第4讲(信道估计)
信道估计的理解
信道估计的理解
/thread-33043-1-1.html
对信道估计，简单的来说，就是求出⼀个信道的近似冲激响应，使之尽可能地接近于真实的信道冲激响应，以便在接收端进⾏信道补偿，从⽽提⾼整个的系统性能。
信道估计⼤致有两种⽅法：导频和盲信道估计。
⽬前⼀般利⽤导频，我们可以采⽤LS⽅法，H=X的逆乘以Y，因为通过信道后会有噪声加进去，所以我们利⽤导频求得的冲激响应会与理想的冲激响应存在MSE 和 BER，⽽我们在利⽤导频求冲激响应时，是利⽤了发射端和接收端信号求得的。
在通信系统中，为了提⾼系统的频谱利⽤率，通常采⽤幅度⾮恒定的调制⽅式，在这种情况下，接收机就需要知道信道 精确的状态信息进⾏相⼲解调，因此要进⾏信道估计，根据接收端的统计信息估计出信道的频率相应．
从公式上来讲，就是对特定的传输信道，找到⼀个H*的值，使之与这个特定的传输信道H相近似，这个就是信道估计。
从公式Y=HX+N可以看出要知道信道H值的话，需要知道Y和X，信道噪声N认为影响⽐较少不考虑。
因此，在发送端⼀般都发送已知的信号X，然后通过接收端得到的Y，就可以求出H来了。
但是传输过程不可能都传已知信号，这样传输就没有意义；对于那部分不知道的信号，可以根据已知H来近似的做为未知信号的H；这样H和Y知道了，就可以求出发送的X，达到通信的⽬的。
4-第四讲_信道容量及其计算PPT课件
N
P(X) P( X i ),
i 1
则
N
I (X;Y) I ( X i ;Yi )
i 1
所以，如果信道和信源都是无记忆的，则
N
I (X;Y) I ( X i ;Yi ) i 1
（5）、信道的组合 并联信道：两个或更多个信道并行，同时分别传送；
X1 {ak }
信道1 p(j|k)
X 2 {ak '}
4－2 信道容量的计算
（1）、对称信道的容量
对称信道：信道矩阵的每一行都是由同一概率分布的
不同排列组成，并且每一列也是同一元素
集的不同的排列组成。
1 1 1 1
P
3
3
6
6
,
1 1 1 1
6 6 3 3
1 1 1
2
3
6
P
1 6
1 2
1 3
1
1
1
3 6 2
1/3 1/3 1/6 1/6
1/6 1/6
演讲人：XXXXXX 时 间：XX年XX月XX日
C min{C1, C2}
结束语
当你尽了自己的最大努力时，失败也是伟大的， 所以不要放弃，坚持就是正确的。
When You Do Your Best, Failure Is Great, So Don'T Give Up, Stick To The End
感谢聆听
不足之处请大家批评指导
Please Criticize And Guide The Shortcomings
C
max[H p(x)
(Y
)
H
(
p1 ' ,
p2
',
无线通信中的信道估计技术
无线通信中的信道估计技术信道估计是无线通信中的一个核心技术，它能够识别并分析无线信号在传输过程中遭受的各种干扰和衰落，从而尽可能地保证无线传输的稳定和高效。
本文将围绕无线通信中的信道估计技术展开，介绍其相关原理、技术手段和实际应用。
一、信道估计的原理在无线通信中，信道是指无线电波在空气中传输的路径。
这个路径会受到多种干扰和衰落的影响，比如多径效应、多种信号干扰、噪声等等。
而信号的衰减和干扰会导致信道中的信息传输出现失误和错位，从而影响通信效率和质量。
因此，我们需要利用信道估计技术，通过对信道信息进行估计和分析，从而在传输过程中实现对信道干扰和衰落的校正和修正。
具体而言，信道估计涉及以下三个方面的内容：1.信道参数的估计通过对传输信号进行分析和处理，不断尝试，并在对传输信号所产生的结果与信道的变量进行估计，得到信道的参数，如信道衰减，相位，时延等。
2.信道质量的评估将信号经过信道后所接收到的信号与理想信号进行比较，得到通信链路中的误码率等衡量信道质量的因素。
3.信道反馈控制在对信道性质进行估计和评估后，需要反馈控制信道参数，从而实现对信道的校正和修正，以达到最佳的通信效率和质量。
二、信道估计的技术手段在无线通信中，信道估计可使用多种技术手段去实现。
这里介绍常用的一些技术手段：1.扩频技术扩频技术是一种允许多个用户在同一频率带上同时进行通信的技术，而且相互之间不会干扰。
其中的道估计单元在一个接收的信号中具有良好的频谱性质，这也是信道估计时它被广泛应用的原因之一。
