DE102015107080B3 - Verfahren und Vorrichtungen zur Kanalschätzung für Mobilsysteme ungenügender zyklischer Präfixlänge - Google Patents

Abstract

Ein Verfahren zum Schätzen eines Kanals für Mobilsysteme mit ungenügender zyklischer Präfixlänge, wobei der Kanal eine Vielzahl von Mehrwegekomponenten

Description

• TECHNISCHES GEBIET
• Die vorliegende Offenbarung betrifft allgemein Verfahren und Vorrichtungen zur Kanalschätzung für Mobilsysteme ungenügender zyklischer Präfixlänge. Insbesondere betreffen Aspekte der vorliegenden Offenbarung Verfahren und Vorrichtungen zum Schätzen eines Kanals basierend auf einem Empfangssignal umfassend Beiträge eines während einer Vielzahl von Übertragungszeitintervallen übertragenen Sendesignals auf Unterträgern bekannter Piloten und Unterträgern unbekannter Daten.
• HINTERGRUND
• In vielen Außenszenarios weist der drahtlose Mehrwegekanal Mehrwegekomponenten auf, deren Laufzeiten länger als der in Mehrträgersystemen wie beispielsweise orthogonalem Frequenzmultiplex (OFDM – Orthogonal Frequency Division Multiplexing) benutzte zyklische Präfix (CP – Cyclic Prefix) sind. Das vorerwähnte System kann als „ungenügendes CP-System” bezeichnet werden. Bei ungenügenden CP Systemen führen die Mehrwegekomponenten mit längeren Laufzeiten als der CP zu zwei Arten von Störung, nämlich Intersymbol-Störung (ISI – Inter-Symbol Interference) und Interträger-Störung (ICI – Inter-Carrier Interference). Das bedeutet, dass die Abtastwerte des aktuellen Symbols durch Abtastwerte des vorhergehenden Symbols gestört werden (ISI), aber sie auch Selbststörung aufweisen, d. h. jeder Unterträger streut Leistung auf die benachbarten Unterträger (ICI).
• In klassischen pilotbasierten (PB) Kanalschätzern bleiben ISI und ICI unberücksichtigt, was im Ergebnis die Güte der berechneten Schätzungen stark beeinflusst.
• Dies bewirkt eine allgemeine Verschlechterung der Leistung des Empfängers. Durch Daten unterstützte iterative Algorithmen, die die Kanal- und Datenschätzungen sequentiell verfeinern und die ISI und ICI auslöschen, erreichen annähernd optimale Leistung. Solche Verfahren leiden jedoch an hohem Rechenaufwand.
• In LTE-OFDM-Systemen, die über Kanäle mit größerer maximaler Zusatzlaufzeit (MED – Maximum Excess Delay) als die CP-Dauer arbeiten, wird die Empfängerleistung durch ISI und ICI verschlechtert. Klassische PB-Kanalschätzer berücksichtigen nicht die in solchen Szenarios entstehende Störung und berechnen daher schlechte Kanalschätzungen. Sobald diese Schätzungen in den Entzerrer- und Decodierblock eingespeist werden, behindern sie die BER-Leistung des Empfängers. Mit ihrem geringen Aufwand und guter Leistung in Szenarios mit kürzerer Kanal-MED als CP-Dauer werden PB-Schätzer gewöhnlich in der Auslegung des LTE-Empfängers bevorzugt.
• Die Druckschrift BARBU, O.-E. [u. a.]: Sparse Channel Estimation Including the Impact of the Transceiver Filters with Application to OFDM. In: IEEE 15^th International Workshop an Signal Processing Advances in Wireless Communications (SPAWC), 22–25 June 2014, pp. 424–428 offenbart ein Verfahren zur Kanalschätzung basierend auf einem ”sparse Bayesian learning”-Verfahren. Da dort kein Mobilsystem mit ungenügender zyklischer Präfixlänge betrachtet wird, basiert die Schätzung der Mehrwegekomponenten nicht auf einer Vielzahl erster Beiträge des Sendesignals, die während benachbarter Übertragungszeitintervalle im Sinne der vorliegenden Anmeldung übertragen werden.
• Die Druckschrift NISAR, M. D. [u. a.]: On Channel Estimation and Equalization of OFDM Systems with Insufficient Cyclic Prefix. In: IEEE 65^th Vehicular Technology Conference (VTC2007-Spring), 22–25 April 2007, pp. 1445–1449 offenbart ein Verfahren zur Kanalschätzung für Mobilsysteme mit ungenügender zyklischer Präfixlänge. Dort basiert die Schätzung der Mehrwegekomponenten nicht auf einem probabilistischen Verhältnis oder auf statistischen Eigenschaften der ersten Beiträge des Sendesignals.
• Es kann wünschenswert sein, Kanalschätzung in Mobilsystemen mit ungenügender CP-Länge zu verbessern, ohne den Rechenaufwand bedeutsam zu erhöhen.
• KURZE BESCHREIBUNG DER ZEICHNUNGEN
• Die begleitenden Zeichnungen sind zum Bereitstellen eines weiteren Verständnisses von Aspekten beigefügt und sind in der vorliegenden Beschreibung aufgenommen und bilden einen Teil derselben. Die Zeichnungen stellen Aspekte dar und dienen zusammen mit der Beschreibung zum Erläutern von Grundsätzen von Aspekten. Weitere Aspekte und viele der beabsichtigten Vorteile von Aspekten werden leicht erkannt werden, so wie sie durch Bezugnahme auf die nachfolgende ausführliche Beschreibung besser verstanden werden.
• Gleiche Bezugsziffern bezeichnen entsprechende gleichartige Teile.
• 1 ist ein schematisches Diagramm eines drahtlosen Systems 100 mit einer Basisstation 110 und einer Mobilstation 120, wobei die Mobilstation 120 Verfahren zur Kanalschätzung anwendet.
• 2 ist ein schematisches Diagramm eines Verfahrens 200 zum Schätzen eines Kanals für Mobilsysteme mit ungenügender CP-Länge gemäß der Offenbarung.
• 3 ist ein schematisches Diagramm einer Kanalschätzungsvorrichtung 400 gemäß der Offenbarung.
• 4 ist ein schematisches Diagramm eines Verfahrens 500 zum Schätzen eines Kanals für Mobilsysteme mit ungenügender CP-Länge basierend auf einer alphabetischen Matrix (dictionary matrix) gemäß der Offenbarung.
• 5 ist ein schematisches Diagramm eines Kanalschätzungsalgorithmus 600 gemäß der Offenbarung.
• 6 sind Leistungsdiagramme von Rauschpräzision 700a und mittlerem Fehlerquadrat 700b für das Verfahren 200 des Schätzens eines Kanals wie in 2 gemäß der Offenbarung gezeigt.
• BESCHREIBUNG
• In der nachfolgenden ausführlichen Beschreibung wird auf die beiliegenden Zeichnungen Bezug genommen, die einen Teil derselben bilden und in denen zur Erläuterung bestimmte Aspekte gezeigt werden, in denen die Offenbarung ausgeübt werden kann. Es versteht sich, dass andere Aspekte genutzt werden können und strukturmäßige oder logische Änderungen ausgeführt werden können, ohne aus dem Umfang der vorliegenden Offenbarung zu weichen. Die nachfolgende ausführliche Beschreibung soll daher nicht in einem begrenzenden Sinn aufgenommen werden und der Umfang der vorliegenden Offenbarung wird durch die beiliegenden Ansprüche definiert.
• Es werden hier die folgenden Begriffe, Abkürzungen und Bezeichnungen benutzt:

OFDM:

Orthogonal Frequency Division Multiplex – Orthogonaler Frequenzmultiplex

LTE:

Long Term Evolution – Langzeitentwicklung

CRS:

Cell-specific Reference Signal – zellenspezifisches Bezugssignal

TX:

Transmit – Senden

RX:

Receive – Empfangen

CP:

Cyclic Prefix – zyklischer Präfix

SNR:

Signal to Noise Ratio – Signal-Rausch-Verhältnis

MSE:

Mean Squared Error – mittleres Fehlerquadrat

MMSE:

Minimum Mean Square Error – minimales mittleres Fehlerquadrat

MF:

Mean Field – mittleres Feld

MFBP:

Mean Field Belief Propagation – Vertrauensfortpflanzung mittleres Feld

BER:

Bit Error Rate – Bitfehlerrate

CIR:

Channel Impulse Response – Kanal-Impulsantwort

CFR:

Channel Frequency Response – Kanal-Frequenzantwort

ISI:

Inter-Symbol Interference – Intersymbol-Störung

ICI:

Inter-Carrier Interference – Interträger-Störung

AWGN:

Additive White Gaussian Noise – additives Gaußsches Rauschen

RF:

Radio Frequency – Hochfrequenz

UE:

User Equipment – Benutzereinrichtung

LLR:

Logarithmic Likelihood Ratio – logarithmisches Wahrscheinlichkeitsverhältnis

pdf:

probability density function – Wahrscheinlichkeitsdichtefunktion

MED:

maximum excess delay – maximale Zusatzlaufzeit

PB:

