CN1228951C - 具有简化信道响应估计的多载波传输系统 - Google Patents

Abstract

描述了一种从发射机(10)向接收机(20)发送多载波信号的传输系统。该多载波信号包括多个副载波。接收机(20)包括一个信道估计器(28)，用于估计副载波的幅度，并用于估计幅度的时间导数。接收机(20)还包括一个均衡器(24)，用于根据所估计的幅度和导数(29)消除所接收多载波信号中包括的互载干扰。该信道估计器(28)包括一个简化滤波器，用于根据所接收码元的矢量(23)和所估计码元的矢量(27)推导出所估计幅度和导数的矢量(29)。该简化滤波器被安排用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性。

Description

具有简化信道响应估计的多载波传输系统

技术领域

本发明涉及一种从发射机向接收机发送一个多载波信号的传输系统。

本发明还涉及一种从发射机接收多载波信号的接收机、一种估计多载波信号中所包括副载波的幅度和估计幅度的时间导数的信道估计器，并涉及一种估计多载波信号中所包括副载波的幅度和估计幅度的时间导数的方法。

背景技术

多载波调制方法，例如OFDM和MC-CDMA，现在已经很成熟。OFDM或正交频分复用是十九世纪八十年代设计的调制方法，其中使用不同的副载波并行传输多个用户码元。这些副载波具有重叠的(正弦形状)的频谱，但信号波形是正交的。与诸如BPSK、QPSK或MSK的调制方法相比，OFDM发送持续时间较长但窄带宽的码元。OFDM系统大多数被设计使每个副载波带宽足够小以经历频率上平坦的衰减。这还确保当在一个普通的频率选择但时间固定的信道上被接收时副载波保持正交。如果该OFDM信号在这样一条信道上被接收，每个副载波经历不同的衰减，但没有频散。

OFDM的上述属性不需要抽头延迟线均衡器，并是在多个标准中使用OFDM调制方法的主要动机，所述标准例如数字音频广播(DAB)、作为数字视频广播标准(DVB)一部分的数字陆地电视广播(DTTB)和最新的无线局域网标准HIPERLAN/2。尤其在DAB和DTTB应用中，不佳信道条件下的移动接收预期将同时具有频率和时间偏移。电视的移动接收至今尚未被视为一个主要市场。然而，DVB系统必将变成移动多媒体和互联网业务的高速发送机制。在IFA’99消费者电子交易展中，诺基亚、德国电信和ZDF的联营公司演示了在具有一个GSM返回信道的OFDM DVB链路上的移动网页浏览、电子邮件访问和电视观看。使用8k OFDM副载波，无线的DVB接收完全适用于速度高达50英里/小时的汽车。移动接收即在多普勒频移和对应时间偏移的信道上的接收依然是多载波传输系统和具体的OFDM系统的相关问题之一。虽然其相对于频率选择性的强壮被视为OFDM的优点，但信道随时间变化的特性被认为限制了系统性能。随时间变化被认为破坏了OFDM副载波波形的正交性。在这种情况下，因为一个副载波的信号分量产生对另一个大多数为相邻副载波的干扰，出现互载干扰(ICI，也称作信道间干扰或FFT泄漏)。

在斯德哥尔摩皇家技术学院的Guillaume Geslin于1998年4月的无线电通信研究生论文“移动DVB-T中FFT泄漏的均衡”中，公开了一种多载波传输系统。在这种公知的传输系统中，通过一个均衡器在接收机中消除了ICI(即在所接收的多载波信号中检测并消除)。这个均衡器根据所接收码元的矢量推导出估计码元矢量。均衡器的操作基于一个信道模型，其中其副载波幅度和时间导数表示ICI。该接收机包括一个信道估计器，它生成这些幅度和导数的估计值，并将这些估计值提供给均衡器。均衡器随后根据幅度和导数的估计值消除ICI。现有传输系统中的信道估计器很复杂，即需要大量计算来执行信道估计。

发明内容

本发明的一个目的是提供一种如前序部分的传输系统，其中计算量被显著降低。这一目的在根据本发明的传输系统中实现，所述传输系统用于从发射机向接收机发送多载波信号，该多载波信号包括多个副载波，该接收机包括一个信道估计器，用于估计副载波的幅度，并用于估计幅度的时间导数，该接收机还包括一个均衡器，用于根据所估计的幅度和导数消除所接收多载波信号中包括的互载干扰，其中该信道估计器包括一个简化滤波器，用于根据所接收码元的矢量和所估计码元的矢量推导出所估计幅度的矢量和导数。本发明基于这样的认识，即在不严重影响ICI消除程序的情况下能够显著降低信道估计器/滤波器的复杂度。