2.纠错编码当信号被传输时，会存在各种噪声和干扰，比如信道衰落，相位，时延等等，这些干扰都会使得信号受到破坏，无法有效地传输。
因此，采用纠错编码的技术去提高信道估计的准确性和鲁棒性，进而实现更好的通信质量。
3.智能天线阵列技术一些高级网络系统需要使用多个天线处理数据或信号，称为多天线技术。
这里所说的智能天线阵列技术就是一种被广泛应用的多天线技术。
信道估计
CRS用于小区内所有服务UE的物理下行数据和控制信息解调，是LTE/LTE A最普遍 的参考信号。
MBSFN RS用于多播单频网的广播信号解调。
UE-specific RS 又称为DM-RS，用于UE的PDSCH解调。
由于LTE中每一个下行天线端口传输一个参考信号，小区内所有UE都要使用小区参考信 号，小区专用参考信号需要覆盖整个带宽，因此，重点说小区参考信号。
，
导频处的信道估计（LS）
ˆ X 1Y Y1 , H p p p X1 Y , P XP
T
数据处的信道估计（LMMSE）
HMMSE RHH (RHH 2 ( XX H )1 )1 H p
2
为噪声方差
RHH 表示信道的自相关矩阵
2 1 ˆ ˆ H Rhp Rpp I H p
Rhp
R pp
ˆ H p
为数据子载波和导频子载波的相关系数 为导频子载波处的相关系数 为导频子载波处的信道响应
信道估计用MMSE算法又称为维 纳滤波
维纳滤波
求解使得
J E{ Hdata Hdata }
2
为最小的滤波器系数。
data处信道的估计为：
H data (l , k )
( l ', k ')P
1 1 j 2 rms k / Ts
rms 为RMS多径时延（功率衰减到最大功率1/e
处的时间）
下行物理信道
PDSCH:
承载下行用户数据，也可用于传送系统控制消息和寻呼消息 广播系统信息(cell IDs, cell status, allowed services, RACH parameters…) 应用于多播业务，只对特定的终端发送信号 携带了H-ARQ Ack/Nack消息，指示eNodeB是否正确接收到PUSCH的传输。
无线通信中的信道估计与信号检测
无线通信中的信道估计与信号检测无线通信中，信道估计和信号检测都是非常重要的环节。
信道估计主要是指根据接收到的信号，估计出信道的特性，如路径损耗、多径衰落、时延等。
而信号检测则是指根据估计出的信道特性和已知的信号，对接收信号进行解调和解码，从而得到原始的信息。
在无线通信中，信道估计和信号检测都是非常复杂的问题，需要应用许多高级技术和算法。
在本文中，我们将对其进行详细的介绍和分析。
一、信道估计无线通信中的信号会经过多个路径传播，其中可能存在多径效应，导致接收信号发生衰落、相移等变化。
为了恢复信号的原有特性，必须对信道进行估计和补偿。
在通信系统中，常用的信道估计方法有以下几种：1. 最小二乘法（LS）最小二乘法是最简单的线性估计方法之一。
在该方法中，通过最小化估计误差的平方和，得到最优的信道估计值。
该方法计算简单，但对于非线性信道，误差较大，对时间和空间复杂度的要求也较高。
2. 线性最小均方误差（LMMSE）LMMSE是一种比LS更精确的估计方法。
它先根据接收信号的统计特性估计出信道的协方差矩阵，再根据接收信号和估计信道之间的线性关系，推导出信道估计公式。
该方法精度高，但计算量较大，对硬件要求也较高。
3. 神经网络（NN）神经网络是一种模仿人脑神经系统工作原理的技术。
在信道估计中，神经网络可以通过样本数据的训练，自适应地学习出信道特征，从而实现信道估计。
该方法具有较高的估计精度和一定的泛化能力，但需要大量的样本数据进行训练。
二、信号检测信号检测是无线通信中最为关键的环节之一。
它的目的是将接收到的信号还原成原始信息。
为了实现这一目标，必须对信道进行准确的估计，并采用合适的解调和解码算法。
常用的信号检测方法有以下几种：1. 线性解调（LD）线性解调指根据信道的线性特性，采用线性的解调方法，对接收信号进行解调。
常用的线性解调方法有匹配滤波和相关方法。
优点是计算简单，但只适用于线性信道，对非线性信道效果较差。
信道估计 PPT
处的时间）
下行物理信道
PDSCH: 承载下行用户数据，也可用于传送系统控制消息和寻呼消息
