处理多个信号的方法和信号处理设备的制造方法
【专利摘要】一种用于处理多个信号的方法，其可包括接收表征无线信道的一个或多个观察，执行信道估计以确定用于所述无线信道的概率信道模型，并使用该概率信道模型来处理多个信号。所述信道估计可包括：基于一个或多个收到的观察和与所述概率信道模型相关联的概率分布，数字地更新一个或多个多径增益估计和一个或多个多径延迟估计。
【专利说明】
处理多个信号的方法和信号处理设备
技术领域
[0001] 各个实施例主要涉及计算已估计的信道脉冲响应，计算已估计的信道权重、多径 延迟和噪声精度，其中，所述多径延迟在连续域中计算。
【背景技术】
[0002] 信道估计在精确解调在正交频分复用((FDM)接收器处收到的符号中扮演重要的 角色。0FDM接收器可获得物理信道的估计，所述物理信道的估计可通过信道脉冲响应(CIR) 来表征。信道估计可反映不同的信道特性，诸如多普勒漂移、路径损耗、相移、多径传播、噪 声和其它干扰等。
[0003]在此类无线信道上传送的信号可由于在对应无线信道上的传输而内在地被变更 和/或改变，并因此所收到的符号可能被损坏。在0FDM接收器的精确信道估计可允许0FDM接 收器逆转所收到的符号的任何此类损坏，从而产生改进的接收性能。
[0004] 如第三代合作伙伴计划（3GPP)规定的常规长期演进(LTE)网络规定:(FDM用于从 基站到所连的移动终端的下行链路传输。因此，在LTE网络上运行的终端试图获得活动的下 行链路信道的信道估计以便通过信道效应的补偿来精确估计已解调的所收到的符号。
[0005] 精确的信道估计可有效地产生所收到信号的改进的解调。为了有利于有效的信道 估计，基站可传送被移动终端接收的导频(或参考)符号。所述导频符号可被预确定，并因 此，移动终端可分析收到的导频信号以便确定所述无线终端给予所述符号的任何差异。通 过比较所收到的导频符号和预先确定的导频符号，移动终端随后可获得信道估计，并可基 于所述信道估计来补偿所述信道效应。
[0006] 因此，信道估计可用于逼近无线信道将具有的在所传送的无线信号上的效应。除 了在无线通信网络的实时运行期间所包含的潜在益处以外，精确的信道估计在离线测试和 无线网络的分析中可能是有价值的。
[0007] 一个此类示例是虚拟驱动测试(VDT)，其包含在受控的实验室环境中重现驱动测 试的方法。VDT可充当物理驱动测试的替代，其包含在物理基站附近的不同位置进行无线信 号的物理测量，以便评估网络性能。因此，VDT可提供对于物理驱动测试而言具有成本效益 的替代，因为VDT可在与现场测试相对的实验室环境中进行。VDT还可帮助减少新设备投入 市场的时间，因为与在现场测试期间的调试相比，在实验室环境中的调试可大为简化。最 后，VDT可帮助优化现场性能。
[0008] 为了充当现场测试的合适替代，VDT必须能够"重现"具有高精度的无线信道。因 此，无线信道可在诸如空中下载(0ΤΑ)室的实验室环境中重建，其中，测试可使用重建的无 线信道来执行。因此，有效的信道重建需要信道脉冲响应的精确估计，所述信道脉冲响应可 实际上充当信道估计。
[0009] 信道估计响应可基于在场中记录的0FDM导频符号来估计。与执行多个驱动测试相 反，导频符号的场测量可仅需要执行一次。信道脉冲响应可随后从所记录的导频符号导出， 并可随后用作在VDT环境中重建的信道估计。
[0010] 稀疏信道估计，具体地讲，稀疏贝叶斯(Bayesian)学习已被证明是用于获得高精 度信道脉冲响应估计的有效方法。不过，如后面进一步详细描述的，此类稀疏贝叶斯信道估 计方法包含离散化延迟域。换句话讲，延迟域可从现实世界应用中的连续域减少到有效的 离散点网格。虽然延迟域离散化可能对降低估计信道脉冲响应的处理需求是有利的，但是 离散化可引入"模型失配"（即，信道脉冲响应估计和实际信道脉冲响应之间的明显差异）， 这可导致在VDT环境中的性能下降。
[0011] 改进的VDT性能可通过利用考虑了与离散化延迟空间相对的连续域延迟空间的信 道估计方法来实现。此类连续域-延迟信道估计方法可提供对离散化域延迟方法的明显改 进，并且可高精度地估计多径分量的数量以及它们相关联的参数(延迟和增益）。
【附图说明】
[0012] 在附图中，相同的附图标号通常指的是所有不同附图中的相同部件。所述附图不 一定按比例绘制，而是绘出重点以便清晰说明本发明的原理。在下列描述中，本发明的各个 实施例参考下列附图进行描述，其中：
[0013]图1示出移动无线通信系统；
[0014] 图2示出说明信道估计的框图；
[0015] 图3示出根据本公开的示例性方面的信道估计处理电路；
[0016] 图4示出根据本公开的示例性方面的0FDM接收器；
[0017]图5示出根据本公开的示例性方面的移动终端；
[0018] 图6示出说明根据本公开的示例性方面的多个信号的方法的流程图；以及
[0019] 图7示出说明根据本公开的另一示例性方面的多个信号的方法的流程图。
【具体实施方式】
[0020] 下列【具体实施方式】参考借助示例示出可实施本发明的特定细节和实施例的随附 绘图。
[0021] 本文所使用的词组"示例性的"意指"用作示例、实例或例证"。在本文描述为"示例 性的"的任何实施例或设计不一定解释为比其它实施例或设计更加优选或有利的。
[0022] 如本文所使用的，"电路"可理解为任何种类的逻辑实现实体，其可以是专用电路 或执行存储在存储器、固件或它们的任何组合中的软件的处理器。此外，"电路"可以是硬连 线逻辑电路或可编程逻辑电路，诸如可编程处理器，例如微处理器(例如，复杂指令集计算 机(CISC)处理器或精简指令集计算机(RISC)处理器）。"电路"也可以是执行软件，例如任何 种类的计算机程序、例如使用虚拟机器代码诸如例如Java的计算机程序的处理器。将在下 面更详细描述的相应功能的任何其它种类实施也可理解为"电路"。还应当理解，所述电路 的任何两种(或多种)可组合为一个电路。
[0023]如本文所使用的，在电信的语境中的"蜂窝"可理解为基站的扇面。因此，基站可由 一个或多个"蜂窝"（或扇面)组成，其中，每个蜂窝包括至少一个唯一的通信信道。因此，"蜂 窝间切换"可理解为从第一"蜂窝"切换到第二"蜂窝"，其中，第一"蜂窝"不同于第二"蜂 窝"。"蜂窝间切换"可表征为"基站间切换"或"基站内切换"。"基站间切换"可理解为从第一 "蜂窝"切换到第二"蜂窝"，其中，第一"蜂窝"设置在第一基站，以及第二"蜂窝"设置在不同 的第二基站。"基站内切换"可理解为从第一"蜂窝"切换到第二"蜂窝"，其中，第一"蜂窝"和 第二"蜂窝"设置在相同的基站。"服务蜂窝"可理解为移动终端根据关联的移动通信网络标 准的移动通信协议当前所连接的"蜂窝"。
[0024] 信道估计可通过估计目标无线信道的信道脉冲响应来执行。在常规的长期演进 (LTE)网络中，信道脉冲响应可通过记录在场测试期间由基站传送的导频正交频分复用 (0FDM)符号来估计。所记录的导频符号可随后用于估计在其上所传送信号无线信道的效 果，以便获得无线信道的信道脉冲响应。
[0025] 所确定的信道脉冲响应估计随后可被利用，以便执行虚拟驱动测试(VDT)，例如以 便在与更昂贵的场测试相对的实验室环境中执行仿真。无线信道可在空中下载(0ΤΑ)室中 重建，以便仿真在其上所传送的无线信号的每个信道的效果。
[0026] 用于接收0FDM符号的信号模型可用作开发信道脉冲响应估计的基础。如先前所详 述的，由网络发射器(诸如，例如基站）所传送的0FDM导频符号可被接收和记录。所收到的 0FDM导频符号随后可被分析，以便评估无线信道对所传送的导频符号的效果，从而获得信 道脉冲响应。
[0027]多个0FDM导频符号可在0FDM系统中接收并用于导出信道脉冲响应。按常规，(FDM 系统的每个接收器采用多个子载波，多个导频符号可在高达N个子载波上接收。0FDM系统可 利用具有循环前缀持续时间TCP的采样周期T s，其中，所述循环前缀是在每个0FDM符号开始 的保护时段(guard period)，以防止由多径延迟造成的后续0FDM符号之间的符号间干扰。 [0028]每个所收到的0FDM导频符号可根据第m导频指标来识别，其中，meM，并且可能的 导频指标集是M。一个符号可在每N个子载波中的每个上接收，从而将可能的导频指标集Μ限 制为多！ 灸】。