pilot-based – pilotbasiert

• Die hier beschriebenen Verfahren und Vorrichtungen können auf Kanalschätzung basieren, insbesondere Kanalschätzung drahtloser Mehrwegekanäle mit Mehrwegekomponenten, deren Laufzeiten länger als der zyklische Präfix sind. Es versteht sich, dass in Verbindung mit einem beschriebenen Verfahren getroffene Bemerkungen auch für eine entsprechende Vorrichtung gelten können, die eingerichtet ist, das Verfahren durchzuführen, und umgekehrt. Wenn beispielsweise ein bestimmter Verfahrensschritt beschrieben wird, kann eine entsprechende Vorrichtung eine Einheit zum Durchführen des beschriebenen Verfahrensschritts enthalten, selbst wenn eine solche Einheit nicht ausdrücklich beschrieben oder in den Figuren dargestellt ist. Weiterhin versteht es sich, dass die Merkmale der verschiedenen hier beschriebenen beispielhaften Aspekte miteinander kombiniert werden können, sofern nicht ausdrücklich etwas anderes angegeben ist.
• Die hier beschriebenen Verfahren und Vorrichtungen können in drahtlosen Kommunikationsnetzen ausgeführt sein, insbesondere Kommunikationsnetzen basierend auf 3G, 4G, 5G und CDMA-Normen. Die unten beschriebenen Verfahren und Vorrichtungen können weiterhin in einer Basisstation (NodeB, eNodeB) oder einer Mobilvorrichtung (oder Mobilstation oder Benutzereinrichtung (UE – User Equipment)) ausgeführt sein. Die beschriebenen Vorrichtungen können integrierte Schaltungen und/oder passive Elemente umfassen und können nach verschiedenen Techniken hergestellt sein. Beispielsweise können die Schaltungen als logische integrierte Schaltungen, analoge integrierte Schaltungen, integrierte Mischsignalschaltungen, Speicherschaltungen und/oder integrierte passive Elemente ausgelegt sein.
• Die hier beschriebenen Verfahren und Vorrichtungen können zum Senden und/oder Empfangen von Funksignalen eingerichtet sein. Funksignale können durch eine Funksendevorrichtung (oder einen Funksender oder Sender) ausgestrahlte Hochfrequenzsignale sein oder umfassen mit einer im Bereich von rund 3 Hz bis rund 300 GHz liegenden Hochfrequenz. Der Frequenzbereich kann zum Erzeugen und Erkennen von Funkwellen benutzten Frequenzen von elektrischen Wechselstromsignalen entsprechen.
• 1 zeigt ein drahtloses System 100 mit einer Basisstation 110 und einer Mobilstation 120, wobei die Mobilstation 120 Verfahren zur Kanalschätzung wie im Folgenden beschrieben anwendet. Der Mehrwegekanal, über den sich eine Funkwelle von einer Basisstation 110 zu einer Mobilstation 120 ausbreitet, kann als den ursprünglichen (Sichtlinien-)Wellenimpuls 101 durch eine Anzahl von Mehrwegekomponenten 101, 102, 103 aufgrund von Hindernissen 112, 113 übertragen betrachtet werden. Mehrwegekomponenten sind verzögerte Kopien der ursprünglichen, durch einen unterschiedlichen Echoweg laufenden übertragenen Welle, die jeweils eine andere Größe, Phase und Ankunftszeit am Empfänger aufweisen. Da jede Komponente die ursprüngliche Information enthält, kann, wenn die Größe, Phase und Ankunftszeit (Phase) jeder Komponente am Empfänger durch eine Kanalschätzung genanntes Verfahren berechnet werden, alle Komponenten kohärent zusammenaddiert werden, um die Informationsverlässlichkeit zu verbessern. Das Paar von Größe und Phase kann als komplexe Gewichte bezeichnet werden. Die Laufzeit von, zum Beispiel, der dritten Mehrwegekomponente 103 gezeigt in 1 kann länger als der zur Signalübertragung benutzte zyklische Präfix sein. Wenn die Mobilstation 120 Techniken zur Kanalschätzung wie hier beschrieben ausführt, können ISI und ICI erkannt werden und die Mobilstation 120 kann den Kanal genau schätzen.
• Die hier beschriebenen Verfahren und Vorrichtungen können in zyklischen Präfix anwendenden Mehrträgersystemen und in CP verwendenden drahtlosen Kommunikations-OFDM-Systemen ausgeführt werden. In einem drahtlosen Kommunikations-OFDM-System können die übertragenen OFDM-Symbole durch gleichzeitige Datenübertragung über einen Satz orthogonaler Unterträger erzeugt werden. Die OFDM-Symbole können dann über den drahtlosen Kanal gesendet werden, dessen Mehrwegebeschaffenheit bestimmt, dass mehrere Kopien des gleichen Symbols verzögert am Empfänger ankommen. Dadurch wird bestimmt, dass die vorhergehenden Symbole die gegenwärtigen stören, d. h. Intersymbol-Störung (ISI) veranlassen, zerstört aber auch die Orthogonalität zwischen Unterträgern des aktuellen OFDM-Symbols, d. h. erzeugt Interträger-Störung (ICI – Inter-Carrier Interference).
• Zum Vermeiden von ISI und ICI bei Übertragung kann dem OFDM-Symbol ein zyklischer Präfix (CP) vorangestellt werden, der aus einer Kopie seiner letzten Abtastwerte bestehen kann und dessen Länge wenigstens so lang wie die maximale Zusatzlaufzeit des Kanals sein sollte. Ein langer CP schützt vor ISI/ICI in einem weitläufigen Bereich von Szenarios, wo die Kanäle implizit einen weiten Bereich maximaler Zusatzlaufzeit aufweisen, geht aber zu Lasten eines verringerten spektralen Wirkungsgrades. Lange Kanäle sind das Ergebnis der Heterogenitäten in der Ausbreitungsumgebung, z. B. Hügel, Berge, große Wassermengen oder Wolkenkratzer in den Stadtbereichen. Wählen einer zutreffenden Länge für den CP ist daher stets ein Kompromiss. Im Ergebnis gibt es Situationen, in den der CP kürzer als die maximale Zusatzlaufzeit des Kanals ist. In diesem Fall wird durch sowohl ISI als auch ICI die Leistung des Empfängers abgewertet, der sich ansonsten nicht dieser Phänomene bewusst ist. Die Abwertung ist das kombinierte Ergebnis von zwei verschiedenen Wirkungen, d. h. pilotbasierte Kanalschätzungsfehler und durch ISI/ICI behinderte Entzerrung. Die Ursachen der pilotbasierten Kanalschätzungsfehler sind zweifach. Einerseits ist in einem ungenügenden CP-OFDM-System die von Piloten bereitgestellte Auflösung ungenügend für einen Schätzer zum genauen Auflösen der Kanalantwort. Da anderseits die Kanalschätzer annehmen, dass keine Leistungsstreuung zwischen benachbarten Unterträgern besteht, nutzen sie ein vorgespanntes Signalmodell, in dem der Vektor der übertragenen Symbole durch eine diagonale Kanalmatrix moduliert ist. Die Entzerrung wird aufgrund der Verwendung des fehlangepassten Signalmodells und der durch den Kanalschätzungsblock vor Entzerrung aufgelösten ungenauen Kanalschätzung vorgespannt.
• 2 ist ein schematisches Diagramm eines Verfahrens 200 zum Schätzen eines Kanals für Mobilsysteme mit ungenügender CP-Länge, wobei der Kanal eine Vielzahl von Mehrwegekomponenten gemäß der Offenbarung umfasst.
• Das Verfahren 200 umfasst eine Handlung 201 des Empfangens eines Signals 206, y_n(k) mit Beiträgen 202, 204 eines während einer Vielzahl von Übertragungszeitintervallen n, n – 1 auf Unterträgern bekannter Piloten k ∈ P_b und Unterträgern unbekannter Daten k ∉ P_b übertragenen Sendersignals x_n[k], x_n-1[k]. Das Verfahren 200 umfasst eine Handlung 203 des Bestimmens einer Schätzung 208 der Mehrwegekomponenten ᾱ, τ basierend auf einem probabilistischen Verhältnis zwischen ersten Beiträgen 202, 204 des Sendesignals x_n[k], x_n-1[k], wobei die ersten Beiträge 202, 204 während benachbarter Übertragungszeitintervalle n, n – 1 übertragen werden und eine Beobachtung des empfangenen Signals 206, y_n[k] an einem Unterträger k ∈ P_b der bekannten Piloten. Das probabilistische Verhältnis basiert auf statistischen Eigenschaften der ersten Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k].
• Das probabilistische Verhältnis kann auf einem spärlichen Bayeschen Lerngerüst basieren, das eine Wahrscheinlichkeitsdichtefunktion der Mehrwegekomponenten ᾱ, τ gemäß einem spärlichen Kanalmodell, z. B. wie unten beschrieben anwendet. Das probabilistische Verhältnis kann eine alphabetische Matrix Φ₁ in Bezug auf die ersten Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k], z. B. wie unten beschrieben, umfassen. Die alphabetische Matrix Φ₁ kann von den ersten Beiträgen 202, 204 des Sendesignals x_n[k], x_n-1[k] und einem Laufzeitvektor τ abhängen, wobei der Laufzeitvektor τ Laufzeitwerte der Vielzahl von Mehrwegekomponenten ᾱ, τ z. B. wie unten beschrieben, umfasst.
• Das probabilistische Verhältnis kann eine multiplikative Kombination zwischen der alphabetischen Matrix Φ₁ und einem Kanalgewichtevektor ᾱ umfassen, wobei der Kanalgewichtevektor ᾱ Kanalgewichte der Vielzahl von Mehrwegekomponenten ᾱ, τ umfasst. Insbesondere kann das probabilistische Verhältnis: y_n[k] = [Φ₁(x_n, x_n-1, τ)]_kᾱ + ξ entsprechen, wobei y_n[k] das in einem Sendezeitintervall n auf einem Pilot-Unterträger k empfangene Signal bezeichnet, Φ₁ die alphabetische Matrix bezüglich Unterträger k bezeichnet, x_n, x_n-1 die ersten Beiträge des während des n-ten und des (n – 1)-ten Sendezeitintervalls übertragenen Sendesignals bezeichnen, τ den Laufzeitvektor bezeichnet, ᾱ den Kanalgewichtevektor bezeichnet und ξ einen Rauschvektor bezeichnet.
• Das probabilistische Verhältnis kann auf einem probabilistischen Modell der Kanalgewichte, der Laufzeitwerte und einer Rauschpräzision basieren. Das probabilistische Verhältnis kann auf hierarchischer vorheriger Modellierung der Kanalgewichte, der Laufzeitwerte und der Rauschpräzision, z. B. wie unten beschrieben, basieren.
• Das Verfahren 200 kann weiterhin das Bestimmen angenäherter Wahrscheinlichkeitsdichtefunktionen der Kanalgewichte, der Laufzeitwerte und der Rauschpräzision basierend auf einem Vertrauensfortpflanzungsgerüst des mittleren Feldes, z. B. wie unten beschrieben, umfassen. Das Verfahren 200 kann weiterhin das Bestimmen der angenäherten Wahrscheinlichkeitsdichtefunktionen der Kanalgewichte, der Laufzeitwerte und der Rauschpräzision basierend auf einer von Mise'schen Wahrscheinlichkeitsdichtefunktion, z. B. wie unten beschrieben, umfassen. Das Verfahren 200 kann weiterhin das Iterieren zwischen Schätzen der Kanalgewichte, der Laufzeitwerte und der Rauschpräzision umfassen.
• Das probabilistische Verhältnis kann auf Statistiken erster und zweiter Ordnung der Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k] basieren. Das probabilistische Verhältnis kann auf Momenten erster und zweiter Ordnung der Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k], z. B. wie unten dargestellt, basieren. Das Verfahren 200 kann weiterhin das Bestimmen der Momente erster und zweiter Ordnung basierend auf einem bekannten Pilotmuster für Unterträger k ∈ P_b bekannter Piloten und basierend auf einer Konstante für die Unterträger k ∉ P_b unbekannter Daten umfassen.
• Das Verfahren 200 kann weiterhin eine Handlung des Bestimmens der Momente erster und zweiter Ordnung umfassen gemäß:

