CN1200521C - 用于频域均衡的导频插入与信道参数估计的方法 - Google Patents

Abstract

用于频域均衡的导频插入与信道参数估计的方法属于无线通信技术领域，其特征在于：在无线通信系统的发送端，编码调制映射后的每个数据信号序列与导频信号序列复接形成一个数据块，经正交变换和交织，使导频信息只出现在某些频点上，而数据则没有这些频率分量，再对每个数据块在发送端加循环前缀；在接收端，再去掉循环前缀，以消除多径时延扩展引起的数据块之间的干扰和频域信号间的干扰，然后利用提取出的频域导频信息在相应频点上作信道参数估计，再据此通过插值的方法在所有频点上作信道参数估计。它不仅算法和实现简单而且信道估计的精度也高。

Description

用于频域均衡的导频插入与信道参数估计的方法

技术领域

用于频域均衡的导频插入与信道参数估计的方法属于无线通信技术领域。

背景技术

一个实际的基带传输系统不可能完全满足理想的波形传输无失真条件，因而串扰几乎是不可避免的。当串扰造成严重影响时，必须对整个系统的传递函数进行校正，即均衡，使其接近无失真传输条件。均衡就是接收端的均衡器产生与信道特性相反的特性，用来抵消信道的时变多径传播特性引起的干扰，可分为时域均衡和频域均衡两种。在均衡前，需要估计信道参数，通常利用导频信号进行信道估计。

通信系统中发送的信号主要可分为导频信号和数据，其中数据是实际发送的信息信号，导频信号是一个附加的已知的信息信号，用于在接收部分进行信道参数的估计从而求出均衡的加权系数。

传统的方法如3G系统中通常采用导频占用一个正交码道的插入方法，采用多码道传输数据，当信道多径严重时，码道间有严重的串扰。在均衡前，导频码道与数据码道间的串扰使得根据导频信号估计出的信道参数不准确，依据所得的信道参数进行的时域均衡，收敛速度慢且横向滤波器的抽头数太多、实现太复杂。

为此需要改进导频插入和信道估计的方法，消除导频信号与数据信号间的串扰，提高信道估计的准确度，同时降低算法和实现的复杂度。

发明内容

本发明的目的是：为了获得较高的信道估计精度，提出了一种实现简单的用于频域均衡的导频插入与信道参数估计的方法。

本发明提出的用于频域均衡的导频插入与信道参数估计的方法，其特征在于：在无线通信系统中，在发送端，编码调制映射后的每个数据信号序列与导频信号序列复接形成一个数据块，经正交变换和交织后，再对每个数据块加循环前缀；在接收端，再去掉循环前缀，以消除多径时延扩展引起的数据块之间的干扰和频域信号间的干扰，以便利用提取出的频域导频信息作信道估计；具体而言，它依次含有如下步骤，

发送端：

(1)把编码调制映射后的数据信号序列与导频信号序列复接：

把已知的随机信号序列X即时域的导频信号序列按顺序均匀的插入到一个编码调制后的数据序列D中，形成一个数据块s，设X长度为M，D长度为(M·N-M)，其中M和N为正整数，则数据块s长度为N_B＝M·N，记X＝(x₀，x₁，Λx_M-1)，D＝(d₀，d₁，Λd_M·N-M-1)，s＝(s₀，s₁，s₂，s₃，Λs_M·N-1)，每两个导频信号之间有N-1个数据，设把第0个导频信号x₀插在第L个位置，0≤L≤N-1，则有

(2)把上述复接后的信号进行N维正交变换；

(3)把上述正交变换得到的信号作交织操作以改变信号序列的顺序，即按列写入矩阵中，再按行读出；

(4)对上述交织后的数据块加循环前缀；

接收端：

(3)去掉在发送端加的循环前缀；

(4)信道参数估计：

先对导频信息所有频点作信道参数估计，然后再通过插值对数据信息的频点作信道参数估计，以得到所有频点的信道频域特性；

在上述方法中，所述的N维正交变换可以表示为：B_N×1＝W·A_N×1，其中A是N维向量，由N-1个数据信号与一个导频信号组成的，B是正交变换后的信号向量，W是N维正交变换对应的N×N的矩阵，若导频信号位于向量A的第L个位置，则矩阵W第L列的N个元素满足：