在根据本发明的一个传输系统的实施例中，简化滤波器用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性。尽管信道模型的特征在于2N个参数(N是副载波个数)，自由独立度个数实际上非常小。这一性质的原因在于传播延迟扩散通常远小于字持续时间的事实。这一性质还意味着所估计幅度矢量中的项目非常相关，所以可以用一个低秩矩阵非常准确地近似该幅度的协方差矩阵C_a。类似地，导数矢量中的项目非常相关，也可以用一个低秩矩阵非常准确地近似该导数的协方差矩阵C_d。使用这些信道估计器/滤波器中的低秩矩阵使复杂度显著降低。

在根据本发明的传输系统的另一个实施例中，幅度相关和/导数相关的特征在于N×N矩阵C，N是副载波数目，其中C＝UΛU^H，其中U是C的本征矢量的N×N单位矩阵，Λ是C的本征值{Λ₁，......，Λ_N}的N×N正对角矩阵，并且其中Λ用{Λ₁，......，Λ_r，0，......，0}近似，r＜＜N。协方差矩阵C_a和C_d取决于矩阵C＝UΛU^H。本征值{Λ₁，......，Λ_N}的顺序可以准确地用较少数目r的非零值{Λ₁，......，Λ_r，0，......，0}来准确地近似。

在根据本发明的传输系统的另一个实施例中，简化滤波器包括N×N泄漏矩阵Ξ的相乘，其中通过N点I FFT和逐点的N点乘法器的组合来实现该相乘。进一步的简化是因为泄漏矩阵Ξ以傅立叶为基础对角化，即Ξ＝FΔF^H，其中F是具有标准化列的N点FFT，Δ是正对角矩阵。因此，N×N矩阵Ξ的相乘可以通过组合N点IFFT和逐点的N点相乘以及一个N点FFT来实现，从而显著降低了复杂度。

根据本发明一个方面，一种从发射机向接收机发送多载波信号的传输系统，该多载波信号包括多个副载波，接收机包括一个信道估计器，用于估计副载波的幅度，并用于估计幅度的时间导数，接收机还包括一个均衡器，用于根据所估计的幅度和导数消除所接收多载波信号中包括的互载干扰，其中该信道估计器包括一个简化滤波器，用于根据所接收码元的矢量和所估计码元的矢量推导出所估计幅度和导数的矢量，其中简化滤波器被安排用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性，其中幅度相关性和/或导数相关性的特征在于N×N矩阵C，N是副载波数目，其中C＝UΛU^H，其中U是C的本征矢量的N×N单位矩阵，Λ是C的本征值{Λ₁，......，Λ_N}的N×N正对角矩阵，并且其中Λ用{Λ₁，......，Λ_r，0，......，0}近似，r＜＜N。

根据本发明另一个方面，一种用于从发射机接收多载波信号的接收机，该多载波信号包括多个副载波，接收机包括一个信道估计器，用于估计副载波的幅度，并用于估计幅度的时间导数，接收机还包括一个均衡器，用于根据所估计的幅度和导数消除所接收多载波信号中包括的互载干扰，其中该信道估计器包括一个简化滤波器，用于根据所接收码元的矢量和所估计码元的矢量推导出所估计幅度和导数的矢量，其中简化滤波器被安排用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性，其中幅度相关性和/或导数相关性的特征在于，N×N矩阵C，N是副载波数目，其中C＝UΛU^H，其中U是C的本征矢量的N×N单位矩阵，Λ是C的本征值{Λ₁，......，Λ_N}的N×N正对角矩阵，并且其中Λ用{Λ₁，......，Λ_r，0，......，0}近似，r＜＜N。

根据本发明的另一个方面，一种信道估计器，用于估计包括在多载波信号中的副载波的幅度，并用于估计幅度的时间导数，该信道估计器包括一个简化滤波器，用于根据所接收码元的矢量和所估计码元的矢量推导出所估计幅度和导数的矢量，其中简化滤波器被安排用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性，其中幅度相关性和/或导数相关性的特征在于N×N矩阵C，N是副载波数目，其中C＝UΛU^H，其中U是C的本征矢量的N×N单位矩阵，Λ是C的本征值{Λ₁，......，Λ_N}的N×N正对角矩阵，并且其中Λ用{Λ₁，......，Λ_r，0，......，0}近似，r＜＜N。