  

  wobei

  

  das Moment erster Ordnung bezeichnet,

  

  das Moment zweiter Ordnung bezeichnet, x_n, x_n-1 die ersten Beiträge des während dem n-ten und dem (n – 1)-ten Übertagungszeitintervall übertragenen Sendesignals bezeichnet, k den Unterträgerindex bezeichnet, wobei k ∈ P_b die bekannten Pilotunterträger anzeigt und b ∈ {n – 1, n} ein Index des Übertragungszeitintervalls ist.
• Das Mobilsystem kann eine LTE-OFDM-Übertragung umfassen, für die eine maximale Zusatzlaufzeit des Kanals größer als die zyklische Präfixlänge ist.
• Die bekannten Piloten können zellenspezifischen Bezugssymbolen (CRS – cell-specific reference symbols) eines LTE-Rahmens entsprechen. Die bekannten Pilot-Unterträger und/oder die unbekannten Datenunterträger können Teil eines LTE-Rahmens, Teilrahmens oder Schlitzes umfassend Daten und/oder Steuersymbole zusätzlich zu den Bezugssymbolen sein. Die verschiedenen Übertragungszeitintervalle n, n – 1 können Zeiten sein, zu denen die Beiträge x_n(k) 202 und x_n-1(k) 204 an einen Sender übertragen werden. Die verschiedenen Zeitintervalle n, n – 1 können verschiedene Symbolzeiten eines LTE-Rahmens, Teilrahmens oder Schlitzes sein. Zum Beispiel können das Zeitintervall n eines ersten Beitrags x_n(k) 202 des Sendesignals und das Zeitintervall n – 1 eines zweiten Beitrags x_n-1(k) 204 des Sendesignals Zeiten aufeinanderfolgender LTE-Rahmen oder Teilrahmen oder Schlitze sein oder können Zeiten aufeinanderfolgender Symbole in einem LTE-Rahmen, Teilrahmen oder Schlitz sein. Die Beiträge des Sendesignals können zwei, drei, vier oder mehr Beiträge des während zwei, drei, vier oder mehr benachbarten oder nichtbenachbarten Zeitintervallen übertragenen Sendesignals sein.
• Das Empfangssymbol y_n 206 kann Inter-Symbol-Störung und/oder Interträger-Störung aufgrund der Übertragung der verschiedenen Beiträge des während verschiedener Zeitintervalle übertragenen Sendesignals umfassen.
• Es gibt verschiedene Verfahren zum Bestimmen (siehe Handlung 203) einer Schätzung der Mehrwegekomponente ᾱ, τ des Kanals g(τ) basierend auf den Beiträgen x_n(k) 202 und x_n-1(k) 204 des Sendesignals und basierend auf einer Beobachtung des Empfangssymbols y_n(k) 206 wie im Folgenden beschrieben. Um die interessierenden Variablen gemeinsam zu schätzen, d. h. komplexe Kanalgewichte, Rauschvarianz, Datensymbole, können veränderliche Störungseinsätze benutzt werden und die nachfolgenden pdf der unbekannten Mengen bei der gegebenen Menge Beobachtungen können berechnet werden. Beispielsweise kann ein Vertrauensfortpflanzungs-(BP – Belief Propagation)Algorithmus zum Auflösen der unbekannten zufälligen Variablen des Systems eingesetzt werden. Der BP-Algorithmus ergibt gute Annäherungen der Randverteilungen der verborgenen Variablen, die auch „Vertrauen” genannt werden. Um die Komplexität zu verringern können Annäherungen in den Berechnungen der Vertrauensmöglichkeiten angewandt werden. Die mit den fortlaufenden Zufallsvariablenaktualisierungen verbundenen Berechnungen können eine MF-Annäherung (MF – Mean Field – mittleres Feld) einsetzen. Der MF-Algorithmus gibt die annähernden pdf der verborgenen interessierenden Zufallsvariablen dadurch aus, dass angenommen wird, dass die globale pdf voll faktorisierbar ist. Die Lösung des Verfahrens ist die pdf, die die Kullback-Liebler-Divergenz zwischen der angenäherten und der wahren pdf minimiert. Da sowohl MF als auch BP eine iterative Beschaffenheit aufweisen, ähnlich wie Nachrichtenübermittlungen zwischen Knoten eines Faktorgraphen, kann der gemeinsame Rahmen als Nachrichtenweiterleitungsalgorithmus formuliert sein.
• Schätzen (siehe Handlung 203) des Kanals g(τ) kann auf einer Nachrichtenweiterleitungskonstruktion optimiert für Systeme ungenügender CP-OFDM unter Verwendung des vereinigten MF-BP-Rahmens basieren. Zum Durchführen von Kanalschätzung im Zeitbereich kann die CIR als spärlich erachtet werden, d. h. mit wenigen Mehrwegekomponenten von nicht Null. Benutzen dieses Befundes, Bestimmen (siehe Handlung 203) der Schätzung der Mehrwegekomponenten kann kompressive Erfassungstechniken benutzen, die aus Finden spärlicher CIR-Schätzungen bestehen, die eine objektive Funktion maximieren, beispielsweise basierend auf l1-Normen-beschränkten Minimierungsproblemen wie beispielsweise wenigster absoluter Schrumpf und Auswahloperator (LASSO – Least Absolute Shrinkage and Selection Operator), Basisverfolgung (BP – Basis Pursuit), Orthogonal-Anpassungsverfolgung (OMP – Orthogonal Matching Pursuit) oder maximale a posteriori (MAP – maximum-a-posteriori) Verfahren wie beispielsweise spärliches Bayesisches Lernen (SBL – sparse Bayesian learning), das eine probabilistische Modellierung der Kanalgewichte benutzt, die spärliche CIR-Darstellungen fördert. Für Formbarkeitszwecke können diese pdf durch Einführen von Hyperprioren über den Gewichten modelliert werden und damit zwei-(2L-) oder drei-Schichten (3L-) hierarchische Modelle erhalten.
• Das Verfahren 200 zur Kanalschätzung ist gegen ISI und ICI robust, die auftreten, wenn die Kanal-MED die CP-Dauer überschreitet. Das Verfahren 200 kann genauere Schätzungen der Kanalantwort (CIR- und Kanalfrequenzantwort (CFR – Channel Frequency Response)) im Vergleich zu herkömmlichen PB-Schätzungsverfahren durch Ausnutzen der Struktur der Störung berechnen. Insbesondere berechnet es Schätzungen des Gewinns und der Laufzeit der Mehrwegekomponenten in der CIR durch: ausdrückliches Schätzen der Störung, die jedes Pilotsymbol an allen empfangenen Pilotsignalen verursacht durch Berücksichtigen der durch Datensymbole an den Pilot-Unterträgern ausgestreuten Leistung durch Annehmen gewisser Statistiken erster und zweiter Ordnung der Datensymbole wie im Folgenden beschrieben und iteratives Verfeinern der CIR- und Rauschpräzisionsschätzungen.
• In den folgenden Abschnitten ist ein Beispiel zum Bestimmen 203 einer Schätzung 208 der Mehrwegekomponenten ᾱ, τ basierend auf einem probabilistischen Verhältnis zwischen ersten Beiträgen 202, 204 des Sendesignals x_n[k], x_n-1[k] beschrieben.
• Im n-ten Übertragungsintervall wird ein Vektor u_n ∈ {0, 1}^K von Informationsbit mit einer Coderate R codiert und in den Vektor c_n ∈ {0, 1}^K/R eingeschachtelt. Der Codevektor c_n wird als Nächstes auf einen Vektor komplexer Symbole aufmoduliert, die mit Pilotsymbolen verschachtelt sind, und den Symbolvektor x_n ∈ C^N erzeugen. Die Teilmenge von Pilot- und Datensymbolen entsprechenden Indizes im n-ten Signalisierungsintervall wird als P_n bzw. D_n bezeichnet.
• Der Symbolvektor x_n wird durch einen inversen DFT-Block durchgeführt, um s_n = F^Hx_n zu ergeben, dem ein μ-Abtastwerte langer zyklischer Präfix (CP – Cyclic Prefix) vorangestellt wird. Die sich ergebenden Abtastwerte werden unter Verwendung eines Sende-Sinc-Filters moduliert

  

  mit dem Ergebnis OFDM-Wellenform übertragen im n-ten Signalisierungsintervall: s_n(t) = (s ~_n·Ψ_tx(t) (1) wobei

  

  T_s die Abtastzeit darstellt und s_n[–i] = s_n[N – i] für i ∈ [1:μ]. Das übertragene Signal über einen Block von B aufeinanderfolgenden OFDM-Wellenformen beträgt

  

  Die über einen Signalisierungsblock konstante Kanalimpulsantwort (CIR – Channel Impulse Response) enthält L Mehrwegekomponenten mit Gewinnen

  

  und Laufzeiten

  

  Die CIR während aller n ∈ [0:B – 1] Signalisierungsintervalle im Block, die jeweils einen Δ_n = [((n – 1)μ + nN)T_s, (nμ + (n + 1)N)T_s), überspannen beträgt

  
• Man beachte, dass τ[l] die CP-Dauer μT_s überschreiten kann, aber gemäß: τ[L – 1] ≤ (μ + N)T_s zurückgehalten wird.
• Vom Empfänger wird die Faltung des Sendesignals mit der Kanalantwort beachtet und durch AWGN verfälscht: s(t)·ḡ(t, τ) + w(t). Auf dieses Signal wird von ihm das an das Sendefilter angepasste Empfangsfilter Ψ_tx angewandt. Das sich ergebende Signal heißt

  

  wobei ϕ(t) = (Ψ_tx·Ψ_rx)(t) und v(t) = (w·Ψ_rx)(t). Da τ[L – 1] ≤ (μ + N)T_s, enthält r(t) in Δ_n die rauschbehafteten Versionen von s_n(t) und s_n-1(t) moduliert durch ḡ(t – τ). Nach Verwerfen der ersten μ Abtastwerte von r(t) in Δ_n werden die übrigen in dem Vektor von Beobachtungen r_n ∈ C^N gesammelt. Dieser Vektor wird durch einen DFT-Block durchgeführt, um y_n = Fr_n + ξ zu ergeben, wobei ξ = Fv.
• Zum Darstellen der Abhängigkeit von y_n; n = [0:B – 1] von der CIR wird die folgende Darstellung benutzt: y_n = Φ ₁ᾱ + ξ, (4) wobei Φ ₁ = (X_n√NF + Ξ _n)Φ. Das Empfangssignal in (4) wird

  
• Bei Demodulieren des Empfangssignals (4), d. h. t_n = X –1 / ny_n erhält man t_n = (I_N + Ē_n)Cᾱ + ε_n, wobei

  

  und ε_n = X –1 / nξ. Das beobachtete Signal an Pilotstellen

  

  wird erhalten durch Beibehalten der durch die Elemente von P_n indexierten Zeilen und beträgt

  

  wobei

  

  und die Matrix

  

  die Zeilen von C entsprechend den Pilotstellen auswählt. Während B Signalisierungsintervallen wird das beobachtete Signal an Pilotstellen o = TCᾱ + ε (7) wobei Folgendes definiert ist:

  
• Die pdf des Rauschvektors ε ist p(ε) = p(ε) = CN(ε; 0, λ^–1I_P), wobei

  