[0029] 因此，可从所收到的0FDM导频符号导出一组观察，其中，每个观察对应于所收到的 0FDM导频符号中的一个。所述观察组随后可根据本文公开的方法用于估计信道脉冲响应。 与第m导频指标相关联的0FDM符号可被0FDM接收器接收并随后被解调，诸如，例如通过执行 循环前缀去除和离散傅里叶变换，以便产生解调的0FDM导频符号。随后由对应的预定义导 频符号(单位幅值)除以所解调出的导频符号，以导出系统的第m观察。因此，第m观察可表征 无线信道的信道效应。第m观察 ymST根据下面的方程式1来定义：
[0030] ym=hm+zm (1)，
[0031]其中，hm是彳目道的频率响应的第m米样，以及Zm是在接收器的噪声。
[0032]该组观察ym，meM随后可由方程式1来利用，以便获得系统的信道脉冲响应。在时 间g(τ)中的信道脉冲响应按常规被建模为在K镜面多径分量的时间中的叠加。示例性说明 在图1中示出。如图1所示，基站104可向用户设备(UE)102传送无线信号。无线信号可通过多 径信道116直接传送至UE 102,所述多径信道基本上可以是直线的。不过，无线信道中存在 的多径传播可导致UE 102通过一个或多个另外的路径接收无线信号。例如，通过基站104传 送的无线信号可从地面物体诸如建筑物、水体、其它自然地貌等反射，或可被大气层和电离 层吸收或反射。因此，除了通过直接多径116接收无线信号以外，UE 102还可接收无线信号 的多个反射版本。例如，UE 102可通过多径信道112、114和118接收无线信号的三个另外版 本(例如，多径）。由于无线信号所行进的总距离将随着多径信道112-118中的每个而改变， UE 102将在不同时间接收无线信号的多个版本。另外，所收到的无线信号的每个版本的信 号强度将随着多径信道112-118中的每个而改变，例如，改变到多径信道112-118中的每个 的唯一信道增益。
[0033]因此，UE 102所收到的实际无线信号将由相同信号的多个时间延迟的版本组成， 其中，由于多径信道112-118中的每个的唯一特性，每个版本具有不同的信号强度(除了其 它噪声和干扰以外）。每个信道的时间延迟和相对增益的组合效果可通过信道脉冲响应来 表征，所述信道脉冲响应可反映多径信道112-118中的每个的唯一时间延迟和增益。因此， 由多径信道112-118的组合效果组成的总信道110可通过计算多径分量的数量(例如，在本 示例中是四个）、与每个多径分量相关联的时间延迟和与每个多径分量相关联的增益来估 计。
[0034]因此，在由K个多径分量组成的信道的时间g(T)中的信道脉冲响应可根据下面的 方程式2来建模：
[0036] 其中，ak是第k多径分量(akeC;其中，C是可能的复增益的域）中的每个的复增益，δ (·)狄拉克δ函数，其中，w是与第k多径分量相关联的延迟(TkE [0;Tcp]，即，Tk被限制在0和 循环前缀TCP之间）。
[0037] 因此，方程式1可使用对应于信道脉冲响应g(T)的频率响应重写为如下：
[0039] 其中，hjPzm分别表示频率响应第m采样和接收器噪声。^与方程式3相关被定义为 独立的零均值复高斯分布噪声Zm-CWOA- 1)，其中，λ是噪声精度（g卩，噪声的方差的倒数）。 因此，接收器噪声2"可使用用于所有K多径分量的相同噪声精度值λ来估计。
[0040] 方程式3中的多径延迟分量^在连续时间域中，并因此可以是范围为[0;TCP]的任 何值（因为，循环前缀T CP按常规经选择大于最大的可能多径延迟扩展）。在传统的信道估计 过程中，延迟域被离散化，即连续间隔[0;T CP]通过减少的由有限均匀间隔的点网格Η1 = i · Δ?|? = 0，···Ρ-1}组成的搜索空间替换，其中，Ρ是网格中的总点数，以及 At是定义所述 点的每个点之间的距离的网格间距(或网格分辨率）。由于假设多径延迟值范围为从〇到TCP， 所述网格间距A t计算为△ t = TCP/(P_l)。因此，对于第m观察而言，所述观察模型可使用离 散化延迟间距逼近如下：
[0042] 其中，meM和Wi是向量w= (W1，· · ·，wp)T的第i元个元素。
[0043]需要指出，当K个多径分量中的每个实际落入均匀间隔的离散延迟网格上的网格 点^的一个网格点上并且权重向量w中各元素（即，权重）中的P-K等于零时，在方程式3中定 义的的初始模型仅通过方程式4的近似值来还原。这在现实世界情形中实际上是无法实 现的；不过，选择P>>K可给予离散延迟网格中的点足够高的分辨率以精确评估K个多径分 量中的每个的多径延迟。在常规的信道评估方法中选择更高的网格分辨率可提供总体信道 估计的更高精确度。
[0044] 稀疏信道估计器试图确定具有P元素的权重的稀疏向量w，即包含更少数量的非零 元的向量w，其中，每个权重对应于所述多径信道中的一个的相应多径增益。由于P>>K，w 中的大多数元预计是零，其中，在所确定的稀疏向量w中的非零元的数量表示多径分量的估 计总数。w的非零元中的每个的值是所述多径分量中的一个的估计信道增益，其中，向量w中 的每个非零元的指标给出估计的多径分量延迟。例如，W的P元素中的每个与向量W的第i指 标相关联，其中，用于第i个元素的对应估计的多径延迟^可根据被时间At分割的P点的离 散化延迟网格计算为ti=i · At。因此，w的非零元中的每个的估计延迟可基于w中每个非 零元素的指标i来计算。因此，假设w的其余零取值元不是多径分量，其中，所述其余零取值 元中的每个对应于w中的其余指标，并因此假设没有具有对应于其余指标的多径延迟的多 径分量。
[0045] 因此，稀疏信道估计器可试图从方程式4的观察模型确定P总元素的稀疏向量w。这 个问题可近似为压缩感知恢复问题，并且按常规可使用稀疏贝叶斯学习（SBL)来解决。方程 式4可以以矩阵向量表示法重写如下：
[0046] y = Φψ+ζ (5),
[0047] 其中，Φ是包含对应于离散化延迟网格的网格点中的每个的Ρ列的SBL问题的字典 矩阵(dictionary matrix)。因此，Φ的第i列是向量
（来自方程式 4)〇
[0048] 因此，Φ的第i列中的每个与由i · At定义的离散化延迟网格中的一个相关联，并 因此任何解决方案将基于离散化延迟间距。这种方式离散延迟间距的使用可在所获得的信 道脉冲响应估计(通过多径延迟分量、权重和噪声精度)和实际信道脉冲响应之间产生模型 失配。因此，使用连续延迟间距来估计失配延迟是可取的，以便获得每个多径延迟分量的更 精确估计。
[0049] 可提供对方程式5的另选观察模型，以便估计连续取值的延迟。换句话说，对于每 个多径分量而言，多径延迟可以以代替依赖w中的非零权重的指标i的连续间距来单独估 计，以便计算在离散网格上的对应延迟点（即，w中的第i权重的延迟计算为0 1 = i · At)。因 此，可能延迟值的域不再被离散网格分辨率At限制。此类模型可降低模型失配的效果，并 且可产生明显更精确的信道脉冲响应估计。
[0050] 与利用具有P个元素的稀疏权重向量w(其中，P>>K和P个元素中的每个对应于离 散延迟网格上的可能延迟值中的一个)相反，更新的连续域观察模型可利用对应于L多径分 量的权重向量W=(wi，. . .，WL)T，其中，L2K，即，观察模型的多径分量L的数量可以是等于或 大于多径分量K的实际数量的任何值。因此，每个权重 Wl可以是所述观察模型的第i多径分 量的权重。
[0051] 对应于L多径分量中的每个的多径延迟可通过常数项一
麻度延迟域来进行 "归一化"。因此，延迟向量Θ可由归一化的延迟组成，其中，9 = ...，0L)T。
[0052] 在归一化所述延迟后，所述观察模型因此可写为：
[0054] 其中，连续域归一化延迟向量Θ已被取代以替换方程式4中的
[0055] 方程式6可以以矩阵向量表示法(与方程式5类似)写为如下：
