本公开一般地涉及用于具有不足的循环前缀长度的移动系统的信道估计的方法和设备。具体地,本公开的方面涉及用于基于包括在多个传输时间间隔期间在已知导频的子载波和未知数据的子载波上发送的发送信号的贡献的接收信号来估计信道的方法和设备。
背景技术:
在许多室外情况下,无线多径信道表现出多径分量,其延迟长于在多载波系统(例如,正交频分复用(ofdm))中使用的循环前缀(cp)。上述系统可以被称为“不足cp的系统”。在不足cp的系统中,具有长于cp的延迟的多径分量产生两种类型的干扰,即符号间干扰(isi)和载波间干扰(ici)。这意味着当前符号的样本被先前符号的样本干扰(isi),但它们也表现出自干扰,即每个子载波在相邻子载波上泄漏功率(ici)。
经典的基于导频的(pb)信道估计器忽略isi和ici,作为结果,其严重地影响所计算的估计的质量。这导致接收器的性能的整体劣化。数据辅助迭代算法(其顺序地优化信道和数据估计并且消除isi和ici)实现接近最佳性能。然而,这种方案遭受高计算复杂度的困扰。
在具有大于cp持续时间的最大超额延迟(med)的信道上操作的lteofdm系统中,接收器性能由于isi和ici而变差。经典的pb信道估计器忽略在这种情况下出现的干扰,由此计算得到较差的信道估计。这些估计一旦被馈送到均衡器和解码块,就会损害接收器的ber性能。鉴于pb估计器在其中信道med短于cp持续时间的场景中的低复杂性和良好性能,在lte接收器的设计中,pb估计器通常是优选的。
可能需要改进具有不足的cp长度的移动系统中的信道估计,而又不显著地增加计算复杂度。
附图说明
附图被包括以提供对各个方面的进一步理解,并且附图被并入并构成本说明书的一部分。附图示出了各个方面并与说明书一起用于解释各个方面的原理。通过参考以下详细描述可以更好地理解其它方面以及各个方面的许多预期优点。类似的附图标号表示相应的相似部分。
图1是示出包括基站110和移动站120的无线系统100的示意图,该移动站120应用用于信道估计的技术。
图2是根据本公开的估计用于具有不足的cp长度的移动系统的信道的方法200的示意图。
图3是根据本公开的信道估计设备400的示意图。
图4是根据本公开的基于字典矩阵来估计用于具有不足的cp长度的移动系统的信道的方法500的示意图。
图5是根据本公开的信道估计算法600的示意图。
图6是根据本公开的用于如图2所示的估计信道的方法200的噪声精度700a和均方误差700b的性能图。
具体实施方式
在下面的详细描述中,参考构成该详细描述的一部分的附图,其中通过示例的方式示出了可以实践本公开的特定方面。应当理解,在不脱离本公开的范围的情况下,可以利用其他方面并做出结构或逻辑改变。因此,以下详细描述不被认为是限制性的,并且本公开的范围由所附权利要求限定。
本文将使用以下术语、缩写和符号:
ofdm:正交频分复用,
lte:长期演进,
crs:小区特定参考信号,
tx:发送,
rx:接收,
cp:循环前缀,
snr:信噪比,
mse:均方误差,
mmse:最小均方误差,
mf:平均场,
mfbp:平均场置信传播,
ber:误码率,
cir:信道脉冲响应,
cfr:信道频率响应,
isi:符号间干扰,
ici:载波间干扰,
awgn:加性白高斯噪声,
rf:无线电频率,
ue:用户设备,
llr:对数似然比,
pdf:概率密度函数,
med:最大超额延迟,
pb:基于导频的。
本文描述的方法和设备可以基于信道估计,具体地,具有其延迟长于循环前缀的多径分量的无线多径信道的信道估计。应当理解,结合所描述的方法做出的评论也适用于被配置为执行该方法的相应设备,反之亦然。例如,如果描述了特定的方法步骤,则相应的设备可以包括用以执行所描述的方法步骤的单元,即使在图中未明确描述或示出这样的单元。此外,应当理解,除非另有特别说明,本文所描述的各种示例性方面的特征可以彼此组合。
