，对时域信道冲激响应估计的自相关矩阵进行子空间跟踪包括：更新中间变量；对中间变量进行QR分解；以及更新相位旋转矩阵。优选地，在进行子空间跟踪的同时，进一步估计噪声功率。

步骤203：计算基于子空间跟踪的信道冲激响应估计，将基于子空间跟踪的信道冲激响应估计变换到频域，得到频域信道响应估计。

在这里，基于时域子空间跟踪和噪声功率估计的结果，选取用于信道估计的特征向量和特征值，然后可以分别计算基于时域子空间跟踪的LS估计或者基于时域子空间跟踪的MMSE估计。由于通常情况下MMSE估计的精度较佳，此处优选使用MMSE估计。而且，可以对得到的LS估计和MMSE估计分别补零后进行FFT变换，以得到完整的频域信道响应估计。为了有效的去除噪声，优选进一步动态地确定子空间的维数，只有满足大于或等于一定倍数的噪声功率的特征值及与之对应的特征向量，才能作为被用于信道估计的特征值和特征向量。

另外，本发明所提出的信道估计方法，不仅仅适应于单天线的OFDM系统，对于多输入多输出OFDM(MIMO-OFDM)系统也同样适用。对于MIMO-OFDM系统，为不同的发射天线分配正交导频信号即可。

下面对本发明方法的算法原理进行详细说明。

首先定义符号：

K表示OFDM符号的子载波数；K_D表示每个OFDM符号中的导频子载波数；L表示最大多径时延对应的样点数(通常小于等于循环前缀的长度)；t为时间变量。

可以意识到：在进行系统设计时，由频域采样定理可知需要保证K_D≥L。

H(t)＝[H(t，1)…H(t，K)]^T，其表示时刻t时的频域信道响应矢量；

h(t)＝[h(t，1)…h(t，K_D)]^T，其表示时刻t时的时域信道冲激响应矢量；

为DFT矩阵，其中 $W_K=e^{-j\frac{2\mathrm{\π}}{K}};$

$M=\left[\begin{array}{c}{I}_{K_D}\\ 0_{(K-K_D)\×K_D}\end{array}\right]$ 表示映射矩阵；

Y(t)＝[Y(t，1)…Y(t，K)]^T，其表示时刻t时的接收信号；

N(t)＝[N(t，1)…N(t，K)]^T，其表示时刻t时的加性白高斯噪声；

其表示时刻t时的发送信号；

将导频信号位置的相应变量分别表示为

和

那么有如下关系：

$\stackrel{\‾}{Y}\left(t\right)=\stackrel{\‾}{X}\left(t\right)\stackrel{\‾}{H}\left(t\right)+\stackrel{\‾}{N}\left(t\right)$

首先对导频信号位置进行频域信道估计，在这里，优选为LS估计，那么可以得到：

${\stackrel{\‾}{H}}_{\mathrm{LS}}\left(t\right)={\stackrel{\‾}{X}}^{-1}\left(t\right)\stackrel{\‾}{Y}\left(t\right)=\stackrel{\‾}{H}\left(t\right)+{\stackrel{\‾}{X}}^{-1}\left(t\right)\stackrel{\‾}{N}\left(t\right)$

此时，对

进行K_D点IFFT变换可得时域信道冲激响应的LS估计为：

$h_{\mathrm{LS}}\left(t\right)=\left(\frac{1}{K_D}{F}_{K_D}^H\right){\stackrel{\‾}{H}}_{\mathrm{LS}}\left(t\right)$

使用h_LS(t)作为输入信号，对h_LS(t)的自相关矩阵R_hLS(t)hLS(t)进行子空间跟踪：

其中，初始化(t＝0)；r_max为子空间维数的最大值；

$Q\left(0\right)={\left[\begin{array}{c}{I}_{r_{\max }}\\ ---\\ 0_{(K_D-r_{\max })\×r_{\max }}\end{array}\right]}_{K_D\×r_{\max }}$ 为归一化正交阵； $\mathrm{\Ξ}\left(0\right)={I_r}_{\mathrm{max,}}$ 其为相位旋转矩阵；

α为遗忘因子； $A\left(0\right)=0_{K_D}\×r_{\max }$ 为中间变量；

子空间跟踪(t＝1，2，...)：

更新A(t)，得到： $A\left(t\right)=\mathrm{\αA}(t-1)\mathrm{\Ξ}(t-1)+(1-\mathrm{\α})h_{\mathrm{LS}}\left(t\right)h_{\mathrm{LS}}^H\left(t\right)Q(t-1),$ 其中h_LS ^H(t)为h_LS(t)的共轭转置；

