WO2008113216A1

WO2008113216A1 - Méthode d'évaluation d'un canal

Info

Publication number: WO2008113216A1
Application number: PCT/CN2007/000916
Authority: WO
Inventors: Guoping Xu; Yu Xin; Jiao Wu
Original assignee: Zte Corporation
Priority date: 2007-03-21
Filing date: 2007-03-21
Publication date: 2008-09-25
Also published as: CN101578829B; CN101578829A

Description

一种信道估计方法技术领域

本发明涉及移动通信领域，特别是涉及一种移动通信系统的信道估计方法，本方法可应用于多种移动通信系统，包含 OFDM ( Orthogonal Frequency Division Multiplexing: 正交频分复用）系统和 MIMO-OFDM ( Multi-Input Multi-Output Orthogonal Frequency Division Multiplexing: 多天线收发 -正交频分复用）系统，同时，如果采用适当的帧结构，本方法也可应用于 CDMA ( Code Division Multiple Access: 码分多址）系统的信道估计。背景技术

正交频分复用（OFDM )技术将高速数据流转换为一组低速并行传输的数据流，并使子信道的频带交叠，具有较强的抗多径干扰能力和较高的带宽利用率。在充分散射信道条件下, 多天线收发 ( MIMO ) 系统可以获得比单天线收发（SISO, single input single output)系统更大的信道容量。在基于 MIMO和 OFDM 的新一代无线通信系统中，由于传输速率较高，需要使用相干检测（coherent detection )技术获得较高的性能，因此信道估计成为 MIMO和 OFDM相关研究的一个重要方向。

精确的信道估计也可以提高 CDMA系统的性能。信道估计可以应用于

CDMA系统的 RAKE接收机、时域均衡接收机以及频域均衡接收机中。

信道估计技术从大的方面可以分为非盲估计和盲估计，以及在此基础上产生的半盲估计。通常使用非盲估计获得较好的估计效果，计算复杂度较低，这样还可以更好的跟踪无线信道的变化，提高接收机性能。传统的信道估计方法往往要进行大量的矩阵运算，复杂度较高，受噪声的影响较大。

发明内容

鉴于以上情况，本发明要解决的技术问题就是提出一种可以应用于 OFDM ( MIMO-OFDM )系统、 CDMA系统以及其它通信系统的信道估计方法，在保证较好信道估计精度的前提下，使信道估计的运算负担减轻。

为解决上述问题，本发明提出一种信道估计方法，应用于移动通信系统，包含以下步骤：

(a)在发送端发送的信号数据段中，每间隔一定长度的信号数据段插入带有长度为 Z_e的循环前綴的伪随机序列作为训练序列，所述 .大于 - 1 , 其中是当前信道的离散信道模型的最大时延，不带循环前缀时该伪随机序列长度为 L_p；

(b)接收端接收到训练序列的数据，将去掉循环前缀部分后的接收数据与个移位伪随机序列做互相关，得到互相关矩阵 C，所述移位伪随机序列为作为当前训练序列的伪随机序列分别循环右移 0,1，...， L_c-l次后所得，所述 C矩阵第一行是接收数据和作为当前训练序列的伪随机序列循环右移 0 次得到的伪随机序列的互相关值，依次下去， C矩阵最后一行是接收数据和作为当前训练序列的伪随机序列循环右移 L_c-1 次得到的伪随机序列的互相关值；

(c) 当前时刻的信道冲激响应的估计 fi = C_P- 其中 C_p为一 J_c阶方阵，为所述作为当前训练序列的伪随机序列分别循环右移 0， 1 ,...， L_c-l次得到的伪随机序列的自相关矩阵， C_P第 j行，第 i列是所述作为当前训练序列的伪随机序列循环右移 j次和 i次得到的伪随机序列的互相关值， Cp-¹为 C_p的逆矩阵，当前时刻信道的冲激响应估计记为 _lK。_d。

所述方法进一步包含如下步骤：

(d)在间隔一定长度的信号数据段后，接收端再次接收到对应于训练序列的数据，按步骤（b) 中的方法计算新的互相关矩阵 C, 按步骤（c) 中方法得到当前信道的冲激响应的估计 , 利用 _iead和 _tail进行插值得到两个训练序列之间的信号数据段对应的信道的冲激响应。

所述方法进一步包含如下步骤：

(d)在间隔一定长度的信号数据段后，接收端再次接收到对应于训练序列的数据，按步骤（b) 中的方法计算新的互相关矩阵，按步骤（c) 中方法得到当前信道的冲激响应的估计 _to7 , 由 ii_head和得到对应的信道的频率响应 ^^和^。,.,，利用 ή,,^和 ±_to7进行插值得到两个训练序列之间的信号数据段对应的信道频率响应。

所述步糠 ( a ) 中插入的训练序列长度相同，其循环前缀长度也相同，所述步驟（c ) 中 C_p为一固定方阵， C_P的逆矩阵 C-p¹直接存储于接收端。

所述伪随机序列为最大长度移位寄存器序列即 m序列，所述步骤（ c ) 中 C_p其对角线上元素为 1 , 非对角线元素为 -1/ 。

所述系统为正交频分复用 OFDM系统或码分多址 CDMA系统, 所述步骤（a ) 中，两个训练序列间隔的一定长度的信号数据段为若干个 OFDM符号数据或若干个 CDMA码片数据，其个数根据载波频率和移动台移动速度确定， N讓 = (l/3 ~ l/5)T_eOT/r , 其中， N薩是两个训练序列间隔的 OFDM符号或 CDMA码片的个数， Γ是一个 OFDM符号或一个 CDMA码片的周期，为信号最大多普勒频移的倒数，最大多普勒频移/ _max = _v/7c , ！是移动台速度， c是光速， /是载波频率。

所述系统为 OFDM系统，所述步骤（a ) 中一定长度的信号数据段为若干个 OFDM符号数据，所述步骤（d ) 中 , ^和 i¾_to7是信道估计时刻 OFDM 各个子载波上的频率响应的估计， Η_ω和 ή_ω插值得到的是两个训练序列之间的 OFDM符号数据各个子载波上的频率响应。