根据本发明的再一个方面，一种用于估计包括在多载波信号中的副载波的幅度和用于估计幅度的时间导数的方法，该方法包括使用一个简化滤波器滤波所接收码元的矢量和所估计码元的矢量，以得出所估计幅度和导数的矢量，其中简化滤波器被安排用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性，其中幅度相关性和/或导数相关性的特征在于N×N矩阵C，N是副载波数目，其中C＝UΛU^H，其中U是C的本征矢量的N×N单位矩阵，Λ是C的本征值{Λ₁，......，Λ_N}的N×N正对角矩阵，并且其中Λ用{Λ₁，......，Λ_r，0，......，0}近似，r＜＜N。

附图描述

参考附图，根据下述优选实施例的描述，本发明的上述目的和特征将更明显，在附图中：

图1图示根据本发明的传输系统的方框图；

图2图示根据本发明的信道响应估计器/简化滤波器的方框图。

具体实施例详细描述

本发明基于简单和可靠信道表示法的开发。考虑一个多载波传输系统，例如OFDM或MC-CDMA传输系统，使用间距为f_s的N个副载波。每个副载波具有一个有限长度的矩形包络，包括循环扩张，超过(1/fs)。假设s＝[s₁，......，s_N]^T是N个发送码元的矢量，则所发送的时间上连续的基带信号可以被表示为：

$x\left(t\right)=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{s}_k\exp \left(i2\mathrm{\π}{f}_s\mathrm{kt}\right)----\left(1\right)$

在频率选择随时间变化的附加白噪声(AWGN)信道的情况下，所接收的连续时间信号可以被表示为：

$y\left(t\right)=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{s}_k{H}_k\left(t\right)\exp \left(i2\mathrm{\π}{f}_s\mathrm{kt}\right)+n\left(t\right),----\left(2\right)$

其中系数H_k(t)表示在第k个副载波上的随时间变化的频率响应，1≤k≤N，并且其中n(t)是信号带宽内的AGWN。我们假定信道缓慢变化，因此可以在单个数据块持续时间内可以仅考虑一阶变化。换句话说，我们假设每个H_k(t)用下式准确地近似：

H_k(t)≈H_k(t_r)+H′_k(t_r)(t-t_r)，          (3)

其中H′_k(t)是H_k(t)的一阶导数，其中tr是所接收数据块中的基准时间。注意到随时间变化的信道H_k(t)还可以考虑在粗略频率同步之后的剩余频率偏移。

所接收的基带信号被以抽样偏移t_o和速率Nf_s抽样，并将其N个连续抽样的块[y(t₀)，y(t₀+T)，...，y(t₀+(N-1)T)] $(T=\frac{1}{{\mathrm{Nf}}_s})$ 进行大小为N的快速傅立叶变换。假设y＝[y₁，...，y_N]^T是N FFT抽样的矢量，则：

$y_k=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}y(t_0+\mathrm{nT})\exp (-i2\mathrm{\πkn}/N)----\left(4\right)$

在将(2)代入(4)并使用近似式(3)之后，我们获得：

$y_k=a_k{s}_k+\underset{l=0}{\overset{N-1}{\mathrm{\Σ}}}{d}_l{s}_l\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}(n/N)\exp (-i2\mathrm{\π}(k-l)n/N)+n_k,----\left(5\right)$

a_t＝exp(i2πf_slt₀)(H_t(t_r)+H′_t(t_r)(t₀-t_r))，       (6)

d_l＝exp(i2πf_slt₀)TH′_l(t_r)，                      (7)

其中n_k，1≤k≤N，是具有特定方差σ²的AWGN的抽样。很方便地将结果(5)重写成密集矩阵的形式。为此，我们定义对角矩阵A＝diag{a₁，...，a_N}，D＝diag{d₁，...，d_N}和N×N矩阵：

$\mathrm{\Ξ}={\left\{{\mathrm{\Ξ}}_{p,q}\right\}}_{p,q=1}^N,{\mathrm{\Ξ}}_{p,q}=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}(n/N)\exp (-i2\mathrm{\π}(p-q)n/N)----\left(8\right)$