[0056] y = Φ (0)w+z (7)，
[0057] 其中，现在解释矩阵Φ (θ) = [ φ (θχ)，. . .，Φ (9L)]依赖待估计延迟Θ中的每个。字 典矩阵Φ(θ)的第i列是向量取值的函数
，其中，KKL。
[0058] 虽然常规的SBL信道估计方法利用在估计权重w和噪声精度估计λ时的固定延迟网 格，但是所建议的观察模型现在包含要类似估计的连续延迟字典矩阵Φ(θ)。常规的SBL信 道估计器通过执行权重w和噪声精度估计λ中的每个的迭代更新来运行，直到获得合适的稀 疏向量w，并因此基于w中的非零元的数量来计算多径分量的数量。相应多径延迟中的每个 随后可通过W中的每个非零元的相应指标来确定。除了添加的用于更新字典矩阵Φ(θ)的延 迟估计的步骤以外，更改的信道估计器可执行权重和噪声精度估计的类似更新。延迟估 计9 1可能不限于离散化网格，并因此能够取连续间隔[0;TCP]中的任何值。
[0059] 延迟估计0,也可根据迭代过程来更新，其中，在每次迭代期间，所述字典矩阵的列 被提纯（即，更新）。因此，可认为与具有"静态"解释（即，根据延迟网格是"静态的"）的传统 SBL方法相反，字典矩阵Φ (Θ)是"动态的"。
[0060] 对于L多径分量中的每个而言，CIR估计器可同样基于贝叶斯方法，使用观察ym、m eM(即，从收到的OFDM导频符号导出的观察）来估计延迟Θ和权重 W<XIR估计器可同时估计 所述模型中的所有多径分量的噪声精度λ以便表征接收器噪声（由于如先前所述的具有精 度λ的零均值复高斯噪声）。由于L 2 Κ，所述观察模型中的多径分量的数量可大于实际多径 分量的数量。因此，所述模型顺序估计（即，所述模型的估计多径分量的数量)是w的非零坐 标的数量。
[0061] CIR估计器可首先定义表征与权重w、延迟Θ和噪声精度估计λ相关联的概率密度的 概率模型。所述概率模型可基于用于权重 w、延迟Θ和噪声精度估计λ中的每个的先验概率分 布，并且还可基于所收到的观察ym、meM进一步调节。因此，所述概率模型可以是后验概率 分布。
[0062] 用于权重w、延迟Θ和噪声精度估计λ中的每个的先验概率分布可以是概率密度函 数(PDFhM^TOF可使用分级稀疏引入模型来建模。假设w的每个权重独立于其它权重，并且 可对和向量w中的第i权重Wi相关联的增益精度超参数(hyper parameter) γ i进行调节。用于第i权 重wi的PDF可建模为零均值复高斯型PDFp(M#@ = 其中，增益精度丫 i控 制所述精度。每个超参数γ:可通过超先验(hyperprior)来建模，所述超先验可以是由形状 a和速率b定义的FOF ρ( γ i)=pgam( γ i;a，b)。噪声精度λ的先验PDF可以是无信息的并被定 义为Ρ(λ) =pgam(A;〇,〇)。第i延迟θ!的先验PDF被设置
[0063] w、9和λ的联合后验F>DF可基于所收到的观察y来联合提供w、 9、A和γ的PDF(即，对 其调节），并定义为：
[0065] 根据程式7,可能性函数是p(y | 0，w，A)=pCN(y; Φ (θ)￥，λ<1)，其中，I表示单位矩 阵。
[0066]因此，SBL信道估计器可基于所收到的观察y尝试发现信道参数《、θ、λ和γ中的每 个的期望值。不过，从方程式8的联合后验TOF确定每个参数的期望值可能在计算上强度非 常大，并且可能需要更易上手的实施。因此，SBL信道估计器可计算替代的PDF q(0，w，γ， 入），其是联合后验PDF ρ(θ，￥，γ，A|y)的近似值。替代的PDF q(0，w，γ，λ)可以是联合后验 PDF p(9，w，γ，A|y)的因式分解的近似值，其中，每个因数是对应于信道参数w、9、A和信道 参数γ中的一个的边际后验roF。因此，替代的TOF q(0，w，γ，λ)可提供更适当的通道以计 算《、θ、λ和γ中的每个的期望值，从而减少与获得信道估计相关联的计算。
[0067]替代的PDF q(0，w，γ，λ)可被限制以因式分解为：
[0069] 其中，用于对应变量θ、￥、γ和λ中的每个的TOFq( ·)可从其余变量中的每个的PDF 分离。每个因数q( ·)称之为相应变量的可信度，并且是所述变量的边际后验的近似值。
[0070] 已估计的信道脉冲响应可根据替代的PDF q(0，w，γ，λ)的每个 和q( γ 0的因子期望值来建模。如先前所详述的，所述信道脉冲响应可根据延迟Θ、权重w和 噪声精度λ来表征，其中，延迟Θ和权重w是包含对应于所述模型的第i多径分量的延迟和权 重的延迟Θi和权重Wi的向量。因此，已估计的信道脉冲响应可同样基于已估计的信道参数 I'、#和I来表征，其中，已估计的信道参数氧;、#和1中的每个可通过确定替代的pdf q(0，w，γ，λ)的可信度q(w)、q(>)和q(0i)中的每个的期望值来计算。
[0071] SBL信道估计器随后可基于可按常规计算的变量估计来估计联合后验TOF Ρ(θ，￥， γ A|y)。为了简化相关联的计算，可引入替代的PDF q(0，w，γ，λ)，以便逼近联合后验PDF p(0，w，γ，A|y)。替代的PDF q(0，w，γ，λ)可以是p(0，w，γ，A|y)因式分解的近似值，其将来 自ρ (Θ，w，γ，λ | y)的Ku 1 lback-Leib 1 er散度(KL)散度最小化的以便保持精确的模型。利用 〈·>表示期望，每个变量的估计可基于其相应的可信度(belief)函数来计算并被定义为
[0072] 因此，已估计的信道参数f、潑和麗中的每个可基于替代的roF q(0，w，γ，λ)来获 得。已估计的信道参数i、w和i中的每个的计算可依赖其它估计的信道参数，并因此，已 估计的信道参数#、#和I、中的每个的计算可以以迭代方式进行。例如，已估计的信道参数 I、.和I冲的一个可被选择以更新。其余信道参=数随后可被利用，以便执行所选的b估计 的信道参数的适当更新。在完成更新后，已估计的信道参数#、發和I中的另一个可使用最 新更新的初始选择的已估计的信道参数来更新。通过已估计的信道参数§、_和|中的每 个被重复执行，这个过程可继续。另外，如上所述，已估计的权東_可对已估计的增益精度 _调节。已估计的增益精度i可另外依赖其它估计的信道参数I、潑和I,并因此，已估计的 增益精度1也可更新为相同迭代过程的一部分。因此，也可认为已估计的增益精度fc是与 §_、镟和i 一起的已估计的信道参数中的一个。
[0073]如先前所详述的，估计信道参数碁、鏺和|、中的每个可计算为相应信度q(w)、q (λ)^%)和(!（γι)的期望值(其中，f是包含q%)的期望值的向量以及f是包含用于所述 模型中的所有i、ie L的的期望值的向量）。为了减少模型失配，已估计的信道参数 It W和I：中的每个可以以此类方式更新以便将概率散度最小化，诸如在替代的PDF q(0， w，γ，λ)和联合后验F>DF p(0，w，γ，A|y)之间的KL散度。
[0074]由于已估计的信道参数I、.和I.和f中的每个的迭代更新依赖其它已估计的信 道参数，用于更新的其余估计的信道参数可保持时间恒定并经设置用于当前更新的已估计 的信道参数的更新。因此，已估计的信道参数§、#和夏和f中的每个可基于将替代的PDF q (0，w，γ，λ)和联合后验F>DF p(0，w，γ，A|y)之间的KL散度最小化的预定的标准使用其余的 估计信道参数和收到的观察y来更新。例如，已估计的信道参数P、gl_，I..和f中的每个 的期望值可基于将替代的PDF q(0，w，γ，λ)和联合后验PDF ρ(θ，￥，γ，A|y)之间的KL散度 最小化的其它估计信道参数和观察y来计算。
[0075]与常规的SBL CIR估计器相反，除了常规权重和噪声精度更新以外，所提供的CIR 估计器还执行每个多径分量的多径延迟估计4、的更新。与将q(Q，w，γ，λ)和p(0，w，γ，A|y) 之间的Kullback-Leibler散度最小化的多径延迟0i相关联的可信度q(0i)给出如下比例：
[0076] q(9i)〇cp(0i) Π meMpvM(m9i；yi,m,Ki,m) (10)
