無線通信系統(tǒng)信道估計技術(shù)研究現(xiàn)狀*

王丹，楊雷

（河南科技大學(xué) 電子信息工程學(xué)院，河南 洛陽471003）

在無線通信系統(tǒng)中，當(dāng)信號帶寬超過信道的相關(guān)帶寬時，信道就會在時域顯示其色散效應(yīng)，這將導(dǎo)致發(fā)射符號序列間產(chǎn)生干擾，即碼間干擾。由于碼間干擾使接收信號受損，當(dāng)信道條件已知或者基于準確的信道估計時，由信道引起的失真效應(yīng)通?？梢栽诮邮諜C得到補償。若采用非相干檢測則可以簡化接收機復(fù)雜度，不需要進行復(fù)雜的信道估計。但對于高斯白噪聲信道，非相干檢測比相干檢測有高達3 dB左右的性能損失，而且，如果延時擴展增加，性能損失將會更嚴重，這對功率受限系統(tǒng)（例如超寬帶通信系統(tǒng)）尤其難以接受。因此，信道估計技術(shù)已成為未來無線通信系統(tǒng)的關(guān)鍵技術(shù)，也是國內(nèi)外學(xué)者致力研究的熱點方向之一。

1 無線通信系統(tǒng)信道模型

關(guān)于無線傳播信道的研究已經(jīng)進行了五十多年，迄今為止，已有大量的信道模型被提出。不同帶寬下的無線通信系統(tǒng)的信道模型也各不相同，對于一個好的系統(tǒng)設(shè)計而言，理解這些差別和它們對不同系統(tǒng)的影響是非常重要的。一般而言，針對不同的信道模型，信道估計方法也各不相同。無線信道一般可以表示成兩種形式：

(1)基帶信道被表示成抽頭延時線的形式，該模型中L個信道抽頭是等間隔分布的。該模型下需要估計的參數(shù)是L個信道幅度和一個延時參數(shù)。

(2)基帶信道模型中的延時值是任意的，每一徑的幅度和延時都需要被估計。

對于稀疏信道，第二種方法可能比使用等間隔抽頭延時線模型估計的參數(shù)數(shù)量低得多，因此信道估計更加有效，但是一般不存在閉式解。方法(1)產(chǎn)生了更加容易的參數(shù)化信道模型，但是以過參數(shù)化為代價的。

2 信道估計方法分類

目前，無線通信系統(tǒng)的信道估計方法可分為三類：有輔助符號的非盲信道估計、無輔助符號的盲信道估計以及介于兩者之間的半盲信道估計，其特點可歸納為：

(1)非盲的信道估計：按一定估計準則確定各個待估參數(shù)值，或者按某些準則進行逐步跟蹤和調(diào)整待估參數(shù)的估計值，特點是需借助參考信號。很明顯，要想實現(xiàn)信道估計，估計理論是其數(shù)學(xué)基礎(chǔ)。

①貝葉斯估計：需要已知代價函數(shù)、待估計參量和觀測數(shù)據(jù)的完整的概率描述，條件最苛刻；

②最大后驗概率（MAP）和最大似然（ML）：需要代價函數(shù)是誤差的偶函數(shù)，不需其詳細形式，但仍需待估計參量和觀測數(shù)據(jù)的完整的概率描述；

③線性最小均方誤差（LMMSE）：只需知待估計量與觀測數(shù)據(jù)的一階或二階統(tǒng)計特性；

④最小二乘（LS）：只需把估計問題作為確定性的最優(yōu)化問題來處理。

非盲估計方法的優(yōu)點是可以獲得較好的系統(tǒng)性能,但是它降低了頻帶利用率并且無法適用于不可能在發(fā)送端提供訓(xùn)練序列的場合，例如在軍事偵聽過程中，無法獲得敵人確定的訓(xùn)練序列。

(2)盲估計：利用調(diào)制信號本身固有的、與具體承載信息比特?zé)o關(guān)的一些特征（比如恒模、子空間、有限字符集、循環(huán)平穩(wěn)和高階統(tǒng)計量等）或采用判決反饋的方法進行信道估計。