PBCH: 广播系统信息(cell IDs, cell status, allowed services, RACH parameters…)
PMCH: 应用于多播业务，只对特定的终端发送信号
PHICH: 携带了H-ARQ Ack/Nack消息，指示eNodeB是否正确接收到PUSCH的传输。
下行时隙结构
一个时隙中传输的信号可以用一个资源栅格（Resource Grid）
来描述，其大小由频域索引坐标上
个子载波 和时域索引坐
标上
个个OFDM符号交错分割而成。
LTE下行资源栅格图
大家有疑问的，可以询问和交流
可以互相讨论下，但要小声点
常用导频插入方法
AWGN时不变信道条件下几种方案性能完全一样
w 为滤波器系数
H p ilo t 为已知的导频处的信道
其中滤波系数为：
wT(l,k)RhpRpp1
R h p 为数据子载波和导频子载波的相关系数 R p p 为导频子载波处的相关系数
此处矩阵的阶数表示采用几个已知pilot进行data处信道进行估计，一 般来讲，已知导频数目越多效果越好，但同时也会使计算量越大。
由于LTE中每一个下行天线端口传输一个参考信号，小区内所有UE都要使用小区参考信 号，小区专用参考信号需要覆盖整个带宽，因此，重点说小区参考信号。
Cell-specific reference signals
信道估计
信道估计分两步进行，首先，在参考信号位置进行 LS信道估计，获得已知导频处的信道估计，然后，选择 合适位置的导频信道，利用已知导频处的信道估计结果， 进行2D维纳滤波，得到时间域和频率域中数据处的信道 估计结果。
通信电子中的信道估计与均衡技术
通信电子中的信道估计与均衡技术随着科技的发展，通信技术也在不断地更新与完善，实现了从最初的模拟通信，到数字通信，再到五代移动通信网络。
其中，信道估计与均衡技术是数字通信中非常重要的技术之一。
它们是数字通信的重要组成部分，对于数字通信系统的性能和可靠性具有不可替代的作用。
一、信道估计技术所谓信道估计技术，是用来估计数据在信道中传输过程中受到损失和干扰的技术。
因为在数字通信中，数据要先经过调制传到信道上，再进行解调，所以信道估计技术在数字通信中非常重要。
在数字通信中，信道可能会受到多径衰落、多普勒效应、衰落等各种干扰。
这些干扰使数据的传输过程中出现的误差变得复杂和不可预测。
因此，信道估计技术通过采取用相应方法对信道条件进行估计的方式，来提高信道估计的准确性和可靠性。
目前，信道估计技术主要有两种：第一种是基于发射信号，这种方法采用发射的训练序列来简化信道的参数估计。
第二种是基于接收信号，这种方法则是针对接收到的信号进行处理，从而得到估计信道状态的参数。
二、均衡技术均衡是指在数字通信中，在接收到采样波形后，为抑制来自于同一信道的噪声干扰、多径延迟等所引起的失真，使信号在整个通信链路中传输透彻、无误地恢复成传输单元加以数据处理的技术。
均衡技术一般通过在解调器前或后添加线性均衡器，然后对信号进行均衡处理从而防止误解译。
均衡技术广泛应用于各种数字通信系统中，如调制解调器、通信卫星、电视广播等。
当前，均衡技术主要有两种：线性均衡和非线性均衡。
线性均衡大多数采用全限域等化法来解决噪声干扰问题，而非线性均衡则需要使用非线性算法进行处理。
三、信道估计与均衡技术的实践应用信道估计和均衡技术在现代通信系统中被广泛应用。
例如，在高速移动通信领域，信道估计技术可以有效地降低信号误码率，提高通信效率；而均衡技术则可以有效的对接收到的信号进行均衡处理，从而提高数据传输的可靠性和稳定性。
此外，信道估计和均衡技术也可以在其他领域应用。
信道估计的算法
信道估计的算法
信道估计是对无线通信中传输信道的特性进行估计的过程。
根据
信道估计的目的和需求，可以采用不同的算法来进行估计。
最小二乘(Least Squares)算法是一种常用的信道估计算法。
该
算法通过最小化残差（观测值与估计值之间的差异）的平方和，来估
计信道的参数。
最小二乘算法可以通过计算观测信号和已知的信道模
型之间的误差来得到信道估计结果。
线性滤波器(LMMSE)算法是一种基于统计方法的信道估计算法。
该算法利用概率论和统计学原理，通过建立信源信道模型和最小均方
误差准则，来求解信道的最优估计。
线性滤波器算法可以在信道噪声
较大的情况下提供较好的估计性能。
卡尔曼滤波(Kalman Filter)算法是一种递归的信道估计算法。