[0077] 其中，pvm( · ;μ，κ)表示具有平均方向μ和集中参数κ的冯米塞斯PDF(a von Mises PD)。 在方程式10中，yi,m和Ki,m分别是复向量 第m分量的角度和幅值，其中，C表示权重《和$厂·(巧的丨办方左。
[0078] 因此，方程式10给出将替代的PDF q(0，w，γ，λ)和联合后验PDF ρ(θ，￥，γ，A|y)之 间的KL散度最小化的延迟可信度(1(0,)的形式。因此，用于第i多径分量的延迟估计|^可通 过计算用于满足方程式10的延迟可信度q%)的期望值.? .= 来获得。
[0079]但是，由于m阶米塞斯TOF的存在，方程式10的解决方案可能是不易处理的，并因此 不大可能作为封闭解决方案来计算氧=。因此，方程式?ο通过使用m米塞 斯FOF的混合来简化，以逼近方程式10右侧上的m阶包裹(wr app e d)米塞斯FOF中的每个。这 个方法可利用米塞斯PDF在多应用下是封闭的属性，从而使所述方法变得易处理（即，鉴于 封闭表达式是可解决的）。具体地，对于所有meM而言，可进行下列逼近：
[0081 ]其中，集中度^5、fn是超越方程式(??(im)/4 h (?、燃|的解 决方案，其中，α ·)是第一类和m阶的修正贝塞尔函数。
[0082]因此，方程式11的近似值依赖匹配具有进一步米塞斯TOF的包裹米塞斯TOF的特性 函数。假定两个米塞斯PDF的多应用将产生另一米塞斯PDF，因此，方程式10的右侧将包含 nmeMm冯米塞斯TOF的混合。对于大多数实际设置而言(例如，10个因数或更多），所得的分量 数将是极高的，并因此在所述模型中的分量数可使用连续过程被限制在D。
[0083]具体地，米塞斯混合逼近可通过对应于D中的第一两个指标的混合相乘并将所得 混合截短为均值在
中的D域分量来渐进构建。接下来，当前的混合可乘 以对应于Μ中的第三指标的混合，之后对结果进行类似的截短。所述过程可通过扫描Μ中的 所有指标来重复。
[0084] 这个连续过程的结果是表示可信度如满足方程式10的延迟可信度的逼近的 D米塞斯FOF的混合。如先前所详述的，延迟估计.焉;可通过计算预期氧:=来计 算，其可很容易使用D米塞斯TOF的所得混合来计算。
[0085] 已估计的权重.、噪声精度￡和增益精度超参数ft也可迭代更新。因此，已估计的 信道参数§、和|中的一个可被更新，而同时保持其余估计信道参数固定。
[0086] 类似于延迟估计|，权重估计鏺可根据将替代的PDF q(0，w，γ，λ)和联合后验PDF p (θ，w，γ，λ I y)之间的KL散度最小化的权重可信度q(w)的预定义标准来更新。具体地，将KL 散度最小化的可信度q(w)可定义为:具有均值.=和协方差ε' = ff1 的高斯型roF，其中，f =淑所提纯的字典S = 如果k=l，
。因此，预期 辦=<淡^ >可计算为所得高斯型F>DF的均值，其中，预期_:依赖已估计的精度超参 数向量f、噪声精度估计延迟估计€~和观察y。因此，用于每个已估计的信道参数的 当前值中的每个可用于计算权重估计#。
[0087] 噪声精度估计I也可通过确定将替代的H)F q(0，w，γ，λ)和联合后验PDF ρ(θ，￥， γ，A|y)之间的KL散度最小化的噪声精度可信度q(A)的期望值来计算。具体地，可信度q(A)
的均值的γ roF。因此，期望Ι = 可相应基于所确定的均值来计算，其同样依赖观察y、权重估计 鏺和延迟估计|。
[0088] 增益精度超参数估计爲也可被迭代更新，并用于确定适当的权重估计鏺。对于每 个i = l，…，L而言，满足KL散度标准的替代的F>DF q(9，w，γ，λ)的超参数因数q( γ?)可以是
的γ PDF。因此，所述均值可被视为期望
[0089] 因此，已估计的信道参数_、tf、嚴和f中的每个可根据上述的过程来更新。所述 过程可作为迭代过程来执行，其中，所述可信度中的一个被更新，而同时保持其余的元素固 定。在用于每个可信度的每次迭代期间的更新可通过将来自q(9，w，γ，λ)的ρ(θ，￥，γ，A|y) 的KL散度最小化来获得。如上所详述，用于每个可信度和q( Yl)的将KL散 度最小化的特定标准可用于计算每个已估计的信道参数蔡、發、.1和fl的更新值。
[0090] 所述迭代更新过程可被执行特定次数，或直到达到预定的终止标准。在完成时，已 估计的信道参数随后可用于表征通过其收到0FDM符号的无线信道的信道脉冲响应。例如， 已估计的信道参数f、#和I可用于表征鉴于多径信道的信道脉冲响应，其中，發的非零元 的数量表示多径分量的总数，鏺的非零元的值表示多径分量的信道增益，以及i中的相应 元识别多径分量的多径延迟。噪声精度估计I.提供用于将接收器噪声建模为零均值复高斯 噪声的精度参数。因此，可获得精确的信道脉冲响应。
[0091] 图2示出框图2〇0,其示出每个已估计的信道参数#'、#、可如何被迭代更 新，以便达到用于表征0FDM系统的信道脉冲响应的精确估计。一个或多个0FDM导频符号可 被0FDM接收器无线接收，这可例如在场驱动测试期间执行。随后所收到的导频符号可被处 理为观察模型中的观察以评估无线信道的信道效果，从而最终获得信道脉冲响应估计。 [0092]所收到的0FDM导频符号可在预处理框202进行初始处理，循环前缀可在此从所述 符号去除。如对于0FDM接收器是公知的，(FDM导频符号的解调随后可在计算所述导频符号 的离散傅里叶变换中被处理。所收到的导频符号随后可被对应于所收到的导频符号的预定 义的（即，先前已知的/由网络定义的）〇FDM导频符号除，以便在传输期间达到进一步隔离无 线信道对0FDM导频符号的影响。
[0093] 因此，所得的符号y可被处理为用于估计信道脉冲响应的观察模型的观察。如先前 所详述的，多个导频符号可被接收和处理以获得包含在观察向量y中的多个观察。
[0094] 所得观察向量y随后可根据上面详述的过程来利用，以便基于相应可信度q(w)、q 0)、q(9i)和替代的PDF q(9，w，y，λ)的q(yi)迭代来更新已估计的信道参数§、0w|和f 中的每个。如图2所示，观察y可提供给噪声精度λ估计块204、延迟Θ估计块206和信道权重y 估计块208中的每个。估计块204-208中的每个随后可基于所收到的观察y以及其余已估计 的信道参数和的当前值计算对应于相应元9、w或γ的已估计的信道参数着、鏺 和I。因此，估计块204-208中的每个可配置成向其它估计块中的每个提供EL估计的信道参 数i、W或I.的当前值。已估计的信道参数I、#或|的当前值随后可被当前计算对其指定 的元素更新的估计块使用，以便如先前所详述的，以根据预定义的标准将替代的PDF q(0， w，γ，λ)和联合后验F>DF p(0，w，γ，A|y)之间的KL散度最小化的这样的方式来更新其指定 的元素。
[0095]框图200也可包括增益精度超参数γ估计块210,其可配置成计算用于调节权重向 量w的先验模型的增益精度超参数γ的已估计增益精度g。超参数γ可由先验模型自身 (即，超先验)定义，并因此也必须获得用于γ的估计，以便精确估计超参数γ的值。因此，信 道权重W估计块208可配置成与超参数γ估计块210交换估计值。
[0096] 用于信道参数θ、￥、λ和γ中的每个的先验分布可被定义并用于定义对观察y调节 的联合后验TOF ρ(θ，￥，γ，A|y)(参见方程式8)。这个联合后验TOF可形成估计过程的基础。
[0097] 如先前所详述的，替代的roF q(0，w，γ，λ)(参见方程式9)可作为对Ρ(θ，￥，γ，λ y)的近似值被引入。替代的H)F q(0，w，γ，λ)可用边际后验TOF 和q(Yl) 因式分解为因数，并因此可提供与运行Ρ(θ，《，γ A|y)相比，执行估计所必需的精简的计算 复杂度。相关联的估计更新可通过确定可信度q(w)、q(A)、q(0i)和q( γ i)的期望值来计算， 其中，可信度q(w)、q(A)、q(0i)和q( yi)满足将替代的PDF q(0，w，γ，λ)和联合后验PDF p (0，w，γ，A|y)之间的KL散度最小化的预定标准。