使用这一符号，等式(5)相当于二

y＝As+ΞDs+n，                       (9)

其中n＝[n₁，...，n_N]^T是一个AWGN的N×1矢量。在信道模型(9)中，信道结果用两组N个参数表示：a＝[a₁，...，a_N]^T和d＝[d₁，...，d_N]^T。验证H_t(t_r)+H′_t(t_r)(t₀-t_r)≈H_t(t₀)，因此系数a_k，1≤k≤N，等于用抽样周期T换算并旋转相同的抽样相位exp(i2πf_slt₀)的信道频率响应复数幅度的时域导数。

注意到当信道响应在时间上变化(即d≠0)时出现互载干扰。这一干扰用矢量d以及固定的N×N矩阵Ξ来定义。根据等式(8)可以很容易地看出后面的矩阵是一个Toeplitz厄密矩阵，并且

$\mathrm{\Ξ}={\left\{{\mathrm{\Ξ}}_{p,q}\right\}}_{p,q=1}^N,{\mathrm{\Ξ}}_{p,q}=\left\{\begin{array}{cc}(N-1)/2,& p=q;\\ -{(1-e^{i2\mathrm{\π}(q-p)/N})}^{-1},& p\≠q.\end{array}\right.$

在下文中，我们将a称作幅度(矢量)，将d称作导数(矢量)，将Ξ称作泄漏矩阵。

为了处理所接收的信号，应当估计信道参数组a和d。如果使用信道的统计属性，则可以提高2N标量参数的估计精确度。首先，我们假设信道变化很慢，所以H′_k(t)在一个码元的持续时间内不发生明显变化。在这种情况下，我们可以将(6)和(7)重写如下：

a_t≈exp(i2πf_slt₀)H_t(t₀)，d_l≈exp(i2πf_slt₀)TH′_l(t₀)，1≤l≤N  (10)

让我们分析量值a、d和传播信道的物理参数之间的关系，即其传播延迟{τ₀，...，τ_K}、相应多普勒偏移{f₀，...，f_K}和复数幅度{h₀，...，h_K}。注意到信道频率响应的统计性质取决于相对延迟和多普勒偏移，而组延迟和/或多普勒偏移导致h_K的旋转，1≤k≤N；这些旋转通过时间和载波同步/跟踪来处理。因此，我们可以在不失一般性的情况下假设τ₀＝0和f₀＝0。现在，信道频率响应H₁及其导数H′_l可以表示如下：

$H_l\left(t\right)=\underset{n=0}{\overset{k}{\mathrm{\Σ}}}{h}_n\exp \left(i2\mathrm{\π}(f_{n}t-f_{s}l{\mathrm{\τ}}_n)\right),$

$H_l^{\′}\left(t\right)=i2\mathrm{\π}\underset{n=0}{\overset{k}{\mathrm{\Σ}}}{f}_n{h}_n\exp \left(i2\mathrm{\π}(f_{n}t-f_{s}l{\mathrm{\τ}}_n)\right),1\≤l\≤N.----\left(11\right)$

关系(10)和(11)可以方便地用于推导幅度a和导数d的统计属性。只要传播路径数量足够大(理想上K＞＞N)，系数组{H_l(t)，H′_l(t)}_1≤l≤N可以被视为是联合高斯分布的。而且，可以证明当组{h_k}_1≤k≤K和{f_k}_1≤k≤K在统计上独立和多普勒频谱具有对称形状时，组{H_t(t)}_1≤t≤N和{H′_l(t)}_1≤l≤N是彼此不相关的。在这种情况下，矢量a和d可以被假定为具有零平均和协方差矩阵的统计独立多变量高斯分布，

E{aa^H}＝C_a，E{dd^H}＝C_d    (12)

其中E{·}表示数学期望操作符和C_a，C_d是N×N厄密非负限定矩阵。

C_a和C_d的一个重要具体情况对应于移动信道的标准模型，如JohnWiley&Sons公司在1974年出版的C.Jakes的《微波移动通信》中所描述的。这一模型(称作Jakes模型)假定不同传播路径的独立影响、指数延迟特征图和均匀分布的不同路径的入射角度。在这种情况下，可以证明：