该算法利用系统的动力学模型和观测模型，通过预测和更新两个步骤，不断迭代地更新估计值。
卡尔曼滤波算法在系统动态变化较快或者存
在噪声的情况下，能够提供较为准确的信道估计结果。
除了上述算法，还有其他一些信道估计算法，如最小二乘算法的
变种（如迭代最小二乘算法）、基于神经网络的算法等。
这些算法在
不同的场景和应用需求下，可以选择合适的算法进行信道估计。
信道
估计对于无线通信系统的性能优化和信号检测等关键算法均起到重要
作用。
信道估计算法
信道估计算法信道估计是一种在无线通信系统中常用的信号处理技术，它帮助接收机对发射机发送的信号进行估计，从而提高接收机的接收效率。
信道估计的基本原理主要是利用特定的测量或模型，根据收到的信号估计出发射机天线和信道相关特性参数，包括信道延时、多普勒频移等特性。
信道估计可以用在不同的系统中，比如CDMA、TDMA、FDMA等。
些估计算法可以对无线信道的特性进行估计，从而使接收机能够更准确地接收发射机发出的信号。
例如，CDMA系统使用相关估计算法，根据发射信号的频率、大小和相位等特性进行估计，以实现准确的信号接收。
TDMA系统使用基于功率谱估计算法来估计系统中发射信号的载干比，并用来提高接收效率。
FDMA系统也使用类似发射功率谱估计算法来估计发射信号的频率分布，以提高接收效率。
信道估计算法有很多种，如最小均方误差估计（MMSE）、频率响应估计、功率谱估计、相关估计、相位估计等。
些算法有不同的优缺点，具体选择哪一种算法取决于应用场景和要达到的目标。
MMSE估计算法是一种最常用的信道估计算法，可以有效地降低噪声对系统的影响，从而提高系统的接收效率。
种算法的基本原理是根据接收信号的噪声等特性，对发射信号的功率谱进行估计，以实现最优的信道估计效果。
率响应估计算法可以用来估计系统中发射信号的频率响应，从而实现接收机准确接收发射机发出的信号。
率谱估计算法可以利用发射信号的功率谱进行估计，从而提高接收机的接收效率。
关估计算法基于发射信号的频率、大小和相位等特性进行估计，以实现准确的信号接收。
位估计算法可以检测发射机发出的信号的相位，从而优化信号接收。
近年来，随着信息通信技术的发展，信道估计算法也取得了飞跃。
例如，基于稀疏变换的信道估计算法可以更有效地估计出系统信号的特性参数，提高接收效率。
时，可以使用多普勒估计算法估计发射机发出信号的多普勒频移，以提高接收效率。
有一些基于超宽带信号处理的新型信道估计算法，可以充分利用低频、高带宽信号的特性，从而提高接收效率。
信道估计_精品文档
信道估计信道估计（Channel Estimation）引言在无线通信系统中，信道估计是一项重要的技术，用于估计无线信道的特性和参数。
准确地估计信道情况可以用于优化信号传输，提高系统性能和可靠性。
本文将对信道估计的概念、方法和应用进行探讨。
一、信道估计的概念信道估计是指从接收到的信号中推断出信道的传输特性和参数的过程。
在无线通信中，信道是指无线电波在传输过程中受到的各种衰减、干扰和传播效应的叠加结果。
不同的信道条件会对信号的传输质量产生影响，如多径衰落、多径间的相互干扰等。
因此，了解信道的情况对于优化无线通信系统至关重要。
信道估计主要完成以下几项任务：1. 信道状态估计：通过测量信号的接收功率、信噪比等参数来估计信道的状态，包括强度、衰落深度等。
2. 信道频率响应估计：通过测量信号在不同频率上的传输特性来估计信道的频率响应，即信号的频域特性。
3. 信道时域响应估计：通过测量信号在时间上的传输特性来估计信道的时域响应，即信号在时间上的变化规律。
二、信道估计的方法1. pilot符号估计法：在发送信号中插入一些已知的、用于估计信道的特定数据，称为pilot符号。
接收端通过检测和解码这些pilot符号可以估计信道的情况。
这种方法简单易行，但需要消耗一定的信道带宽。
2. 等化法：接收端通过对已接收到的信号进行等化，来估计信道的情况。
等化算法可以用于估计频率响应、时域响应等信道参数。
3. 最小二乘法：通过最小化接收信号与估计信号之间的误差平方和来估计信道的参数。
这种方法可以在信道条件较好时提供较高的估计精度。
4. 神经网络法：利用神经网络来建立信号传输模型，并通过训练网络来估计信道的参数。
这种方法可以适用于复杂的信道情况，但需要大量的训练数据和计算资源。