[0098] 用于延迟Θ、权重w、噪声精度λ和超参数γ中的每个的估计随后可通过计算替代的 H)F q(0，w，γ，λ)的可信度和q(yi)的期望值来计算。这可作为迭代过程 来执行。用于每个元素^、鏺、I和i的估计随后可基于每个信度的预期的计算来获得。
[0099] 虽然具有q(0，w，γ，λ)的后验TOF ρ(θ，￥，γ，A|y)的近似值可减少计算需求，但是 确保q(9，w，γ，λ)是自始至终精确逼近所包含的元素的估计所必不可少的。因此，已估计的 信道参数f、#、|和_梦每次迭代更新可通过将q( 9，w，γ，λ)和p(0，w，γ，A|y)之间的KL散 度最小化来执行。
[0100] 可实现决定计算每个元的更新的顺序的不同调度方案。在本公开的示例性方面 中，所述估计过程可以以包含零多径分量(即，L = 0)的空模型开始。随后可计算多径分量并 逐步添加到所述模型中。
[01 01 ]通过:考虑用于增益精滕跌验ρ( γι)=β^ p;a，b)的参淀设置/MSBL算法的收敛可 能会加快，其中，超先验ρ( γ D是用于
的精度参数γ的γ的先验分布。通过设置参数a和b，使得a = 0和b = 0,可减少收敛时间。不 过，设置a = 0可能影响在迭代过程期间所述模型添加新分量（即，向L = 0的初始估计添加多 径分量）以及更新/去除所述模型的分量的能力。因此，所述分析可通过考虑用于a的任何值 同时固定b = 0来扩展。这可产生改进的模型顺序估计（即，改进的多径分量的数量的估计）。 此类改进可通过设置与a = 0相反的a = 1来实现。
[0102] 因此，CIR估计算法可通过空模型开始，并可在每次迭代期间添加、更新或去除分 量。此类所建议的用于更新关联的源以建模信道脉冲响应的算法在下面被示为伪码。
[0103]
[0105] 如上所详述，多径分量L的数量（以及模型阶)被初始化为零。噪声精度估计I被初 始设置为M/yHy。该算法随后可进入外循环。所述外循环首先计算有可能添加到所述模型中 的新多径分量的参数，并随后测试当前模型是否应当用新分量增强。如果新分量应添加到 所述模型中，则添加新分量，L递增以反映所添加的分量，以及所述算法进入内循环。
[0106] 所述内循环随后前进至通过更新相应可信度和q(Yl)(来自方程 式9的替代的H)F q(0，w，γ，λ)的元素w、0i、γ^Ρλ中的每个的边际TOF)来计算所述模型变 量的适当更新，如上面所进一步详述的。因此，所述迭代算法的内循环可自始至终迭代当前 L模型分量中的每个并在每次迭代时更新可信度q(w)、 q(A) 和q( γ 〇。
[0107] 如在上面的算法中所详述的，CIR估计器可首先计算用于延迟信度q(0〇和权重信 度q(w)的更新。随后当前分量被测试是否应保持在所述模型中；如果所述分量经确定被保 持，则除了 q(yi)的更新以外，q(w)再次被更新。另选地，所述分量可从所述模型去除。
[0108] 在所有L分量已迭代更新后，q(A)和q(w)被更新。所述内循环和外循环随后被重复 直到收敛，这可被确定为迭代的最大数量或的相对变化。
[0109] 因此在完成时，所述迭代估计算法可产生更新的可信度q(w) 和q (γΟ,通过所述迭代估计算法，用于延迟Θ、权重w和噪声精度λ中的每个的估计_、鏺、I 和綠可基于所述信度中的每个的期望值来获得。所得的估计可用于估计被分析无线信道的 信道脉冲响应。通过使用代替现有离散化网格模型的连续延迟空间来估计延迟值Θ，所述模 型精度可得以提高。
[0110] 框图200可作为一个或多个电路，诸如例如处理电路来实现。例如，预处理块202、 噪声精度Μ古计块204、延迟Θ估计块206、信道权重w估计块208和超参数y估计块210中的每 个可作为单个电路来实现。
[0111] 示例性硬件实施在图3中示出。信道估计处理电路300可包括观察存储器302、噪声 精度Μ古计电路304、延迟Θ估计电路306、信道权重w估计电路308、超参数γ估计电路310和 CIR建模电路312。前述的电路和硬件可作为单独的电路，例如，作为单独的集成电路来实 现，如图3所示。不过，应当理解，所述电路中的一些或全部可通过常用的可编程处理器，诸 如例如微处理器来实现。因此，前述部件中的一个或多个的一些或全部功能可合并为单个 硬件部件。还应当理解，信道估计处理电路300可包括若干另外的部件，包括硬件、处理器、 存储器和其它专用或通用硬件/处理器/电路等，以便支持无线无线电通信的各种另外运 行。信道估计处理电路300还可包括各种用户输入/输出装置，诸如显示器、小键盘、触摸屏、 扬声器、外部按钮等。
[0112] 如将在后面描述的，另外的部件可记录和确定观察y，其中的每个可以是在接收器 所收到的被对应的预定义0FDM符号除的0FDM符号，诸如在方程式6中所详述的。所得的观察 y可存储在观察存储器302中，供在离线处理中进一步使用。
[0113] 信道估计处理电路300可配置成通过确定与信道模型相关联的权重w、延迟Θ和噪 声精度λ的估计来获得信道脉冲响应估计。因此，噪声精度λ估计电路304、延迟Θ估计电路 306、信道权重w估计电路308和超参数γ估计电路310可配置成分别具有对应于图2的噪声 精度Μ古计块204、延迟Θ估计块206、信道权重w估计块208和超参数y估计块210中的每个的 功能。
[0114] 因此，观察存储器302可向噪声精度λ估计电路304、延迟Θ估计电路306和信道权重 w估计电路308提供观察y。因此，噪声精度λ估计电路304、延迟Θ估计电路306、信道权重w估 计电路308和超参数γ估计电路310中的每个可配置成根据上述的迭代估计算法基于所收 到的观察y和其余可信度(在每次迭代期间被固定)执行它们的相应可信度的迭代更新。
[0115] 在所述模型收敛后(如通过一组最大数量的迭代或逆噪声精度估计的相对变 化），噪声精度λ估计电路304、延迟Θ估计电路306和信道权重w估计电路308中的每个可包含 它们相应估计信道参数中的每个的更新值。噪声精度λ估计电路304、延迟Θ估计电路306和 信道权重w估计电路308随后可基于对CIR建模电路312的更新信度提供最终的参数估计 &、#和|，所述CIR建模电路例如可以是配置成保持与所述信道相关联的参数估计的存储 器。因此，CIR建模电路312可包含诸如例如在后面VDT仿真中执行信道重现的需求信息。
[0116] CIR建模电路312可另外配置成提供对信道估计处理电路300的控制。例如，信道估 计处理电路300可配置成迭代更新估计蔡^、鏺、|和f中的每个直到达到一定的标准。例如， CIR建模电路312可配置成连续监测所述估计中的一个，诸如噪声精度估计|:j3CIR建模电路 312可监测噪声精度估计I的相对变化，即，噪声精度估计I在一个或多个迭代周期中的变 化量。如果噪声精度估计|仅在更新之间改变最小量，则CIR建模电路312可配置成确定不再 需要对估计爲、#、I和f的进一步迭代更新，并且迭代更新过程应结束。例如，CIR建模电 路312可计算噪声精度估计I.在一段时间或若干迭代更新内的相对变化，并比较所述相对 变化和阈值。如果所述相对变化下降低于阈值，则CIR建模电路312可终止迭代更新过程，诸 如通过例如控制噪声精度λ估计电路304、延迟Θ估计电路306、信道权重w估计电路308和超 参数γ估计电路310来停止计算更新。随着CIR建模电路312包含&、#和?的最终估计值， 所述信道估计随后可结束。
[0117] 另选地，信道估计处理电路300可配置成在确定爲:、療和直的最终估计值之前仅 执行一定数量的迭代更新。因此，CIR建模电路312可充当控制器，并且可配置成监测由信道 估计处理电路300执行的总迭代数。CIR建模电路312可配置成控制噪声精度λ估计电路304、 延迟Θ估计电路306、信道权重w估计电路308和超参数γ估计电路310以在一旦已达到所述 总迭代数就停止计算更新。
[0118] 可提供另外的装置，以便获得包含在观察存储器302中的观察y。示例性实施在图4 中示出。0FDM接收器400可包括天线402、RF接收器404、预处理电路406和观察存储器302。