C_a＝C，C_d＝γ²C， ${\mathrm{\γ}}^2=\frac{1}{2}{\left(2\mathrm{\π}{f}_{\mathrm{\Δ}}T\right)}^2,$ $C_{\mathrm{pq}}=\frac{1}{1+i2\mathrm{\π}(p-q)f_s{T}_{\mathrm{\Δ}}},$ 1≤p，q≤N，(13)

其中f_Δ是多普勒扩展量值，并且其中T_Δ是均方根传播延迟扩散。最后两个参数分别取决于移动速度和传播环境。

尽管该简单信道模型的特征在于2N个参数，自由独立度数实际上非常小。这一性质的原因在于传播延迟扩展通常远小于字持续时间的事实。这一属性还意味着a的项目非常相关，以至可以用一个低秩矩阵来准确地近似协方差矩阵C_a。类似地，d的项目非常相关，也可以用低秩矩阵来准确地近似协方差矩阵C_d。我们考虑Jakes模型以及等式(13)。定义C的本征成分：

C＝UΛU^H，                 (14)

其中U是C的本征数量的N×N单位矩阵，其中Λ是其本征值{Λ₁，...，Λ_N}的N×N正对角矩阵。假设本征值是顺序的，所以序列{Λ₁，...，Λ_N}不是递增的。根据Jakes模型，这一序列的元素具有一个指数衰减特征：

Λ_k～exp(-f_sT_Δk)，for 1≤k≤N          (15)

因此，该本征值序列可以用一个较少的非零值：{Λ₁，...，Λ_N}＝{Λ₁，...，Λ_r，0...0}来准确地近似。

我们的目标是根据所接收的信号y来估计幅度a和导数d。我们将假设输入码元s是已知的。很容易看出幅度和导数的总个数等于2N，这是副载波个数的两倍。这仅以自由度r产生了矢量a和d的准确近似。换句话说，我们可以写成：

a≈Vh，     d≈Vg，              (16)

其中h和g是堆迭分别对应于幅度和导数的自由参数的r×1数量，而N×r矩阵V由U的前r列构成。使用这一近似，a和d的联合估计变得与h和g的联合估计相同。因此，自由参数的总个数变成2r而非2N。这一结果具有非常重要的意义，考虑了较小r实际上非常小以使r＜＜N。

附加的复杂性降低是因为以傅立叶为基础对角化泄漏矩阵Ξ的事实，即

Ξ＝FΔF^H，                       (17)

其中F是具有标准化列的N点FFT矩阵和Δ是一个正对角矩阵。矩阵Ξ的上述性质直接来自等式(8)。检查Δ的对角值由整数{0，1，2，...，N-1}给出。因此，N×N矩阵Ξ的相乘可以通过组合N点FFT(IFFT)和N点逐点相乘来实现，因此明显降低了复杂性。

近似式(16)和表达式(17)导致在下述段落中获得的最佳最小均方估计程序。

让我们重写表达式(9)以便将信道参数集中成两个N×1矢量：a用于幅度和d用于导数：

y＝Sa+ΞSd+n，                     (18)

其中S是在其对角线上具有值₁，...，_N的N×N对角矩阵。为了使用有限级数的信道近似，我们将(16)代入(18)。而且，我们还将(17)代入(18)，以便考虑泄漏矩阵Ξ的结构。两次代入的结果如下：

y＝SVh+FΔF^HSVg+n，                (19)

等式(19)计算上有吸引力的变化可以通过从频域转移到时域来获得。即，N×1矢量 y＝F^H是副载波矢量的IFFT，因此它代表在时域中所接收的信号(直到标准化)，我们在时域中定义噪声n的N×1矢量。重新指出噪声是功率σ²在时域和频域中的AWGN。

在将IFFT应用于(19)之后，我们获得：

y＝Ph+ΔPg+ n，where P＝F^HSV， n＝F^Hn    (20)

在此P是N×r矩阵。为了推导出近似MMSE估计，我们注意到根据等式(12)、(13)和(14)和给定一个近似等级r，协方差矩阵h和g(如等式(16)所定义的)满足：

E{hh^H}＝ Λ，E{gg^H}＝γ² Λ，            (21)