本文描述的方法和设备可以在无线通信网络(具体地,基于3g、4g、5g和cdma标准的通信网络)中实现。下面描述的方法和设备还可以在基站(nodeb、enodeb)或移动设备(或移动站或用户设备(ue))中实现。所描述的器件可以包括集成电路和/或无源器件,并且可以根据各种技术被制造。例如,电路可以被设计为逻辑集成电路、模拟集成电路、混合信号集成电路、存储器电路、和/或集成无源器件。
本文描述的方法和设备可以被配置为发送和/或接收无线电信号。无线电信号可以是或可以包括由无线电发送设备(或无线电发射器或发送器)以位于约3hz至约300ghz的范围内的无线电频率所辐射的无线电频率信号。频率范围可以对应于用于产生和检测无线电波的交流电信号的频率。
图1描绘了包括基站110和移动站120的无线系统100,该移动站120应用如下所述的信道估计技术。无线电波从基站110传播到移动站120所经由的多径信道可以被看作是由于障碍物112、113而通过多个多径分量101、102、103发送原始(视线)波脉冲101。多径分量是行进通过不同回波路径的原始发送波的延迟副本,其各自在接收器处具有不同的幅度、相位和到达时间。由于每个分量都包含原始信息,如果通过被称为信道估计的过程在接收器处计算每个分量的幅度、相位和到达时间(相位),则可以相干地叠加所有分量以提高信息可靠性。一对幅度和相位可以被称为复合权重(complexweights)。例如,图1中所描绘的第三多径分量103的延迟可能长于用于信号传输的循环前缀。当移动站120实施如本文所述的信道估计技术时,可以检测isi和ici,并且移动站120能够准确地估计信道。
本文描述的方法和设备可以在应用循环前缀的多载波系统中和使用cp的无线通信ofdm系统中实现。在无线通信ofdm系统中,发送的ofdm符号可以通过一组正交子载波上的同时数据传输来生成。然后可以通过无线信道发送ofdm符号,该无线信道的多径性质确定相同符号的多个副本延迟到达接收器。这确定先前的符号干扰当前的符号,即引起符号间干扰(isi),而且还破坏当前ofdm符号的子载波之间的正交性,即产生载波间干扰(ici)。
为了避免isi和ici,在传输时,ofdm符号可以前置有循环前缀(cp),该循环前缀可以由其最后样本的副本组成,并且其长度应至少等于信道的最大超额延迟。长cp可以在各种场景(其中信道隐含地表现出广泛的最大超额延迟)中防止isi/ici,但是以降低频谱效率为代价。长信道是传播环境中的异质性的结果,例如,丘陵、山区、大型水域或城市地区中的摩天大楼。因此,为cp选择适当的长度始终是一种权衡考虑。作为结果,存在cp短于信道最大超额延迟的情况。在这种情况下,isi和ici都会劣化接收器的性能,否则是没有察觉到这些现象。劣化是两种不同效果的组合结果,即基于导频的信道估计误差和由于isi/ici而削弱的均衡。基于导频的信道估计误差的原因是双重的。一方面,在不足cp的ofdm系统中,导频所提供的分辨率不足以使估计器精确地解析信道响应。另一方面,由于信道估计器假定在相邻子载波之间不发生功率泄漏,所以它们采用偏置信号模型,其中所发送的符号的向量由对角信道矩阵调制。由于使用不匹配的信号模型和在均衡之前由信道估计块解析的不准确的信道估计,使得均衡存在偏差。
图2是估计用于具有不足的cp长度的移动系统的信道的方法200的示意图,其中信道包括根据本公开的多个多径分量。
方法200包括动作201,接收包括在多个传输时间间隔(n,n-1)期间在已知导频的子载波(k∈pb)和未知数据的子载波
概率关系可以基于稀疏贝叶斯学习框架,其根据稀疏信道模型应用多径分量
概率关系可以包括字典矩阵φ1与信道权重向量