[0119] 0FDM接收器400可配置成接收和处理无线电频率0FDM符号以便获得观察y，其随后 可提供给图3的信道估计处理电路300以便确定信道脉冲响应估计。
[0120]因此，0FDM接收器400可通过天线402接收无线无线电频率信号。天线402可实现为 单一天线或天线阵列，诸如例如用于多输入多输出(ΜΙΜΟ)通信。天线402可接收无线无线电 频率信号并向RF接收器404提供所得的电气无线电频率信号。RF接收器400可数字化并解调 所收到的无线电频率信号以获得一个或多个基带0FDM符号。RF接收器404随后可向预处理 电路406提供0FDM符号。
[0121]预处理电路406随后可从收到的0FDM符号去除循环前缀、执行离散傅里叶变换(例 如，以便完成与0FDM接收相关联的解调过程），并通过对应的预定义0FDM导频符号除以所得 符号。因此，预处理电路406的功能可大致类似于框图200的预处理框202。因此，预处理电路 406可由此产生供信道估计处理电路300使用的观察y。
[0122] 观察y随后可存储在观察存储器408中。因此，观察存储器408可配置成保持多个观 察。所述多个观察随后可供以后使用以便获得信道脉冲响应估计。
[0123] 例如，观察存储器408可用作信道估计处理电路302的观察存储器302。因此，观察y 可提供给噪声精度λ估计电路304、延迟Θ估计电路306和信道权重w估计电路308用来确定噪 声估计、延迟估计和信道权重估计，以便表征所述信道脉冲响应。
[0124] 所得信道脉冲响应估计随后可用于各种应用，包括前述的虚拟驱动测试情形。VDT 实施可构成离线处理，其中，观察向量y基于在场驱动测试期间所记录的0FDM导频符号来确 定。所得的观察向量随后可根据上述的信道估计方法来评估，以便达到已估计的信道脉冲 响应。所得信道脉冲响应随后可用于信道重现，诸如在用于仿真无线网络的无回声0ΤΑ测试 室中。所述仿真可被利用以便对可能需要场测试的各种无线设备执行测试。
[0125] 上述示例也可实现为在线处理，即在实时使用期间的移动终端中。图5示出移动终 端500,其包括天线502、RF收发器504、预处理电路506和CIR估计电路508。前述的电路和硬 件可作为单独的电路，例如，作为单独的集成电路来实现，如图5所示。不过，应当理解，所述 电路中的一些或全部可通过常用的可编程处理器，诸如例如微处理器来实现。因此，前述部 件中的一个或多个的一些或全部功能可合并为单个硬件部件。还应当理解，信道估计处理 电路300可包括若干另外的部件，包括硬件、处理器、存储器和其它专用或通用硬件/处理 器/电路等，以便支持无线无线电通信的各种另外运行。移动终端500还可包括各种用户输 入/输出装置，诸如显示器、小键盘、触摸屏、扬声器、外部按钮等。
[0126] 类似于关于图4所详述的，天线502可接收无线无线电频率信号并向RF收发器504 提供所得的电气无线电频率信号。RF收发器504随后可接收并处理所得的电气无线电频率 信号，诸如例如通过数字化所得的电气无线电频率信号。所收到的信号可以是0FDM符号，诸 如通过基站传送的0FDM导频符号。RF收发器504随后可向预处理电路506提供所得的基站信 号。
[0127] RF收发器504可另外配置成传送无线电频率信号，诸如例如通过在无线电频率载 波信号上调制基带信号并向天线502提供所得的无线电频率信号用于无线传输。因此，移动 终端500可使用RF收发器504和天线502与其它无线通信装置执行无线通信。
[0128] 因此，RF收发器504随后可向所述预处理电路提供基带0FDM符号。预处理电路506 随后可处理所收到的0FDM符号以便产生用于估计所述信道的观察，例如通过去除循环前 缀、执行离散傅里叶变换和除以对应的预定义0FDM导频符号。因此，预处理电路506可产生 至CIR估计电路508的观察y。
[0129] CIR估计电路508随后可基于所收到的观察y计算已估计的信道脉冲响应。CIR估计 电路508可同样被配置给信道估计处理电路300,并且与观察存储器相反，可从预处理电路 506接收观察y<XIR估计电路508随后可利用所收到的观察y，以便估计通过其收到0FDM符号 的无线信道的信道脉冲响应。
[0130] 因此，CIR估计电路508可迭代更新噪声精度估计直、多个延迟估计g和多个信道权 重估计鏺中的每个。因此，CIR估计电路508可包含类似于信道估计处理电路300的噪声精度 λ估计电路304、延迟Θ估计电路306和信道权重w估计电路308的噪声精度估计电路、延迟估 计电路和信道权重估计电路。
[0131 ] CIR估计电路508可另外包括例如类似于超参数γ估计电路310的超参数γ估计电 路。CIR估计电路508可利用超参数γ估计电路，以便估计用于更新信道权重估计狻的增益 精度,
[0132] 因此，CIR估计电路508可生成已估计的信道脉冲响应。已估计的信道脉冲响应可 包括多个多径分量，其中，所述多个多径分量中的每个与信道权重估计和多径延迟估计相 关联。已估计的信道响应还可包括噪声精度估计，所述噪声精度估计可用于估计存在于信 道中的噪声。
[0133] CIR估计电路508随后可向RF收发器504提供已估计的信道脉冲响应，例如以信道 脉冲响应参数的形式：已估计的信道增益值、已估计的多径延迟值和已估计的噪声精度。RF 收发器504随后可利用由CIR估计电路508提供的已估计的信道脉冲响应以在无线信道上接 收和/或发送信号。例如，RF收发器504还可通过基于已估计的信道脉冲响应的无线信道接 收无线电频率信号。RF收发器504可根据已估计的信道脉冲响应处理所收到的无线电频率 信号，从而有效说明信道效应。当使用已估计的信道脉冲响应通过无线信道接收无线信号 时，RF收发器504可获得更高的接收性能。
[0134] 另选地，独立的部件(未示出）可内部提供给CIR估计电路508可向其提供已估计的 信道脉冲响应的移动终端500。所述独立的部件可配置成执行处理信号或收到的信号，诸如 例如在提供由RF收发器504收到的信号后。
[0135] RF收发器504可另外使用已估计的信道脉冲响应以便执行信号的传输。这在具有 在上行链路和下行链路信道之间提供信道可逆性的复用方案的情形中是特别有用的。可向 RF收发器504提供例如来自移动终端500的另一移动通信处理部件（未示出）的旨在用于上 行链路传输的信号。RF收发器504随后可在旨在用于上行链路传输的信号提供给天线502之 前对其执行处理。因此，收发器504可通过使用已估计的信道脉冲响应先行补偿无线信道响 应，从而执行更高质量的上行链路传输。
[0136] 图6示出根据本公开的示例性方面用于处理多个信号的过程600。在610,过程600 可接收表征无线信道的一个或多个观察。过程600随后可在620中执行信道估计以确定用于 无线信道的概率信道模型。所述信道估计可包括基于一个或多个收到的观察和与所述概率 信道模型相关联的概率分布数字地更新一个或多个多径增益估计和一个或多个多径延迟 估计。过程600随后可在630中使用所述概率信道模型处理多个信号。过程600可使用所述概 率信道模型处理多个信号，例如，通过使用用于虚拟驱动测试的已估计的信道脉冲响应人 为地重建无线信道。另选地，过程600可例如在移动终端中实现，并且可用于处理输入或输 出通信信号以便补偿所述无线信道效应。
[0137] 图7示出根据本公开的另一示例性方面用于处理多个信号的过程700。过程700可 在710中接收表征无线信道的一个或多个观察。过程700随后可在720中基于一个或多个收 到的观察、无线信道的已估计的概率分布以及无线信道的目标概率分布数字地更新所述无 线信道的已估计信道脉冲响应的多径延迟估计。过程700随后可在730中使用已估计的信道 脉冲响应来处理多个信号。过程700可使用所述概率信道模型处理多个信号，例如，通过使 用用于虚拟驱动测试的已估计的信道脉冲响应人为地重建无线信道。另选地，过程600可例 如在移动终端中实现，并且可用于处理输入或输出通信信号以便补偿所述无线信道效应。
[0138] 下列实例属于本公开的其它方面：