其中Λ是具有对角值{Λ₁，...，Λ_r}的r×r对角矩阵。给定数据模型(20)-(21)，参数h和g的MMSE估计器通过在{h，g}上最小化下式来获得估计值

和

${\mathrm{\σ}}^{-2}{\left|\right|\underset{\‾}{y}-[P,\mathrm{\ΔP}]\left[\begin{array}{c}h\\ g\end{array}\right]\left|\right|}^2+{\left[\begin{array}{c}h\\ g\end{array}\right]}^H\left[\begin{array}{cc}{\underset{\‾}{\mathrm{\Λ}}}^{-1}& 0\\ 0& {\mathrm{\γ}}^{-2}{\underset{\‾}{\mathrm{\Λ}}}^{-1}\end{array}\right]\left[\begin{array}{c}h\\ g\end{array}\right],----\left(22\right)$

上述问题允许通过下述表达式给出的直接解决方案：

$\left[\begin{array}{c}\hat{h}\\ \hat{g}\end{array}\right]={\left[\begin{array}{cc}{\mathrm{\σ}}^2{\underset{\‾}{\mathrm{\Λ}}}^{-1}+P^{H}P& P^H\mathrm{\ΔP}\\ P^H\mathrm{\ΔP}& {\mathrm{\σ}}^2{\mathrm{\γ}}^{-2}{\underset{\‾}{\mathrm{\Λ}}}^{-1}+P^H{\mathrm{\Δ}}^{2}P\end{array}\right]}^{-1}\left[\begin{array}{c}{P}^H\\ P^H\mathrm{\Δ}\end{array}\right]\underset{\‾}{y}----\left(23\right)$

最后，通过下式根据等式(16)计算幅度和导数的经验矢量：

$\hat{a}=V\hat{h},\hat{d}=V\hat{g}----\left(24\right)$

等式(23)和(24)中总结的算法在图2中被示意性地图示。再次指出Δ是对角矩阵，即将这一矩阵应用于一个矢量仅产生N个相乘。因此，对于中等的r，主要的计算量涉及计算P^HP、P^HΔP和P^HΔ²P。

图1图示根据本发明的传输系统的方框图。该传输系统包括一个发射机10和一个接收机20。该传输系统进一步还包括发射机10和接收机20。发射机10通过一条无线信道将一个多载波信号发送给接收机20。该多载波信号可以是一个OFDM信号或一个MC-CDMA信号。接收机20包括一个解调器22，用于解调所接收的多载波信号23，所接收的多载波信号23包括所接收码元23的矢量。解调器22可以用一个FFT装置来实现。所解调的多载波信号由解调器22提供给均衡器24。均衡器24消除在所接收多载波信号中可能包括的互载干扰，均衡器24将所估计码元25的矢量(根据所接收码元矢量推导出的)输出给一个(软)限幅器26。该限幅器26生成将在接收机其它的信号处理部分(未图示)例如一个FEC解码器中使用的软量度(软判决)和/或二进制估计值(硬判决)。限幅器26的输出信号还可以被认为包括所估计的码元27。接收机20进一步包括一个信道估计器28，用于估计副载波的幅度29和用于估计幅度的导数29。均衡器24根据由信道估计器28提供给均衡器24的所估计的幅度和导数29消除所接收(解调)多载波信号中所包括的互载干扰。信道估计器28包括一个简化滤波器，用于根据所接收码元23的矢量和所估计码元27的矢量推导出所估计幅度和导数29的矢量。

估计器28用等式(23)-(24)表示；其方框图在图2中图示。N个估计码元矢量27的矢量分量在逐行乘法器40中乘以N×r矩阵V的N行。结果N×r矩阵的r列经过IFFT 42。结果N×r矩阵P被提供给给矩阵乘法器46、矩阵乘法器44和矩阵乘法器52。矩阵乘法器46计算N×r矩阵P与Δ的N个对角项逐行相乘的乘积ΔP。结果N×r矩阵提供给矩阵乘法器48。在这个矩阵乘法器48中，矩阵乘法器46输出的r×N厄密共轭P^HΔ被乘以所接收信号23的N×1矢量。矩阵乘法器48的输出信号被提供给堆栈器56的第一输入。

在矩阵乘法器44中，分别根据IFFT 42和矩阵乘法器46的输出P和ΔP计算乘积P^HP、P^HΔP和P^HΔ²P。在矩阵加法器50中分别将量值σ²Λ^-1和σ²r^-2Λ^-1与块P^HP和P^HΔ²P相加。矩阵加法器50的输出信号是在等式(23)中出现的2r×2r矩阵。这个矩阵在矩阵转置器54中被转置并将结果转置矩阵提供给矩阵乘法器58。