$w_{n,L}=\frac{1}{\sqrt{N}}\·e^{j\frac{2\mathrm{\πkn}}{N}},n=\mathrm{0,1,2}\mathrm{\ΛN}-1$

的形式，其中w_n，L是矩阵W的第n行第L列的元素，k是一个任意的整数；

在上述方法中，所述的交织操作改变信号序列的顺序，先把数据顺序的按列写入矩阵中，每列N个数据，共写M列，再按行读出，设交织前后的数据块为q＝(q₀，q₁，q₂，q₃，Λq_M·N-1)^T和g＝(g₀，g₁，g₂，g₃，Λg_M·N-1)^T，其中T表示向量转置，则：

g_n·M+m＝q_m·N+n，(0≤m≤M-1，0≤n≤N-1)；

在上述方法中，所述的加循环前缀操作是对交织后的数据块g的操作，设循环前缀长度为N_g，将g的最后N_g个信号复制到数据块g的前端，交织后的数据块g的长度等于N_B，则生成一个包含有循环前缀的长为N_s＝N_B+N_g的数据块f，即

f＝T_CP·g

其中

$T_{\mathrm{CP}}=\left[\begin{array}{c}{I}_{\mathrm{CP}}\\ I_{N_B}\end{array}\right]$

用I_NB表示N_B×N_B的单位矩阵，用I_CP表示I_NB的最后N_g行，T_CP是由I_CP和I_NB组合在一起而形成的矩阵。

实验证明采用这种方法，能够以较低的复杂度，获得较高的信道估计和均衡的精度，从而提高基带传输的信噪比，有利于系统采用高进制调制达到高效的频谱利用率。

附图说明

图1表示本发明的发送端基带数字信号处理程序流程图。

图2表示本发明的接收端基带数字信号处理程序流程图。

图3表示交织算法数据读写的顺序。

具体实施方式

通信系统中利用多个相互隔离且相对独立的子载波，各载波结构基本相同，每个子载波的基带数字信号处理采用本发明所述的方法，即编码调制映射后的每个数据信号序列与导频信号序列复接形成一个数据块，通过正交变换和交织，使得导频信息只出现在某些频点上，而数据没有这些频率分量，再对每个数据块在发端加循环前缀，收端将其去掉，从而消除了多径时延扩展引起的数据块之间的干扰和频域信号间的干扰，保证了接收到的导频信息在频域不受数据信号的干扰，进而利用提取出的频域导频信息作信道估计和频域均衡，再解交织和解正交变换得到发送的数据信号。

本发明所提供的导频插入与信道估计方法在发送端的基带数字信号处理过程如下：

1、数据与导频复接

首先把已知的随机信号序列X即时域的导频信号序列按顺序均匀的插入到一个编码调制后的数据序列D中，形成一个数据块s，设X长度为M，D长度为(M·N-M)，其中M和N为正整数，则数据块s长度为N_B＝M·N。记X＝(x₀，x₁，Λx_M-1)，D＝(d₀，d₁，Λd_M·N-M-1)，s＝(s₀，s₁，s₂，s₃，Λs_M·N-1)，每两个导频信号之间有N-1个数据，设把第0个导频信号x₀插在第L个位置，0≤L≤N-1，则

s＝(s₀，s₁，s₂，s₃，Λs_M·N-1)＝(d₀，Λd_L-1，x₀，d_L，Λ，d_N+L-2，x₁，d_N+L-1，Λd_M·N-M-1)

用公式表示导频插入操作：

2、N维正交变换

$q=\left[\begin{array}{c}{q}_0\\ q_1\\ M\\ q_{M\·N-1}\end{array}\right]=\stackrel{\mathrm{\ρ}}{W}\·s=\left[\begin{array}{cccc}W& 0& \mathrm{\Λ}& 0\\ 0& W& \mathrm{\Λ}& 0\\ M& M& O& M\\ 0& 0& \mathrm{\Λ}& W\end{array}\right]\·\left[\begin{array}{c}{s}_0\\ s_1\\ M\\ s_{M\·N-1}\end{array}\right].$