三、信道估计的应用1. 自适应调制：通过估计信道的状态和参数，可以根据信道条件的变化来调整发送信号的调制方式，以提高系统性能和可靠性。
不同的调制方式对信道的容忍程度不同，自适应调制可以根据信道估计结果选择合适的调制方式。
信道估计时域
信道估计是在通信系统中用于预测无线信道特性的一种技术，它对于信号传输的优化和误码率的降低至关重要。
在时域中进行信道估计的方法通常包括以下步骤：
1. 采集：首先，需要从无线信道中采集信号样本。
这通常通过无线通信设备完成，设备会发送特定频率或模式的信号，然后接收并分析反射回来的信号。
2. 滤波：采集到的信号可能包含噪声和其他干扰，因此需要进行滤波以提取有用信息。
滤波器可以根据信道特性的统计模型设计，如多普勒频移、路径损耗、多径效应等。
3. 估计：通过分析滤波后的信号，可以估计信道的统计特性，如信道冲激响应、多普勒频移、路径损耗等。
这些统计特性可以用于后续的信号处理，如解码、调制等。
在时域中进行信道估计的方法有很多，其中一种常见的方法是使用自相关矩阵法。
这种方法通过计算接收信号的自相关矩阵来估计信道冲激响应。
具体来说，它通过计算接收信号在不同时间间隔上的相关值来构建一个高维的矩阵，该矩阵的每个元素都反映了信号在时间延迟上的相关性。
通过分析这个矩阵，可以估计信道的冲激响应。
另一种常用的时域信道估计方法是基于最小均方误差（MMSE）或最大似然（ML）的线性均衡技术。
这些方法使用统计模型和优化算法来估计信道特性，具有更高的准确性，但实现成本也较高。
在实际应用中，根据系统需求和资源限制选择合适的方法是非常重要的。
总的来说，时域中的信道估计方法旨在通过采集、滤波和估计等步骤，对无线信道的特性进行准确的预测和分析，从而优化信号传输过程，提高通信系统的性能。
第4讲信道估计
28
d
(d j
)
(m)
信道估计的前提条件
信道系数h[n]在0～N-1区间内保持恒定值（慢变）化 训练序列的自相关条件
n N 1
n N 1
hˆ1[n]
rl,PN [i] PN[i 1]
h1[i] PN[i 1] h5[i] PN[i 5] v[i] PN[i 1]
in
in
in
h1[n]
n N 1
n N 1
当 PN[i 1] PN[i 1] 1 ； PN[i 5] PN[i 1] 0 ；（自相关特性）
in
in
n N 1
v[i] PN[i 1]=0 （噪声与信号统计独立，且噪声均值为零）时。
in
2019/12/8
线性模型的观测数据表示为：x = Hθ + w
x是N 1的输入矢量
H是已知的N p的观测矩阵（N p）,秩为p
θ是p 1的待估计参数矢量
w是N 1的噪声矢量，PD F为Gauss(0， 2I)
则M V U 估计量是无偏的，且达到的Crame-Rao限，为
ˆ = (HT H)1HT x
关键问题是探测信号的选取（MacWilliams 和Sloane 1976证明应选取伪噪声序列）
u[n]
Z-1
Z-1
Z-1
hn[0]
hn[1]
hn[p-1]
2019/12/8
+
p1
z[n]
x[n] hn[k]u[n k] w[n]
k=0
n 0,1,..., N 1
7
w[n]
间相关性
2019/12/8
信道估计原理
信道估计原理嘿，朋友们！今天咱来聊聊信道估计原理。
这玩意儿啊，就像是在通信世界里的一张神秘地图。
你想啊，我们打电话、上网的时候，信息就像一群小鸽子，要从一个地方飞到另一个地方。
但这一路可不简单，会有各种干扰和阻碍，就像小鸽子在路上可能会遇到风雨、迷雾啥的。
而信道估计原理呢，就是要搞清楚这条路上的情况，让小鸽子能更准确、快速地到达目的地。
比如说，我们在一个嘈杂的房间里说话，对方要想听清楚我们说的啥，就得努力分辨我们的声音和周围的噪音，这其实就有点像信道估计啦。
它得知道信号是怎么传的，有哪些干扰，然后想办法把有用的信息给提取出来。
信道估计就好像是一个超级侦探，在复杂的通信环境里寻找线索。
它要判断信号的强弱、方向，甚至还要预测未来的情况。
这可不容易啊，要是侦探没做好工作，那信息传递可就容易出错啦。
想象一下，如果这个侦探迷迷糊糊的，把重要线索给弄错了，那后果不堪设想啊！信息可能就传错了，我们打电话可能就听不清对方说啥，上网可能就会老是卡顿。
那怎么做好这个侦探工作呢？这就需要各种技术和算法啦。