  Bei (7) sind die unbekannten Größen: die Kanalkoeffizienten ᾱ und ihre entsprechenden Laufzeiten τ, die Datensymbole x_n, n ∈ [0:B – 1] in der Matrix T und die Rauschpräzision λ.
• Um Schätzungen der Kanalantwort zu erhalten wird die Annahme getroffen, dass die CIR spärlich ist, d. h. zusammengesetzt aus wenigen Mehrwegekomponenten von nicht Null. Dementsprechend wird ein spärlicher Kanalvektor α ∈ C^L und die entsprechenden Laufzeiten τ berechnet, die der wahren CIR ᾱ bzw. den Laufzeiten τ nahe kommen. Dahingehend wird das spärliche Bayesische Lerngerüst zum Modellieren der pdf des spärlichen Kanalvektors benutzt und ein hierarchisches vorangehendes Modell für α benutzt: p(α) = ∫p(α, γ)dγ, wobei p(α|γ) = CN(α; 0, Γ), Γ = diag(γ),

  
• Unter Verwendung der obigen Annäherung wird das probabilistische Modell o = TCα + ε (9) wobei die Matrizen T, C ähnlich T, C durch Ersetzen von τ durch τ berechnet werden. Man beachte, dass im Gegensatz zu bei komprimierter Erfassung benutzten herkömmlichen Modellen die alphabetische Matrix in (9) durch die in den Elementen von

  

  enthalten in T modellierte Störung gestört ist. Aus Gleichung (9) wird die die vereinte pdf des Systemvariablen zu

  

  wobei p(o|α, τ, λ, x₀, ..., x_B-1) = CN(o; (T + ΔT)α, λ^–1I_P). Der MF-Rahmen (MF – Mean Field) wird zum Berechnen annähernder, auch Vertrauenswerte genannter pdf der interessierenden Variablen benutzt.
• Die Vertrauenswerte der Kanalgewichte sind:

  
• Der Vertrauenswert der Rauschpräzision ist

  
• Der Vertrauenswert des Laufzeitvektors faktorisiert als

  

  und q(τ[l]) = p(τ[l])q_l gemäß:

  
• Der zweite Faktor q_l in (13) ist berechnet als

  

  wobei C_l die erste Spalte von C bezeichnet und R

  

  gleicht.
• Um die die Gleichung (13) maximierende Laufzeit zu finden können viele verschiedene Verfahren angewandt werden. Eine erste beispielhafte ist die des Findens der die Gleichung (13) maximierenden Laufzeit durch Verwenden eines beliebigen numerischen Verfahrens. Andere Verfahren sind ebenfalls anwendbar.
• Das Verfahren 200 wie hier beschrieben kann in einer Verarbeitungsschaltung 400 wie unten unter Bezugnahme auf 3 beschrieben ausgeführt sein.
• 3 ist ein schematisches Diagramm einer Kanalschätzungsvorrichtung 400 nach der Offenbarung. Die Kanalschätzungsvorrichtung 400 umfasst einen Empfangsanschluss 401 und eine Verarbeitungsschaltung 403. Der Empfangsanschluss 401 ist eingerichtet zum Empfangen eines Signals y_n[k] mit Beiträgen 202, 204 eines Sendesignals x_n[k], x_n-1[k], übertragen während einer Vielzahl von Übertragungszeitintervallen n, n – 1 auf Unterträgern k ∈ P_b bekannter Piloten und Unterträgern k ∉ P_b unbekannter Daten, z. B. wie hinsichtlich des ersten Blocks 201 des in 2 gezeigten Verfahrens 200 beschrieben. Die Verarbeitungsschaltung 403 ist eingerichtet zum Bestimmen einer Schätzung der Mehrwegekomponenten ᾱ, τ basierend auf einem probabilistischen Verhältnis zwischen ersten Beiträgen 202, 204 des Sendesignals x_n[k], x_n-1[k], wobei die ersten Beiträge (202, 204) während benachbarter Übertragungszeitintervalle n, n – 1 übertragen werden und einer Beobachtung des Empfangssignals y_n[k] an einem Unterträger k ∈ P_b der bekannten Piloten, z. B. wie hinsichtlich des zweiten Blocks 203 des in 2 gezeigten Verfahrens 200 beschrieben. Das probabilistische Verhältnis basiert auf statistischen Eigenschaften der ersten Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k], z. B. wie oben in Bezug auf 2 beschrieben.
• Die Kanalschätzungsvorrichtung 400 kann eine Matrixverarbeitungseinheit zum Bestimmen einer alphabetischen Matrix Φ₁ in Bezug auf die ersten Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k], z. B. wie in Bezug auf 2 oder 5 beschrieben, umfassen. Die Kanalschätzungsvorrichtung 400 kann eine statistische Verarbeitungseinheit zum Bestimmen von Momenten erster und zweiter Ordnung der ersten Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k], z. B. wie in Bezug auf 2 oder 5 beschrieben, umfassen. Die Matrixverarbeitungseinheit kann die alphabetische Matrix Φ₁ basierend auf den Momenten erster und zweiter Ordnung der ersten Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k], z. B. wie in Bezug auf 2 oder 5 beschrieben, bestimmen.
• Die Kanalschätzungsvorrichtung 400 kann weiterhin eine multiplikative Verarbeitungseinheit zum Bestimmen einer multiplikativen Kombination der alphabetischen Matrix Φ₁ und eines Kanalgewichtevektors ᾱ, z. B. wie in Bezug auf 2 oder 5 beschrieben, umfassen. Die Kanalschätzungsvorrichtung 400 kann weiterhin eine additive Verarbeitungseinheit zum Addieren eines Rauschvektors zu der multiplikativen Kombination der alphabetischen Matrix Φ₁ und des Kanalgewichtevektors ᾱ, z. B. wie in Bezug auf 2 oder 5 beschrieben, umfassen.
• Im Folgenden wird ein Beispiel einer Verarbeitungsschaltung 403 in einer Kanalschätzungsvorrichtung 400 beschrieben. Zum Darstellen des Verhaltens der Verarbeitungsschaltung 403 in der Kanalschätzungsvorrichtung 400 wird ein OFDM-(Orthogonal Frequency Division Multiplex)System mit N Unterträgern in Betracht gezogen, von denen P Piloten sind. Am n-ten Übertragungsintervall werden die Piloten nach dem Muster P_n platziert. Jedem OFDM-Symbol wird ein zyklischer Präfix (CP – Cyclic Prefix) bestehend aus N_CP Abtastwerten vorangestellt. Die Kanalimpulsantwort ḡ bestehend aus L Mehrwegekomponenten mit in den Vektoren ᾱ und τ gesammelten Gewinnen und Laufzeiten kann definiert werden als:

  

  wobei τ[0] < ... < τ[L – 1]. Die maximale Zusatzlaufzeit (MED – Maximum Excess Delay) des Kanals kann definiert werden als T_MED = τ[L – 1] – τ[0]
• Wenn T_MED > T_CP, das n-te Empfangssignal am k-ten Unterträger, enthält y_n[k], die Beiträge der Signale übertragen während den n (x_n[p], p, ∈ [1, N]) und n – 1 (x_n-1[v], ∀ v ∈ [1, N]) Übertragungsintervallen auf allen Unterträgern verfälscht durch AWGN ξ, d. h. y_n[k] = [Φ₁(x_n, x_n-1, τ)]_kᾱ + ξ. (15)
• Φ₁(x_n, x_n-1, τ) wird dazu benutzt, anzugeben, dass die Matrix Φ₁ von x_n, x_n-1, τ abhängig ist.
• Einige einfache CIR-Schätzer sind basierend auf der Annahme ausgelegt, das T_MED ≤ T_CP, d. h. sie nehmen an, dass das Empfangssignal im Zeitmoment n und Unterträger k nur den rauschbehafteten Beitrag des Sendesignals während des n-ten Übertragungsintervalls und auf dem gleichen Unterträger enthält. Anders gesagt, nehmen sie ein fehlangepasstes Modell an: y_n[k] = [Φ₂(x_n[k], τ)]_kᾱ + ξ]. (16)
• Durch [Φ_i]_k wird die k-te Reihe der Matrix Φ_i angegeben. Man beachte, dass einfache Schätzer das fehlangepasste Modell (16) benutzen – indem ISI sowie ICI außer Acht gelassen werden – und Schätzungen von ᾱ verfälscht durch Störung berechnen.
• Die Verarbeitungsschaltung 403 in der Kanalschätzungsvorrichtung 400 kann Schätzungen (d. h. Erwartungswerte) von ᾱ, τ berechnen durch:
• 1. Verwenden des an Pilotunterträgern y_n[k], k ∈ P_n empfangenen Signals;
• 2. Verwenden eines Beobachtungsmodells, das Φ₁ in (15) angenähert ist;
• 3. Iterieren zwischen Schätzen von Kanalgewinnen, den Laufzeiten und der Rauschpräzision; und
• 4. Annehmen eines probabilistischen Modells der Kanalgewichte, der Laufzeiten und der Rauschpräzision.
• Zusätzlich kann die pilotbasierte (PB) Kanalschätzung wie durchgeführt durch die Verarbeitungsschaltung 403 an Blöcke mehrerer OFDM-Symbole durch Aufbauen größerer Matrizen Φ₁ angelegt werden, die das Signalmodell in (15) verallgemeinern, um Beobachtungen y_n[k], k ∈ P_n, n ∈ [0:B – 1] einzuschließen, wobei B die Blockgröße ist.
• Zum Berechnen der Schätzungen von (ᾱ, τ) in Gleichung (16) kann der offenbarte PB-Kanalschätzer, so wie er in der Verarbeitungsschaltung 403 ausgeführt sein kann, Φ₁ und Φ₁ ^HΦ₁ berechnen. Das Berechnen der Einträge dieser Matrizen (siehe Gl. (15)) kann Kenntnis der unbekannten übertragenen Symbole x_n-1, x_n erfordern. Anstatt dieser Matrizen können Annäherungen derselben unter Verlass auf die statistischen Eigenschaften der übertragenen Datensymbole benutzt werden, zum Beispiel wie folgt:

  

  wobei ε_p(x)(x) den Erwartungswert von x in Bezug auf die pdf p(x). angibt.
• Zum Berechnen von