其中W是N维正交变换矩阵， 的对角线上有M个W矩阵，W的第L列的N个元素满足：

$w_{n,L}=\frac{1}{\sqrt{N}}\·e^{j\frac{2\mathrm{\πkn}}{N}},n=\mathrm{0,1,2}\mathrm{\ΛN}-1$

的形式，其中w_n，L是矩阵W的第n行第L列的元素，k是一个任意的整数。特别注意，作正交变换的矩阵乘法时，W第L列的元素与向量s中的导频信号相乘，其他的N-1列元素与数据信号相乘。

3、交织

交织操作改变信号序列的顺序，先把数据顺序的按列写入矩阵中，每列N个数据，共写M列，再按行读出，设交织后的数据块为 $g={(g_0,g_1,g_2,g_3,\mathrm{\Λ}{g}_{N_B-1})}^T,$ 用J表示交织操作，即g＝J·q，用公式表示为：

g_n·M+m＝q_m·N+n，(0≤m≤M-1，0≤n≤N-1)。

4、加循环前缀

将数据块的最后N_g个信号复制到其前端，若原数据块长为N_B，则生成一个包含有循环前缀的长为N_s＝N_B+N_g的数据块f，即

$f=T_{\mathrm{CP}}\·g=T_{\mathrm{CP}}\·J\·\stackrel{\mathrm{\ρ}}{W}\·s---\left(1\right)$

其中

$T_{\mathrm{CP}}=\left[\begin{array}{c}{I}_{\mathrm{CP}}\\ I_{N_B}\end{array}\right]$

T_CP是由N_B×N_B的单位矩阵I_NB和I_NB的最后N_g行(用I_CP表示)组合在一起而形成的矩阵。

下面用矩阵表示信号在多径信道下的数据块的传输，这里使用的是系统的离散等效模型，假定在接收端，包括载波、码元和采样时钟各种同步都是准确的，则当t_m＝mT时可得采样信号：

$v^{\′}\left(t_m\right)=\underset{k=-\∞}{\overset{+\∞}{\mathrm{\Σ}}}f\left(k\right)h(\mathrm{mT}-\mathrm{kT},\mathrm{mT})+n\left(\mathrm{mT}\right)---\left(2\right)$

其中 $h(\mathrm{\τ},t)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{h}_l\left(t\right)\·\mathrm{\δ}(\mathrm{\τ}-{\mathrm{\τ}}_l)$ 为信道的时域冲击响应，n(t)为信道噪声。

假定信道冲击响应是慢变化的，即在一个数据块内，假定信道是不变的，但从一个数据块到下一个数据块，信道是变化的。另外，信道冲击响应的采样序列在精度允许的范围内总可以被近似成具有有限长度。假定该序列的长度为K+1，则可以用向量h_i＝[h_i(0)，Λh_i(K)]^T来表示在第i个数据块内的整个信道冲击响应序列，其中h_i(m)＝h(mT，iTNs)，其中T·N_s是包括循环前缀在内的整个数据块的长度。为了消除数据块之间的干扰，在系统设计中，循环前缀的长度总是要取得大于或等于信道的最大附加延时，即要满足N_g≥K。

用 表示发送的第i个数据块，

表示接收的第i个数据块，由(2)式，并利用信道冲击响应为有限长度的特性，可以得到发射块和接收块之间的关系如下：

由于多径信道引入的数据块之间的干扰，使 将同时依赖于 和 式中

是相应的噪声向量，C₀和C₁分别是具有如下形式的N_s×N_s矩阵，其对角线上的元素都相等：

$C_0=\left[\begin{array}{ccccc}{h}_i\left(0\right)& 0& 0& \mathrm{\Λ}& 0\\ M& h_i\left(0\right)& 0& \mathrm{\Λ}& 0\\ h_i\left(k\right)& \mathrm{\Λ}& O& \mathrm{\Λ}& M\\ M& O& M& O& 0\\ 0& \mathrm{\Λ}& h_i\left(K\right)& \mathrm{\Λ}& h_i\left(0\right)\end{array}\right]$

$C_1=\left[\begin{array}{ccccc}0& \mathrm{\Λ}& h_i\left(K\right)& \mathrm{\Λ}& h_i\left(1\right)\\ M& O& 0& O& M\\ 0& \mathrm{\Λ}& O& \mathrm{\Λ}& h_i\left(K\right)\\ M& O& M& O& 0\\ 0& \mathrm{\Λ}& 0& \mathrm{\Λ}& 0\end{array}\right]$