步骤 ) 中所述插值方法为线性插值方法 , 0为两个训练序列之间第 j个 OFDM符号数据的信道频率响应估计值，其计算式为

H , = H + j (H _tail - H _w ) /(Num + 1), = 1,2,··· , Num

其中 Num是两个训练序列之间所间隔的 OFDM符号数据的个数。

所述系统为 CDMA系统，所述步骤（a )中一定长度的信号数据段为一段 CDMA数据码片数据，所述步骤（ d ) 中 ύ_Ικαά和 0_to,₇是信道估计时刻多径信道的频率响应， ή_Λ^和 ή,_∞7插值得到的是两个训练序列之间的 CDMA码片信号所对应的信道的频率响应。

所述系统为 CDMA系统，所述步骤 ( a )中一定长度的信号数据段为一段 CDMA数据码片数据，所述步骤（ d )中和^„₇是信道估计时刻多径信道的冲激响应， _∞d和 ii_to7插值得到的是两个训练序列之间的 CDMA码片信号所对应的信道的冲激响应。

一种多天线收发系统信道估计方法，包含下述步骤：

( a )在发送端，对每个发送天线，发送一段规定长度的信号数据段之前，插入带有长度为^的循环前缀的伪随机序列作为训练序列，所述 ^大于 1 -1 , 其中是该发送天线和备接收天线之间离散信道模型的最大时延，不带循环前缀时该伪随机序列长度为 L_p , 各个发送天线上的训练序列先后发送，保证每个发送天线上的训练序列与系统中其余发送天线的训练序列在时间上正交；

( b )接收端的每个接收天线接收到当前发送天线发送的训练序列的数据，去掉循环前缀部分后的接收数据与 ^个移位伪随机序列做互相关，得到互相关矩阵 C，所述移位伪随机序列为作为当前训练序列的伪随机序列分别循环右移 0,1，...， L_c-\次后所得，所述 C矩阵第一行为接收数据和作为当前训练序列的伪随机序列循环右移 0次得到的伪随机序列的互相关值，依次下去， C矩阵最后一行为接收数据和作为当前训练序列的伪随机序列循环右移 L_c-\次的伪随机序列的互相关值;

( c )每个接收天线和当前发送天线的当前时刻的信道冲激响应的估计 h = C_p ¹C , 其中 C_P为一个 ^阶方阵，为所述作为当前训练序列的伪随机序列分别循环右移 0,1,.. ·, L_c-l次得到的伪随机序列的自相关矩阵， C_p第 j行，第 i列是所述作为当前训练序列的伪随机序列循环右移 j次和 i次得到的伪随机序列的互相关值， C_p- ¹为 C_p的逆矩阵, 将接收天线和当前发送天线之间信道的当前时刻信道冲激响应估计记为所有发送天线发送完毕后，得到每对接收天线和发送天线对应的信道的冲激响应估计。

所述方法进一步包含如下步骤：

( d )在间隔规定长度的信号数据之后，接收天线再次接收到同一发送天线对应于训练序列的数据，按步驟（b ) 中的方法计算新的互相关矩阵 C , 按步骤（c )中方法得到当前信道的冲激响应的估计利用和 ii,_ai,插值得到两个训练序列之间的信号数据段对应的信道冲激响应，或利用 έ_Λ ^和 ^ /对应的信道频率响应 ή_Λ∞ί/和 ή _;,进行插值得到两个训练序列之间的信号数据段对应的信道频率响应。所述伪随机序列为最大长度移位寄存器序列即 m序列，所述步骤 (c)中 C_P其对角线上元素为 1 , 非对角线元素为- 1/ 。

所述步骤（a ) 中插入的训练序列长度相同，其循环前缀长度也相同，所述步骤（c ) 中 C_p为一固定方阵， C_P的逆矩阵 C- p¹直接存储于接收端。

本发明提出了一种针对移动通信系统，包括 OFDM ( MIMO-OFDM )系统和 CDMA系统的基于伪随机序列的信道估计新方法 , 巧妙利用伪随机序列的自相关特性降低了信道估计的复杂度。当伪随机序列使用自相关较好的 m序列时，本发明信道估计的精确度比现有技术高。本信道估计方法能够根据系统传输速率的需要灵活调整训练序列的开销，以取得估计精度和开销的折中。附图概述

结合以下附图以及具体实例对发明所做的详细描述将便于理解本发明的原理、步骤、特点和优点，附图中：

图 1为离散多径信道的抽头延迟线模型；

图 2为本发明基于 OFDM系统信道估计方法流程图;

图 3 是 m序列和随机产生序列的谱条件数分布图；

图 4为本发明一实例 OFDM系统信道估计在车速 30km/h时的均方误差曲线图；

图 5为本发明一实例 OFDM系统信道估计在车速 30km/h时的误码率曲线图；

图 6为本发明基于时域信道估计的 MIMO-OFDM系统框图；

图 7为本发明 2发 2收系统时域训练序列的插入方式;

图 8为本发明一实例 MO-OFDM系统信道估计在车速 30km/h时的均方误差曲线图；

图 9为本发明一实例 MIMO-OFDM系统信道估计在车速 30km/h时的平均误码率曲线图，采用的是针对 MIMO系统的 MMSE - Ordered IC( Minimum Mean Square Error- Ordered Interference Cancellation, 最小均方误差一 ^Jf干扰消除）检测。本发明的较佳实施方式

