LTE-A系統(tǒng)中基于小區(qū)參考信號(hào)的信道估計(jì)算法

李慧敏，張治中，李琳瀟

(1.重慶郵電大學(xué) 通信網(wǎng)與測(cè)試技術(shù)重點(diǎn)實(shí)驗(yàn)室，重慶 400065； 2.重慶重郵匯測(cè)通信技術(shù)有限公司，重慶 401121)(*通信作者電子郵箱lihuiminMM1009@163.com)

0 引言

增強(qiáng)型長(zhǎng)期演進(jìn)(Long Term Evolution-Advanced, LTE-A)系統(tǒng)的物理層核心技術(shù)為正交頻分復(fù)用(Orthogonal Frequency Division Multiplexing， OFDM)技術(shù)和多輸入多輸出(Multiple-Input Multiple-Output, MIMO)技術(shù)。OFDM技術(shù)提高了頻譜的利用率，并且能有效抗多徑衰落，MIMO技術(shù)在不增加頻率資源的前提下提高傳輸速率，而這些技術(shù)的性能需要良好的信道估計(jì)作為支撐，因此，信道估計(jì)是整個(gè)通信系統(tǒng)不可或缺的一部分，只有對(duì)信道進(jìn)行準(zhǔn)確估計(jì)，充分了解信道狀態(tài)信息，才能在整體上提高無(wú)線通信系統(tǒng)的性能[1]。

LTE-A系統(tǒng)中通常采用基于參考信號(hào)的信道估計(jì)方法，對(duì)導(dǎo)頻的信道估計(jì)值進(jìn)行內(nèi)插，從而得出數(shù)據(jù)子載波的信道沖擊響應(yīng)。這種方式有利于追蹤信道變化，提升系統(tǒng)的整體性能。工程中經(jīng)典的頻域插值算法有基于離散傅里葉變換(Discrete Fourier Transform, DFT)的插值算法、線性插值、線性最小均方誤差(Linear Minimum Mean Squared Error, LMMSE)插值。其中LMMSE頻域插值算法性能較好，但要求信道先驗(yàn)信息且復(fù)雜度高，到目前為止，已經(jīng)有很多文獻(xiàn)對(duì)LMMSE算法進(jìn)行改進(jìn)，但往往對(duì)性能和算法復(fù)雜度進(jìn)行單一考慮，性能較好的算法復(fù)雜度過(guò)高，復(fù)雜度低的算法精度卻不太理想，達(dá)不到較好的折中，無(wú)法應(yīng)用于實(shí)際的LTE-A系統(tǒng)。文獻(xiàn)[2]通過(guò)對(duì)矩陣進(jìn)行奇異值分解(Singular Value Decomposition, SVD)，使得算法復(fù)雜度有效降低，但它涉及到信道自相關(guān)矩陣和信道統(tǒng)計(jì)信息。文獻(xiàn)[3]采用雙對(duì)角矩陣的LMMSE信道估計(jì)方法，但是仍需知道信道統(tǒng)計(jì)信息，而實(shí)際中無(wú)法提前獲取信道的統(tǒng)計(jì)信息。文獻(xiàn)[4]借助托普利茲矩陣對(duì)自相關(guān)矩陣進(jìn)行求取，無(wú)需提前獲取信道二階統(tǒng)計(jì)信息；但該算法復(fù)雜度過(guò)高，限制了實(shí)際應(yīng)用。文獻(xiàn)[5]通過(guò)離散小波變換對(duì)含噪信號(hào)量化處理，再結(jié)合經(jīng)驗(yàn)?zāi)Ｐ头纸夂推娈愔捣纸庠?，降低了噪聲的影響；但該算法的性能與小波分解層數(shù)的選取有關(guān)，當(dāng)系數(shù)選取不可靠時(shí)，性能下降，易產(chǎn)生模型混疊問(wèn)題。文獻(xiàn)[6]利用門限定階對(duì)信道自相關(guān)矩陣近似求取，無(wú)需預(yù)先知道信道先驗(yàn)統(tǒng)計(jì)信息；但該算法需要選出大量點(diǎn)來(lái)確定插值權(quán)重，算法運(yùn)算量過(guò)大，僅適用于網(wǎng)絡(luò)穩(wěn)定的條件下。