接收端的基带数字信号处理过程如下：

1、去掉循环前缀

其中

表示去除循环前缀操作， 为N_B×N_g的零矩阵，I_NB为N_B×N_B的单位矩阵。

可见，当N_g≥K时，去除循环前缀操作也将消除块间干扰，

将只依赖于

此时，我们就可以对各个数据块进行单独解调，表示数据块序号的记号i将被省略。

把(1)式代入(3)式可得：

其中 是噪声向量， 是复合信道冲击响应，是一个N_B×N_B的循环矩阵，具有以下特殊形式

$\stackrel{\mathrm{\ρ}}{C}=\left[\begin{array}{ccccccc}{h}_i\left(0\right)& 0& \mathrm{\Λ}& 0& h_i\left(K\right)& \mathrm{\Λ}& h_i\left(1\right)\\ M& h_i\left(0\right)& 0& \mathrm{\Λ}& O& O& M\\ M& M& O& O& \mathrm{\Λ}& O& h_i\left(K\right)\\ h_i\left(K\right)& M& M& O& O& \mathrm{\Λ}& 0\\ 0& h_i\left(K\right)& M& M& O& O& M\\ M& O& O& M& M& O& 0\\ 0& \mathrm{\Λ}& 0& h_i\left(K\right)& \mathrm{\Λ}& \mathrm{\Λ}& h_i\left(0\right)\end{array}\right]$

也就是

的第(k，l)个元素为h_i((k-l)mod N_B)，这里mod表示取模运算。

利用循环矩阵的性质，可以分解成如下形式：

其中F和F^-1分别是N_B×N_B的傅立叶变换和傅立叶反变换矩阵，Λ是复合信道的传输函数矩阵，为一个对角阵。若h＝[h(0)，Λh(K)，0，Λ，0]^T的N_B点傅立叶变换为H＝[H(0)，ΛH(N_B-1)]^T，则

$\mathrm{\Λ}={\left[\begin{array}{cccc}H\left(0\right)& 0& \mathrm{\Λ}& 0\\ 0& H\left(1\right)& \mathrm{\Λ}& 0\\ M& M& O& M\\ 0& 0& \mathrm{\Λ}& H(N_B-1)\end{array}\right]}_{N_B\×N_B}$

把(5)式代入(4)式可得去掉循环前缀后的接收信号为：

2、信道估计

通过傅立叶变换得到频域的接收信号：

由(6)式可知

$V_{\mathrm{mN}+k}=\sqrt{N}\·H(\mathrm{mN}+k)\·p_m+n_{\mathrm{mN}+k},0\≤m\≤M-1$

其中

是频域的噪声矢量，

$\left[\begin{array}{c}{p}_0\\ p_1\\ M\\ p_{M-1}\end{array}\right]=F\·\left[\begin{array}{c}{x}_0\\ x_1\·e^{-j2\mathrm{\πk}/\mathrm{MN}}\\ M\\ x_{M-1}\·e^{-j2\mathrm{\πk}(M-1)/\mathrm{MN}}\end{array}\right]$ 是发送的频域导频信息。

F是傅立叶变换矩阵，(x₀，x₁，Λx_M-1)是与发送端相同的时域导频信号，x_ne^-j2πk·n/MN中的k等于正交变换矩阵W中的参数k。

接收的导频信息只出现在mN+k(m为整数)的频点上，数据不存在这些频率分量，提取出这些频点上的信号， $\left\{{\hat{p}}_m\right|{\hat{p}}_m=V_{\mathrm{mN}+k},m=\mathrm{0,1,2},\mathrm{KM}-1\},$ 根据接收到的导频信息和发送的导频信息在频域上的变化来推断信道相应频点的频域特性，也就是用接收到的导频频域信息除以发送的导频频域信息，可以得到在这些频点上的信道频率响应H(mN+k)的最小二乘估计，