下面结合附图和实施例对本发明进行详细描述。

1) 多径信道模型

如图 1所示，离散多径信道可以用一个抽头延迟线模型来表征。假定各条路径信道系数在一个 OFDM符号时间内保持不变（如果本信道估计方法应用于其他通信系统，就是一定数量的发送数据对应的时间内信道保持不变），信道长度 L未知，对 OFDM符号和训练序列所取的 CP ( Cyclic Prefix: 循环前缀；如果应用于其他通信系统，训练序列前同样需要加 CP, 这个 CP 和 OFDM符号的 CP没有关系）长度为 ( L_C>L ) 。信道的离散冲激响应可以表示为一个长度是 Z_e的列向量 hH -'U , h满足条件： {/¾=0| ≤_Ζ·≤ - 1}。假设时域的发送数据长度是 , 因为本信道估计方法采用.的伪随机序列的长度将与 OFDM的子载波数目不相等, 所以在信道估计阶段 ^代表伪随机序列的长度；而在 OFDM符号传送阶段， Z_s代表了一个 OFDM符号时域采样的个数, 在不过采样的情况下就是 OFDM系统子载波的数目。加上 CP 后，假设发送序列是 X , 接收序列是 r，其中 x = [x(0), x(l), -,x(L_s+L_c- ΐ)]^τ , r = [r(0), r(l)， ''、 L_S+L_C- 那么由抽头延迟线模型可以得到： r{k) = J h_tx{k - i) + n{k) ), 1, · · ¾ +^-1 ( 1 )

,·=0

将（1) 式写成矩阵的形式如下：

r = xh + η (2) 其中 S是由发送信号 χ排列而成的（Z_s+Z_c)> _e的矩阵，如（3)式所示：

取 S的第 Α = 0,1,··-, - 1)列写成列向量的形式如下

(4) 其中 ( = 0,1,2, 代表训练序列前面的数据多径延时到达的部分。那么 S可以重新表示成 ^Ι Α,.·.,^^], 于是（2)可以表示成

其中

表示信道中的加性高斯白噪声，服从相同独立的均值为零、方差为 σ„²的复高斯分布。

和 OFDM系统的原理一样，如果信道的最大时延能够折合成 OFDM时域符号 L个采样的时间长度，那么 CP的长度就要大于 - 1。这里训练序列和 OFDM时域符号采样采用的是同样的采样速率。

2) OFDM基于时域信道估计的频域均衡思想

假设经过时域的信道估计，已经得到了信道估计值 ii = H、 __x f , 那么就可以得到信道对应 OFDM 各个子载波上的频率响应 H = [H(1),H(2),--,H(N-1)] , 其中 N是 OFDM 的子载波数。应用 ZF ( Zero-Forcing:迫零 )或 MMSE ( Minimum Mean-Square Error: 最小均方误差）准则可以对 OFDM信号进行均衡。比如基于迫零准则的均衡，对原始信号的估计值为

i₌R … - 1) (₆)

H H(0)'H(1)' 'H(N-l)

其中

ή是对真实信道离散频域响应 Η的估值。 3)本发明信道估计方法；

m序列又称作最大长度移位寄存器序列，是自相关特性最好的二进制序列。如果 m序列的长度为 , 它在一个周期内的归一化自相关函数满足

其中代表循环移位的位数， mod(.,.)代表前面的数字对后面的数字进行模运算后得到的余数。

下面的理论推导首先基于任意的伪随机序列对信道的冲激响应进行估计，然后将证明基于自相关性好的伪随机序列才能得到比较精确的信道估计，最后将 m序列引入本信道估计方法，并且提供性能的仿真。

每隔一定数量的 OFDM符号（如果本信道估计方法应用于其他通信系统，就是每隔一定数量的发送数据），就插入一个伪随机序列（如 m序列）作为时域信道估计的训练信号 , 这个训练序列也要同 OFDM符号一样，将最后的 _e (CP的长度）个元素作为循环前缀放在前面。也就是说，假设伪随机序列为 s = [PN(0),PN(1), ···, PN(Z -1)]，其中 PN() (=0, 1 ,… - 1)为伪随机序列的各个元素（如果是 m序列，那么这些元素就是双极性的比特位; 如果是其它的伪随机序列，这些元素就是一些实数）。那么加入循环前缀后的训练序歹为 X = [x(0),x(l ), ···, x(L_P +L_C -1)] =[PN(I -L_c),---, PN(I_P - 1), PN(0), ···, PN(J - 1)]。加入的循环前缀一方面可以吸收延迟到达的前面数据的多径分量，同时对于简化信道估计的计算起着至关重要的作用。

参照（5) 式，对应于训练序列，接收信号为

其中 (j = 0, 1, 2,… , Z_c— 1)是信的冲激响应， n = ["(0), "(1), -,n{L_P+L_c- l)f是力口性高斯白噪声， f_pN =[r( )>rO-X-;r(L_P+L_c -I)]⁷"为训练序列的接收向量， ^对应于 (4)给出的定义，可以表示成 =|Χ- · · _¾ -1),Λ(0Μ1),· . +/c-j-l)f。接收端对训练序列的接收数据要先去掉循环前缀部分。对照（8) 式，去掉对应于循环前缀部分的矩阵的行，写出删除循环前缀后的接收向量的等效表达式为

Lc-ί

PN + η (9) 户 ο

r_PN = [r_m(0),r_PN(i),- -,r_m(L_p -l)]^r 为 f_PN的后 L_P个元素， n' = [η'(0),η' (I),-、"'(L_P - 1)]⁷'为 n 的后 ^个元素，可以看出：是伪随机序列8循环右移 _次后得到的伪随机序列。由（9) 式， r_PN各个元素的计算公式为

其中 s^)是伪随机序列 _s循环右移 j次后得到的伪随机序列的第 t个元素。

r_PN与各个 s''的互相关表达式为

L_p-\

C =1/ _w(„)

= J hjC_P ^{s s} +l/L_p n^r(k)s k) ( 11 ) 式（11 ) 中 C 是循环右移伪随机序列和 s''的归一化互相关，于是可以将式（11 )写成矩阵的形式如下