針對(duì)上述算法需要預(yù)先獲取自相關(guān)矩陣和信噪比(Signal-to-Noise Ratio, SNR)等信道先驗(yàn)知識(shí)以及算法復(fù)雜度大的問(wèn)題，本文在現(xiàn)有的簡(jiǎn)化LMMSE算法的相關(guān)研究基礎(chǔ)上，提出一種基于小區(qū)參考信號(hào)(Cell Reference Signal, CRS)的改進(jìn)LMMSE算法。在借助導(dǎo)頻值對(duì)自相關(guān)矩陣和信噪比進(jìn)行合理估計(jì)后，再利用滑動(dòng)窗來(lái)減小運(yùn)算復(fù)雜度，從而確定LMMSE濾波插值矩陣，完成信道估計(jì)運(yùn)算，達(dá)到算法性能與運(yùn)算復(fù)雜度的折中，并與目前廣泛使用的經(jīng)典插值算法進(jìn)行性能分析仿真對(duì)比。仿真實(shí)驗(yàn)結(jié)果表明：所提算法性能明顯優(yōu)于線性插值以及基于離散傅里葉變換的插值方法，且與傳統(tǒng)LMMSE插值算法具有相近精確度。

1 改進(jìn)算法設(shè)計(jì)思想

在LTE-A下行信道估計(jì)時(shí)，常采用基于參考信號(hào)的信道估計(jì)算法，一般是先估計(jì)出導(dǎo)頻位置處的信道響應(yīng)，然后內(nèi)插得到數(shù)據(jù)位置的信道響應(yīng)?；贑RS的整個(gè)信道估計(jì)流程可分為以下3個(gè)模塊：

1)用最小二乘(Least Squares， LS)算法得到CRS位置初始信道估計(jì)值；

2)在頻域進(jìn)行LMMSE插值；

3)在時(shí)域進(jìn)行線性插值，進(jìn)而獲得信道全響應(yīng)。

1.1 CRS信道估計(jì)

LTE-A協(xié)議標(biāo)準(zhǔn)中定義了多種不同的參考信號(hào)，其中CRS可用于信道估計(jì)。圖1描述了當(dāng)采用天線端口0和1時(shí)CRS在時(shí)頻資源網(wǎng)格中的位置[7]。

任何一個(gè)天線端口的資源元素(k,l)被用來(lái)發(fā)送參考信號(hào)，那么其他天線端口相同時(shí)隙的這個(gè)資源元素置零。對(duì)于兩發(fā)送天線端口，一個(gè)無(wú)線幀內(nèi)一共有4個(gè)OFDM符號(hào)含參考信號(hào)。每個(gè)發(fā)送天線端口在一個(gè)含參考信號(hào)的符號(hào)上頻域1個(gè)資源塊(Resource Block, RB)范圍內(nèi)有2個(gè)參考信號(hào)資源粒子(Resource Element, RE)[1]。

由于LS算法可滿足下行的低功耗要求，易于實(shí)現(xiàn)，在實(shí)際工程中常用LS算法用于導(dǎo)頻位置的信道估計(jì)，LS信道估計(jì)計(jì)算過(guò)程如下所述。

步驟3 對(duì)每個(gè)接收天線p和發(fā)送天線端口s進(jìn)行LS信道估計(jì)：

(1)

其中(·)*表示共軛。

圖1 CRS映射圖樣

為了提高信道估計(jì)的性能，本文在LS估計(jì)子模塊后，以及頻域LMMSE插值算法前，通過(guò)導(dǎo)頻插值模塊來(lái)增加虛擬導(dǎo)頻。以天線端口0[8]為例，導(dǎo)頻插值在一個(gè)子幀內(nèi)進(jìn)行，插值過(guò)程如圖2所示。信道時(shí)域的變化速率取決于多普勒擴(kuò)展大小，且成正相關(guān)，若多普勒擴(kuò)展的值越大，信道時(shí)域上變化速率則越大。即使在多普勒頻移高達(dá)300 Hz的情況下，信道的相關(guān)性仍然很強(qiáng)，因此可由已得到的導(dǎo)頻信道相應(yīng)值先行進(jìn)行插值，相當(dāng)于增添了虛擬導(dǎo)頻，從而將導(dǎo)頻加倍。

圖2 導(dǎo)頻插值結(jié)構(gòu)

1.2 頻域LMMSE內(nèi)插

在LS算法基礎(chǔ)上，進(jìn)一步得到LMMSE信道估計(jì)插值算法[9-10]表達(dá)式為：

(2)