盲估計方法的優(yōu)點是提高了系統(tǒng)的頻帶利用率，適用于接收端無法確定訓(xùn)練序列的場合,具有自我恢復(fù)性，且可在未知數(shù)據(jù)調(diào)制和編碼方式的情況下正常工作。缺點是估計性能差，且估計過程較非盲方法漫長。

(3)半盲估計：在發(fā)射信號中插入導(dǎo)頻,克服基于二階統(tǒng)計量盲方法固有的模糊度問題，同時使用盲方法進行信道估計，從而結(jié)合了盲估計與非盲估計的優(yōu)點。目前半盲方法可分為基于二階統(tǒng)計量半盲方法和基于一階統(tǒng)計量的半盲方法。

3 非盲信道估計方法研究現(xiàn)狀

如前所述，根據(jù)目前無線通信系統(tǒng)信道模型的分類，目前的非盲信道估計方法可分為：信道幅度增益和徑延時聯(lián)合估計以及信道幅度增益的估計方法。下面就介紹這兩種經(jīng)典估計方法在窄帶或?qū)拵ㄐ畔到y(tǒng)中的應(yīng)用。

3.1 信道幅度增益和徑延時聯(lián)合估計的方法

由于CDMA系統(tǒng)能夠分辨多徑元，并經(jīng)常使用Rake接收機(或其他更加復(fù)雜的檢測方案)收集多徑能量，以獲得多徑分集，所以需要對多徑信道的增益和延時參數(shù)進行聯(lián)合估計。因此，很多信道估計算法采用了第二種類型的信道模型[1-3]。參考文獻[1]基于最大似然準則(ML)獲得了所有用戶的信道參數(shù)估計，該方法性能優(yōu)良，但由于涉及到大量參數(shù)的數(shù)值搜索，所以計算復(fù)雜度高。為了得到實際的信道估計方案，可以以性能損失為代價降低算法的計算復(fù)雜度。基于單用戶的信道估計方法將多址干擾建模成有色高斯噪聲[2]，得到了一種經(jīng)典的滑動相關(guān)信道估計(SW)方案。該方案是遠近效應(yīng)魯棒的，并且不涉及到多維優(yōu)化的搜索問題，但其受限于高斯白噪聲信道，與實際應(yīng)用環(huán)境不符。為了將單徑信道估計器[2]拓展到多徑衰落信道下，參考文獻[3]將多維優(yōu)化問題約化成一系列簡單的一維搜索問題，以降低多用戶信道估計方法的復(fù)雜度，并得到另一種經(jīng)典的信道估計方案，即連續(xù)干擾抵消的信道估計方案(SC)。然而，簡單的SW算法性能損失較大，而SC算法由于其順序的執(zhí)行方式引起了較長的計算時間延時。為解決上述問題，本文基于多次迭代的最小均方算法提出了三種并行的結(jié)構(gòu)化迭代信道估計方案[10]。該方法能夠調(diào)整迭代次數(shù)，在處理時間和估計性能上取得了折中，比傳統(tǒng)方法具有更大的靈活性。