$\hat{H}(\mathrm{mN}+k)=\frac{{\hat{p}}_m}{\sqrt{N}\·p_m},0\≤m\≤M-1$

为了得到其它频点的信道频域特性，需要进行频域插值，采用变换域插值的方法，详细地说就是再把M个信道估计值做M点的反傅立叶变换变换到时域，

$h_n=\frac{1}{M}\underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}\hat{H}(\mathrm{mN}+k)\·e^{j\frac{2\mathrm{\π}\·m\·n}{M}},0\≤n\≤M-1,$

在时域信道估计序列中插入M×(N-1)个零，

用公式表示：

$U={\left[\begin{array}{cc}I& 0\\ 0& 0\\ M& M\\ 0& 0\\ 0& I\end{array}\right]}_{\mathrm{MN}\×M}$ 其中单位阵I的大小为 $\frac{M}{2}\×\frac{M}{2},$ 同样大小的全零矩阵0共(4·N-2)个。

这样得到了N_B点的时域信道估计 再把它作傅立叶变换变换到频域，就得到了所有频点的信道估计值，

${\hat{H}}_i=\underset{n=0}{\overset{N_B-1}{\mathrm{\Σ}}}{h^{\′}}_n\·e^{-j\frac{2\mathrm{\π}\·i\·n}{N_B}},0\≤i\≤N_B-1.$

3、频域均衡

利用所得的信道估计，并把接收到的信号进行傅立叶变换，变换到频域，再根据设计要求，选择一种现有的频域均衡算法，即可实现接收信号的频域均衡。

4、提取数据信号

先对均衡后的数据流y＝(y₀，y₁，y₂，y₃，Λy_M·N-1)^T做解交织操作，完成与发送端交织操作相反的处理，先把数据按行写入矩阵中，每行M个数据，共写N行，再按列读出，解交织后得到z＝(z₀，z₁，z₂，z₃，Λz_M·N-1)^T，用公式表示为：

z_m·N+n＝y_n·M+m，(0≤m≤M-1，0≤n≤N-1)。

解交织后再作解正交变换，用矩阵

的逆矩阵(也就是

的共轭转置 )乘以数据块向量。

$b=\left[\begin{array}{c}{b}_0\\ b_1\\ M\\ b_{M\·N-1}\end{array}\right]={\stackrel{\mathrm{\ρ}}{W}}^H\·z=\left[\begin{array}{cccc}{W}^H& 0& \mathrm{\Λ}& 0\\ 0& W^H& \mathrm{\Λ}& 0\\ M& M& O& M\\ 0& 0& \mathrm{\Λ}& W^H\end{array}\right]\·\left[\begin{array}{c}{z}_0\\ z_1\\ M\\ z_{M\·N-1}\end{array}\right].$

最后去除导频信号，也就是去掉b中N的整倍数加L即mN+L(0≤m≤M-1位置上的信号，得到原发送数据信号的估计值 $\hat{D}=({\hat{d}}_0,{\hat{d}}_1,\mathrm{\Λ}{\hat{d}}_{M-N-M-1}),$ 其中

把所得的数据信号输出给解映射和解码器，从而完成基带数字信号的接收处理。

下面结合附图和实施例进一步说明本发明。

在实施例中，正交变换矩阵采用哈达码(Hadamar)矩阵W_N，W_N是2ⁿ×2ⁿ维的，要求N＝2ⁿ；元素只有1和-1，从1阶到2ⁿ阶的哈达码矩阵可利用矩阵的克罗内克积运算递推得到，即

$W_N=W_2\⊗W_{\frac{N}{2}},$

其中：

$W_2=\frac{1}{\sqrt{2}}\left[\begin{array}{cc}1& 1\\ 1& -1\end{array}\right].$

哈达码变换是正交变换参数k＝0、L＝0的一个特例，其中k＝0使得信道估计操作中x_ne^j2πk·n/MN导频信号的加权系数均等于1，实现最简单。

实施例中采用正交变换的维数N＝4，4阶哈达码矩阵为

$W_4=W_2\⊗W_2=\frac{1}{\sqrt{4}}\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& -1& 1& -1\\ 1& 1& -1& -1\\ 1& -1& -1& 1\end{array}\right].$