C = C_P-h + 0(n') ( 12) 其中 C = [C(0),C(1 ..,C(J_C-I)f是由式（11 )计算得到的各个互相关值排列得到的列向量。 0("')代表式（ 11 )计算出来的噪声和循环右移伪随机序列的归一化互相关排列而成的向量。而 _Cp=[_C ], , = 0,1,..., - 1是一个 J_c阶的方阵， C_p第 j行，第 i列是循环右移 j次和 i次的伪随机序列的相关值，很容易得到， C_p是一个对称矩阵，也就是说 C_P的第 i行、第 j列和第 j行、第 i 列是相等的，当使用某个确知的伪随机序列进行时域的信道估计时， Cp这个方阵就是已知并且固定不变的。当使用 m序列作为训练序列进行信道估计时， C_P对角线上的元素都是 1, 而非对角线元素都是 - 1/Z_P。因此当使用某个固定长度的 m序列进行时域的信道估计时， C_P这个方阵的逆矩阵 C_p-'就是已知并且固定不变的，可以直接存储于接收机中，从而降低信道估计的复杂度。显而易见，采用不同长度的 m序列进行信道估计， C_p要进行相应的调整。 0(«')忽略不计，最后得到一对收发天线之间的信道冲激响应估计值为

ii = C_P ¹C ( 13) 下面讨论为什么自相关性好的伪随机序列（比如 m序列）适合于我们的信道估计算法，首先介绍定理 1:

定理 1: 设线性方程组 Az = b有唯一解₂。记和^)分别为 A与 b的扰动，且满足 |A- l^l <1。则扰动后的线性方程组（A + A)(z + ) = b + Sb也有唯一解。且

其中， ||·|表示矩阵或者向量的任何一种范数， |卜||₂表示谱范数， κ(·)表示矩阵的谱条件数，定义如下:

由（ 14)看出，谱条件数 A:(A)反映了线性方程组 =1>的解对于 A和 b的扰动的稳定程度。式（ 14)的右端是 (A)的单调增函数，所以 AT(A)愈大，对于 Α和 b的同样大小的扰动，方程组解的相对改变量可能愈大。

同理，根据式 ( 12)求解多径信道 h实际上就是解线性方程组 C = C_p.h, 而 0(«')相当于一个扰动向量。 C_P的谱条件数/(C_P)决定了方程组的解 h对于扰动。("')的稳定程度。 K(C_P)越小 , 那么由式（13)估计出的信道误差越小。显然，用于本信道估计的伪随机序列自相关特性越好, 那么 K(C_P)的条件数越小。

m序列是自相关特性最好的二进制序列。根据上面的理论分析，可以得知 m序列比较适合于本信道估计算法。随机产生 100个长度为 63的实数伪随机序列，针对这些伪随机序列和长度为 63 的 m序列，分别计算它们的 C_P=[C ], j,i = 0,l,-,L_c- 这里假定 Z_c =30, 然后分别计算这些矩阵的谱条件数。图 3显示了这些语条件数的大小关系（当 ^取小于 63的任意值时，会得到类似的结果）。 m序列对应的语条件数是 1.8824; 而随机产生的序列对应的谱条件数都比较大。如果采用后者进行信道估计将造成较大的误差。综上所述，可以得出这样的结论：任何的伪随机序列都能应用于本算法，但是自相关性不好的随机序列造成信道估计的误差较大；只有自相关性较好的随机序列才能取得精度较高的信道估计结果。本发明实施例中采用了 m 序列，如果还有自相关性很好或者更好的序列，一样可以应用于本算法。

下面结合附图和实施例对信道估计的过程给予具体说明。

图 2是本发明 OFDM系统信道估计方法流程图。

步骤 310: 在发送端的 206部分，作为时域训练序列的伪随机序列 (本实施例中使用 m序列 )和 OFDM符号一样加上同样长度的循环前缀, 训练序列的循环前缀长度也可以和 OFDM符号不一样，但必须大于 -1 是离散信道的最大时延，也就是把信道的最大时延折算成系统采样速率下的采样的数目 ) ，并将带有循环前缀的训练序列间隔地插入 OFDM符号之间，发送到接收端。

其中，前后两次插入的作为训练序列的伪随机序列可以不一样（对于 m 序列来说，不同的长度的 m序列或者经过循环移位的 m序列都可以视为不同的 m序列）。但是为了方便，这里前后所插入的训练序列最好是一样的伪随机序列， CP的长度也取相同的值。

如果训练序列不一样了，那么 C_p就要发生变化。比如说两次所采用的分别是不同长度的 m序列，如果设定的循环前缀的长度 _c始终是相等的 , 分析一下 C_P =[C ']， j, / = 0， 1，… , . - 1的特征就是: 因为 "是 m序列的归一化自相关，可以知道 C_p的对角线上是 1 , 但是其他的位置都是 - 1/Z_P , ^是 m序列的长度。 Z_p不同， -l/i^也就不同了。这些值是由 m序列的归一化自相关决定的。所以说不同的 m序列，对应的 C_P也是不一样的。为了简化接收机的结构，最好采用一样长度的 m序列和 CP长度。

两个训练序列之间间隔 OFDM数据符号的个数，要才艮据时变信道的变化速率来决定。根据载波频率和移动台的移动速度可以算出信道的最大多普勒频移，由最大多普勒频移可以算出信道的相关时间。在相关时间内，可以认为信道是慢变的。将相关时间折算成 OFDM数据符号的个数，间隔的 OFDM数据符号的个数可以参考这个折算值，当然最好可以留有一定的余量，因为信道在这个时间内毕竟还是有变化的。

具体方法是根据移动台的速度，可以核算出最大多普勒频移 _∞。

f J max = -^v f J

C

其中 V是移动台速度， c是光速， /是载波频率。而相关时间？；。,等于最大多普勒频移的倒数： cor

J max

在实际系统中可以取这个相关时间的 l/3 ~ l/5，这个时间范围内，可以认为信道是相关性很强的。因为本信道估计方法是每隔若干个 OFDM符号插入一次训练序列，然后中间过程的信道是通过插值得到的。所以这个间隔的 OFDM符号的数目最好是通过以下方法核算出来：

_Num ri_OFDM = (^1/3 ~ ^1/5)