[0139] 实例1是用于处理多个数字信号的方法。本方法包括接收表征无线信道的一个或 多个观察;执行信道估计以确定用于无线信道的概率信道模型;并使用所述概率信道模型 处理多个信号。所述信道估计包括基于一个或多个收到的观察和与所述概率信道模型相关 联的概率分布数字地更新一个或多个多径增益估计和一个或多个多径延迟估计。
[0140] 在实例2中，实例1的主题可以任选包括:其中，所述概率信道模型是:包括所述一 个或多个多径增益估计和所述一个或多个多径延迟估计的已估计的信道脉冲响应。
[0141] 在实例3中，实例2的主题可以任选包括:其中，已估计的信道脉冲响应还包括噪声 精度估计，并且其中，所述使用概率信道模型处理多个信号包括:使用已估计的信道脉冲响 应处理多个信号。
[0142] 在实例4中，实例3的主题可以任选包括:其中，所述使用已估计的信道脉冲响应处 理多个信号包括:使用已估计的信道脉冲响应的所述一个或多个多径增益估计和所述一个 或多个多径延迟估计来处理多个信号。
[0143] 在实例5中，实例3的主题可以任选包括:其中，所述估计信道脉冲响应还包括噪声 精度估计，并且其中，所述使用已估计的信道脉冲响应处理多个信号包括:使用已估计的信 道脉冲响应的所述一个或多个多径增益估计、所述一个或多个多径延迟估计以及噪声精度 估计来处理多个信号。
[0144] 在实例6中，实例3的主题可以任选包括:其中，所述使用已估计的信道脉冲响应处 理多个信号包括:使用在虚拟驱动测试期间的多个信号和已估计的信道脉冲响应人为地重 建无线信道。
[0145] 在实例7中，实例3的主题可以任选包括:其中，所述使用已估计的信道脉冲响应处 理多个信号包括:通过无线信道接收多个信号；并使用已估计的信道响应来处理多个收到 的信号。
[0146] 在实例8中，实例2的主题可以任选包括:其中，已估计的信道脉冲响应包括一个或 多个多径分量模型，并且其中，所述一个或多个多径增益估计中的每个和多径延迟估计中 的每个与所述一个或多个多径分量模型中的相应多径分量模型相关联。
[0147] 在实例9中，实例8的主题可以任选包括:其中，所述信道估计包括确定新的多径分 量模型;基于所述一个或多个收到的观察来评估所述新的多径分量模型以生成评估结果； 并且基于所述评估结果向所述一个或多个多径分量模型添加所述新的多径分量模型。
[0148] 在实例10中，实例8的主题可以任选包括:其中，所述一个或多个多径分量模型中 的每个根据与所述一个或多个多径分量模型中的每个相关联的多径增益估计和多径延迟 估计来估计无线信道的多径传播信道。
[0149] 在实例11中，实例8的主题可以任选包括:其中，所述使用概率信道模型处理多个 信号包括:使用已估计的信道脉冲响应的所述一个或多个多径增益估计和所述一个或多个 多径延迟估计来处理多个信号。
[0150] 在实例12中，实例2的主题可以任选包括:其中，已估计的信道脉冲响应还包括噪 声精度估计。
[0151 ]在实例13中，实例12的主题可以任选包括:其中，所述噪声精度估计是在无线彳目道 中的零均值复高斯型噪声的方差的倒数的估计。
[0152] 在实例14中，实例1的主题可以任选包括:其中，所述信道估计还包括:基于所述一 个或多个收到的观察和与所述概率信道模型相关联的概率分布数字地更新噪声精度估计。
[0153] 在实例15中，实例14的主题可以任选包括:其中，所述基于所述一个或多个收到的 观察和与所述概率信道模型相关联的概率分布数字地更新噪声精度估计包括:基于与所述 概率信道模型相关联的概率分布确定期望值，以便更新所述噪声精度估计。
[0154] 在实例16中，实例14的主题可以任选包括:其中，所述基于所述一个或多个收到的 观察和与所述概率信道模型相关联的概率分布数字地更新所述一个或多个多径增益估计 包括:基于与所述概率信道模型相关联的概率分布确定期望值，以便更新所述一个或多个 多径增益估计。
[0155] 在实例17中，实例14的主题可以任选包括:其中，所述基于所述一个或多个收到的 观察和与所述概率信道模型相关联的概率分布数字地更新所述一个或多个多径延迟估计 包括:基于与所述概率信道模型相关联的概率分布确定期望值，以便更新所述一个或多个 多径延迟估计。
[0156] 在实例18中，实例14的主题可以任选包括:其中，所述数字地更新与所述概率信道 模型相关联的一个或多个多径增益估计、所述一个或多个多径延迟估计和噪声精度估计包 括:选择待更新的一个或多个多径增益估计、一个或多个多径延迟估计或噪声精度估计;并 基于其余的未选择估计来更新所选的估计。
[0157] 在实例19中，实例18的主题可以任选包括:其中，基于所述其余的未选择估计来更 新所选的估计包括:基于其余的未选估计来计算所选估计的期望值。
[0158] 在实例20中，实例14的主题可以任选包括:其中，与所述概率信道模型相关联的概 率分布是已估计的联合概率分布的概率信道模型。
[0159] 在实例21中，实例20的主题可以任选包括:其中，已估计的联合概率分布基于所述 一个或多个收到的观察来调节。
[0160] 在实例22中，实例20的主题可以任选包括:其中，所述数字地更新与所述概率信道 模型相关联的一个或多个多径增益估计、所述一个或多个多径延迟估计和噪声精度估计包 括:基于最小化和所述无线信道相关联的已估计的联合概率分布和联合后验概率分布之间 的概率散度，数字地更新与所述概率信道模型相关联的一个或多个多径增益估计、一个或 多个多径延迟估计和噪声精度估计。
[0161] 在实例23中，实例22的主题可以任选包括:其中，所述概率散度是与所述无线信道 相关联的已估计联合概率分布和联合后验概率分布之间的Kullback-Leibler散度。
[0162] 在实例24中，实例20的主题可以任选包括:其中，所述数字地更新一个或多个多径 延迟估计包括:基于最小化与所述无线信道相关联的已估计的联合概率分布和联合后验概 率分布之间的概率散度，来数字地更新所述一个或多个多径延迟估计。
[0163] 在实例25中，实例24的主题可以任选包括:其中，所述数字地更新一个或多个多径 延迟估计还包括:计算概率分布的混合的期望值来生成所述一个或多个多径延迟估计的多 径延迟估计。
[0164] 在实例26中，实例25的主题可以任选包括:其中，所述计算概率分布的混合的期望 值来生成所述一个或多个多径延迟估计的多径延迟估计是基于所述一个或多个多径增益 估计和所述噪声精度估计。
[0165] 在实例27中，实例25的主题可以任选包括:其中，概率分布的混合是米塞斯概率分 布的混合，并且其中，所述数字地更新一个或多个多径延迟估计还包括:计算米塞斯概率分 布的混合以逼近多个所包裹的米塞斯概率分布的乘积。
[0166] 在实例28中，实例1的主题可以任选包括:其中，所述基于所述一个或多个收到的 观察和与所述概率信道模型相关联的概率分布数字地更新与所述概率信道模型相关联的 一个或多个多径延迟估计包括:计算概率分布的混合的期望值以更新所述一个或多个多径 延迟估计的多径延迟估计。
[0167] 在实例29中，实例28的主题可以任选包括:其中，所述计算概率分布的混合的期望 值来生成所述一个或多个多径延迟估计的多径延迟估计是基于所述一个或多个多径增益 估计和所述噪声精度估计。
[0168] 在实例30中，实例28的主题可以任选包括:其中，概率分布的混合是米塞斯概率分 布的混合，并且其中，所述数字地更新一个或多个多径延迟估计还包括:计算米塞斯概率分 布的混合以逼近多个所包裹的米塞斯概率分布的乘积。
[0169] 在实例31中，实例1的主题可以任选包括:其中，所述基于所述一个或多个收到的 观察和与所述概率信道模型相关联的概率分布数字地更新与所述概率信道模型相关联的 一个或多个多径增益估计包括:基于所述一个或多个收到的观察、与所述概率信道模型相 关联的概率分布和一个或多个已估计的增益精度来数字地更新所述一个或多个多径增益 估计。
[0170] 在实例32中，实例31的主题可以任选包括:其中，所述信道估计还包括:基于与所 述概率信道模型相关联的概率分布和所述一个或多个多径增益估计，数字地更新所述一个 或多个已估计的增益精度。