概率关系可以基于信道权重、延迟值和噪声精度的概率模型。概率关系可以基于信道权重、延迟值和噪声精度的分层先验建模,例如,如下所述。
方法200还可以包括基于平均场置信传播框架来确定信道权重、延迟值和噪声精度的近似概率密度函数,例如,如下所述。方法200还可以包括基于vonmises概率密度函数来确定信道权重、延迟值和噪声精度的近似概率密度函数,例如,如下所述。方法200还可以包括在估计信道权重、延迟值和噪声精度之间进行迭代。
概率关系可以基于发送信号的贡献202、204(xn[k],xn-1[k])的一阶统计和二阶统计。概率关系可以基于发送信号的贡献202、204(xn[k],xn-1[k])的一阶矩和二阶矩,例如,如下所述。方法200还可以包括基于针对已知导频的子载波(k∈pb)的已知导频模式并且基于针对未知数据的子载波
方法200还可以包括根据以下等式来确定一阶矩和二阶矩的动作:
其中
移动系统可以包括其中信道的最大超额延迟大于循环前缀长度的lteofdm传输。
已知导频可以对应于lte帧的小区特定参考符号(crs)。除了参考符号之外,已知导频子载波和/或未知数据子载波可以是包括数据和/或控制符号的lte帧、子帧或时隙的一部分。不同的传输时间间隔(n,n-1)可以是在发送器处发送贡献xn(k)202和xn-1(k)204的时间。不同的时间间隔(n,n-1)可以是lte帧、子帧或时隙的不同符号时间。例如,发送信号的第一贡献xn(k)202的时间间隔n和发送信号的第二贡献xn-1(k)204的时间间隔n-1可以是后续lte帧、子帧或时隙的时间,或者可以是lte帧、子帧或时隙中的后续符号的时间。发送信号的贡献可以包括在两个、三个、四个或更多个相邻或非相邻时间间隔期间发送的发送信号的两个、三个、四个或更多个贡献。
由于在不同时间间隔期间发送的发送信号的不同贡献的传输,接收符号yn206可能包括符号间干扰和/或载波间干扰。
存在不同方法用于基于发送信号的贡献xn(k)202和xn-1(k)204并且基于对接收符号yn(k)206的观测来确定信道g(τ)的多径分量
估计(参见动作203)信道g(τ)可以基于针对使用统一mf-bp框架的不足cp的ofdm系统而优化的消息传递设计。为了执行时域信道估计,cir可以被认为是稀疏的,即,具有几个非零多径分量。利用这一发现,确定(参见动作203)多径分量的估计可以使用压缩感测技术,其包括寻找最大化目标函数的稀疏cir估计,例如基于l1范数约束最小化问题,例如最小绝对收缩和选择算子(lasso)、基追踪(bp)、正交匹配追踪(omp)或最大后验(map)方法,例如稀疏贝叶斯学习(sbl),其使用鼓励稀疏cir表示的信道权重的概率建模。为了易于理解,这些pdf可以通过在权重上引入超先验(hyperpriors)来建模,由此获得二层(2l)或三层(3l)分层模型。
用于信道估计的方法200对于当信道med超过cp持续时间时发生的isi和ici是鲁棒的。通过利用干扰的结构,与传统的pb估计方法相比,方法200能够计算出信道响应(cir和信道频率响应(cfr))的更准确的估计。具体来说,它通过以下方式来计算cir中的多径分量的增益和延迟的估计:通过假定如下所述的数据符号的某些一阶统计和二阶统计,明确估计每个导频符号对所有接收到的导频信号(这些导频信号引起导频子载波上的数据符号泄露功率)造成的干扰,并迭代地改进cir和噪声精度估计。
在以下部分中,描述了用于基于发送信号的第一贡献202、204(xn[k],xn-1[k])之间的概率关系来确定203多径分量
