入似然函数得到归 一化频偏值，所述似然函数的表达式为：
[0194]其中，频偏矩阵E("') =bM您悼，...，心心^ 第m个导频符号对应的频偏矩阵，护，色表示载波频偏（CFO)矩阵，
，为归一化频偏值，Lm代表第m个导频符号第一个抽 - .节' 样时刻所对应的序号；5V= 5^1，…t1，ymr=FHXWh+N表示第r根接收天线接收 到的第m个时域导频信号，r= 1，2,...，叩-1，叩，h表示时域信道增益。
[0195] 3)根据所述归一化频偏值通过分步搜索算法计算得到所述当前导频符号的频偏 估计值。
[0196]图4为本发明实施例中频偏估计结果滑窗数据缓存更新示意图，如图4所示，将所 述归一化频偏值.5^存入长度为K的先入先出（FIFO)的频偏估计结果滑窗存储器中化的取 值范围根据系统复杂度和估计），并将长度为K的频偏估计结果滑窗存储器中缓存的K个频 偏值通辻
确定当前时刻的当前导频符号的频偏估计值，其中，表示当 前时刻的第i个滑窗中存储的频偏值，物表示当前时刻的当前导频符号的频偏估计值。
[0197] 可选地，对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计 值，包括：根据基于导频的噪声方差估计公式对所述当前导频符号进行噪声方差估计，得到 所述信道的噪声方差估计值，其中，所述基于导频的噪声方差估计公式如下：
[019引其中，嘶,摩示（q，P)天线对上信道的噪声方差估计值，(i，k)表示（q，P)天 线对上第i个导频符号的第k个子载波位置的频域接收符号，Xh'P>(i，k)代表（q，p)天线对 上第i个导频符号的第k个子载波位置的频域发送符号，N。为子载波数，K为导频符号数。 [0200] 根据LTE上行中导频的幅值恒为一，上式可W化简为：
[0202] 因此，所有天线对上信道的噪声方差估计值可W由下式表示：
[0204]其中，式表示信道的噪声方差估计值。
[0205] 可选地，根据所述噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所 述信道的多普勒频移及信号功率估计值的步骤具体如下：
[020引本发明实施例中，在得到噪声方差估计值后，通过基于循环前缀 与OFDM符号中的相同部分进行自相关运算，从而得到多普勒频移值，具体通过
公式得到多普勒频移值，其中，Je(0表示第 一类零阶Bessel函数，表示多普勒频移估计值；SNR表示信噪比，且SNR=E[SNR(i)]，SNR。）是第i个导频符号随时间变化的信噪比，且没斯雌H(P-句/於，P表示总 功率，K表示导频符号数；知;W,,'/;，/) .表示第i个导频符号的归一化的自相关函数，且
由于并不需要所有的循环前缀都参加自相关运 算，而截断循环前缀并选取其后面部分，本实施例中选取的参加运算的值为Mcp,Mcp为多普 勒估计中所用的CP长度；A的乂，〇表示yd(AT,,7；，/)的实部，AKjy)表示店的。7；，〇的 虚部，坏(w"jy)表示第i个导频符号的信号功率估计值的实部，每(A〇y)表示第i个导频符号的信号功率估计值的虚部；其中，
，N。。为CP长度，L代表系统的采样符号周期，yi表示时域接收信号的实部；
，y。表示时域接收信号的虚部；
r
[0207] 其中，多普勒频移估计值克可W通过计算Bessel函数的逆求得，由于第一类零阶 Bessel函数是一个非线性函数，Ju(X)的一个值可能对应着X的多个值，因此必须把X限定 在第一个单调区间内。
[020引进一步地，由传输的信号的平均功率E[a2化)]=E比2化)]=A^2,通过A2(I)=SNR(i)*(N"B)得到信号功率估计值，A2(i)表示第i个导频符号的信号功率估计值，N。表 示噪声功率谱密度。
[0209] 本发明实施例中，首先对信道信息进行数据预处理得到基于基系数的当前导频符 号W及与所述当前导频符号相邻的至少一个基于基系数的导频符号；其次，根据相邻的基 于基系数的导频符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估 计，得到所述导频符号位置的信道基系数初步估计值；并根据所述信道基系数初步估计值 采用基于时间统计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导 频符号位置的信道基系数最终估计值；最后，根据所述信道基系数最终估计值通过时域维 纳滤波插值运算或自回归AR基系数插值运算得到频域信道增益系数，W实现将基于测量 统计约束的最大似然信道估计方法与基于时间统计约束的卡尔曼滤波信道估计方法相结 合的信道估计方法，从而能获得优异的信道估计性能。