其中：W為頻域?yàn)V波插值矩陣；RHHp為所有導(dǎo)頻位置的信道自相關(guān)矩陣；RHpHp為數(shù)據(jù)位置和導(dǎo)頻位置子載波的信道互相關(guān)矩陣；I為單位陣；β是取決于所采用調(diào)制方式的常數(shù)：若調(diào)制方式為正交相移鍵控(Quadrature Phase Shift Keying, QPSK)，β=1；對(duì)于16正交振幅調(diào)制(Quadrature Amplitude Modulation, QAM)，β=17/9；對(duì)于64QAM，β=2.685 4。

從上面可看出LMMSE插值算法的難點(diǎn)在于：信噪比和自相關(guān)矩陣兩個(gè)未知量的求取以及大量矩陣求逆運(yùn)算[11]。前者決定了算法性能，后者決定了運(yùn)算復(fù)雜度。工程應(yīng)用中，為了避免實(shí)時(shí)矩陣求逆導(dǎo)致運(yùn)算量巨大，需要尋求復(fù)雜度和性能的折中。下面給出一系列解決方案。

1.2.1 信道相關(guān)矩陣

信道相關(guān)矩陣的值和所選信道模型緊密相關(guān)。常用信道模型呈多徑均勻分布,功率延遲剖面為負(fù)指數(shù)分布，即θ(τ)=Ce-τ/τrms，則相關(guān)矩陣[12-13]為：

RHH=E{HHH}=[rm,n]

(3)

(4)

其中：τrms是均方根時(shí)延；L是最大多徑時(shí)延。

由式(4)可以看出，信道自相關(guān)矩陣的值與τrms相關(guān)，但在實(shí)際工程應(yīng)用中，時(shí)延參數(shù)往往是不可知的。眾所周知，無(wú)線信道的傳播環(huán)境十分復(fù)雜多變，如有諸多建筑的城市與平坦開(kāi)闊的農(nóng)村相比，時(shí)延參數(shù)也大有不同。傳統(tǒng)做法通常把τrms取一個(gè)固定常數(shù)，由此可能導(dǎo)致所選參數(shù)值與當(dāng)前信道不匹配，影響算法估計(jì)性能。

由以上分析可知，如若能在不同信道環(huán)境下對(duì)時(shí)延參數(shù)進(jìn)行實(shí)時(shí)估計(jì)，并因此調(diào)整自相關(guān)矩陣的取值，可獲得更好的信道估計(jì)性能。為解決傳統(tǒng)算法造成的信道失配問(wèn)題，提出一種對(duì)改進(jìn)算法。由于時(shí)域內(nèi)的信道能量比較集中，因而本算法是在時(shí)域內(nèi)實(shí)現(xiàn)的，具體算法步驟如下所述。

1)合并導(dǎo)頻LS信道估計(jì)值。

(5)

2)進(jìn)行快速傅里葉逆變換(Inverse Fast Fourier Transform, IFFT)。

(6)

3)尋找信號(hào)最強(qiáng)徑。

按照以下方式找到經(jīng)過(guò)p根接收天線IFFT合并后的信號(hào)最強(qiáng)徑對(duì)應(yīng)的位置Dmax及其對(duì)應(yīng)的能量Pmax：

(7)

Dmax=arg{max(Ps(i))}

(8)

其中：i=0,1,2,…,NIFFT-1；arg(·)表示求位置函數(shù)。

表1 資源塊數(shù)和IFFT點(diǎn)數(shù)對(duì)應(yīng)關(guān)系

4)尋找信號(hào)第一徑。

從長(zhǎng)度為M的搜索窗SW起始點(diǎn)開(kāi)始，在搜索窗內(nèi)查找功率大于信號(hào)最強(qiáng)徑功率γ倍的第一個(gè)值，記錄此第一個(gè)值的位置為信號(hào)的第一徑位置Dfirst；如果沒(méi)找到，則認(rèn)為最強(qiáng)徑就是信號(hào)的第一徑。其中長(zhǎng)度為M的搜索窗索引如下：

(9)

其中，G=(Dmax-M+NIFFT:NIFFT-1)，γ=1/3以及M=64。

5)計(jì)算門限。

步驟1 對(duì)Ps(i)進(jìn)行重新排列得到Ps′(i)：

若Dfirst=0，

Ps′(i)=Ps(i);i=0,1,…,NIFFT-1

(10)

否則，按下面描述進(jìn)行重新排列：

Ps′(i)=

(11)

步驟2 根據(jù)步驟3)中的Pmax獲得有用信號(hào)功率門限TP：

TP=Pmax/64

(12)