在第n个传输间隔中,信息比特的向量un∈{0,1}k以码率r被编码并且交织到向量cn∈{0,1}k/r中。码向量cn被调制到与产生符号向量xn∈cn的导频符号交织的复合符号的向量上。对应于第n个信令间隔中的导频符号和数据符号的索引的子集被分别表示为pn和dn。符号向量xn被传递通过反向dft块以产生sn=fhxn,其前置有μ样本长循环前缀(cp)。使用以下发送正弦滤波器对所得到的样本进行调制,
产生在第n个信令间隔中发送的ofdm波形:
其中
注意,
接收器观测到发送信号与信道响应的卷积,并且其被awgn:
其中φ(t)=(ψtx*ψrx)(t)并且ν(t)=(w*ψrx)(t)。由于
为了说明yn;n=[0:b-1]对cir的依赖关系,以下表示被使用:
其中
解调接收信号(4),即
其中
其中定义如下:
噪声向量ε的pdf是p(ε)=cn(ε;0,λ-1ip),其中
为了获得信道响应的估计,假设cir是稀疏的,即由几个非零多径分量组成。因此,计算稀疏信道向量α∈cl和对应的延迟τ,分别近似真实cir
使用上述近似,概率模型变为
o=tcα+ε(9)
其中矩阵t、c类似于
其中p(o|α,τ,λ,x0,...,xb-1)=cn(o;(t+δt)α,λ-1ip)。平均场(mf)框架被用来计算感兴趣的变量的近似pdf,也称为置信。
信道权重的置信是:
q(α)=cn(α,μα,∑α)(11a)
噪声精度的置信是:
延迟向量的置信根据等式(13)被因式分解为
等式(13)中的第二因子ql被计算为
其中cl表示c的第l列,并且r等于
为了找到使等式(13)最大化的延迟,可以应用许多不同的技术。第一示例性技术是通过使用任何数值方法来找到使等式(13)最大化的延迟。其他技术也适用。
本文描述的方法200可以在如下关于图3所描述的处理电路400中实现。
图3是根据本公开的信道估计设备400的示意图。信道估计设备400包括接收终端401和处理电路403。接收终端401被配置为接收包括在多个传输时间间隔(n,n-1)期间在已知导频的子载波(k∈pb)和未知数据的子载波
信道估计设备400可以包括矩阵处理单元,用于确定关于发送信号的第一贡献202、204(xn[k],xn-1[k])的字典矩阵φ1,例如,关于图2或图5所描述的。信道估计设备400可以包括统计处理电路,用于确定发送信号的第一贡献202、204(xn[k],xn-1[k])的一阶矩和二阶矩,例如,关于图2或图5所描述的。矩阵处理单元可以基于发送信号的第一贡献202、204(xn[k],xn-1[k])的一阶矩和二阶矩来确定字典矩阵φ1,例如,关于图2或图5所描述的。
信道估计设备400还可以包括乘法处理单元,用于确定字典矩阵φ1和信道权重向量
在下文中,描述了信道估计设备400中的处理电路403的示例。为了示出信道估计设备400中的处理电路403的行为,考虑具有n个子载波的ofdm(正交频分复用)系统,其中p是导频。在第n个传输间隔中,根据模式pn放置导频。每个ofdm符号前置有由ncp个样本组成的循环前缀(cp)。由具有向量
其中
当tmed>tcp时,第k个子载波处的第n个接收信号yn[k]包括在n(xn[p],p,∈[1,n])和
一些简单的cir估计器基于假设tmed≤tcp而被设计,即,它们假设时间实例n和子载波k处的接收信号仅包括在第n个传输间隔期间和相同子载波上的发送信号的噪声贡献。换句话说,他们假设不匹配的模型:
通过[φi]k来表示矩阵φi的第k行。注意,简单的估计器使用不匹配的模型(16)(其中isi和ici都被忽略),并且计算由干扰破坏的
信道估计设备400中的处理电路403可以通过以下方式计算
1.使用在导频子载波处接收到的信号yn[k],k∈pn;
2.使用近似等式(15)中的φ1的观测模型;
3.在估计信道增益、延迟和噪声精度之间进行迭代;以及
4.假设信道权重、延迟和噪声精度的概率模型。