  

  können die Momente erster und zweiter Ordnung von x_n-1, x_n angenommen werden als:
• 
• Ein beispielhafter Aufbau eines Kanalschätzers wie oben beschrieben zusammen mit einem beispielhaften Aufbau des den Schätzer ausführenden Empfängers ist in 5 wie unten beschrieben ausgeführt.
• Die Kanalschätzungsvorrichtung 400 kann einen pilotbasierten Kanalimpulsantwortschätzer geringer Komplexität, fähig zum Schätzen von mit größeren Laufzeiten als die CP-Dauer in OFDM ankommenden Mehrwegekomponenten implementieren. Die über solche Kanäle betriebenen LTE-OFDM-Systeme weisen Intersymbol- und Interträger-Störung auf, die die Empfängerleistung belasten. Die Kanalschätzungsvorrichtung 400 kann sowohl Kanalgewinne als auch Laufzeiten unter Verwendung von Bayesischer Inferenz berechnen. Zum Bewältigen von ICI und ISI kann die pilotbasierte Kanalschätzungsvorrichtung 400 die bestimmte Struktur der Störung beim Schätzen der Kanalgewinne und -laufzeiten ausnutzen. Die Kanalschätzungsvorrichtung 400 weist eine geringere Komplexität als ein iteratives datengestütztes Schema auf. Zusätzlich ist die Kanalschätzungsvorrichtung 400 in dem Sinn robust, dass sie beide Fälle genügender und ungenügender CP-Dauer bewältigen kann ohne irgendeinen bestimmten Aufbau des in der Verarbeitungsschaltung 403 laufenden Algorithmus, z. B. des unten in Bezug auf 5 beschriebenen Algorithmus 600 oder die unten in Bezug auf 2 und 4 beschriebenen Verfahren 200, 500.
• 4 ist ein schematisches Diagramm eines Verfahrens 500 des Schätzens eines Kanals für Mobilsysteme mit ungenügender CP-Länge basierend auf einer alphabetischen Matrix gemäß der Offenbarung, wobei der Kanal eine Vielzahl von Mehrwegekomponenten ᾱ, τ umfasst.
• Das Verfahren 500 umfasst eine Handlung 501 des Empfangens eines Signals y_n(k) umfassend Beiträge 202, 204 eines während einer Vielzahl von Übertragungszeitintervallen n, n – 1 auf Unterträgern k ∈ P_b bekannter Piloten und Unterträgern k ∉ P_b unbekannter Daten, z. B. wie oben in Bezug auf 2 beschrieben, übertragenen Sendesignals x_n[k], x_n-1[k]. Das Verfahren 500 umfasst eine Handlung 503 des iterativen Bestimmens einer Schätzung der Mehrwegekomponenten ᾱ, τ basierend auf einer alphabetischen Matrix Φ₁ in Bezug auf erste Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k], wobei die ersten Beiträge 202, 204 während benachbarten Übertragungszeitintervallen n, n – 1 übertragen werden und basierend auf einer Beobachtung des empfangenen Signals y_n[k] an einem Unterträger k ∈ P_b der bekannten Piloten übertragen werden. Das Verfahren 500 umfasst weiterhin eine Handlung 505 von Aktualisieren der alphabetischen Matrix Φ₁ nach jeder Iteration basierend auf statistischen Eigenschaften der ersten Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k], z. B. wie in Bezug auf 2, 3 oder 5 beschrieben.
• Das Verfahren 500 kann weiterhin eine Handlung 505 von Aktualisieren der alphabetischen Matrix Φ₁ basierend auf einem Moment erster Ordnung der ersten Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k], und eine Handlung von Aktualisieren eines Produkts einer hermitischen Konjugierten der alphabetischen Matrix Φ₁ und der alphabetischen Matrix Φ₁ basierend auf einem Moment zweiter Ordnung der ersten Beiträge 202, 204 des Sendesignals x_n[k], x_n-1[k] beinhalten, z. B. wie in Bezug auf 2 oder 3 beschrieben.
• Das Verfahren 500 kann weiterhin eine Handlung 503 des iterativen Bestimmens der Schätzung der Mehrwegekomponenten ᾱ, τ umfassen, bis eine Differenz zwischen zwei aufeinanderfolgenden Rauschvarianzschätzungen kleiner als ein Schwellwert ist.
• 5 ist ein schematisches Diagramm eines Kanalschätzungsalgorithmus 600 nach der Offenbarung. Der Kanalschätzungsalgorithmus 600 kann auf einer Verarbeitungsschaltung 403 wie oben in Bezug auf 3 beschrieben ablaufen.
• Der Kanalschätzungsalgorithmus 600 kann als Eingabe den Satz Pilotsymbole 602 annehmen und kann sequentiell den Gewinn und die Laufzeit jeder Mehrwegekomponente in einen Laufzeitschätzungsblock 601 schätzen. Unter Verwendung von Bayesischer Störungsvariation kann der Laufzeitschätzungsblock 601 die Laufzeit einer infragekommenden Mehrwegekomponente schätzen, z. B. durch Schätzen einer neuen Laufzeit 603, Wiederschätzen einer vorher erkannten Laufzeit 605 oder Löschen einer Laufzeit 607. Die berechneten Laufzeiten können zum Wiederberechnen von ISI und ICI 609 benutzt werden. Der Algorithmus 600 kann dann die Störungsmatrizen wieder aufbauen, z. B. aus Gleichungen (17) und (18) wie oben in Bezug auf 3 beschrieben. Basierend auf dem Aktualisieren (611) können diese Störungsmatrizen, die aktualisierten Kanalkoeffizienten (Gewinne) 613 und Rauschvarianz 615 geschätzt werden. Sobald die Aktualisierung aller der mit der infragekommenden Mehrwegekomponente verbundenen Variablen beendet ist, kann der Schätzer entscheiden, ob die infragekommende Komponente behalten oder verworfen werden sollte. Wenn die Komponente behalten wird, können die Rauschvarianz und alle vorher geschätzten Kanalkoeffizienten und Laufzeiten aktualisiert werden. Diese Operationen können so lange wiederholt werden, bis die geschätzte Rauschvarianz konvergiert ist 617, z. B. die Differenz zwischen zwei aufeinanderfolgenden Schätzungen der Rauschvarianz unter einen Schwellwert abfällt. Die Kanalschätzungen können auf die empfangenen Datensymbole 604 in einem Entzerrer 619 angewandt werden. Die entzerrten Datensymbole können der Datenerkennung 621 zum Bereitstellen decodierter Bit 606 bereitgestellt werden.
• Der offenbarte Kanalschätzungsalgorithmus 600 ist ein pilotbasierter (PB) Algorithmus geringer Komplexität zum Schätzen von Kanalimpulsantworten (CIR – Channel Impulse Responses), der in LTE OFDM-Systemen mit ungenügender (zyklischer Präfix-) CP-Länge angewandt werden kann. Diese Situationen entstehen, wenn die maximale Zusatzlaufzeit (MED – Maximum Excess Delay) des Kanals länger als die CP-Dauer ist. In solchen Zuständen tritt Interträger-(ICI – Inter-Carrier) und Intersymbol(ISI-)Störung auf. Infolgedessen kann jedes Pilotsymbol durch die auf alle Unterträger der aktuellen und vorhergehenden OFDM-Symbole abgebildeten komplexen Symbole gestört sein. Im Gegensatz zu einfachen PB-Kanalschätzern, die ISI und ICI außer Acht lassen, was im Ergebnis die Güte der berechneten Schätzungen stark beeinflusst und eine allgemeine Verschlechterung der Leistung des Empfängers verursacht, werden von dem Algorithmus 600 wie hier offenbart, sowohl ISI als auch ICI in Betracht gezogen und er weist daher eine besserte Leistung auf, wie aus 6 unten ersichtlich ist.
• Im Gegensatz zu datenunterstützten iterativen Algorithmen, die die Kanal- und Datenschätzungen sequentiell verfeinern und ISI und ICI auslöschen, jedoch zu Lasten hohen Rechenaufwands, kann der offenbarte Algorithmus 600 Kanalschätzungen ausschließlich durch Verwenden der Pilotsymbole berechnen, während er störungsbewusst bleibt, d. h. der Algorithmus 600 kann beim Schätzen der CIR die Struktur von ISI und ICI berücksichtigen. Diese Schätzungen können dann zum Entzerrer und Decodierer gesandt werden. Zusätzlich kann der Schätzer als Werkzeug zum Wiederherstellen von CIR und Wiedergabe derselben auf einem Laboratoriumsaufbau benutzt werden.
• 6 sind Leistungsdiagramme von Rauschpräzision 700a und mittlerem Fehlerquadrat MSE 700b für einen PB-CIR-Schätzer nach der Offenbarung, z. B. einer Vorrichtung 400 wie oben in Bezug auf 3 beschrieben.
• Der offenbarte PB-CIR-Schätzer wird mit einem einfachen PB-CIR-Schätzer 701 verglichen, der ISI und ICI außer Acht lässt. Die Leistung des offenbarten PB-CIR-Schätzers 702 ist weiterhin gegen einen Genie-gestützten Schätzer 703 leistungsbewertet, der die Rauschvarianz und die Weglaufzeiten kennt, ISI und ICI vollkommen löscht und nur die Kanalgewichte schätzt. Es werden zwei Leistungsmetriken benutzt: (1) das mittlere Fehlerquadrat (MSE) 700b des geschätzten CFR und (2) die geschätzte Rauschpräzision 700a. Durch letztere Metrik wird die Restdifferenz zwischen dem Empfangssignal und dem unter Verwendung der CFR-Schätzung wiederhergestellten Signal quantifiziert. Sie umfasst daher Abweichungen aufgrund von Rauschen, Kanalschätzungsfehler und unberücksichtigter Störung.
• In dem unten in der Tabelle 1 aufgeführten Aufbau kann ein MSE-Gewinn von 10 dB durch Verwenden des offenbarten PB-CIR-Schätzers 702 im Vergleich mit dem einfachen PB-CIR-Schätzer 701 erhalten werden (siehe 6, MSE 700b). Die Rauschpräzisionsschätzung 700a spiegelt ebenfalls diesen Leistungsgewinn wider. Diese Ergebnisse zeigen, dass der offenbarte PB-CIR-Schätzer 702 die Struktur der Störung effektiv zum wesentlichen Verbessern der Güte der Kanalschätzung im Vergleich zu einem einfachen Schätzer 701 ausnutzt. Tabelle 1 zeigt die angewandten System- und Kanalparameter des offenbarten PC-CIR-Schätzers 702.

  System- und Kanalparameter
  N [Anzahl Unterträger]	64
  P [Anzahl Piloten]	11
  B [Anzahl verarbeiteter Blöcke]	4
  TCP [μs]	4,69
  Modulation	QPSK
  SNV-Bereich [dB]	[0 20]
  Kanal: Die CIR besteht aus 6 Mehrwegekomponenten gleicher Leistung und zufallsmäßiger Laufzeiten, von denen 3 mit größeren Laufzeiten als TCP ankommen.