步驟3 求出噪聲功率PN，并根據(jù)PN獲得噪聲門限TN：

(13)

其中L為設(shè)置的多徑條數(shù)。

6)挑選信號(hào)有效徑。

在Ps′(i),i=0,1,…,L-1中找出大于等于max{TN,TP}的值，假設(shè)有N個(gè)值，記作Ps″(n),0≤n≤(N-1)，并記錄其位置信息Pos(n),0≤n≤(N-1)。如果沒(méi)有符合條件的值，則保留Ps′(i)中的最大值及其對(duì)應(yīng)的位置信息。

7)計(jì)算均方根時(shí)延。

根據(jù)Ps″(n)和Pos計(jì)算等效的時(shí)延擴(kuò)展均方根τrms：

τrms=

(14)

8)求信道相關(guān)矩陣。

把時(shí)延參數(shù)τrms代回式(4)即求得信道相關(guān)矩陣中的值。

τrms估計(jì)的總體框圖如圖3所示。

圖3 均方根時(shí)延擴(kuò)展估計(jì)過(guò)程

1.2.2 接收端SNR

SNR估計(jì)模塊與自相關(guān)矩陣計(jì)算類似，需變換到時(shí)域進(jìn)行。在基于上述過(guò)程計(jì)算出時(shí)域信道沖擊響應(yīng)能量Ps的基礎(chǔ)上，求出能量Ps的均值Pave。按式(15)計(jì)算噪聲能量：

(15)

則接收端信噪比為：

SNR=Pave/σ2

(16)

1.2.3 矩陣求逆運(yùn)算

LMMSE算法由于存在大量矩陣求逆導(dǎo)致算法復(fù)雜度過(guò)高，在保證性能的前提下，可通過(guò)W值預(yù)存和滑動(dòng)窗來(lái)簡(jiǎn)化算法。

由式(2)可知，如果時(shí)延參數(shù)和SNR的估計(jì)結(jié)果發(fā)生變化時(shí)，濾波矩陣W也需要重新計(jì)算更新，即需要進(jìn)行矩陣的大量求逆運(yùn)算。在實(shí)際應(yīng)用時(shí)，這種巨大的計(jì)算量是無(wú)法實(shí)現(xiàn)的，因此可將SNR和τrms分成幾個(gè)區(qū)間，對(duì)LMMSE頻域插值系數(shù)預(yù)先計(jì)算并存儲(chǔ)，需要時(shí)根據(jù)估計(jì)結(jié)果選擇調(diào)用相應(yīng)的濾波插值系數(shù)。

當(dāng)系統(tǒng)采用20 MHz帶寬時(shí)，增加虛擬導(dǎo)頻后，則一個(gè)OFDM符號(hào)內(nèi)，子載波的個(gè)數(shù)和導(dǎo)頻子載波個(gè)數(shù)分別為1 200和400，因而自相關(guān)矩陣RHpHp維數(shù)高達(dá)400×400，互相關(guān)矩陣RHHp維數(shù)高達(dá)1 200×400，直接進(jìn)行頻域LMMSE計(jì)算復(fù)雜度十分高，因而對(duì)矩陣采用滑動(dòng)窗[14-15]的方法來(lái)簡(jiǎn)化運(yùn)算，減小存儲(chǔ)空間。導(dǎo)頻子載波之間相關(guān)性的強(qiáng)弱與它們相隔的間距有關(guān)，距離越近，相關(guān)性則越強(qiáng)，因此可以僅利用當(dāng)前子載波距離較近強(qiáng)相關(guān)的導(dǎo)頻響應(yīng)值來(lái)進(jìn)行數(shù)據(jù)子載波估計(jì)，而不是所有的導(dǎo)頻信號(hào)，這樣可以大幅度減小計(jì)算量。

以100個(gè)RB為例，描述LMMSE滑動(dòng)窗的算法原理，如圖4所示，圖中R表示導(dǎo)頻子載波，R′表示虛擬導(dǎo)頻子載波，陰影部分表示每次滑窗口時(shí)利用的導(dǎo)頻子載波。采用3個(gè)RB為單位進(jìn)行濾波，也就是12個(gè)導(dǎo)頻子載波，下一次滑動(dòng)3個(gè)子載波，即滑動(dòng)一個(gè)導(dǎo)頻子載波，每次濾波輸出取中間3個(gè)子載波,則在本文使用的100個(gè)資源塊的情況下，需進(jìn)行388次滑窗，開(kāi)始的18個(gè)子載波和最后的18個(gè)子載波則用原來(lái)的方法濾波，作單獨(dú)的處理。因而自相關(guān)矩陣RHpHp的維數(shù)降至12×12，互相關(guān)矩陣RHHp的維數(shù)降至36×12，實(shí)現(xiàn)了降低復(fù)雜度的目的。