在矩阵乘法器52中，IFFT 42输出的r×N厄密共轭PH被乘以所接收信号23的N×1矢量。结果信号被提供给堆栈器56的第二输入。堆栈器56堆栈提供给其第一r×1和第二r×1输入矢量的信号，所堆栈的2r×1矢量随后被提供给将其与2r×2r转置矩阵相乘的矩阵乘法器58。矩阵乘法器58的输出2r×1信号随后被提供给分解器60，由其将该信号分解成两个r×1矢量。这两个矢量中的每个矢量随后在矩阵乘法器62和64中与矩阵V相乘。结果输出r×1矢量是所估计的幅度和导数29。

所推荐的信道估计器使用所接收码元在时域中的N×1矢量y(即在OFDM解调之前)和所发射码元的N×1矢量或其等价物。该算法可以使用用V和Λ表示的信道统计以及集中于Δ中的泄漏矩阵属性。注意可以预先计算这三个量值。

让我们简单分析所推荐程序的复杂性。该方案计算量最大的部分是矩阵乘法器44和矩阵转置器54。矩阵乘法器44计算由两个N×r矩阵自乘积和互乘积(例如P^HP、P^HΔP和P^HΔ²P)构成的2r×2r矩阵。这些操作要求3r(r+1)N/2个复数值计算。矩阵转置器54转置一个2r×2r矩阵，这产生大约2/3(2r)³＝16r³/3个复数相乘。因此，总复杂度仅随着副载波个数N线性地增加。该最后一个特性对于DVB-T尤其具有吸引力，其中N在2K模式的2048到8K模式的8192的范围内变化。

模拟已经表明，当r＝5时，与信道参数已知的情况相比，所推荐的a和d的估计生成大约1.5dB的损失。在r＝10时该损失变得可以忽略。

所推荐的信道响应估计算法取决于知道至少一个OFDM块的整组输入码元。当s对于接收机已知时(即在训练阶段)，该算法的应用变得直接。在数据传输阶段，可以考虑下述获得参考信号的方式：

(A)快速信道变化：在这种情况下，信道相干时间假设很小，或者可以与相邻OFDM块之间的时间延迟相当。在这种情况下，我们假设在随后的块中不能以一种满意的方式即保留所需要的低等级BER来重新使用对应于一个给定块的信道估计。我们可以建议使用根据前一块的估计以及简化MMSE解决方案或者应用常规OFDM处理以获得所发射码元的估计值。这一估计随后用于更新信道估计。尽管以一些错误检测输入码元，这些错误对估计精度的影响并不很大。实际上，这些错误将导致平均功率可与观察噪声功率相当的附加噪声。由于观察抽样的次数N远大于将要估计的自由参数的个数2r，这一附加噪声对估计准确度的影响被减轻。

(B)慢速信道变化：在这种情况下，我们假设信道相干时间远大于相邻OFDM块之间的时间延迟。因此，可以针对大量后续块重新使用根据当前OFDM块的信道估计。在这种情况下，根据所定义的程序定期计算信道估计值。这一估计值使用对应于当前OFDM块的所检测数据，并可以用于后续的OFDM块。通过信道相干时间定义估计周期。这一方案能够实现相对低廉的实时实现，因为等于多个连续OFDM块持续时间的处理延迟是可能的。

在所描述的估计程序中，单个OFDM块被用于信道估计。尽管单个块在DVB-T中能够实现很好的估计准确度(因为副载波次数远大于2K和8K模式中自由信道参数数量的实际情况)，还可以考虑使用多个OFDM块。延伸到多个块的情况更加直接：它包括堆栈根据相应OFDM块计算的矩阵P的个数。该程序的其余部分保持不变。计算复杂度的相应增加相对于所涉及的块数呈线性。

尽管在上文中主要描述了一个OFDM传输系统，本发明也可以应用于诸如MC-CDMA传输系统的其它多载波传输系统。简化滤波器可以通过数字硬件、由数字信号处理器执行的软件或者通用微处理器来实现。

本发明的范围并不限制于所公开的具体实施例。本发明以每个新特征和特征的每个组合来实施。任何参考符号都不限制权利要求的范围。词“比较”并不排除权利要求书中所列之外的其它单元或步骤的存在。在单元之前使用词“一个”并不排除多个这样单元的存在。