另外,由处理电路403执行的基于导频的(pb)信道估计可以通过构建较大的矩阵φ1来应用于多个ofdm符号的块,该较大的矩阵φ1将等式(15)中的信号模型推广为包括观测yn[k],k∈pn,n∈[0:b-1],其中b是块大小。
为了计算等式(16)中的
其中,εp(x)(x)表示关于pdf(p(x))的x的期望值。
为了计算
如下所述的图5详细描述了如上所述的信道估计器的示例性结构以及实现估计器的接收器的示例性结构。
信道估计设备400可以实现低复杂度的基于导频的信道脉冲响应估计器,其能够估计ofdm中到达延迟大于cp持续时间的多径分量。在这类信道上操作的lteofdm系统表现出拖累接收器性能的符号间干扰和载波间干扰。信道估计设备400可以使用贝叶斯推理来计算信道增益和延迟。为了处理ici和isi,基于导频的信道估计设备400可以在估计信道增益和延迟时利用干扰的特定结构。信道估计设备400具有比迭代的数据辅助方案更低的复杂度。此外,信道估计设备400从以下角度来看是鲁棒的,其能够处理足够的cp持续时间和不足的cp持续时间的两种情况,而无需对在处理电路403中运行的算法(例如,下面关于图5描述的算法600或下面关于图2和图4描述的方法200和500)进行任何特殊配置。
图4是根据本公开的基于字典矩阵估计用于具有不足cp长度的移动系统的信道的方法500的示意图,其中信道包括多个多径分量
方法500包括动作501,接收包括在多个传输时间间隔(n,n-1)期间在已知导频的子载波(k∈pb)和未知数据的子载波
方法500还可以包括基于发送信号的第一贡献202、204(xn[k],xn-1[k])的一阶矩来更新字典矩阵φ1的动作505,以及基于发送信号的第一贡献202、204(xn[k],xn-1[k])的二阶矩来更新字典矩阵φ1的厄米共轭与字典矩阵φ1的乘积的动作,例如,关于图2或图3所描述的。
方案500还可以包括动作503,迭代地确定多径分量
图5是根据本公开的信道估计算法600的示意图。信道估计算法600可以在处理电路403上运行,如上面关于图3所描述的。
信道估计算法600可以将导频符号602的集合作为输入,并且可以在延迟估计块601中依次估计每个多径分量的增益和延迟。使用变分贝叶斯推理,延迟估计块601可以估计候选多径分量的延迟,例如,通过估计新的延迟603、重新估计先前检测到的延迟605、或删除延迟607。所计算的延迟可以用于重新计算isi和ici609。然后,算法600可以重建干扰矩阵,例如,根据上面关于图3所描述的等式(17)和(18)。基于更新611这些干扰矩阵,可以估计更新的信道系数(增益)613和噪声方差615。一旦完成了与候选多径分量相关联的所有变量的更新,则估计器可以决定候选分量是否应当被保留或丢弃。如果保留该分量,则可以更新噪声方差和所有先前估计的信道系数和延迟。可以重复这些操作,直到估计的噪声方差已经收敛617,例如噪声方差的两个连续估计之间的差异低于阈值。信道估计可以在均衡器619中应用于接收到的数据符号604。均衡的数据符号可以被提供给数据检测621以用于提供解码的比特位606。
所公开的信道估计算法600是可以在具有不足(循环前缀)cp长度的lteofdm系统中应用的用于估计信道脉冲响应(cir)的低复杂度的基于导频的(pb)算法。当信道的最大超额延迟(med)大于cp持续时间时,会出现这些情况。在这类情况下,发生载波间(ici)干扰和符号间(isi)干扰。因此,每个导频符号可能被映射到当前ofdm符号和先前ofdm符号的所有子载波上的复合符号所干扰。与忽略isi和ici的简单pb信道估计器(作为结果,其严重地影响了所计算的估计的质量并且造成接收器的性能的总体劣化)相反,本文公开的算法600考虑isi和ici两者,由此具有从下面的图6可以看出的优异的性能。