就像警察破案有各种手段一样，信道估计也有它的一套办法。
它要不断地观察、分析、调整，才能越来越准确地了解信道的情况。
而且啊，不同的环境下，信道估计的难度也不一样。
在城市里，到处都是高楼大厦、各种电子设备，信号就特别容易被干扰，这就好比在一个迷宫里找路。
而在空旷的地方呢，可能就相对容易一些，但也不能掉以轻心哦。
我们平时用手机、电脑的时候，可能根本不会意识到背后还有这么复杂的过程。
但正是因为有了信道估计原理，我们才能享受到顺畅的通信。
所以啊，可别小看了这个看似不起眼的东西哦！它就像一个默默工作的幕后英雄，为我们的通信保驾护航呢！总之呢，信道估计原理就是通信世界里非常重要的一部分，没有它，我们的通信可就乱套啦！大家以后再打电话、上网的时候，不妨想想这个神秘的信道估计原理，是不是很有意思呢？。
(信道估计)
噪声（干扰）强度与统计特性
信道统计特性、时变特性
19
2/7/2019
影响信道估计准确度的因素（2）
系统参数：AD精度、采样精度
算法的准则 算法的收敛速度
算法的稳定性
2/7/2019
20
影响信道估计准确度的因素（3）
积分长度（相关长度）的影响
训练或PN序列的互相关特性决定了估计精度 序列积分越长互相关影响越小 信道变换速度限制可用观测时间（积分长度） 信道估计的积分长度自适应调整（跟踪车速）
是 p 1的 待 估 计 参 数 矢 量
w 是 N 1的 噪 声 矢 量 ， P D F 为 G a u s s ( 0， I ) 其 M V U 估 计 量 是 无 偏 的 ， 且 达 到 C ra m e -R a o 限 。
T -1 T ˆ ( H H ) H x 2
其 中 ， ˆ的 方 差 C
0 1 2 3 4 5 6 7
尾 3bit
数据 57bit
1 训练序列 1 26bit b b
数据 57bit
尾 3bit
2/7/2019
30
GMSK调制
在进行GMSK调制之前先对源数据序列进行 差分编码 高斯滤波＋调制 信道模型采用GSM05.05的C.3中的信道模型 C.3.1和C.3.4
3
4
5
23
2/7/2019
24
信道估计算法的改进
估计精度改进
信号设计：构造良好的训练序列／短训练与跟踪相结 合（时隙导频） 基于迭代的信道估计（利用解码或均衡器提供的附加 信息） 插值、滤波与预测 开环和闭环(迭代) 估计信道变化速率 维纳滤波和卡尔曼滤波
信道估计算法
LS 信道估计假设OFDM 系统模型用下式表示：P P P Y X H W =+ （1）式中为信道响应；为已知的导频发送信号；为接收到的导频信号；为在导频子信道上叠加的AWGN 矢量。
LS 为最小二乘(Least —Square)信道估计， LS 算法就是对（1）式中的参数进行估计，使函数（2）最小。
ˆˆˆˆ()()()()H H P P P P P P P PJ Y Y Y Y Y X H Y X H =--=-- （2） 其中是接收端导频子载波处的接受信号组成的向量；ˆˆP PY X H =是经过信道估计后得到的导频输出信号；是信道响应的估计值。
ˆˆ{()()}0ˆH P P P P Y X H Y X H H∂--⇒=∂ 由此可以得到LS 算法的信道估计值为：11,()H H P LS P P P P P P H X X X Y X Y --==可见，LS 估计只需要知道发送信号，对于待定的参数，观测噪声，以及接收信号的其它统计特征，都不需要其它的信息，因此LS 信道估计算法的最大优点是结构简单，计算量小，仅通过在各载波上进行一次除法运算即可得到导频位置子载波的信道特征。
但是，LS 估计算法由于在估计时忽略了噪声的影响，所以信道估计值对噪声干扰以及ICI 的影响比较敏感。
在信道噪声较大时，估计的准确性大大降低，从而影响数据子信道的参数估计。
LMMSE 算法的实现流程：首先我们得到LMMSE 算法的相关公式：211ˆˆ*((()()))P P P P H LMMSE H H H H W LS H R R diag X diag X H σ--=+其中=()P P HH H P P R E H H 为信道矢量H 的自相关矩阵，ˆLMMSE H 代表采用LMMSE 算法时信道的阶跃响应。
从公式中可以看出LMMSE 使用子载波间的自相关矩阵以及SNR 等信息进行信道估计。