  Tabelle 1: Angewandte System- und Kanalparameter des offenbarten PC-CIR-Schätzers 702.
• BEISPIELE
• Die folgenden Beispiele betreffen weitere Ausführungsformen. Beispiel 1 ist ein Verfahren zum Schätzen eines Kanals für Mobilsysteme mit ungenügender zyklischer Präfixlänge, wobei der Kanal eine Vielzahl von Mehrwegekomponenten umfasst, wobei das Verfahren umfasst: Empfangen eines Signals umfassend eine Vielzahl von Beiträgen eines während einer Vielzahl von Übertragungszeitintervallen auf einer Vielzahl von Unterträgern bekannter Piloten und einer Vielzahl von Unterträgern unbekannter Daten übertragenen Sendesignals; Bestimmen einer Schätzung der Vielzahl von Mehrwegekomponenten basierend auf einem probabilistischen Verhältnis zwischen der Vielzahl erster Beiträge des Sendesignals, wobei die ersten Beiträge während benachbarten Sendezeitintervallen übertragen werden, und einer Beobachtung des Empfangssignals an einem Unterträger der bekannten Piloten, wobei das probabilistische Verhältnis auf statistischen Eigenschaften der Vielzahl erster Beiträge des Sendesignals basiert.
• In Beispiel 2 kann der Gegenstand des Beispiels 1 wahlweise umfassen, dass das probabilistische Verhältnis auf einem spärlichen Bayesischen Lerngerüst basiert, das eine Wahrscheinlichkeitsdichtefunktion der Vielzahl von Mehrwegekomponenten gemäß einem spärlichen Kanalmodell anwendet.
• In Beispiel 3 kann der Gegenstand eines beliebigen von Beispielen 1–2 wahlweise umfassen, dass das probabilistische Verhältnis eine alphabetische Matrix hinsichtlich der Vielzahl von ersten Beiträgen des Sendesignals umfasst.
• In Beispiel 4 kann der Gegenstand des Beispiels 3 wahlweise umfassen, dass die alphabetische Matrix von der Vielzahl erster Beiträge des Sendesignals abhängig ist und von einem Laufzeitvektor, wobei der Laufzeitvektor eine Vielzahl von Laufzeitwerten der Vielzahl von Mehrwegekomponenten umfasst.
• Im Beispiel 5 kann der Gegenstand eines beliebigen der Beispiele 3–4 wahlweise umfassen, dass das probabilistische Verhältnis eine multiplikative Kombination zwischen der alphabetischen Matrix und einem Kanalgewichtevektor umfasst, und wobei der Kanalgewichtevektor eine Vielzahl von Kanalgewichten der Vielzahl von Mehrwegekomponenten umfasst.
• In Beispiel 6 kann der Gegenstand des Beispiels 5 wahlweise umfassen, dass das probabilistische Verhältnis: y_n[k] = [Φ₁(x_n, x_n-1, τ)]_kᾱ + ξ entspricht, wobei y_n[k] das in einem Übertragungszeitintervall n auf einem Pilotunterträger k empfangene Signal bezeichnet, Φ₁ die alphabetische Matrix bezüglich des Unterträgers k bezeichnet, x_n, x_n-1 die Vielzahl erster Beiträge des während dem n-ten und dem (n – 1)-ten Übertragungszeitintervall übertragenen Sendesignals bezeichnet, τ den Laufzeitvektor bezeichnet, ᾱ den Kanalgewichtevektor bezeichnet und ξ den einen Rauschvektor bezeichnet.
• In Beispiel 7 kann der Gegenstand eines beliebigen der Beispiele 5–6 wahlweise umfassen, dass das probabilistische Verhältnis auf einem probabilistischen Modell der Vielzahl von Kanalgewichten, den Laufzeitwerten und einer Rauschpräzision basiert.
• In Beispiel 8 kann der Gegenstand des Beispiels 7 wahlweise umfassen, dass das probabilistische Verhältnis auf hierarchischer voriger Modellierung der Vielzahl von Kanalgewichten, einer Vielzahl der Laufzeitwerte und der Rauschpräzision basiert.
• In Beispiel 9 kann der Gegenstand eines beliebigen der Beispiele 7–8 wahlweise Bestimmen annähernder Wahrscheinlichkeitsdichtefunktionen der Vielzahl der Kanalgewichte, der Vielzahl von Laufzeitwerten und der Rauschpräzision basierend auf einen Vertrauensausbreitungsgerüst des mittleren Feldes umfassen.
• In Beispiel 10 kann der Gegenstand des Beispiels 9 wahlweise Bestimmen der annähernden Wahrscheinlichkeitsdichtefunktionen der Vielzahl von Kanalgewichten, der Vielzahl von Laufzeitwerten und der Rauschpräzision basierend auf einer von Mises Wahrscheinlichkeitsdichtefunktion umfassen.
• In Beispiel 11 kann der Gegenstand eines beliebigen der Beispiele 7–10 wahlweise Iterieren zwischen Schätzen der Vielzahl von Kanalgewichten, der Vielzahl von Laufzeitwerten und der Rauschpräzision umfassen.
• In Beispiel 12 kann der Gegenstand eines beliebigen der Beispiele 1–11 wahlweise umfassen, dass das probabilistische Verhältnis auf Statistiken erster und zweiter Ordnung der Beiträge des Sendesignals basiert.
• In Beispiel 13 kann der Gegenstand des Beispiels 12 wahlweise umfassen, dass das probabilistische Verhältnis auf Momenten erster und zweiter Ordnung der Vielzahl von Beiträgen des Sendesignals basiert.
• In Beispiel 14 kann der Gegenstand des Beispiels 13 wahlweise das Bestimmen der Momente erster und zweiter Ordnung basierend auf einem bekannten Pilotmuster für die Vielzahl von Unterträgern bekannter Piloten und basierend auf einer Konstante für die Vielzahl von Unterträgern unbekannter Daten umfassen.
• In Beispiel 15 kann der Gegenstand eines beliebigen der Beispiele 13–14 wahlweise das Bestimmen der Vielzahl von Momenten erster und zweiter Ordnung gemäß:

  

  umfassen, wobei

  

  das Moment erster Ordnung bezeichnet,

  