与数据辅助迭代算法(其顺序地改进信道和数据估计并消除isi和ici,但是以高计算复杂度为代价)相反,所公开的算法600可以专门通过使用导频符号来计算信道估计,同时是干扰感知的,即算法600可以在估计cir时考虑isi和ici的结构。然后可以将这些估计发送到均衡器和解码器。此外,估计器可以用作用于在实验室设置中重建cir并重播它们的工具。
图6是根据本公开的pbcir估计器(例如,上面关于图3所描述的设备400)的噪声精度700a和均方误差mse700b的性能图。
所公开的pbcir估计器与忽略isi和ici的简单pbcir估计器701进行比较。所公开的pbcir估计器702的性能进一步针对genie-aided估计器703(该估计器知道噪声方差和路径延迟,完全消除isi和ici,并且仅估计信道增益)进行基准测试。使用两个性能度量:(1)估计的cfr的均方误差(mse)700b,(2)估计的噪声精度700a。后一个度量对接收信号与使用cfr估计重构的信号之间的残差进行量化。因此,它包括由于噪声、信道估计误差和未考虑的干扰引起的偏差。
在下面在表1中详细描述的设置中,与简单pbcir估计器701相比,通过使用所公开的pbcir估计器702可以获得10dbmse增益(参见图6,mse700b)。噪声精度估计700a也反映了这种性能增益。这些结果表明,与简单估计器701相比,所公开的pbcir估计器702有效地利用了干扰的结构来大大提高信道估计的质量。表1描述了所公开的pccir估计器702的所应用的系统和信道参数。
表1:所公开的pccir估计器702的所应用的系统和信道参数
示例
以下示例涉及进一步的实施例。示例1是一种估计用于具有不足的循环前缀长度的移动系统的信道的方法,其中信道包括多个多径分量,方法包括:接收包括在多个传输时间间隔期间在已知导频的多个子载波和未知数据的多个子载波上发送的发送信号的多个贡献的信号;基于发送信号的多个第一贡献之间的概率关系并且基于对已知导频的子载波处的接收信号的观测来确定多个多径分量的估计,其中第一贡献在相邻传输时间间隔期间被发送,其中概率关系基于发送信号的多个第一贡献的统计特性。
在示例2中,示例1的主题可以可选地包括,概率关系基于稀疏贝叶斯学习框架,其根据稀疏信道模型应用多个多径分量的概率密度函数。
在示例3中,示例1-2中任一个的主题可以可选地包括,概率关系包括关于发送信号的多个第一贡献的字典矩阵。
在示例4中,示例3的主题可以可选地包括,字典矩阵取决于发送信号的多个第一贡献和延迟向量,其中延迟向量包括多个多径分量的多个延迟值。
在示例5中,示例3-4中任一项的主题可以可选地包括,概率关系包括字典矩阵与信道权重向量之间的乘法组合,其中信道权重向量包括多个多径分量的多个信道权重。
在示例6中,示例5的主题可以可选地包括,概率关系是根据以下等式的:
在示例7中,示例5-6中任一项的主题可以可选地包括,概率关系基于多个信道权重、延迟值和噪声精度的概率模型。
在示例8中,示例7的主题可以可选地包括,概率关系基于多个信道权重、多个延迟值和噪声精度的分层先验建模。
在示例9中,示例7-8中任一项的主题可以可选地包括,基于平均场置信传播框架来确定多个信道权重、多个延迟值和噪声精度的近似概率密度函数。
在示例10中,示例9的主题可以可选地包括,基于vonmises概率密度函数来确定多个信道权重、多个延迟值和噪声精度的近似概率密度函数。
在示例11中,示例7-10中任一项的主题可以可选地包括,在估计多个信道权重、多个延迟值和噪声精度之间进行迭代。
在示例12中,示例1-11中任一个的主题可以可选地包括,概率关系基于发送信号的多个贡献的一阶统计和二阶统计。
在示例13中,示例12的主题可以可选地包括,概率关系基于发送信号的多个贡献的一阶矩和二阶矩。