对A(t)进行QR分解，得到：A(t)＝Q(t)R(t)；

更新Ξ(t)，得到：Ξ(t)＝Q^H(t-1)Q(t)，其中Q^H(t-1)为Q(t-1)的共轭转置；

随着算法的逐渐收敛，Q(t)就会趋近于R_hLS(t)hLS(t)的特征向量矩阵，而R(t)则会趋近于R_hLS(t)hLS(t)的特征值对角阵diag(λ₁(t)，...λ_rmax(t))

优选在进行子空间跟踪的同时，还要估计噪声功率ξ²(t)：

${\mathrm{\ξ}}^2\left(t\right)={\frac{p_x\left(t\right)-\mathrm{tr}\left(R\left(t\right)\mathrm{\Ξ}\left(t\right)\right)}{K_D-r_{\max }}}_{;}$

其中p_x(t)是数据功率：

$p_x\left(t\right)=\mathrm{\α}{p}_x(t-1)+(1-\mathrm{\α})h_{\mathrm{LS}}^H\left(t\right)h_{\mathrm{LS}}\left(t\right)$

另一方面，在进行基于时域子空间跟踪的信道估计时，为了有效的去除噪声，需要动态确定子空间的维数r，只有满足如下关系的特征值及与之对应的特征向量才会被用于信道估计，也就是要求：

λ_r(t)≥β·ξ²(t)，其中1≤r≤r_max

其中，在具体实施过程中，需要人为设定的参数主要是遗忘因子α和门限值β。通过仿真可知，这两个参数的选取对信道环境并不敏感，只需要满足一定的范围即可。通常，0＜α＜1。为了达到比较理想的信道估计性能，优选地，0.995≤α≤0.999，4≤β≤10。

基于上述时域子空间跟踪和噪声功率估计的结果，就可以选取用于信道估计的特征向量矩阵Q_r(t)和特征值对角阵R_r(t)，其中Q_r(t)是Q(t)的前r列，R_r(t)只包含R(t)左上角的r×r维元素。

于是，可以分别计算基于时域子空间跟踪的LS估计h_LS ^ST(t)和MMSE估计h_MMSE ^ST(t)，其中：

如果执行LS估计，那么可以得到LS估计h_LS ^ST(t)为：

$h_{\mathrm{LS}}^{\mathrm{ST}}\left(t\right)=Q_r\left(t\right)Q_r^H\left(t\right)h_{\mathrm{LS}}\left(t\right);$

如果执行MMSE估计，那么可以得到MMSE估计h_MMSE ^ST(t)为：

对h_LS ^ST(t)和h_MMSE ^ST(t)补零后进行K点的FFT变换，即可分别得到完整的频域信道响应估计H_LS ^ST(t)和H_MMSE ^ST(t)。

如果执行LS估计，那么 $H_{\mathrm{LS}}^{\mathrm{ST}}\left(t\right)=F_{K}M{h}_{\mathrm{LS}}^{\mathrm{ST}}\left(t\right);$

如果执行MMSE估计，那么 $H_{\mathrm{MMSE}}^{\mathrm{ST}}\left(t\right)=F_{K}M{h}_{\mathrm{MMSE}}^{\mathrm{ST}}\left(t\right)$

需要说明的是：在算法具体实现时，考虑到无线信道的功率延迟谱通常满足指数衰减的特性，这意味着h_LS(t)中位置靠后的样点主要由噪声构成，所以在时域对R_hLS(t)hLS(t)进行子空间跟踪时，可以不使用完整的h_LS(t)，而通常只需使用h_LS(t)的前面若干样点即可。其中取舍的具体比例可以视信道环境而定，通常只需使用h_LS(t)的前半部分即可。这样不仅可以提高信道估计精度，而且可以降低计算复杂度。

至此对本发明的算法原理进行了详细说明。

图3为根据本发明一实施例的OFDM系统中的信道估计器。如图3所示，该信道估计器包括：导频位置频域信道LS估计单元301，用于对导频位置的信道进行频域LS信道估计；频域/时域转换单元302，用于将频域LS信道估计变换到时域；子空间跟踪单元303，用于对时域信道LS估计的自相关矩阵进行子空间跟踪；噪声功率估计单元304，用于对时域的噪声功率进行估计；维数确定单元306，用于确定所述子空间跟踪中用于信道估计的子空间的维数；基于时域子空间跟踪的MMSE估计单元305，用于基于所述子空间跟踪、所述子空间的维数和所述噪声功率来计算MMSE估计；时域/频域转换单元307，用于将所述MMSE估计变换到频域，得到频域信道响应估计。