  das Moment zweiter Ordnung bezeichnet, x_n, x_n-1 die ersten Beiträge des während dem n-ten und dem (n – 1)-ten Übertragungszeitintervall übertragenen Sendesignals bezeichnet, k den Unterträgerindex bezeichnet, wobei k ∈ P_b die bekannten Pilotunterträger anzeigt und b ∈ {n – 1, n} ein Index des Übertragungszeitintervalls ist.
• In Beispiel 16 kann der Gegenstand eines beliebigen der Beispiele 1–15 wahlweise umfassen, dass das Mobilsystem eine LTE-OFDM-Übertragung umfasst, für die eine maximale Zusatzlaufzeit des Kanals größer als die zyklische Präfixlänge ist.
• Beispiel 17 ist eine Kanalschätzungsvorrichtung umfassend: einen Empfangsanschluss eingerichtet zum Empfangen eines Signals umfassend eine Vielzahl von Beiträgen eines während einer Vielzahl von Übertragungszeitintervallen auf einer Vielzahl von Unterträgern bekannter Piloten und einer Vielzahl von Unterträgern unbekannter Daten übertragenen Sendesignals; eine Verarbeitungsschaltung eingerichtet zum Bestimmen einer Schätzung der Vielzahl von Mehrwegekomponenten basierend auf einem probabilistischen Verhältnis zwischen der Vielzahl erster Beiträge des Sendesignals, wobei die Vielzahl von ersten Beiträgen während benachbarten Übertragungszeitintervallen übertragen werden, und eine Beobachtung des empfangenen Signals an einem Unterträger der bekannten Piloten, wobei das probabilistische Verhältnis auf statistischen Eigenschaften der Vielzahl erster Beiträge des Sendesignals basiert.
• In Beispiel 18 kann der Gegenstand des Beispiels 17 wahlweise eine Matrixverarbeitungseinheit eingerichtet zum Bestimmen einer alphabetischen Matrix hinsichtlich der Vielzahl erster Beiträge des Sendesignals umfassen.
• In Beispiel 19 kann der Gegenstand des Beispiels 18 wahlweise eine statistische Verarbeitungsschaltung eingerichtet zum Bestimmen von Momenten erster und zweiter Ordnung der Vielzahl erster Beiträge des Sendesignals umfassen.
• In Beispiel 20 kann der Gegenstand des Beispiels 19 wahlweise umfassen, dass die Matrixverarbeitungseinheit eingerichtet ist zum Bestimmen der alphabetischen Matrix basierend auf den Momenten erster und zweiter Ordnung der Vielzahl erster Beiträge des Sendesignals.
• In Beispiel 21 kann der Gegenstand eines beliebigen der Beispiele 18–20 wahlweise eine multiplikative Verarbeitungseinheit eingerichtet zum Bestimmen einer multiplikativen Kombination der alphabetischen Matrix und eines Kanalgewichtevektors umfassen.
• In Beispiel 22 kann der Gegenstand des Beispiels 21 wahlweise eine additive Verarbeitungseinheit eingerichtet zum Addieren eines Rauschvektors zu der multiplikativen Kombination der alphabetischen Matrix und des Kanalgewichtevektors umfassen.
• Beispiel 23 ist ein Verfahren zum Schätzen eines Kanals für Mobilsysteme mit ungenügender zyklischer Präfixlänge, wobei der Kanal eine Vielzahl von Mehrwegekomponenten umfasst, wobei das Verfahren umfasst: Empfangen eines Signals umfassend eine Vielzahl von Beiträgen eines während einer Vielzahl von Übertragungszeitabschnitten auf einer Vielzahl von Unterträgern bekannter Piloten und einer Vielzahl von Unterträgern unbekannter Daten übertragenen Sendesignals; iteratives Bestimmen einer Schätzung der Vielzahl von Mehrwegekomponenten basierend auf einer alphabetischen Matrix bezüglich der Vielzahl erster Beiträge des Sendesignals, wobei die Vielzahl erster Beiträge während benachbarten Übertragungszeitabschnitten übertragen wird und basierend auf einer Beobachtung des Empfangssignals an einem Unterträger der bekannten Piloten; und nach jeder Iteration Aktualisieren der alphabetischen Matrix basierend auf statistischen Eigenschaften der Vielzahl erster Beiträge des Sendesignals.
• Im Beispiel 24 kann der Gegenstand des Beispiels 23 wahlweise Aktualisieren der alphabetischen Matrix basierend auf einem Moment erster Ordnung der Vielzahl erster Beiträge des Sendesignals umfassen; und Aktualisieren eines Produkts einer hermitischen Konjugierten der alphabetischen Matrix und der alphabetischen Matrix basierend auf einem Moment zweiter Ordnung der Vielzahl erster Beiträge des Sendesignals.
• In Beispiel 25 kann der Gegenstand eines beliebigen der Beispiele 23–24 wahlweise iteratives Bestimmen der Schätzung der Vielzahl von Mehrwegekomponenten umfassen, bis die Differenz zwischen zwei aufeinanderfolgenden Rauschvarianzschätzungen kleiner als ein Schwellwert ist.
• Beispiel 26 ist ein computerlesbares Medium, auf dem Computeranweisungen gespeichert sind, die bei Ausführung durch einen Computer den Computer veranlassen, das Verfahren eines der Beispiele 1 bis 16 oder 23 bis 25 durchzuführen.
• Beispiel 27 ist ein Kanalschätzer zum Schätzen eines Kanals, wobei der Kanal eine Vielzahl von Mehrwegekomponenten umfasst, wobei der Kanalschätzer umfasst: Mittel zum Empfangen eines Signals umfassend eine Vielzahl von Beiträgen eines während einer Vielzahl von Übertragungszeitintervallen auf einer Vielzahl von Unterträgern bekannter Piloten und einer Vielzahl von Unterträgern unbekannter Daten übertragenen Sendesignals; Mittel zum Bestimmen einer Schätzung der Vielzahl von Mehrwegekomponenten basierend auf einem probabilistischen Verhältnis zwischen einer Vielzahl erster Beiträge des Sendesignals, wobei die Vielzahl erster Beiträge während benachbarter Übertragungszeitintervalle übertragen werden und eine Beobachtung des Empfangssignals an einem Unterträger der bekannten Piloten, wobei das probabilistische Verhältnis auf statistischen Eigenschaften der Vielzahl erster Beiträge des Sendesignals basiert.
• In Beispiel 28 kann der Gegenstand des Beispiels 27 wahlweise umfassen, dass das probabilistische Verhältnis auf einem spärlichen Bayesischen Lerngerüst basiert, das eine Wahrscheinlichkeitsdichtefunktion der Vielzahl von Mehrwegekomponenten gemäß einem spärlichen Kanalmodell anwendet.
• In Beispiel 29 kann der Gegenstand eines beliebigen der Beispiele 27–28 wahlweise umfassen, dass das probabilistische Verhältnis eine alphabetische Matrix bezüglich der Vielzahl von ersten Beiträgen des Sendesignals umfasst.
• In Beispiel 30 kann der Gegenstand des Beispiels 29 wahlweise umfassen, dass die alphabetische Matrix von der Vielzahl erster Beiträge des Sendesignals und von einem Laufzeitvektor abhängig ist, wobei der Laufzeitvektor eine Vielzahl von Laufzeitwerten der Vielzahl von Mehrwegekomponenten umfasst.
• In Beispiel 31 kann der Gegenstand eines beliebigen der Beispiele 29–30 wahlweise umfassen, dass das probabilistische Verhältnis eine multiplikative Kombination zwischen der alphabetischen Matrix und einem Kanalgewichtevektor umfasst, wobei der Kanalgewichtevektor eine Vielzahl von Kanalgewichten der Vielzahl von Mehrwegekomponenten umfasst.
• In Beispiel 32 kann der Gegenstand des Beispiels 31 wahlweise umfassen, dass das probabilistische Verhältnis: y_n[k] = [Φ₁(x_n, x_n-1, τ)]_kᾱ + ξ entspricht, wobei y_n[k] das in einem Übertragungszeitintervall n auf einem Unterträger k empfangene Signal bezeichnet, Φ₁ die alphabetische Matrix bezüglich des Unterträgers k bezeichnet, x_n, x_n-1 die Vielzahl von ersten Beiträgen des während des n-ten und des (n – 1)-ten Übertragungszeitintervalls übertragenen Sendesignals bezeichnen, τ den Laufzeitvektor bezeichnet, ᾱ den Kanalgewichtevektor bezeichnet und ξ einen Rauschvektor bezeichnet.
• In Beispiel 33 kann der Gegenstand eines beliebigen der Beispiele 31–32 wahlweise umfassen, dass das probabilistische Verhältnis auf einem probabilistischen Modell der Vielzahl von Kanalgewichten, der Vielzahl von Laufzeitwerten und einer Rauschpräzision basiert.
• In Beispiel 34 kann der Gegenstand des Beispiels 33 wahlweise umfassen, dass das probabilistische Verhältnis auf hierarchischer vorheriger Modellierung der Vielzahl von Kanalgewichten, der Vielzahl von Laufzeitwerten und der Rauschpräzision basiert.
• In Beispiel 35 kann der Gegenstand eines beliebigen der Beispiele 33–34 wahlweise Mittel zum Bestimmen annähernder Wahrscheinlichkeitsdichtefunktionen der Vielzahl von Kanalgewichten, der Vielzahl von Laufzeitwerten und der Rauschpräzision basierend auf einem Vertrauensfortpflanzungsrahmen des mittleren Feldes umfassen.
• Beispiel 36 ist eine Schaltung zum Schätzen eines Kanals für Mobilsysteme mit ungenügender zyklischer Präfixlänge, wobei der Kanal eine Vielzahl von Mehrwegekomponenten umfasst, wobei die Schaltung umfasst: Mittel zum Empfangen eines Signals umfassend eine Vielzahl von Beiträgen eines während einer Vielzahl von Übertragungszeitintervallen auf einer Vielzahl von Unterträgern bekannter Piloten und einer Vielzahl von Unterträgern unbekannter Daten übertragenen Sendesignals; Mittel zum iterativen Bestimmen einer Schätzung der Vielzahl von Mehrwegekomponenten basierend auf einer alphabetischen Matrix bezüglich einer Vielzahl erster Beiträge des Sendesignals, wobei die Vielzahl von ersten Beiträgen während benachbarten Übertragungszeitintervallen übertragen werden, und basierend auf einer Beobachtung des Empfangssignals an einem Unterträger der bekannten Piloten; und Mittel zum Aktualisieren der Matrix basierend auf statistischen Eigenschaften der Vielzahl erster Beiträge des Sendesignals nach jeder Iteration.
• In Beispiel 37 kann der Gegenstand des Beispiels 36 wahlweise Mittel zum Aktualisieren der alphabetischen Matrix basierend auf einem Moment erster Ordnung der Vielzahl erster Beiträge des Sendesignals umfassen; und Mittel zum Aktualisieren eines Produkts einer hermitischen Konjugierten der alphabetischen Matrix und der alphabetischen Matrix basierend auf einem Moment zweiter Ordnung der Vielzahl erster Beiträge des Sendesignals.
• In Beispiel 38 kann der Gegenstand eines beliebigen der Beispiele 36–37 wahlweise Mittel zum iterativen Bestimmen der Schätzung der Vielzahl von Mehrwegekomponenten umfassen, bis eine Differenz zwischen zwei aufeinanderfolgenden Rauschvarianzschätzungen kleiner als ein Schwellwert ist.
• Beispiel 39 ist ein System für Kanalschätzung umfassend: einen Empfangsanschluss eingerichtet zum Empfangen eines Signals umfassend eine Vielzahl von Beiträgen eines während einer Vielzahl von Übertragungszeitintervallen auf einer Vielzahl von Unterträgern bekannter Piloten und einer Vielzahl von Unterträgern unbekannter Daten übertragenen Sendesignals; eine Verarbeitungsschaltung eingerichtet zum Bestimmen einer Schätzung der Vielzahl von Mehrwegekomponenten basierend auf einem probabilistischen Verhältnis zwischen einer Vielzahl erster Beiträge des Sendesignals, wobei die Vielzahl erster Beiträge während benachbarter Übertragungszeitintervallen übertragen wird, und einer Beobachtung des Empfangssignals an einem Unterträger der bekannten Piloten, wobei das probabilistische Verhältnis auf statistischen Eigenschaften der Vielzahl erster Beiträge des Sendesignals basiert.
• In Beispiel 40 kann der Gegenstand des Beispiels 39 wahlweise eine Matrixverarbeitungseinheit eingerichtet zum Bestimmen einer alphabetischen Matrix bezüglich der Vielzahl erster Beiträge des Sendesignals umfassen.
• In Beispiel 41 kann der Gegenstand des Beispiels 40 wahlweise eine statistische Verarbeitungsschaltung eingerichtet zum Bestimmen von Momenten erster und zweiter Ordnung der Vielzahl erster Beiträge des Sendesignals umfassen.
• In Beispiel 42 kann der Gegenstand des Beispiels 41 wahlweise umfassen, dass die Matrixverarbeitungseinheit zum Bestimmen der alphabetischen Matrix basierend auf den Momenten erster und zweiter Ordnung der Vielzahl erster Beiträge des Sendesignals eingerichtet ist.
• In Beispiel 43 kann der Gegenstand eines beliebigen der Beispiele 40–42 wahlweise eine multiplikative Verarbeitungseinheit eingerichtet zum Bestimmen einer multiplikativen Kombination der alphabetischen Matrix und eines Kanalgewichtevektors umfassen.
• In Beispiel 44 kann der Gegenstand des Beispiels 43 wahlweise eine additive Verarbeitungseinheit eingerichtet zum Addieren eines Rauschvektors zu der multiplikativen Kombination der alphabetischen Matrix und des Kanalgewichtevektors umfassen.
• In Beispiel 45 kann der Gegenstand eines beliebigen der Beispiele 39–44 wahlweise umfassen, dass das System ein On-Chip-System ist.
• Zusätzlich kann, während ein bestimmtes Merkmal oder ein bestimmter Aspekt der Offenbarung hinsichtlich nur einer von mehreren Ausführungen offenbart sein könnte, ein solches Merkmal oder ein solcher Aspekt mit einem oder mehreren anderen Merkmalen oder Aspekten der anderen Ausführungen kombiniert werden, wie für jede beliebige gegebene oder bestimmte Anwendung wünschenswert und vorteilhaft sein könnte. Weiterhin sollen in dem Ausmaß, in dem die Begriffe „einschließlich”, „aufweisen”, „mit” oder andere Varianten derselben in entweder der ausführlichen Beschreibung oder den Ansprüchen benutzt werden, solche Begriffe auf eine ähnliche Weise wie der Begriff „umfassen” einschließend sein. Weiterhin versteht es sich, dass Aspekte der Offenbarung in diskreten Schaltungen, teilweise integrierten Schaltungen oder vollintegrierten Schaltungen oder Programmierungsmitteln ausgeführt sein können. Auch sind die Begriffe „beispielhaft”, „zum Beispiel” und „z. B.” nur als Beispiel gemeint, und nicht als die Besten oder Optimalen.
• Obwohl bestimmte Aspekte dargestellt und hier beschrieben sind, wird der Fachmann erkennen, dass eine Vielzahl alternativer und/oder ebenbürtiger Ausführungen für die gezeigten und beschriebenen bestimmten Aspekte ausgetauscht werden können, ohne aus dem Umfang der vorliegenden Offenbarung zu weichen. Die vorliegende Anmeldung soll alle Anpassungen oder Variationen der hier besprochenen bestimmten Aspekte abdecken.
• Obwohl die Elemente in den nachfolgenden Ansprüchen in einer bestimmten Folge mit entsprechender Benennung aufgeführt sind, sollen diese Elemente, sofern die Anspruchsaufführungen eine bestimmte Folge zum Ausführen einiger oder aller dieser Elemente anderweitig andeuten, nicht unbedingt darauf begrenzt sein, in dieser bestimmten Reihenfolge ausgeführt zu werden.