丄 OFDM

其中， Num麵是核算得到的可以连续传送的 OFDM符号的个数，即两个训练序列之间间隔的 OFDM符号的个数， r。_FDM是一个 OFDM符号的周期。步驟 320: 接收端 209接收到数据后，去除 CP的训练序列送入 210进行时域信道估计，而去除了 CP的 OFDM符号送入 212以及后续模块，准备基于信道估计的结果进行频域均衡处理。在模块 210, 首先基于式（11 ) , 利用接收到的训练序列，得到接收数据与各个循环移位伪随机序列 (比如 m 序列）的互相关矩阵 C。所述 C矩阵第一行是接收数据和循环右移 0次的伪随机序列（m序列）的互相关值，依次下去， C矩阵最后一行为接收数据和循环右移 L_c -1次的伪随机序列 ( m序列）的互相关值；所述伪随机序列 ( m 序列）均为步骤 310中插入的作为当前训练序列的伪随机序列。

步骤 330: 然后利用（13 ) 式计算当前时刻的信道冲激响应的估计 , ^Ph = C_p-^IC , 其中 C_p是循环右移 0,1...^ - 1次的训练序列（m序列）的归一化互相关。将信道冲激响应的估计结果送入模块 211 ,得到对应于 OFDM各个子载波上的频率响应的估计 _∞(/ , 其对应的时域的冲激响应记为 ii_head。

步骤 340: 在间隔规定数目的 OFDM数据符号后，再次接收到对应于训练序列的信号，利用与前述相同的步骤，在模块 210和 211中，计算得到当前的对应于 OFDM各个子载波上的频率响应的估计 _∞7，其对应的时域的冲激响应 i己为 ii_to,,。

对于两个训练序列之间的 OFDM符号各个子载波上的频率响应，可以使用 ή_Α∞ίί和 fi_to7进行插值得到。例如使用线性插值方法的表达式如下：

H = H + j χ (H - H _head ) l(Num + 1), 7 = 1, 2, · · · , Num

其中 N画是两个训练序列之间相隔的 OFDM数据符号的个数。

当然由于两个训练序列之间的信号数据长度是由相关时间核算出来的，前面的那个训练序列估计近似 ,这样就可以省略了插值部分，估计的精确度会受到一定的影响。

步骤 350:信道频率响应的估计结果和 OFDM的接收数据一起被送入模块 215进行频域均衡，频域均衡可以基于 ZF准则或者 MMSE准则。也可以利用信道冲击响应进行时域的均衡。

当接收到新的训练序列时，新的信道估计与频域均衡的循环过程开始。当接收到新的训练序列时，实际上又已经传送了规定数目的 OFDM符号。连续的 OFDM符号两头是训练序列, 利用两头的训练序列进行信道插值得到 OFDM符号传送部分对应的信道频域响应, 然后利用插值的结果对 OFDM符号进行均衡，这就算完成了一个循环。然后间隔这个数目的 OFDM 符号，再发送一次训练序列。那么上一次发送的那些 OFDM符号后面的那个训练序列就是这一次发送的这些 OFDM符号的前头的训练序列，最新发送的训练序列就是这些 OFDM符号的后头的训练序列，利用前面同样的方法可以插值得到信道。也就是说一个训练序列实际上被使用两次：首先它作为前面的 OFDM符号段的结尾用于插值；后来它还作为后面的 OFDM符号段的开头再次用于插值。

上述信道估计方法可应用于其它通信系统，此时 OFDM符号数据为通信系统中的信号数据。

下面通过一个实例说明 OFDM系统的信道估计方法。

首先建立如下仿真平台：未编码系统的射频载波频率是 2GHz, 信道采用 TU ( Typical Urban: 典型市区）仿真模型，在车速为 30km/h的情况下进行仿真， OFDM的子载波数量是 512, 子载波间隔为 15kHz, 每个子载波上的调制方式均为 16QAM, 循环前缀的长度 _c = 60 , 每隔 10个 OFDM符号插入一个训练序列。 LS ( Least Square: 最小二乘）估计采用全导频方式；而对于本发明的估计方法, 为了比对不同长度 m序列的训练序列对信道估计精确度的影响，分别采用^ = 63,127,255,511四种长度的 m序列。信道估计之后采用基于 ZF准则的频域均衡恢复数据。

为了比较信道估计的精确度，这里定义信道估计的均方误差函数为

[]*表示取共扼， N表示 OFDM子载波的数目。

图 4和 5是上述仿真平 '台上进行仿真的结果，其中， MSE ( Mean Square Error: 均方误差）曲线是估计出的信道与真实信道参数的均方误差, BER ( Bit Error Ratio: 误比特率）曲线是系统的误码率， SNR ( Signal-to-Noise Ratio: 信噪比）是仿真时的信噪比。表示用于仿真的 m序列的长度， LS estimation 曲线表示基于 LS 算法得到的信道估计的 MSE性能曲线， ideal CSI ( Channel State Information: 信道状态信息）曲线表示信道对接收端已知的情况下得到的 BER性能曲线。

从图 4看出，随着训练序列长度的增加，信道估计的均方误差是下降的，这是由于噪声的影响被压缩成原来的 1/ _P。从图 5看，从长度等于 ⁶³的 m 序列开始，误码率曲线开始逼近理想信道的情况，但是长度大于 255之后误码率曲线改善减緩。从图 4和图 5还可以看出，本发明方法性能优于原有 LS信道估计方法。从计算量分析：若 OFDM系统所有子载波上都插入导频， LS信道估计在所有子载波上共需要 W次除法运算，其中 N是 OFDM子载波的数目。虽然 LS 方法计算量较小，但是性能较差。 LMMSE ( Linear Minimum Mean-Square Error: 线性最小均方误差）方法在保证性能接近 MMSE ( Minimum Mean-Square Error: 最小均方误差）方法的前提下，大大降低了 OFDM信道估计的运算复杂度。 LMMSE方法建立在对 LS方法的估计结果进行修正的基础上，信道估计的运算总共需要 N² +N次乘（除）法运算。本发明中（11 )式需要 _cxZ_p次乘法运算，（13 )式需要 :_c ²次乘法运算，可以得到本方法总共需要 ^ _x(JL_{c +} )次乘法运算。 L_{C <} N , L_P < N , 显而易见本发明的复杂度比 LMMSE算法复杂度要低。而且，在训练序列长度增加的情况下，信道估计的性能已经接近了理想信道的性能。实际上，本方法的复杂度也比大多数性能较好的信道估计方法计算量要低的多。随着 m序列长度的增加，信道估计的计算量会有所增加，从计算复杂度和信道估计的精确度折中考虑，取 m序列长度为 127或者 255比较合适。