因为H -1(diag(X)diag(X))可以作为一个常量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收敛速度改进
开环和闭环(迭代)
跟踪速度改进
维纳滤波和卡尔曼滤波
其它改进
估计信道变化速率
20112011-1-8 16
原理：时变系统的跟踪（1 原理：时变系统的跟踪（1）
模型 （信道估计）滤波器输入平稳，抽头是时变的 （自适应均衡）滤波器输入和抽头都是时变的
v(n) u(n) 信道模型 d(n) ＋ Σ － y(n) 自适应滤波器
20112011-1-8
ˆ 且θ 为Gauss( 0，σ 2 (HT H)−1 )
5
为什么要进行信道估计？ 为什么要进行信道估计？
信道不理想／缺陷／信道时变特性 均衡器、ＲＡＫＥ接收机等需要信道 信息 数字处理技术发展，可完成复杂运算
20112011-1-8
6
原理：FIR模型的系统辩识 原理：FIR模型的系统辩识
rux [i ] ∑ u[n − i]x[n] = M n =0 u
N −1
8
原理：FIR模型的系统辩识 原理：FIR模型的系统辩识
估计效果的评估
信号与估计误差比（signal－esitmation_error） 信号与估计误差比（signal－esitmation_error）
Λe = h
2 2
训练序列的一种：
00100101110000100010010111
20112011-1-8
22
GMSK调制 GMSK调制
在进行GMSK调制之前先对源数据序列进行 差分编码 高斯滤波＋调制 信道模型采用GSM05.05的C.3中的信道模型 C.3.1和C.3.4
20112011-1-8
23
解调和均衡
无偏
E [θˆ ] = θ
最小方差准则
限制估计是无偏的且为线性，寻找最小方差估 计
20112011-1-8
4
基础：线性模型的最小方差无偏估计量
r r r 线性模型的观测数据表示为：x = Hθ + w r x是N ×1的输入矢量 H是已知的N × p的观测矩阵（N ≥ p 秩为p ）, r θ是p ×1的待估计参数矢量 r w是N ×1的噪声矢量，PD F为Gauss( 0，σ 2 I) 则M V U 估计量是无偏的，且达到的Crame-Rao限，为 r ˆ = (HT H)−1 HT x θ ˆ的协方差阵为C = σ 2 (HT H)−1， 其中，θ ˆ θ
马尔科夫过程 w0(n+1) z-1 w0(n) 多重回归过程
ω(n)
I
uH(n)
Σ
d(n)
aI
20112011-1-8
v(n)
18
车速估计（1 车速估计（1）
基于多普勒频移 的速度测量方法
基于电平交叉
基于方差
包络 检测
幅度 检测
高阶 检测
20112011-1-8
19
车速估计（2 车速估计（2）
上讲内容
无线移动信道的特点
模型 多径（频率选择性）和移动（多普勒扩展）
信道问题及解决
失真 干扰和噪声（损耗）
CDMA系统
频率选择性的慢衰落 信号问题和有关技术
20112011-1-8 1
本讲内容
信道估计的目的 基本原理： FIR模型的系统辩识 FIR模型的系统辩识 信道估计方法概述 影响信道估计精度的因素及其改进 信道估计算法举例（GSM和CDMA）
20112011-1-8 30
参考书
Steven M.Kay，统计信号处理基础－估计与 检测理论 Simon Haykin, 自适应滤波器原理，电子工 业出版社
20112011-1-8
31
RAKE 接收
20112011-1-8
27
DS-CDMA系统的RAKE接收机 DS-CDMA系统的RAKE接收机
rl (t )
1W
1W
1W
1W
Bello在1963年 针对衰落现象 提出的宽平稳 不相关散射概 念（WSSUS）
* S dpch ,n (k ) ⋅ d ( c ) ( k )
∑
k =1
电平交叉率（LCR）是指Rayleigh衰落包络 归一化为本地RMS（均方根）信号电平后， 以正斜率穿过某一指定电平的速率，每秒 电平交叉的数目为：
N R = ∫ r p ( R, r ) dr = 2π f m ρ e
' ' ' 0
∞
−ρ2
N R = 2π f m e = 0.92 f m
−1
20112011-1-8 20
E[ ∆h ]
噪声的影响
Λ= Mu h
2 σw 2
归一化因子