圖4 LMMSE滑動(dòng)窗示意圖

1.3 時(shí)域線性插值

相關(guān)時(shí)間內(nèi)，信道時(shí)域變化可認(rèn)為十分緩慢，而且時(shí)域插值需要接收大量數(shù)據(jù)，衡量算法性能和運(yùn)算復(fù)雜度，采用線性內(nèi)插，因此在頻域LMMSE濾波計(jì)算后，在時(shí)域進(jìn)行線性插值，線性插值算法的基本原理是利用相鄰參考信號(hào)位置的信道頻率相應(yīng)值，得到數(shù)據(jù)位置的信道頻率相應(yīng)值。

時(shí)域線性插值算法公式為：

(17)

其中：HLMMSE(k,l1)、HLMMSE(k,l2)分別對(duì)應(yīng)相同頻域位置不同時(shí)域位置上的參考信號(hào)的信道響應(yīng)值。

1.4 改進(jìn)算法整體步驟

改進(jìn)的基于CRS信道估計(jì)算法的整體實(shí)現(xiàn)步驟如下：

步驟1 根據(jù)小區(qū)參考信號(hào)映射規(guī)則對(duì)所有接收信號(hào)進(jìn)行導(dǎo)頻抽取得到CRS處的接收信號(hào)，利用接收信號(hào)與本地導(dǎo)頻信號(hào)完成LS估計(jì)。

步驟2 由已得到的導(dǎo)頻信道LS估計(jì)值進(jìn)行插值，相當(dāng)于增加虛擬導(dǎo)頻，從而將導(dǎo)頻加倍。

步驟3 通過(guò)對(duì)信道時(shí)延參數(shù)和信噪比進(jìn)行估計(jì)，從LMMSE頻域插值矩陣存儲(chǔ)單元中選擇相應(yīng)的插值矩陣W。

步驟4 頻域插值讀取W矩陣，利用頻域滑動(dòng)窗算法根據(jù)HLMMSE=WHLS估計(jì)出含導(dǎo)頻的OFDM符號(hào)信道估計(jì)值。

步驟5 進(jìn)行時(shí)域線性插值，得到全部子載波的信道響應(yīng)估計(jì)值。

其總體流程如圖5所示。

圖5 基于CRS的信道估計(jì)方案

2 仿真結(jié)果及分析

2.1 復(fù)雜度分析

在實(shí)際應(yīng)用中，計(jì)算復(fù)雜度是決定工程成本的一個(gè)關(guān)鍵性因素。假設(shè)一個(gè)OFDM符號(hào)上有NP個(gè)導(dǎo)頻，改進(jìn)算法可將傳統(tǒng)LMMSE算法的復(fù)雜度從O(NP3)降至O(NP)。在增加虛擬導(dǎo)頻以及資源塊為100個(gè)的情況下，所提改進(jìn)LMMSE插值算法的應(yīng)用可將相關(guān)矩陣求逆的維數(shù)從400×400降至12×12，矩陣復(fù)數(shù)乘法和加法的運(yùn)算次數(shù)也大幅度降低，其中比傳統(tǒng)LMMSE插值算法運(yùn)算次數(shù)降低了98.67%，比目前成熟的基于奇異值分解(SVD)的LMMSE算法運(yùn)算次數(shù)降低了42.49%，并且，本文提出的改進(jìn)算法的運(yùn)行時(shí)間顯然少于傳統(tǒng)LMMSE算法以及基于奇異值分解的LMMSE算法，具體運(yùn)算復(fù)雜度如表2所示。

表2 算法運(yùn)算復(fù)雜度及運(yùn)行時(shí)間比較

2.2 性能分析

為了驗(yàn)證本文算法的性能，在導(dǎo)頻子載波位置處均利用LS信道估計(jì)算法，在時(shí)域上采用相同的內(nèi)插算法即線性插值，在頻域上則分別使用多種不同的插值算法，在誤碼率(Bit Error Rate, BER)和均方誤差(Mean Squared Error, MSE)兩方面進(jìn)行性能比較。此外，本文仿真時(shí)假設(shè)系統(tǒng)理想同步，即接收端和發(fā)送端完全同步。所使用的仿真配置如表3所示。