Claims (25)

1. Verfahren (200) zum Schätzen eines Kanals für Mobilsysteme mit ungenügender zyklischer Präfixlänge, wobei der Kanal eine Vielzahl von Mehrwegekomponenten (ᾱ, τ) umfasst, wobei das Verfahren umfasst: Empfangen (201) eines Signals (206, y_n(k)) umfassend eine Vielzahl von Beiträgen (202, 204) eines während einer Vielzahl von Übertragungszeitintervallen (n, n – 1) auf einer Vielzahl von Unterträgern bekannter Piloten (k ∈ P_b) und einer Vielzahl von Unterträgern unbekannter Daten (k ∉ P_b) übertragenen Sendesignals (x_n[k], x_n-1[k]) Bestimmen (203) einer Schätzung (208) der Vielzahl von Mehrwegekomponenten (ᾱ, τ) basierend auf einem probabilistischen Verhältnis zwischen einer Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]), wobei die Vielzahl erster Beiträge (202, 204) während benachbarter Übertragungszeitintervalle (n, n – 1) übertragen werden, und einer Beobachtung des Empfangssignals (206, y_n[k]) an einem Unterträger (k ∊ P_b) der bekannten Piloten, wobei das probabilistische Verhältnis auf statistischen Eigenschaften der Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]) basiert.
2. Verfahren (200) nach Anspruch 1, wobei das probabilistische Verhältnis auf einem spärlichen Bayesischen Lerngerüst basiert, das eine Wahrscheinlichkeitsdichtefunktion der Vielzahl von Mehrwegekomponenten (ᾱ, τ) nach einem spärlichen Kanalmodell anwendet.
3. Verfahren (200) nach Anspruch 1 oder 2, wobei das probabilistische Verhältnis eine alphabetische Matrix (Φ₁) in Bezug auf die Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]) umfasst.
4. Verfahren (200) nach Anspruch 3, wobei die alphabetische Matrix (Φ₁) von der Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]) und von einem Laufzeitvektor (τ) abhängig ist, wobei der Laufzeitvektor (τ) eine Vielzahl von Laufzeitwerten der Vielzahl von Mehrwegekomponenten (ᾱ, τ) umfasst.
5. Verfahren (200) nach Anspruch 3 oder 4, wobei das probabilistische Verhältnis eine multiplikative Kombination zwischen der alphabetischen Matrix (Φ₁) und einem Kanalgewichtevektor (ᾱ) umfasst und wobei der Kanalgewichtevektor (ᾱ) eine Vielzahl von Kanalgewichten der Vielzahl von Mehrwegekomponenten (ᾱ, τ) umfasst.
6. Verfahren (200) nach Anspruch 5, wobei das probabilistische Verhältnis: y_n[k] = [Φ₁(x_n, x_n-1, τ)]_kᾱ + ξ entspricht, wobei y_n[k] das in einem Übertragungszeitintervall n auf einem Pilotunterträger k empfangene Signal bezeichnet, Φ₁ die alphabetische Matrix bezüglich des Unterträgers k bezeichnet, x_n, x_n-1 die Vielzahl erster Beiträge des während des n-ten und des (n – 1)-ten Übertragungszeitintervalls übertragenen Sendesignals bezeichnen, τ den Laufzeitvektor bezeichnet, ᾱ den Kanalgewichtevektor bezeichnet und ξ einen Rauschvektor bezeichnet.
7. Verfahren (200) nach Anspruch 5 oder 6, wobei das probabilistische Verhältnis auf einem probabilistischen Modell der Vielzahl von Kanalgewichten, den Laufzeitwerten und einer Rauschpräzision basiert.
8. Verfahren (200) nach Anspruch 7, wobei das probabilistische Verhältnis auf hierarchischer vorhergehender Modellierung der Vielzahl von Kanalgewichten, einer Vielzahl der Laufzeitwerte und der Rauschpräzision basiert.
9. Verfahren (200) nach Anspruch 7 oder 8, weiterhin umfassend: Bestimmen annähernder Wahrscheinlichkeitsdichtefunktionen der Vielzahl der Kanalgewichte, der Vielzahl von Laufzeitwerten und der Rauschpräzision basierend auf einem Vertrauensfortpflanzungsrahmen des mittleren Feldes.
10. Verfahren (200) nach Anspruch 9, weiterhin umfassend: Bestimmen der annähernden Wahrscheinlichkeitsdichtefunktionen der Vielzahl von Kanalgewichten, der Vielzahl von Laufzeitwerten und der Rauschpräzision basierend auf einer von Mises Wahrscheinlichkeitsdichtefunktion.
11. Verfahren (200) nach einem der Ansprüche 7 bis 10, weiterhin umfassend: Iterieren zwischen Schätzen der Vielzahl von Kanalgewichten, der Vielzahl von Laufzeitwerten und der Rauschpräzision.
12. Verfahren (200) nach einem der vorhergehenden Ansprüche, wobei das probabilistische Verhältnis auf Statistiken erster und zweiter Ordnung der Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]) basiert.
13. Verfahren (200) nach Anspruch 12, wobei das probabilistische Verhältnis auf Momenten erster und zweiter Ordnung der Vielzahl von Beiträgen (202, 204) des Sendesignals (x_n[k], x_n-1[k]) basiert.
14. Verfahren (200) nach Anspruch 13, weiterhin umfassend: Bestimmen der Momente erster und zweiter Ordnung basierend auf einem bekannten Pilotmuster für die Vielzahl von Unterträgern (k ∈ P_b) bekannter Piloten und basierend auf einer Konstante für die Vielzahl von Unterträgern (k ∉ P_b) unbekannter Daten.
15. Verfahren (200) nach Anspruch 13 oder 14, weiterhin umfassend: Bestimmen der Vielzahl von Momenten erster und zweiter Ordnung gemäß:

    

    wobei

    

    das Moment erster Ordnung bezeichnet,

    

    das Moment zweiter Ordnung bezeichnet, x_n, x_n-1 die ersten Beiträge des während des n-ten und des (n – 1)-ten Übertragungszeitintervalls übertragenen Sendesignals bezeichnen, k den Unterträgerindex bezeichnet, wobei k ∈ P_b die bekannten Pilotunterträger anzeigt und b ∈ {n – 1, n} ein Index des Übertragungszeitintervalls ist.
16. Verfahren (200) nach einem der vorhergehenden Ansprüche, wobei das Mobilsystem eine LTE-OFDM-Übertragung umfasst, für die eine maximale Zusatzlaufzeit des Kanals größer als die zyklische Präfixlänge ist.
17. Kanalschätzungsvorrichtung (400) umfassend: einen Empfangsanschluss (401) ausgelegt zum Empfangen eines Signals (y_n[k]) umfassend eine Vielzahl von Beiträgen (202, 204) eines während einer Vielzahl von Übertragungszeitintervallen (n, n – 1) auf einer Vielzahl von Unterträgern (k ∈ P_b) bekannter Piloten und einer Vielzahl von Unterträgern (k ∉ P_b) unbekannter Daten übertragenen Sendesignals (x_n[k], x_n-1[k]); eine Verarbeitungsschaltung (403), ausgelegt zum Bestimmen einer Schätzung einer Vielzahl von Mehrwegekomponenten (ᾱ, τ) basierend auf einem probabilistischen Verhältnis zwischen der Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]), wobei die Vielzahl erster Beiträge (202, 204) während benachbarten Übertragungszeitintervallen (n, n – 1) übertragen werden, und einer Beobachtung des Empfangssignals (y_n[k]) an einem Unterträger (k ∈ P_b) der bekannten Piloten, wobei das probabilistische Verhältnis auf statistischen Eigenschaften der Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]) basiert.
18. Kanalschätzungsvorrichtung (400) nach Anspruch 17, weiterhin umfassend: eine Matrixverarbeitungseinheit ausgelegt zum Bestimmen einer alphabetischen Matrix (Φ₁) in Bezug auf die Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]).
19. Kanalschätzungsvorrichtung (400) nach Anspruch 18, weiterhin umfassend: eine statistische Verarbeitungsschaltung ausgelegt zum Bestimmen von Momenten erster und zweiter Ordnung der Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]).
20. Kanalschätzungsvorrichtung (400) nach Anspruch 19, wobei die Matrixverarbeitungseinheit zum Bestimmen der alphabetischen Matrix (Φ₁) basierend auf den Momenten erster und zweiter Ordnung der Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]) ausgelegt ist.
21. Kanalschätzungsvorrichtung (400) nach einem der Ansprüche 18 bis 20, weiterhin umfassend: eine multiplikative Verarbeitungseinheit ausgelegt zum Bestimmen einer multiplikativen Kombination der alphabetischen Matrix (Φ₁) und eines Kanalgewichtevektors (ᾱ).
22. Kanalschätzungsvorrichtung (400) nach Anspruch 21, weiterhin umfassend: eine additive Verarbeitungseinheit ausgelegt zum Addieren eines Rauschvektors zu der multiplikativen Kombination der alphabetischen Matrix (Φ₁) und des Kanalgewichtevektors (ᾱ).
23. Verfahren (500) zum Schätzen eines Kanals für Mobilsysteme mit ungenügender zyklischer Präfixlänge, wobei der Kanal eine Vielzahl von Mehrwegekomponenten (ᾱ, τ) umfasst, wobei das Verfahren umfasst: Empfangen (501) eines Signals (y_n) umfassend eine Vielzahl von Beiträgen (202, 204) eines während einer Vielzahl von Übertragungszeitintervallen (n, n – 1) auf einer Vielzahl von Unterträgern (k ∈ P_b) bekannter Piloten und einer Vielzahl von Unterträgern (k ∉ P_b) unbekannter Daten übertragenen Sendesignals (x_n[k], x_n-1[k]); iteratives Bestimmen (503) einer Schätzung der Vielzahl von Mehrwegekomponenten (ᾱ, τ) basierend auf einer alphabetischen Matrix (Φ₁) in Bezug auf eine Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]), wobei die Vielzahl erster Beiträge (202, 204) während benachbarter Übertragungszeitintervalle (n, n – 1) übertragen werden und basierend auf einer Beobachtung des Empfangssignals (y_n[k]) an einem Unterträger (k ∈ P_b) der bekannten Piloten; und nach jeder Iteration, Aktualisieren (505) der alphabetischen Matrix (Φ₁) basierend auf statistischen Eigenschaften der Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]).
24. Verfahren (500) nach Anspruch 23, weiterhin umfassend: Aktualisieren (505) der alphabetischen Matrix (Φ₁) basierend auf einem Moment erster Ordnung der Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]); und Aktualisieren eines Produkts einer hermitischen Konjugierten der alphabetischen Matrix (Φ₁) und der alphabetischen Matrix (Φ₁) basierend auf einem Moment zweiter Ordnung der Vielzahl erster Beiträge (202, 204) des Sendesignals (x_n[k], x_n-1[k]).
25. Verfahren (500) nach Anspruch 23 oder 24, weiterhin umfassend: iteratives Bestimmen (503) der Schätzung der Vielzahl von Mehrwegekomponenten (ᾱ, τ), bis eine Differenz zwischen zwei aufeinanderfolgenden Rauschvarianzschätzungen (ᾱ, τ) kleiner als ein Schwellwert ist.

Images