本发明应该采用自相关性好的序列, 实例中采用了 m序列。 m序列的长度总是 2的整数次幂减去 1 , 因为循环前缀 CP的长度要大于 - 1 ( 是信道的最大时延），又因为 CP是取自 m序列的后面部分，所以 m序列的长度要大于 - 1。如果信道的时延很大, 那么这个时候作为训练序列的 m序列的长度也要相应的增加，短的 m序列已经不能够使用了。上述实施例中 m 序列长度为 127或 255, 仅仅是针对仿真中所采用的信道而言的 , 如果多径时延非常大，那么也要采用长度较长的 m序列进行信道估计。本信道估计的算法是在时域中进行的， m序列的长度越长，对噪声的压制作用越明显，信道估计的精度越高，但是所加入的系统冗余也越多。

在本发明的另一实施例中，将本发明信道估计方法应用于 CDMA系统中，其方法类似于在 OFDM系统中的应用， CDMA码片数据对应于 OFDM 符号数据， h_head和 _lail是信道估计时刻多径信道的冲激响应， _iead和 ,插值得到的是两个训练序列之间的 CDMA码片信号所对应的信道的冲激响应。两个训练序列之间间隔的 CDMA码片数据的长度和在 OFDM系统中的相关计算方法类似，首先根据移动台的速度，可以核算出最大多普勒频移，其中 ^是移动台速度， c是光速， /是载波频率。相关时间等于最大多普勒频移的倒数：

在实际系统中可以取这个相关时间的丄 ~丄，这个时间范围内，可以认为

3 5

信道是相关性很强的。因为要估算间隔多少个码片插入一次训练序列比较合适，那么间隔也是由相关时间决定的：

〜 ^^ 其中，是核算得到的可以连续传送的 CDMA码片的个数，即两个训练序列间隔的 CDMA码片个数， _φ是一个码片的周期。

如果是结合 CDMA频域均衡技术应用于 CDMA系统，步骤 340中，可以使用 ^和进行插值得到中间发送的 CDMA码片信号所对应的信道的频率响应。 0^和0^对应的冲激响应和 _to,₇可以进行时域插值，得到训练序列之间的 CDMA码片数据所对应的信道冲激响应，插值结果应用于时域均衡或者 RAKE接收机。

不论是基于和 ή,_αη进行频域信道线性插值，还是基于和 ^„进行时域信道线性插值，其基本思想都是将信道前后对应部分的差值等分成若干份，将中间部分看成是等差数列，然后按照要估计部分的位置，加上相应的插值份额就得到了信道的插值结果了。如果是非线性的插值，处理方法的计算复杂度还要大一些。

4 )本发明 MIMO-OFDM信道估计方法

图 6为基于时域信道估计的 MIMO - OFDM系统（以 2发 2收系统为例） , 每个发送天线所发送时域训练序列前也与 OFDM符号一样加上循环前缀，其中循环前缀的长度大于 L-l , L是当前发送天线和各接收天线之间离散信道模型的最大时延。在接收端使用去除 CP的训练序列，估计出每一对收发天线间的信道冲激响应，然后在频域中进行 MIMO的频域均衡与符号检测。

每个发送天线上的训练序列可以是不一样的，其原因和前面的 OFDM 系统一样，因为信道估计算法中仅仅是利用伪随机序列的自相关性进行信道估计，并不局限于特定的伪随机序列。但是相同的训练序列，可以使接收机中的 C_p是相同的，所以算法就是完全一样的。而且 m序列可以取得较好的估计结果，其他的随机产生的序列进行信道估计的精度也不如 m序列，所以最好每个发送天线上的训练序列都是相同长度的 m序列。在满足长度大于 1 ( 是离散信道模型的最大时延）的条件下，采用长度短的训练序列可以节省系统开销。

为了保证各个发送天线训练序列在时间上的正交性 ,以 2发 2收系统为例，两根天线上的训练序列将先后发送。训练序列后面发送 OFDM符号，符号的数目将与信道的时间选择性有关，和前面的单发单收系统中训练序列之间间隔的 OFDM符号数目的确定规则类似。由于两根天线发送的训练序列在时间上是正交的，所以每一对收发天线间信道冲激相应的估计方法与前面单发单收 OFDM的信道估计的方法相同。

具体来说，当某一根发射天线发射训练序列的时候，其它的天线不发送信号，这一根发射天线就和每一根接收天线之间组成了一个单输入单输出的系统，其信道估计方法和前面的单发单收系统一样，所以每一个接收天线可以根据这时的接收信号，直接估计出本身和这一根特定的发射天线之间的信道。同理可以得到每一对收发天线之间的信道估计。信道估计完成以后，在数据信号发送与接收的阶段，利用信道估计的结果来完成频域中的 MIMO 信号检测。 - 在模块 611和 612部分，两根天线上的训练序列将和 OFDM符号一样加上同样长度的循环前缀，然后被先后发送，如图 7所示。在接收端的模块 613和 614, 去掉了 CP的训练序列被送入信道估计器，去掉了 CP的

OFDM数据被送入模块 617和 618以及后续模块，准备利用信道估计的结果进行频域均衡。由于两根天线发送的训练序列在时间上是正交的 , 所以在模块 615 , 每一对收发天线间的信道频率响应的估计方法与前面单发单收的 OFDM系统的信道估计方法是一样的，详细情况可参看前述 OFDM系统的信道估计过程。

在得到 OFDM符号的信道频率响应之后，模块 623在频域中利用 MIMO 的信号检测与干扰删除方法得到发送数据的估计值。

下面通过一个实例说明本发明 MIMO-OFDM系统信道估计方法。首先建立的仿真平台如下： 2发 2收的未编码 MIMO-OFDM系统，为了比对不同长度 m序列的训练序列对信道估计精确度的影响 ,分别采用 L_p = 63,127, 255三种长度的 m序列。 MIMO系统的接收端采用基于 MMSE准则的排序干扰删除检测算法（MMSE+Ordered lC )来恢复发送数据。其他系统设置与前面所述 OFDM的仿真系统的参数设置相同。