其中，在对信道估计精度的要求不是很高的情况下，为了简化信道估计器的结构，可以省去噪声功率估计单元304和维数确定单元306。此时该基于时域子空间跟踪的MMSE估计单元305只是基于子空间跟踪来计算MMSE估计。并且，频域/时域转换单元302优选为IFFT单元，时域/频域转换单元307优选为FFT单元。

图4为根据本发明另一实施例的OFDM系统中的信道估计器。如图4所示，该信道估计器包括：导频位置频域信道LS估计单元401，用于对导频位置的信道进行频域LS信道估计；频域/时域转换单元402，用于将频域LS信道估计变换到时域；子空间跟踪单元403，用于对时域信道LS估计的自相关矩阵进行子空间跟踪；噪声功率估计单元404，用于对时域的噪声功率进行估计；维数确定单元406，用于确定所述子空间跟踪中用于信道估计的子空间的维数；基于时域子空间跟踪的LS估计单元405，用于基于所述子空间跟踪、所述子空间的维数和所述噪声功率来计算LS估计；时域/频域转换单元407，用于将所述LS估计变换到频域，得到频域信道响应估计。

其中，在对信道估计精度的要求不是很高的情况下，为了简化信道估计器的结构，可以省去噪声功率估计单元404和维数确定单元406，此时基于时域子空间跟踪的LS估计单元405只是基于子空间跟踪来计算LS估计。同时，频域/时域转换单元402优选为IFFT单元，时域/频域转换单元407优选为FFT单元。

综上所述，本发明是基于时域子空间跟踪来执行信道估计，将信号和噪声进行了分离，因此显著降低了噪声对信号的干扰，从而极大地提高了信道估计精度。另外，在本发明中，优选应用基于时域子空间跟踪的MMSE算法来进行估计，以进一步提高信道估计精度。

图5为应用本发明和现有技术的仿真对比图。其中曲线1、2、3分别为应用现有技术中的LS信道估计方法、MMSE信道估计方法、LS和频域子空间跟踪相结合的方法所得到的信道估计器的性能曲线图，曲线4为根据本发明方法的信道估计器的性能曲线图。由图5可知，与各种现有技术相比，信道估计的精度得到了显著的改进，而且计算的复杂性也可以得到降低。因此，将本发明应用到高移动性和低SNR的环境中是非常有利的。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (17)

1、一种正交频分复用OFDM系统中的信道估计方法，其特征在于，包括以下步骤：

A、在OFDM符号中插入导频信号，并且对所述导频信号的位置的信道进行频域信道估计，得到频域信道估计结果；

B、将所述频域信道估计结果从频域变换到时域，得到时域信道冲激响应估计，并且对所述时域信道冲激响应估计的自相关矩阵进行时域子空间跟踪；

C、计算基于所述时域子空间跟踪的时域信道冲激响应估计，并将所述时域信道冲激响应估计变换到频域，得到频域信道响应估计。

2、根据权利要求1所述的方法，其特征在于，步骤A所述在OFDM符号中插入导频信号为：插入梳状导频信号或者插入块状导频信号。

3、根据权利要求1所述的方法，其特征在于，步骤A所述对导频信号的位置的信道进行频域信道估计为：对所述导频信号的位置的信道进行频域最小二乘LS信道估计或频域最小均方误差MMSE信道估计。

4、根据权利要求1所述的方法，其特征在于，步骤B所述将频域信道估计结果从频域变换到时域为：通过对所述频域信道估计结果执行逆快速傅立叶变换，将所述频域信道估计结果从频域变换到时域。

5、根据权利要求1所述的方法，其特征在于，步骤A所述对导频信号的位置的信道进行频域信道估计为进行频域最小二乘LS信道估计，步骤B所述对时域信道冲激响应估计的自相关矩阵进行子空间跟踪包括：

更新中间变量A(t)， $A\left(t\right)=\mathrm{\αA}(t-1)\mathrm{\Ξ}(t-1)+(1-\mathrm{\α})h_{\mathrm{LS}}\left(t\right)h_{\mathrm{LS}}^H\left(t\right)Q(t-1)$ ，其中t为时间变量，α为遗忘因子，h_LS(t)为输入信号，Ξ(t-1)为相位旋转矩阵，h_LS ^H(t)为h_LS(t)的共轭转置；