数据块长度N_B＝M·N＝128，其中M＝32，循环前缀长度N_g＝26。

具体的导频插入与信道估计方法的主要过程如下：

1、数据与导频复接

首先把已知的随机信号序列X＝(x₀，x₁，Λx₃₁)按顺序均匀的插入到编码调制后的数据序列D＝(d₀，d₁，Λd₉₅)中，形成一个数据块s，s＝(s₀，s₁，s₂，s₃，Λs₁₂₇)。其中把第0个导频信号x₀插在第0个位置则

s＝(s₀，s₁，s₂，s₃，Λs₁₂₇)＝(x₀，d₀，d₁，d₂，x₁，d₃，d₄，d₅，x₂，d₆，Λx₃₁，d₉₃，d₉₄，d₉₅)。

2、N维正交变换

对数据块做N维正交变换，具体采用的是4阶哈达码变换。

$q=\left[\begin{array}{c}{q}_0\\ q_1\\ M\\ q_{127}\end{array}\right]=\stackrel{\mathrm{\ρ}}{W}\·s\left[\begin{array}{cccc}{W}_4& 0& \mathrm{\Λ}& 0\\ 0& W_4& \mathrm{\Λ}& 0\\ M& M& O& M\\ 0& 0& \mathrm{\Λ}& W_4\end{array}\right]\·\left[\begin{array}{c}{s}_0\\ s_1\\ M\\ s_{127}\end{array}\right].$

其中 $W_4=\frac{1}{2}\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& -1& 1& -1\\ 1& 1& -1& -1\\ 1& -1& -1& 1\end{array}\right]$

3、交织

交织操作改变信号序列的顺序，如图3所示，先把数据顺序的按列写入矩阵中，每列4个数据，共写32列，再按行读出，交织后的数据块：g＝(g₀，g₁，g₂，g₃，Λg₁₂₇)^T＝(q₀，q₄，q₈，q₁₂，Λq₁₂₄，q₁，q₅，q₉，q₁₃，Λq₁₂₅，q₂，q₆，q₁₀，Λq₁₂₆，q₃，q₇，q₁₁，Λq₁₂₇)^T，其中g_n·32+m＝q_m·4+n，(0≤m≤31，0≤n≤3)。

4、加循环前缀

将数据块的最后N_g＝26个数据复制到其前端，生成一个包含有循环前缀的长为N_s＝N_B+N_g＝154的数据块f，即

f＝(f₀，f₁，f₂，f₃，Λf₁₅₃)^T＝(g₁₀₂，g₁₀₃，Λg₁₂₇，g₀，g₁，g₂，g₃，Λg₁₂₇)^T。

所得的基带数字信号经过成形滤波和上变频，经过信道发射到接收端，接收端采用下变频、匹配滤波和采样，假定在接收端，包括载波、码元和采样时钟各种同步都是准确的，则可以得到对应的基带数字接收信号v′＝(v′₀，v′₁，v′₂，v′₃，Λv′₁₅₃)^T。

接收信号序列处理过程如下：

1、去掉循环前缀

$\stackrel{\mathrm{\ρ}}{v}={(v_0,v_1,v_2\mathrm{\Λ}{v}_{127})}^T={({v^{\′}}_{26},{v^{\′}}_{26},{v^{\′}}_{28},\mathrm{\Λ}{v^{\′}}_{153})}^T.$

2、信道估计

通过傅立叶变换得到频域信号：

$V_i=\underset{m=0}{\overset{127}{\mathrm{\Σ}}}{v}_m\·e^{-j2\mathrm{\π}\·m\·i/128},0\≤i\≤127.$

因为k＝0，所以发送的频域导频信息：

$\left[\begin{array}{c}{p}_0\\ p_1\\ M\\ p_{31}\end{array}\right]=F\·\left[\begin{array}{c}{x}_0\\ x_1\·e^{-j2\mathrm{\πk}/128}\\ M\\ x_{31}\·e^{-j2\mathrm{\πk}31/128}\end{array}\right]F\·\left[\begin{array}{c}{x}_0\\ x_1\\ M\\ x_{31}\end{array}\right],$

$p_i=\underset{m=0}{\overset{31}{\mathrm{\Σ}}}{x}_m\·e^{-j2\mathrm{\π}\·m\·i/32},0\≤i\≤31$