在示例14中,示例13的主题可以可选地包括,基于针对已知导频的多个子载波的已知导频模式并且基于针对未知数据的多个子载波的常数来确定一阶矩和二阶矩。
在示例15中,示例13-14中任一项的主题可以可选地包括,根据以下等式来确定一阶矩和二阶矩:
其中
在示例16中,示例1-15中任一个的主题可以可选地包括,移动系统包括其中信道的最大超额延迟大于循环前缀长度的lteofdm传输。
示例17是一种信道估计设备,包括:接收终端,被配置为接收包括在多个传输时间间隔期间在已知导频的多个子载波和未知数据的多个子载波上发送的发送信号的多个贡献的信号;处理电路,被配置为基于发送信号的多个第一贡献之间的概率关系并且基于对已知导频的子载波处的接收信号的观测来确定多个多径分量的估计,其中多个第一贡献在相邻传输时间间隔期间被发送,其中概率关系基于发送信号的多个第一贡献的统计特性。
在示例18中,示例17的主题可以可选地包括,矩阵处理单元,被配置为确定关于发送信号的多个第一贡献的字典矩阵。
在示例19中,示例18的主题可以可选地包括,统计处理电路,被配置为确定发送信号的多个第一贡献的一阶矩和二阶矩。
在示例20中,示例19的主题可以可选地包括,矩阵处理单元,被配置为基于发送信号的多个第一贡献的一阶矩和二阶矩来确定字典矩阵。
在示例21中,示例18-20中任一项的主题可以可选地包括,乘法处理单元,被配置为确定字典矩阵和信道权重向量的乘法组合。
在示例22中,示例21的主题可以可选地包括,加法处理单元,被配置为将噪声向量与字典矩阵和信道权重向量的乘法组合相加。
示例23是一种估计用于具有不足的循环前缀长度的移动系统的信道的方法,其中信道包括多个多径分量,方法包括:接收包括在多个传输时间间隔期间在已知导频的多个子载波和未知数据的多个子载波上发送的发送信号的多个贡献的信号;基于关于发送信号的多个第一贡献的字典矩阵并且基于对已知导频的子载波处的接收信号的观测来迭代地确定多个多径分量的估计,其中多个第一贡献在相邻传输时间间隔期间被发送;以及在每次迭代之后基于发送信号的多个第一贡献的统计特性来更新字典矩阵。
在示例24中,示例23的主题可以可选地包括,基于发送信号的多个第一贡献的一阶矩来更新字典矩阵;以及基于发送信号的多个第一贡献的二阶矩来更新字典矩阵的厄米共轭与字典矩阵的乘积。
在示例25中,示例23-24中任一项的主题可以可选地包括,迭代地确定多个多径分量的估计直到两个连续的噪声方差估计之间的差异小于阈值。
示例26是一种在其上存储有计算机指令的计算机可读介质,当由计算机执行计算机指令时,使得计算机执行示例1至16或23至25中任一项的方法。
示例27是一种用于估计信道的信道估计器,其中信道包括多个多径分量,信道估计器包括:用于接收包括在多个传输时间间隔期间在已知导频的多个子载波和未知数据的多个子载波上发送的发送信号的多个贡献的信号的装置;用于基于发送信号的多个第一贡献之间的概率关系并且基于对已知导频的子载波处的接收信号的观测来确定多个多径分量的估计的装置,其中第一贡献在相邻传输时间间隔期间被发送,其中概率关系基于发送信号的多个第一贡献的统计特性。
在示例28中,示例27的主题可以可选地包括,概率关系基于稀疏贝叶斯学习框架,其根据稀疏信道模型应用多个多径分量的概率密度函数。
在示例29中,示例27-28中任一个的主题可以可选地包括,概率关系包括关于发送信号的多个第一贡献的字典矩阵。
在示例30中,示例29的主题可以可选地包括,字典矩阵取决于发送信号的多个第一贡献和延迟向量,其中延迟向量包括多个多径分量的多个延迟值。
在示例31中,示例29-30中任一项的主题可以可选地包括,概率关系包括字典矩阵与信道权重向量之间的乘法组合,其中信道权重向量包括多个多径分量的多个信道权重。