3.2 信道幅度增益的估計方法

不同于單載波系統(tǒng)，多載波OFDM系統(tǒng)具有時頻二維結(jié)構(gòu)，所以導(dǎo)頻符號可以在時間和/或頻率軸上向兩個方向插入導(dǎo)頻，導(dǎo)頻的放置比較靈活。在OFDM系統(tǒng)中，通常需要信道的頻響進行頻域均衡，因此，在OFDM系統(tǒng)環(huán)境下，基于第一種信道模型產(chǎn)生了大量的信道估計算法[4-8]。一般而言，這些算法會借助導(dǎo)頻符號或者訓(xùn)練序列在時域或者頻域基于LS、ML或MMSE準則求解時域信道徑增益參數(shù)或者信道頻域響應(yīng)。其中的MMSE信道估計方法[4]由于利用了信道相關(guān)特性，所以獲得了重要的性能增益，但復(fù)雜度較高。為了降低復(fù)雜度，一種基于SVD分解的低秩信道估計器被提出[5]。盡管LS估計器復(fù)雜度很低且執(zhí)行簡單，但信道估計誤差較大。為減少估計誤差，參考文獻[6]針對OFDM系統(tǒng)框架提出了一種低復(fù)雜度的ML估計器，它可在一定程度上減少信道估計均方誤差值，從而改善估計性能。另一方面，為了獲得更好的信道估計值，使用DFT的LS估計器和線性MMSE估計器也被提出[7-8]，并在估計性能和復(fù)雜度之間取得折中。為進一步改善性能，參考文獻[8]首先借助信道的時域有限長度特性估計出了信道子空間的噪聲，然后借助非最優(yōu)導(dǎo)頻序列引入有色噪聲特性在LS信道估計中抑制了該噪聲。這種方法被推廣到MIMO系統(tǒng)的信道估計中[9],其性能可以逼近MMSE估計方法。

本文重點闡述無線通信系統(tǒng)非盲信道估計方法的研究進展?？梢钥闯?，在進行信道估計之前，充分理解無線通信系統(tǒng)的信道模型的特點是至關(guān)重要的，不同模型下的信道估計算法都有其自身的特點，但也存在一定的不足。針對不同的無線通信環(huán)境，更加實用的信道估計方法還有待深入研究。因此，無線通信系統(tǒng)中的信道估計仍然是未來無線通信系統(tǒng)物理層的熱點研究方向，是推動各種無線通信系統(tǒng)走向?qū)嵱没年P(guān)鍵技術(shù)。值得一提的是，除了本文介紹的信道估計方法外，目前還有將分形、小波以及Bootstrap和魯棒估計（SVM或M估計）等理論應(yīng)用于無線通信系統(tǒng)信道估計問題求解中，這都將是未來信道估計技術(shù)的發(fā)展方向和熱點。

[1]STROM E G,MALMSTEN.A maximum likelihood approach for estimating DS-CDMA multipath fading channel[J].IEEE Journal on Selected Areas in Communications,2000,18∶132-140.

[2]BENSLEY S E,AAZHANG B.Maximum likelihood synchronization of single-user for code-division multiple access communication systems[J].IEEE Transactions on Communications,1998,46(3)∶392-399.

[3]D’AMICO A A,MENGALI U,MORELLI M.Channel estimation for the uplink of a DS-CDMA system[J].IEEE Transactions on Wireless Communications,2003,2(6)∶1132-1137.

[4]VAN DE BEEK J J,EDFORS O,SANDELL M,et al.On channel estimation in OFDM systems[C].in IEEE Vehicular Technology Conference,Chicago,IL,USA,1995(2)∶815-819.

[5]EDFORS O,SANDELL M,VAN DE BEEK J J,et al.OFDM channel estimation by singular value decomposition[J].IEEE Transactions on Communications,1998,46(7)∶931-939.

[6]DENEIRE L,VANDENARMEELE P,VAN DER PEERE L.et al.A low-complexity ML channel estimator for OFDM[J].IEEE Transactions on Communications,2003,51(2)∶135-140.

[7]CHINI A,WE Y Y,TANANY M E L,et al.Filtered decision feedback channel estimation for OFDM-based DTVterrestrial broadcasting systems[J].IEEE Transactions on Broadcasting,Mar.1998,44(1)∶2-11.

[8]JAFARIAN H Z,OMIDI M J,PASUPATHY S.Improved channel estimation using noise reduction for OFDM systems[J].IEEE Vehicular Technology Conference,2003,57(2)∶1308-1312.

[9]JAFARIAN H Z,PASUPATHY S.Robust and improved channel estimation algorithm for MIMO-OFDM systems[J].IEEE Transactions on Wireless Communications,2007,6(6)∶2106-2113.

[10]WANG D,YANG L,JIANG L G,et al.Iterative channel estimation for pulse-based UWB wireless communications[C].Proceedings of the 2007 Second International Conference in Communications and Networking in China,2007∶631-635.