接收的导频信息只出现在mN+k＝4m(m为整数，0≤m≤31)的频点上，数据不存在这些频率分量，提取出这些频点上的导频信息， $\left\{{\hat{p}}_m\right|{\hat{p}}_m=V_{4m},m=\mathrm{0,1,2},\mathrm{KM}-1\},$ 利用除法可以得到在这些频点上的信道频率响应的最小二乘估计，

$\hat{H}\left(4m\right)=\frac{{\hat{p}}_m}{2\·p_m},0\≤m\≤31$

把信道估计值做32点的反傅立叶变换变换到时域，

$h_0=\frac{1}{32}\underset{m=0}{\overset{31}{\mathrm{\Σ}}}\hat{H}\left(4m\right)\·e^{j\frac{2\mathrm{\π}\·m\·n}{M}},0\≤n\≤31,$

在时域信道估计序列中间插入M×(N-1)＝96个零，

这样得到了128点的时域信息 再把它作傅立叶变换变换到频域，就得到了所有频点的信道估计值，

${\hat{H}}_i=\underset{n=0}{\overset{127}{\mathrm{\Σ}}}{h^{\′}}_n\·e^{-j\frac{2\mathrm{\π}\·i\·n}{128}},0\≤i\≤128.$

3、频域均衡

均衡可以采用迫零均衡或最小均方误差均衡等。以迫零均衡为例，加权系数等于信道传输函数的倒数，把接收的信号进行傅立叶变换到频域，进行频域加权，再反变换到时域，以实现对整个系统的传递函数进行校正，使传输接近无失真条件。

接收的去掉循环前缀后的数据块作傅立叶变换得到频域接收信号：

$V_i=\underset{m=0}{\overset{127}{\mathrm{\Σ}}}{v}_m\·e^{-j2\mathrm{\π}\·m\·i/128},0\≤i\≤127.$

频域加权操作：

${\mathrm{\η}}_i=\frac{V_i}{{\hat{H}}_i},0\≤i\≤127$

反傅立叶变换到时域：

$y_n=\frac{1}{128}\underset{n=0}{\overset{127}{\mathrm{\Σ}}}{\mathrm{\η}}_i\·e^{j\frac{2\mathrm{\π}\·i\·n}{128}},0\≤n\≤127$

4、提取数据信号

先对均衡后的数据流做解交织操作，完成与发送端交织相反的处理，先把数据按行写入矩阵中，每行32个数据，共写4行，再按列读出，解交织后得到z＝(z₀，z₁，z₂，z₃，Λz₁₂₇)^T＝(y₀，y₃₂，y₆₄，y₉₆，y₁，y₃₃，y₆₅，y₉₇，Λy₃₁，y₆₃，y₉₅，y₁₂₇)^T，其中z_4m+n＝y_32n+m，(0≤m≤31，0≤n≤3)。

解交织后再作解正交变换，用矩阵 的逆矩阵(也就是

的共轭转置 )乘以数据块向量。

$b=\left[\begin{array}{c}{b}_0\\ b_1\\ M\\ b_{127}\end{array}\right]={\stackrel{\mathrm{\ρ}}{W}}^H\·z=\left[\begin{array}{cccc}{W_4}^H& 0& \mathrm{\Λ}& 0\\ 0& {W_4}^H& \mathrm{\Λ}& 0\\ M& M& O& M\\ 0& 0& \mathrm{\Λ}& {W_4}^H\end{array}\right]\·\left[\begin{array}{c}{z}_0\\ z_1\\ M\\ z_{127}\end{array}\right].$

哈达码矩阵是对称实数矩阵，共轭转置就等于它本身，

${W_4}^H=\frac{1}{2}\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& -1& 1& -1\\ 1& 1& -1& -1\\ 1& -1& -1& 1\end{array}\right].$

最后去除导频信号，也就是去掉b中4的整倍数位置上的信号，得到原发送数据信号的估计值 $\hat{D}=({\hat{d}}_0,{\hat{d}}_1,\mathrm{\Λ}{\hat{d}}_{95})=(b_1,b_2,b_3,b_5,b_6,b_7,b_9,b_{10},\mathrm{\Λ}{b}_{127}),$ 其中