在示例32中,示例31的主题可以可选地包括,概率关系是根据以下等式的:
在示例33中,示例31-32中任一项的主题可以可选地包括,概率关系基于多个信道权重、延迟值和噪声精度的概率模型。
在示例34中,示例33的主题可以可选地包括,概率关系基于多个信道权重、多个延迟值和噪声精度的分层先验建模。
在示例35中,示例33-34中任一项的主题可以可选地包括,用于基于平均场置信传播框架来确定多个信道权重、多个延迟值和噪声精度的近似概率密度函数的装置。
示例36是一种用于估计用于具有不足的循环前缀长度的移动系统的信道的电路,其中信道包括多个多径分量,电路包括:用于接收包括在多个传输时间间隔期间在已知导频的多个子载波和未知数据的多个子载波上发送的发送信号的多个贡献的信号的装置;用于基于关于发送信号的多个第一贡献的字典矩阵并且基于对已知导频的子载波处的接收信号的观测来迭代地确定多个多径分量的估计的装置,其中多个第一贡献在相邻传输时间间隔期间被发送;以及用于在每次迭代之后基于发送信号的多个第一贡献的统计特性来更新字典矩阵的装置。
在示例37中,示例36的主题可以可选地包括,用于基于发送信号的多个第一贡献的一阶矩来更新字典矩阵的装置;以及用于基于发送信号的多个第一贡献的二阶矩来更新字典矩阵的厄米共轭与字典矩阵的乘积的装置。
在示例38中,示例36-37中任一项的主题可以可选地包括,用于迭代地确定多个多径分量的估计直到两个连续的噪声方差估计之间的差异小于阈值的装置。
示例39是一种用于信道估计的系统,包括:接收终端,被配置为接收包括在多个传输时间间隔期间在已知导频的多个子载波和未知数据的多个子载波上发送的发送信号的多个贡献的信号;处理电路,被配置为基于发送信号的多个第一贡献之间的概率关系并且基于对已知导频的子载波处的接收信号的观测来确定多个多径分量的估计,其中多个第一贡献在相邻传输时间间隔期间被发送,其中概率关系基于发送信号的多个第一贡献的统计特性。
在示例40中,示例39的主题可以可选地包括,矩阵处理单元,被配置为确定关于发送信号的多个第一贡献的字典矩阵。
在示例41中,示例40的主题可以可选地包括,统计处理电路,被配置为确定发送信号的多个第一贡献的一阶矩和二阶矩。
在示例42中,示例41的主题可以可选地包括,矩阵处理单元,被配置为基于发送信号的多个第一贡献的一阶矩和二阶矩来确定字典矩阵。
在示例43中,示例40-42中任一项的主题可以可选地包括,乘法处理单元,被配置为确定字典矩阵和信道权重向量的乘法组合。
在示例44中,示例43的主题可以可选地包括,加法处理单元,被配置为将噪声向量与字典矩阵和信道权重向量的乘法组合相加。
在示例45中,示例39-44中任一项的主题可以可选地包括,系统是片上系统。
此外,尽管本公开的特定特征或方面可能仅针对若干实现方式中的一个而被公开,但是这样的特征或方面可以与其他实现方式的一个或多个其他特征或方面组合,如可以针对任何给定或特定的应用是期望和有利的。此外,如果在详细描述或权利要求书中使用术语“包含”、“具有”、“含有”或其它变体,则这些术语旨在以类似于术语“包括”。此外,应当理解,本公开的方面可以在分立电路、部分集成电路或完全集成电路、或编程装置中实现。此外,术语“示例性”、“例如”和“诸如”只是意味着一个示例,而不是最好的或最优的。
虽然本文已经说明和描述了特定方面,但是本领域普通技术人员将会理解,在不偏离本公开的范围的情况下,各种替代和/或等效实现可以替代所示出和描述的特定方面。本申请旨在涵盖本文讨论的特定方面的任何修改或变化。
虽然所附权利要求中的元素以具有相应标签的特定顺序被列出,但是除非权利要求表述以其他方式暗示用于实现这些元素中的一些或所有元素的特定顺序,这些元素并不限于以该特定顺序被实施。