对中间变量A(t)进行QR分解，A(t)＝Q(t)R(t)；

更新相位旋转矩阵Ξ(t)，Ξ(t)＝Q^H(t-1)Q(t)，其中Q^H(t-1)为Q(t-1)的共轭转置。

6、根据权利要求5所述的方法，其特征在于，在步骤B进一步估计噪声功率ξ²(t)， ${\mathrm{\ξ}}^2\left(t\right)=\frac{p_x\left(t\right)-\mathrm{tr}\left(R\right(t\left)\mathrm{\Ξ}\right(t\left)\right)}{K_D-r_{\max }}$ 其中K_D为每个OFDM符号中的导频子载波数，r_max为子空间维数的最大值，p_x(t)为数据功率，

$p_x\left(t\right)=\mathrm{\α}{p}_x(t-1)+(1-\mathrm{\α})h_{\mathrm{LS}}^H\left(t\right)h_{\mathrm{LS}}\left(t\right).$

7、根据权利要求6所述的方法，其特征在于，所述α的取值范围为：0＜α＜1。

8、根据权利要求7所述的方法，其特征在于，所述α的取值范围为：0.995≤α≤0.999。

9、根据权利要求5所述的方法，其特征在于，预先设置门限值β，在步骤B进一步选择取值大于或等于噪声功率ξ²(t)的β倍的特征值λ_r(t)，并根据所选的特征值λ_r(t)确定子空间的维数r，其中1≤r≤r_max。

10、根据权利要求9所述的方法，其特征在于，所述β的取值范围为：4≤β≤10。

11、根据权利要求9所述的方法，其特征在于，步骤C所述计算基于时域子空间跟踪的时域信道冲激响应估计为：计算基于时域子空间跟踪的时域LS信道冲激响应估计；所述步骤C包括：

计算基于时域子空间跟踪的时域LS信道冲激响应估计h_LS ^ST(t)， $h_{\mathrm{LS}}^{\mathrm{ST}}\left(t\right)=Q_r\left(t\right)Q_r^H\left(t\right)h_{\mathrm{LS}}\left(t\right)$ ，其中Q_r(t)为Q(t)的前r列，Q_r ^H(t)为Q_r(t)的共轭转置；对h_LS ^ST(t)补零后进行快速傅立叶变换，得到所述频域信道响应估计。

12、根据权利要求9所述的方法，其特征在于，步骤C所述计算基于时域子空间跟踪的时域信道冲激响应估计为：计算基于时域子空间跟踪的时域MMSE信道冲激响应估计；所述步骤C包括：

计算基于时域子空间跟踪的MMSE信道冲激响应估计h_MMSE ^ST(t)，其中Q_r(t)为Q(t)的前r列，λ_r(t)为R(t)对角线上的第r个元素，Q_r ^H(t)为Q_r(t)的共轭转置；对h_MMSE ^ST(t)补零后进行快速傅立叶变换，得到所述频域信道响应估计。

13、一种OFDM系统中的信道估计器，其特征在于，包括：

导频信号位置频域信道估计单元，用于对导频信号的位置的信道进行频域信道估计，得到频域信道估计结果；

频域/时域变换单元，用于将所述频域信道估计结果从频域变换到时域，以得到时域信道冲激响应估计；

子空间跟踪单元，用于对所述时域信道冲激响应估计的自相关矩阵进行时域子空间跟踪；

基于时域子空间跟踪的估计单元，用于计算基于所述时域子空间跟踪的时域信道冲激响应估计；

时域/频域变换单元，用于将所述时域信道冲激响应估计变换到频域，得到频域信道响应估计。

14、根据权利要求13所述的OFDM系统中的信道估计器，其特征在于，所述导频位置频域信道估计单元为：导频位置频域信道LS估计单元或导频位置频域信道MMSE估计单元。

15、根据权利要求13所述的OFDM系统中的信道估计器，其特征在于，所述信道估计器进一步包括噪声功率估计单元和子空间维数确定单元；

噪声功率估计单元，用于对时域的噪声功率进行估计，

子空间维数确定单元，用于确定所述子空间跟踪中用于信道估计的子空间的维数，

所述基于时域子空间跟踪的估计单元基于所述子空间跟踪、所述噪声功率和所述子空间的维数来计算信道冲激响应估计。

16、根据权利要求13所述的OFDM系统中的信道估计器，其特征在于，所述基于时域子空间跟踪的估计单元为：基于时域子空间跟踪的LS估计单元或基于时域子空间跟踪的MMSE估计单元。

17、根据权利要求13所述的OFDM系统中的信道估计器，其特征在于，所述的OFDM系统为单天线OFDM系统或者多天线OFDM系统。

Images