${\hat{d}}_{3m+n}=b_{4m+n+1},$ 其中0≤m≤31   0≤n≤2。

最后把所得的数据信号输出给解映射和解码器，从而完成基带数字信号的接收处理。

此算法可以用计算机程序仿真，也可在各种可编程逻辑器件或专用集成电路中实施。

现有技术和本发明中的导频插入算法分别采用导频信息占用一个正交码道和占用频域上某些频点的方法，在多径信道传输时，前者的导频信号会与数据发生串扰，导致根据导频信号进行的信道估计和均衡的精度较低，后者克服了信道的多径效应，导频信息和数据不会发生串扰，获得了较高的信道估计的精度。

Claims (4)

1.用于频域均衡的导频插入与信道参数估计的方法，其特征在于：在无线通信系统中，在发送端，编码调制映射后的每个数据信号序列与导频信号序列复接形成一个数据块，经正交变换和交织后，再对每个数据块加循环前缀；在接收端，再去掉循环前缀，以消除多径时延扩展引起的数据块之间的干扰和频域信号间的干扰，以便利用提取出的频域导频信息作信道估计；具体而言，它依次含有如下步骤，

发送端：

(1)把编码调制映射后的数据信号序列与导频信号序列复接：

把已知的随机信号序列X即时域的导频信号序列按顺序均匀的插入到一个编码调制后的数据序列D中，形成一个数据块s，设X长度为M，D长度为(M·N-M)，其中M和N为正整数，则数据块s长度为N_B＝M·N，记X＝(x₀，x₁，Λx_M-1)，D＝(d₀，d₁，Λd_M·N-M-1)，s＝(s₀，s₁，s₂，s₃，Λs_M·N-1)，每两个导频信号之间有N-1个数据，设把第0个导频信号x₀插在第L个位置，0≤L≤N-1，则有

(2)把上述复接后的信号进行N维正交变换；

(3)把上述正交变换得到的信号作交织操作以改变信号序列的顺序，即按列写入矩阵中，再按行读出；

(4)对上述交织后的数据块加循环前缀；

接收端：

(1)去掉在发送端加的循环前缀；

(2)信道参数估计：

先对导频信息所有频点作信道参数估计，然后再通过插值对数据信息的频点作信道参数估计，以得到所有频点的信道频域特性。

2.根据权利要求1所述的用于频域均衡的导频插入与信道参数估计的方法，其特征在于：所述的N维正交变换可以表示为：B_N×1＝W·A_N×1，其中A是N维向量，由N-1个数据信号与一个导频信号组成的，B是正交变换后的信号向量，W是N维正交变换对应的N×N的矩阵，若导频信号位于向量A的第L个位置，则矩阵W第L列的N个元素满足：

$w_{n,L}=\frac{1}{\sqrt{N}}\·e^{j\frac{2\mathrm{\πkn}}{N}},n=\mathrm{0,1,2}\mathrm{\ΛN}-1$

的形式，其中w_n，L是矩阵W的第n行第L列的元素，k是一个任意的整数。

3.根据权利要求1所述的用于频域均衡的导频插入与信道参数估计的方法，其特征在于：所述的交织操作改变信号序列的顺序，先把数据顺序的按列写入矩阵中，每列N个数据，共写M列，再按行读出，设交织前后的数据块为q＝(q₀，q₁，q₂，q₃，Λq_M·N-1)^T和g＝(g₀，g₁，g₂，g₃，Λg_M·N-1)^T，其中T表示向量转置，则：

g_n·M+m＝q_m·N+n，(0≤m≤M-1，0≤n≤N-1)。

4.根据权利要求1所述的用于频域均衡的导频插入与信道参数估计的方法，其特征在于：所述的加循环前缀操作是对交织后的数据块g的操作，设循环前缀长度为N_g，将g的最后N_g个信号复制到数据块g的前端，交织后的数据块g的长度等于N_B，则生成一个包含有循环前缀的长为N_s＝N_B+N_g的数据块f，即

 f＝T_CP·g

其中

$T_{\mathrm{CP}}=\left[\begin{array}{c}{I}_{\mathrm{CP}}\\ I_{N_B}\end{array}\right]$

用I_NB表示N_B×N_B的单位矩阵，用I_CP表示I_NB的最后N_g行，T_CP是由I_CP和I_NB组合在一起而形成的矩阵。

Images