[0210] 图5为本发明信道估计方法实施例二的示意图，如图5所示，本发明实施例中，1) 对接收到的当前导频符号进行最大似然频偏估计，得到所述当前导频符号的频偏估计值； 2)对所述当前导频符号进行噪声方差估计，得到所述信道的噪声方差估计值；3)根据所述 噪声方差估计值通过基于循环前缀的多普勒频移估计，得到所述信道的多普勒频移及信号 功率估计值；4)对信道信息（所述信道信息包括；频偏估计值、噪声方差估计值和多普勒频 移及信号功率估计值）进行数据预处理得到基于基系数的当前导频符号W及与所述当前 导频符号相邻的至少一个基于基系数的导频符号；5)根据相邻的所述基于基系数的导频 符号采用基于测量统计约束的最大似然信道估计方法对信道进行初步估计，得到所述导频 符号位置的信道基系数初步估计值；6)根据所述信道基系数初步估计值采用基于时间统 计约束的卡尔曼滤波信道估计方法对所述信道进行精确估计，得到所述导频符号位置的信 道基系数最终估计值；7)根据所述信道基系数最终估计值通过插值运算得到频域信道增 益系数，其中，所述差值运算可W为时域维纳滤波插值运算或自回归AR基系数插值运算， 可选地，根据信号功率A2与噪声方差A!'相比结果进行自适应差值判断，若相比结果大于 等于15地时，则采用AR基系数插值；若小于15地时，则采用时域维纳滤波插值。其中，具 体地实施步骤详见上述实施例中，在此不再赏述。
[0211] 本发明实施例中，为了验证基于本发明上述实施例中基于测量统计约束的最大似 然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能，按照表1中 相关参数（表1为固定频偏调下下仿真参数）仿真验证基于本发明上述实施例中信道估计 方法在无频偏和有频偏条件下的信道估计性能。
[0212] 表1、固定频偏条件下仿真参数
[0214] 1)无频偏条件下信道估计性能
[0215] 图6为无频偏条件下联合导频最大似然MIMO-O抑M信道估计性能曲线，图7为无 频偏条件下基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信 道估计方法的信道估计性能曲线，其中，EML代表基于联合导频最大似然MIMO-OFDM信道估 计方法，EMLKF代表基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结 合的信道估计方法；横坐标为信噪比（Signal-to-NoiseRatio,简称SNR)，单位为地；纵坐 标为均方误差（MeanSquare化ror，简称MS巧。如图6所示，在中低信噪比（<15地）条件 下，基于联合导频最大似然MIMO-O抑M信道估计在典型城区信道巧Xten化dTypical化ban model,简称ETU)信道下与在典型步行信道巧Xtended化destrianaModel,简称EPA)信 道条件下的信道估计性能近似相同；但在中高信噪比（〉15地）条件下，基于联合导频最大 似然MIMO-OFDM信道估计在ETU信道条件下的信道估计性能较EPA信道条件下的信道估计 性能有明显的性能损失，如图6及图7所示，采用基于测量统计约束的最大似然与基于时间 统计约束的卡尔曼滤波相结合的信道估计方法可W改善中高信噪比条件下基于联合导频 最大似然MIMO-OFDM信道估计方法的信道估计性能。
[0216] 为了进一步说明基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤 波相结合的信道估计方法通过对时间统计约束和测量统计约束的有效利用所能获得的信 道估计性能，图8为ETU300监与ETU850监信道环境下基于联合导频最大似然MIMO-O抑M 及基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方 法的信道估计性能与相关信道估计性能理论界的比较曲线，其中，CRB代表克拉美罗界，联 合导频符号数目M= 2 ;横坐标为SNR;纵坐标为MSE。如图8所示，在ETU300化信道及 ETU850监信道的中低信噪比信道条件下基于联合导频最大似然MIMO-O抑M信道估计方法 的信道估计性能与对应的性能理论界相比性能损失大约在3~4地，在ETU850监信道的中 高信噪比条件下基于联合导频最大似然MIMO-O抑M信道估计方法的信道估计性能与性能 理论界相比仍然存在着较大的偏差，但在ETU850监信道的中高信噪比条件下基于测量统 计约束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计 性能与性能理论界相比偏差较小，说明中高信噪比条件下改进超高移动环境下MIMO-OFDM 信道估计性能还有相当大的空间。