图 8和 9是系统仿真的结果，其中， MSE曲线是各对收发天线的估计信道与真实信道平均的均方误差， BER曲线是各对收发天线的平均误码率， SNR是仿真时设定的各对天线的信噪比。表示用于仿真的 m序列的长度， LS estimation 曲线表示基于频域 LS 算法得到的信道估计的 MSE性能曲线， ideal CSI 曲线表示多径信道对接收端已知的情况下得到的 BER性能曲线。

从图 8中可以看出，随着训练序列长度的增加，信道估计的均方误差是下降的，这是由于噪声的影响被压缩成原来的 1/^。从图 9看，从长度等于 63的 m序列开始，误码率曲线开始逼近理想信道的情况， m序列长度越长性能越好。

在前面对 OFDM 系统中的信道估计算法的复杂度分析中，需要大概

Z_c x( l_c + ）次乘法，将算法引入了 MIMO-OFDM系统中以后，因为每一对天线进行的是相同的运算，假设总共存在 M对天线（比如说 2发 2收系统，存在 M = 4对收发天线），那么需要的乘法运算是^ χ( + ) χ Μ , 很多性能较好的 MMO-OFDM信道估计需要复杂的运算，本发明降低了运算的复杂度。

该多天线收发信道估计方法除 MIMO-OFDM系统外，同样适用于其他多天线收发通信系统，方法类似。在本发明中， m序列作为训练序列，有两个作用：

1 )对于信道估计来说，固定长度的 m序列可以让式（ 13 ) 中的 C ¹是固定的、已知的。已知的矩阵可以降低接收机的复杂度。

由式（7 )可以看到， m序列具有二值自相关特性，而且它的自相关的值是明确的、固定的。从式（ 13 )可以看到最后信道估计的计算要用到 C_P-'，而它是 C_P的逆矩阵， C_P是 m序列的右移位自相关值排列成的矩阵，是通过式（7 )决定的。因为 m序列的自相关值是已知的，所以就是已知的。

2 )可以降低噪声的影响。

从式（ 11 )的第二项可以看到， m序列与噪声是独立的，在计算接收信号与 m序列的右移位互相关的时候， m序列和噪声的互相关是^!艮小的。这样，噪声的作用就得到了压制。

从上面的分析可以得到这样的结论，其实本信道估计方法可以使用任何的伪随机序列，不同的序列 C_P-'是不一样的，换掉一个用于信道估计的伪随机序列就需要重新计算 C_P- ^!。但是根据前面定理 1和相关的证明，可以得知：式（12 )中的 c_P的傅条件数; (c_p)决定了方程组的解 h对于扰动 0(«')的稳定程度。 K(C_p)越小，那么由式（13 )估计出的信道误差越小。显然，用于本信道估计的伪随机序列自相关特性越好，那么 ^^的条件数越小。 m序列是自相关特性最好的二进制序列，所以可以得知 m序列比较适合于本信道估计算法。

综上所述，可以得出这样的结论：任何的伪随机序列都能应用于本信道估计方法，但是自相关性不好的伪随机序列造成信道估计的误差较大；只有自相关性较好的伪随机序列才能取得精度较高的信道估计结果。本发明实施中采用了 m序列，如果还有自相关.性很好或者更好的序列，一样可以应用于本方法。

工业实用性

本发明提出的信道估计方法，采用伪随机序列作为时域信道估计的训练序列，降低了信道估计的复杂度，运算复杂度低于现有大多数信道估计方法；可以根据系统传输速率的需要灵活调整训练序列的开销，以取得估计精度和开销的折中；在信道估计的相关运算中，本方法对噪声有抑制作用，提高了估计的精确度。

总之，本发明是一种用于信道估计的方法，以较低的运算复杂度取得了较高的信道估计精度，理论分析和仿真实验也证明了本发明的合理性和有效性。

Claims

权利要求书

1、一种信道估计方法，应用于移动通信系统，包含以下步骤：

(a)在发送端发送的信号数据段中，每间隔一定长度的信号数据段插入带有长度为的循环前缀的伪随机序列作为训练序列，所述大于 - 1, 其中 Z是当前信道的离散信道模型的最大时延，不带循环前缀时该伪随机序列长度为 L_P；

(b)接收端接收到训练序列的数据，将去掉循环前缀部分后的接收数据与 ^个移位伪随机序列做互相关，得到互相关矩阵 C, 所述移位伪随机序列为作为当前训练序列的伪随机序列分别循环右移 0,1,...， L_c-\次后所得，所述 C矩阵第一行是接收数据和作为当前训练序列的伪随机序列循环右移 0 次得到的伪随机序列的互相关值，依次下 C矩阵最后一行是接收数据和作为当前训练序列的伪随机序列循环右移 L_c - 1 次得到的伪随机序列的互相关值；

(c)当前时刻的信道冲激响应的估计

阶方阵，为所述作为当前训练序列的伪随机序列分别循环右移 0,1，...， L_c-\次得到的伪随机序列的自相关矩阵， C_P第 j行，第 i列是所述作为当前训练序列的伪随机序列循环右移 j次和 i次得到的伪随机序列的互相关值， C_p- ¹为 C_P的逆矩阵，当前时刻信道的冲激响应估计记为 _head。

2、如权利要求 1所述的方法，其特征在于：所述方法进一步包含如下步骤：

(d)在间隔一定长度的信号数据段后，接收端再次接收到对应于训练序列的数据，按步骤（b) 中的方法计算新的互相关矩阵 C, 按步骤（c) 中方法得到当前信道的冲激响应的估计 ^，利用 £^_αίί和 _M,₇进行插值得到两个训练序列之间的信号数据段对应的信道的冲激响应。