表3 仿真參數(shù)

圖6(a)給出了當(dāng)天線采用一發(fā)四收時(shí)，在不同的插值算法下系統(tǒng)誤碼率的比較。其中：LINEAR表示線性插值算法；DFT表示基于DFT的插值算法；LMMSE表示理想LMMSE插值算法；IM-LMMSE曲線表示本文改進(jìn)的LMMSE插值算法性能；NO-WINDOW表示本文改進(jìn)算法不使用滑動(dòng)窗；SVD-LMMSE表示基于奇異值分解的LMMSE算法，并以理想信道頻率響應(yīng)下的誤碼率性能曲線作為參考，用PERFECT表示理想信道下的性能曲線。

從圖6(a)中可以看出，在信道二階統(tǒng)計(jì)特性未知的情況下，改進(jìn)插值算法的BER性能要優(yōu)于線性插值算法和基于DFT的插值算法以及目前較為流行的基于奇異值分解的LMMSE(SVD-LMMSE)算法。最接近理想信道BER性能的是理想LMMSE特性曲線，改進(jìn)的LMMSE插值算法性能相對(duì)于傳統(tǒng)的LMMSE算法和不加滑動(dòng)窗時(shí)的性能損失很小。由于改進(jìn)算法可以實(shí)時(shí)估計(jì)信道時(shí)延參數(shù)，因此在SNR較小的條件下，誤碼率仍較低，且與理想狀態(tài)下的LMMSE插值算法非常接近。

圖6(b)為在一發(fā)四收的場(chǎng)景下不同插值算法的MSE性能對(duì)比，可以看出，當(dāng)SNR相同時(shí)，改進(jìn)LMMSE插值算法的MSE性能明顯優(yōu)于其他幾種插值算法，在SNR大于15 dB時(shí)，改進(jìn)LMMSE插值算法可有效逼近理想LMMSE特性曲線。所提算法不加滑動(dòng)窗時(shí)(“NO-WINDOW”曲線)的MSE性能略優(yōu)于加窗的，但由表2可知，滑動(dòng)窗的使用可大幅度降低算法復(fù)雜度。

圖7為使用本文提出的算法得到的接收端64QAM星座圖，可看出星座圖毛刺現(xiàn)象很少，星座圖沒(méi)有發(fā)生畸變，由此表明本文所提信道算法可以較好改善信號(hào)傳輸質(zhì)量，從而降低系統(tǒng)傳輸誤碼率。

圖6 不同插值算法一發(fā)四收的不同性能對(duì)比

圖7 本文算法一發(fā)四收下的64QAM接收星座圖

最后為了驗(yàn)證算法在其他收發(fā)天線的有效性，在四發(fā)四收的條件下對(duì)不同插值算法進(jìn)行了誤碼率性能比較，同樣從圖8可看出，改進(jìn)算法的BER仍然明顯優(yōu)于線性插值與DFT插值，從而說(shuō)明了改進(jìn)插值LMSME算法的整體性能較好。

3 結(jié)語(yǔ)

LMMSE插值算法的實(shí)現(xiàn)需要信道先驗(yàn)信息，但是實(shí)際環(huán)境中往往無(wú)法提前獲取，且矩陣實(shí)時(shí)求逆運(yùn)算量大。針對(duì)上述問(wèn)題，本文對(duì)信道時(shí)延參數(shù)和信噪比進(jìn)行有效估計(jì)，進(jìn)而選取與當(dāng)前信道最為匹配的頻域?yàn)V波矩陣，解決了傳統(tǒng)LMMSE算法造成的信道函數(shù)失配問(wèn)題。仿真結(jié)果表明，所提算法性能較好，與傳統(tǒng)LMMSE算法相比，該算法無(wú)需提前獲取信道統(tǒng)計(jì)特性，此外滑動(dòng)窗的使用有效降低了運(yùn)算復(fù)雜度，提升了系統(tǒng)運(yùn)算效率。該算法簡(jiǎn)單可行，達(dá)到了提高實(shí)用性和性能的目的，適用于實(shí)際工程應(yīng)用。另外，實(shí)際系統(tǒng)并非完全同步，所提算法建立在理想同步的條件下，與實(shí)際情況有偏差，因此頻偏下的信道估計(jì)方案設(shè)計(jì)將是下一步的研究重點(diǎn)。

圖8 四發(fā)四收下不同算法的誤碼率性能對(duì)比