2 Λe σw Λn = = Λ M u E[ ∆h 2 ]
20112011-1-8 9
原理：FIR模型的系统辩识 原理：FIR模型的系统辩识
实际系统和辩识系统的输出差
ˆ ˆ x[n] − x[n] = ( z[n] − x[n]) + w[n] ˆ = ∑ (h[i ] − h[i ])u[n − i ] + w[n]
k =1
SFd
20112011-1-8
28
d (j d ) (m)
信道估计的前提条件
信道系数h[n]在0～N-1区间内保持恒定值（慢变）化 训练序列的自相关条件
ˆ h1[n] =
n + N −1 i=n n + N −1
∑
i=n
rl , PN [i ] ⋅ PN [i − 1] =
n + N −1 i=n
例一： GSM系统 GSM系统
发射端
数据源（含CRC、卷积编码、交织器） GMSK调制器
移动信道 接收端
解调器/均衡器 解交织器和解码器
20112011-1-8
21
源数据序列
全速率语音业务（TCH/FS，13.3kbps） 信道 正常突发序列包括前后各58个信息比特、 中间的26比特训练序列以及首尾各3个尾 比特
SFc
∑
k=1
SF c
∑
k=1
SF c
∑
k=1
SF c
c1 (t )
rl (t )
1W
c2 (t )
c3 (t )
c L (t )
1W
1W
1W
* S dpch ,n (k )
∑
k =1
* c1 (t )
SFd
∑
k =1
* c2 (t )
SFd
∑
k =1
* c 3 (t )
* c L (t )
SFd
∑
k =1
PL = (1/16 ) ∑ vk AL ( k )
k =1
20112011-1-8 26
16
例二： WCDMA／cdma2000 WCDMA／
上行链路框图
高斯 白噪声
n(t )
移动台 发射
脉冲成型 滤波
多径衰落 信道
低通滤波
A/D量化
Viterbi译码 解复用 Turbo译码
功率 归一化
关键问题是探测信号的选取（MacWilliams 和Sloane 1976证明应选取伪噪声序列）
u[n] Z-1 Z-1 Z-1
hn[0]
hn[1]
hn[p-1]
+ z[n]
20112011-1-8
x[n] = ∑ {hn [k ] ⋅ u[n − k ]} + w[n]
k=0
p −1
n = 0,1,..., N − 1 w[n]
ˆ In − In
2
ˆ ˆ = ∑a h In n−k k
k =0
L
其中a 26比特的训练序列 其中an是26比特的训练序列
20112011-1-8
25
GSM系统中的信道估计算法 GSM系统中的信道估计算法
HL = R
∧ −1 LL L 16 T L
P
RLL = (1/16 ) ∑ AL ( k ) A ( k )
10
0
1/8 chip 1/4 chip 1/2 chip
10Leabharlann -1FER 10-2
20112011-1-8
10
-3
-3
-2
-1
0
1 Ior/Ioc(dB)
2
3
4
5
14
20112011-1-8
15
信道估计算法的改进
估计精度改进
信号设计：构造良好的训练序列／短训练与跟踪相结 合（时隙导频） 基于迭代的信道估计（利用解码或均衡器提供的附加 信息） 插值、滤波与预测
信道估计设计要点
积分长度（相关长度） 积分长度（相关长度）的影响
训练或PN序列的互相关特性决定了估计精度 序列积分越长互相关影响越小 信道变换速度限制可用观测时间（积分长度） 信道估计的积分长度自适应调整（跟踪车速）
基于预测的信道估计
由于Pilot信道占用信道容量，时隙Pilot 无Pilot时的信道估计值可通过插值或预测获得 其基础是信道变化速度是有限的（采样定理），时 间相关性
i =0 N −1
{
}
其方差为 M x E[ ∆h ] + σ ω { 14244 4 3
2 2 输出估计误差的方差
20112011-1-8
噪声功率
10
信道估计的方法和分类
按照优化准则分类 最小均方误差MMSE 最大似然估计ML 最小二乘LS ... 按照有无训练序列 非盲信道估计 盲信道估计 半盲信道估计
20112011-1-8 11
基于最小二乘的信道估计 基于训练序列的信道估计 基于相关的信道估计 数据辅助信道估计 基于判决反馈的信道估计