3、如权利要求 1所述的方法，其特征在于：所述方法进一步包含如下步驟：

(d)在间隔一定长度的信号数据段后，接收端再次接收到对应于训练序列的数据，按步骤（b ) 中的方法计算新的互相关矩阵，按步驟（C ) 中方法得到当前信道的冲激响应的估计由 £,,^和^寻到对应的信道的频率响应 0_/tt 和 ή_ωί/ , 利用 ή_Λ∞ί/和进行插值得到两个训练序列之间的信号数据段对应的信道频率响应。

4、如权利要求 1所述的方法，其特征在于：所述步骤（a )中插入的训练序列长度相同，其循环前缀长度也相同，所述步骤（c ) 中 C_P为一固定方阵， C_p的逆矩阵 C ¹直接存储于接收端。

5、如权利要求 1至 4之间任一所述的方法，其特征在于：所述伪随机序列为最大长度移位寄存器序列即 m序列，所述步骤（c )中 C_P其对角线上元素为 1 , 非对角线元素为- 1/Ζ_Ρ。

6、如权利要求 1至 3之间任一所述的方法，其特征在于：所述系统为正交频分复用 OFDM系统或码分多址 CDMA系统，所述步骤 ( a ) 中，两个训练序列间隔的一定长度的信号数据段为若干个 OFDM符号数据或若干个 CDMA码片数据，其个数根据载波频率和移动台移动速度确定, Num = (1/3 ~ H5)T_cor IT , 其中， Num是两个训练序列间隔的 OFDM符号或 CDMA码片的个数， Γ是一个 OFDM符号或一个 CDMA码片的周期， 7；。,为信号最大多普勒频移的倒数，最大多普勒频移/ V是移动台速度， c是光速， /是载波频率。

7、如权利要求 3所述的方法，其特征在于：所述系统为 OFDM系统，所述步骤（ a ) 中一定长度的信号数据段为若干个 OFDM符号数据，所述步骤（d ) 中 ^和^„是信道估计时刻 OFDM各个子载波上的频率响应的估计，和 _to7插值得到的是两个训练序列之间的 OFDM符号数据各个子载波上的频率响应。

8、如权利要求 7所述的方法，其特征在于：步骤（d )中所述插值方法为线性插值方法，为两个训练序列之间第 j个 OFDM符号数据的信道频率响应估计值，其计算式为

H = H +；' x (H ,。,, - H _head ) /(Num = 1, 2, · · · , Num

其中 Num是两个训练序列之间所间隔的 OFDM符号数据的个数。

9、如权利要求 3所述的方法，其特征在于：所述系统为 CDMA系统，所述步驟（a )中一定长度的信号数据段为一段 CDMA数据码片数据，所述步骤（d ) 中 ^和 ή,。,₇是信道估计时刻多径信道的频率响应， ή_ω和 0_toi/插值得到的是两个训练序列之间的 CDMA码片信号所对应的信道的频率响应。

10、如权利要求 2所述的方法，其特征在于：所述系统为 CDMA系统，所述步骤（a )中一定长度的信号数据段为一段 CDMA数据码片数据，所述步骤（d ) 中和 ,₇是信道估计时刻多径信道的冲激响应， _Λ∞ί/和 ,₇插值得到的是两个训练序列之间的 CDMA码片信号所对应的信道的冲激响应。

11、一种多天线收发系统信道估计方法，包含下述步骤：

( a )在发送端，对每个发送天线，发送一段规定长度的信号数据段之前，插入带有长度为 .的循环前缀的伪随机序列作为训练序列，所述 Z_e大于 L-1 , 其中是该发送天线和各接收天线之间离散信道模型的最大时延，不带循环前缀时该伪随机序列长度为 L_p , 各个发送天线上的训练序列先后发送，保证每个发送天线上的训练序列与系统中其余发送天线的训练序列在时间上正交；

( b )接收端的每个接收天线接收到当前发送天线发送的训练序列的数据，去掉循环前缀部分后的接收数据与个移位伪随机序列做互相关，得到互相关矩阵 C , 所述移位伪随机序列为作为当前训练序列的伪随机序列分别循环右移 0,1,..., L_c-\次后所得, 所述 C矩阵第一行为接收数据和作为当前训练序列的伪随机序列循环右移 0次得到的伪随机序列的互相关值，依次下去， C矩阵最后一行为接收数据和作为当前训练序列的伪随机序列循环右移 L_c-l次的伪随机序列的互相关值;

( c )每个接收天线和当前发送天线的当前时刻的信道冲激响应的估计 h = Cp ¹C , 其中 C_p为一个阶方阵，为所述作为当前训练序列的伪随机序列分别循环右移 0,1,..., 次得到的伪随机序列的自相关矩阵， C_P第 j行，第 i列是所述作为当前训练序列的伪随机序列循环右移 j次和 i次得到的伪随机序列的互相关值， C_p- ¹为 C_p的逆矩阵，将接收天线和当前发送天线之间信道的当前时刻信道冲激响应估计记为 6,^ , 所有发送天线发送完毕后，得到每对接收天线和发送天线对应的信道的冲激响应估计。

12、如权利要求 11所迷的方法，其特征在于：所述方法进一步包含如下步骤：

•( d )在间隔规定长度的信号数据之后，接收天线再次接收到同一发送天线对应于训练序列的数据，按步骤（b ) 中的方法计算新的互相关矩阵 C , 按步骤（c )中方法得到当前信道的冲激响应的估计 ,；利用 ^和^。,₇插值得到两个训练序列之间的信号数据段对应的信道冲激响应，或利用 ίι 和 t_o,₇对应的信道频率响应 ή_Λ ^和 ή_ω,进行插值得到两个训练序列之间的信号数据段对应的信道频率响应。

13、如权利要求 11或 12所述的方法，其特征在于：所述伪随机序列为最大长度移位寄存器序列即 m序列，所述步驟 (c)中 C_p其对角线上元素为 1 , 非对角线元素为- l/i_P。

14、如权利要求 11或 12所述的方法，其特征在于：所述步骤（a )中插入的训练序列长度相同，其循环前缀长度也相同，所述步骤（c ) 中 C_P为一固定方阵， C_P的逆矩阵直接存储于接收端。