[0217] 2)有频偏条件下信道估计性能
[021引为了评估频偏对MIMO-O抑M信道估计性能的影响，图9为有频偏条件下基于联合 导频最大似然MIMO-OFDM信道估计性能，图10为有频偏条件下基于测量统计约束的最大似 然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能，其中，横坐 标为SNR;纵坐标为MSE;联合导频符号数目M= 2。对比图9和图6可见，频偏的存在对 EPA和EVA信道条件下的信道估计性能较小，但对高速移动条件下的ETU300监和ETU850监 信道条件下的信道估计性能会带来一定的影响。如图10所示，基于测量统计约束的最大似 然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法可W有效改善频偏对信道估 计性能的不利影响。
[0219] 为了进一步说明基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤 波相结合的信道估计方法通过对时间统计约束和测量统计约束的有效利用所能获得的信 道估计性能，图11为有频偏条件下基于联合导频最大似然MIMO-OFDM及基于测量统计约束 的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能与 相关信道估计性能理论界的比较曲线，其中，横坐标为SNR;纵坐标为MSE;联合导频符号数 目M= 2。如图11所示，在ETU850监信道条件下，基于联合导频最大似然MIMO-O抑M信道 估计方法的信道估计性能与性能理论界相比仍然存在着较大的偏差，但基于测量统计约束 的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能与 性能理论界相比偏差较小，说明在基于联合导频最大似然信道估计算法中加入卡尔曼滤波 确实有助于进一步提升和改进信道估计性能。
[0220] 为了更清楚地说明频偏引入对信道估计性能的影响，图12为有无频偏条件下基 于联合导频最大似然MIMO-OFDM的性能比较曲线，图13为有无频偏条件下基于测量统计约 束的最大似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的性能比较曲线， 其中，横坐标为SNR ;纵坐标为MSE ;联合导频符号数目M = 2。如图12所示，图12中对比 了ETU300监和ETU850监信道条件下基于联合导频最大似然MIMO-O抑M的信道估计性能在 有无频偏条件下的性能差异，由图12所示，在中低信噪比条件下《15地)，频偏的引入对信 道估计性能的影响很小，但在中高信噪比条件下，频偏对信道估计的影响还是较为明显的。 如图13所示，图13中对比了ETU300监和ETU850监信道条件下基于测量统计约束的最大 似然与基于时间统计约束的卡尔曼滤波相结合的信道估计方法的信道估计性能在有无频 偏条件下的性能差异，图13所示结果表明，在基于联合导频最大似然信道估计中引入卡尔 曼滤波可W大幅度抑制在中高信噪比条件下频偏对信道估计性能所带来的不利影响。
[0221] 综上所述，本发明上述实施例中基于测量统计约束的最大似然与基于时间统计约 束的卡尔曼滤波相结合的信道估计方法确实为超高移动环境下MIMO-OFDM信道估计提供 了有效的信道估计技术方案。
[0222] 3)联合导频符号数对频偏估计性能的影响
[022引为了进一步清楚地说明联合导频符号对MIMO-O抑M信道估计性能的影响，图14为 无频偏条件下基于联合导频最大似然MIMO-OFDM的信道频偏估计与传统的线性最小均方 误差信道估计性能的均方误差性能曲线，其中，横坐标为SNR ;纵坐标为MSE。图14中对比 了1. 4MHz系统带宽、无频偏及ETU850监信道条件下使用两个相邻导频OFDM符号的基于 联合导频最大似然MIMO-OFDM的信道估计与传统的线性最小均方误差信道估计性能的均 方误差性能关系。如图14所示，采用基于联合导频最大似然MIMO-OFDM的信道估计方法可 W非常显著地提升和改进信道估计性能，如在中低信噪比条件下信道估计性能提升7地W 上，在中高信噪比条件下信道估计性能甚至可W提升达到10地W上。
[0224] 如图7所示，采用基于测量统计约束的最大似然与基于时间统计约束的卡尔曼滤 波相结合的信道估计方法，在超高移动的ETU300监和ETU850监信道环境下信道估计的均 方误差性能在中低信噪比（<20地）与慢速运动的EPA信道