Claims (8)

1.一种从发射机(10)向接收机(20)发送多载波信号的传输系统，该多载波信号包括多个副载波，接收机(20)包括一个信道估计器(28)，用于估计副载波的幅度，并用于估计幅度的时间导数，接收机(20)还包括一个均衡器(24)，用于根据所估计的幅度和导数(29)消除所接收多载波信号中包括的互载干扰，其中该信道估计器(28)包括一个简化滤波器，用于根据所接收码元的矢量(23)和所估计码元的矢量(27)推导出所估计幅度和导数的矢量(29)，其中简化滤波器被安排用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性，其中幅度相关性和/或导数相关性的特征在于N×N矩阵C，N是副载波数目，其中C＝UΛU^H，其中U是C的本征矢量的N×N单位矩阵，Λ是C的本征值{Λ₁，......，Λ_N}的N×N正对角矩阵，并且其中Λ用{Λ₁，......，Λ_r，0，......，0}近似，r＜＜N。

2.根据权利要求1的传输系统，其中简化滤波器包括N×N泄漏矩阵Ξ的相乘，其中通过N点IFFT(42)和N点逐点乘法器(46)的组合来实现该相乘。

3.一种用于从发射机(10)接收多载波信号的接收机(20)，该多载波信号包括多个副载波，接收机(20)包括一个信道估计器(28)，用于估计副载波的幅度，并用于估计幅度的时间导数，接收机(20)还包括一个均衡器(24)，用于根据所估计的幅度和导数(29)消除所接收多载波信号中包括的互载干扰，其中该信道估计器(28)包括一个简化滤波器，用于根据所接收码元的矢量(23)和所估计码元的矢量(27)推导出所估计幅度和导数的矢量(29)，其中简化滤波器被安排用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性，其中幅度相关性和/或导数相关性的特征在于，N×N矩阵C，N是副载波数目，其中C＝UΛU^H，其中U是C的本征矢量的N×N单位矩阵，Λ是C的本征值{Λ₁，......，Λ_N}的N×N正对角矩阵，并且其中Λ用{Λ₁，......，Λ_r，0，......，0}近似，r＜＜N。

4.根据权利要求3的接收机，其中简化滤波器包括N×N泄漏矩阵Ξ的相乘，其中通过N点IFFT(42)和N点逐点乘法器(46)的组合来实现该相乘。

5.一种信道估计器(28)，用于估计包括在多载波信号中的副载波的幅度，并用于估计幅度的时间导数，该信道估计器(28)包括一个简化滤波器，用于根据所接收码元的矢量(23)和所估计码元的矢量(27)推导出所估计幅度和导数的矢量(29)，其中简化滤波器被安排用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性，其中幅度相关性和/或导数相关性的特征在于N×N矩阵C，N是副载波数目，其中C＝UΛU^H，其中U是C的本征矢量的N×N单位矩阵，Λ是C的本征值{Λ₁，......，Λ_N}的N×N正对角矩阵，并且其中Λ用{Λ₁，......，Λ_r，0，......，0}近似，r＜＜N。

6.根据权利要求5的信道估计器(28)，其中简化滤波器包括N×N泄漏矩阵Ξ的相乘，其中通过N点IFFT(42)和N点逐点乘法器(46)的组合来实现该相乘。

7.一种用于估计包括在多载波信号中的副载波的幅度和用于估计幅度的时间导数的方法，该方法包括使用一个简化滤波器滤波所接收码元的矢量(23)和所估计码元的矢量(27)，以得出所估计幅度和导数的矢量(29)，其中简化滤波器被安排用于发现不同副载波幅度之间的幅度相关性和/或用于发现不同副载波导数之间的导数相关性，其中幅度相关性和/或导数相关性的特征在于N×N矩阵C，N是副载波数目，其中C＝UΛU^H，其中U是C的本征矢量的N×N单位矩阵，Λ是C的本征值{Λ₁，......，Λ_N}的N×N正对角矩阵，并且其中Λ用{Λ₁，......，Λ_r，0，......，0}近似，r＜＜N。

8.根据权利要求7的方法，其中简化滤波器包括N×N泄漏矩阵Ξ的相乘，其中通过N点IFFT(42)和N点逐点乘法器(46)的组合来实现该相乘。