[0171] 在实例33中，实例31的主题可以任选包括:其中，所述基于所述一个或多个收到的 观察和与所述概率信道模型相关联的概率分布数字地更新所述一个或多个多径增益估计 包括:基于与所述概率信道模型相关联的概率分布计算期望值，以便数字地更新所述一个 或多个多径增益估计。
[0172] 在实例34中，实例1的主题可以任选包括:其中，所述一个或多个观察基于通过所 述无线信道收到的一个或多个导频符号。
[0173] 在实例35中，实例34的主题可以任选包括:其中，所述一个或多个导频符号是0FDM 导频符号。
[0174] 在实例36中，实例1的主题可以任选包括处理通过所述无线信道收到的多个导频 符号以生成所述一个或多个观察。
[0175] 在实例37中，实例36的主题可以任选包括:其中，所述处理多个导频符号包括执行 循环前缀去除；执行离散傅里叶变换;并由预定义的相应导频符号除以所述多个导频符号 中的每个。
[0176] 在实例38中，实例1的主题可以任选包括:其中，所述数字地更新与所述概率信道 模型相关联的一个或多个多径增益估计和一个或多个多径延迟估计包括:迭代更新与所述 概率信道模型相关联的多径增益估计和多径延迟估计直到达到终止标准。
[0177] 在实例39中，实例38的主题可以任选包括:其中，所述终止标准是迭代的阈值数。
[0178] 在实例40中，实例38的主题可以任选包括:其中，所述信道估计还包括:基于所述 一个或多个收到的观察和与所述概率信道相关联的概率分布数字地更新与所述概率信道 模型相关联的噪声精度估计;并确定所述噪声精度估计在所述噪声精度估计的一个或多个 数值更新上的相对变化;并且其中，所述终止标准是所述噪声精度估计的相对变化阈值。
[0179] 实例41是信号处理设备。所述信号处理设备包括多径增益估计电路，其配置成基 于表征所述无线信道的一个或多个收到的观察和与所述概率信道模型相关联的概率分布， 数字地更新无线信道的概率信道模型的一个或多个多径增益估计；多径延迟估计电路，其 配置成基于表征所述无线信道的一个或多个收到的观察和与所述概率信道模型相关联的 概率分布数字地更新一个或多个多径延迟估计；以及信号处理电路，其配置成使用所述概 率信道模型处理多个信号。
[0180] 在实例42中，实例41的主题可以任选包括:其中，所述概率信道模型是包括所述一 个或多个多径增益估计和所述一个或多个多径延迟估计的已估计的信道脉冲响应。
[0181] 在实例43中，实例42的主题可以任选包括:其中，已估计的信道脉冲响应还包括噪 声精度估计，并且其中，所述信号处理电路配置成使用所述概率信道模型，通过使用已估计 的信道脉冲响应处理多个信号来处理多个信号。
[0182] 在实例44中，实例43的主题可以任选包括:其中，所述信号处理电路配置成通过使 用已估计的信道脉冲响应的所述一个或多个多径增益估计和所述一个或多个多径延迟估 计处理多个信号，使用已估计的信道脉冲响应来处理多个信号。
[0183]在实例45中，实例43的主题可以任选包括:噪声精度估计电路，其配置成估计噪声 精度估计，其中，所述估计信道脉冲响应还包括所述噪声精度估计，并且其中，所述信号处 理电路配置成:通过使用已估计的信道脉冲响应的所述一个或多个多径增益估计、所述一 个或多个多径延迟估计以及噪声精度估计来处理多个信号的方式，使用已估计的信道脉冲 响应来处理所述多个信号。
[0184] 在实例46中，实例43的主题可以任选包括:其中，所述信号处理电路配置成通过使 用在虚拟驱动测试期间的多个信号和已估计的信道脉冲响应人为地重建无线信道，使用已 估计的信道脉冲响应来处理所述多个信号。
[0185] 在实例47中，实例43的主题可以任选包括:接收器，其配置成通过所述无线信道接 收多个信号；并且其中，所述信号处理电路配置成通过使用已估计的信道脉冲响应处理多 个信号，使用已估计的信道脉冲响应来处理多个信号。
[0186] 在实例48中，实例42的主题可以任选包括:其中，已估计的信道脉冲响应包括一个 或多个多径分量模型，并且其中，所述一个或多个多径增益估计中的每个和多径延迟估计 中的每个与所述一个或多个多径分量模型中的相应多径分量模型相关联。
[0187] 在实例49中，实例48的主题可以任选包括:信道模型控制电路，其配置成确定包括 多径增益估计和多径延迟估计的新的多径分量模型;基于所述一个或多个收到的观察评估 所述新的多径分量模型以生成评估结果;并且基于所述评估结果向所述一个或多个多径分 量模型添加所述新的多径分量模型。
[0188] 在实例50中，实例48的主题可以任选包括:其中，所述一个或多个多径分量模型中 的每个根据与所述一个或多个多径分量模型中的每个相关联的多径增益估计和多径延迟 估计来估计无线信道的多径传播信道。
[0189] 在实例51中，实例48的主题可以任选包括:其中，所述信号处理电路配置成通过使 用已估计的信道脉冲响应的所述一个或多个多径增益估计和所述一个或多个多径延迟估 计处理多个信号，使用所述概率信道模型来处理多个信号。
[0190] 在实例52中，实例42的主题可以任选包括:其中，已估计的信道脉冲响应还包括噪 声精度估计。
[0191 ]在实例53中，实例42的主题可以任选包括:其中，所述噪声精度估计是在无线彳目道 中的零均值复高斯型噪声的方差的倒数的估计。
[0192] 在实例54中，实例41的主题可以任选包括噪声精度估计电路，其配置成:基于所述 一个或多个收到的观察和与所述概率信道模型相关联的概率分布，来数字地更新噪声精度 估计。
[0193] 在实例55中，实例54的主题可以任选包括:其中，所述噪声精度估计电路配置成： 通过确定基于和所述概率信道模型相关联的概率分布的期望值来数字地更新所述噪声精 度估计，以便更新所述噪声精度估计。
[0194] 在实例56中，实例54的主题可以任选包括:其中，所述多径增益估计电路配置成： 通过确定基于和所述概率信道模型相关联的概率分布的期望值，来数字地更新一个或多个 多径增益估计，以便更新所述一个或多个多径增益估计。
[0195] 在实例57中，实例54的主题可以任选包括:其中，所述多径延迟估计电路配置成： 通过确定基于和所述概率信道模型相关联的概率分布的期望值来数字地更新一个或多个 多径延迟估计，以便更新所述一个或多个多径延迟估计。
[0196] 在实例58中，实例41的主题可以任选包括:其中，所述多径增益估计电路、多径延 迟估计电路和噪声精度估计电路配置成:基于其它非相应估计迭代更新相应的一个或多个 多径增益估计、一个或多个多径延迟估计或噪声精度估计。
[0197] 在实例59中，实例58的主题可以任选包括:其中，所述多径增益估计电路、多径延 迟估计电路和噪声精度估计电路配置成:基于其余的未选估计和与所述概率信道模型相关 联的概率分布，通过计算所选估计的期望值，迭代更新相应的基于其它非相应估计的一个 或多个多径增益估计、一个或多个多径延迟估计或噪声精度估计。
[0198] 在实例60中，实例54的主题可以任选包括:其中，与所述概率信道模型相关联的概 率分布是已估计的联合概率分布的概率信道模型。
[0199] 在实例61中，实例60的主题可以任选包括:其中，已估计的联合概率分布基于所述 一个或多个收到的观察来调节。
[0200] 在实例62中，实例60的主题可以任选包括:其中，所述多径增益估计电路配置成： 通过数字地更新基于最小化与所述无线信道相关联的已估计的联合概率分布和联合后验 概率分布之间的概率散度的一个或多个多径增益估计，来数字地更新所述一个或多个多径 增益估计。
[0201] 在实例63中，实例62的主题可以任选包括:其中，所述概率散度是与所述无线信道 相关联的已估计联合概率分布和联合后验概率分布之间的Kullback-Leibler散度。
[0202] 在实例64中，实例60的主题可以任选包括:其中，所述多径延迟估计电路配置成： 通过数字地更新基于最小化与所述无线信道相关联的已估计的联合概率分布和联合后验 概率分布之间的概率散度的一个或多个多径延迟估计，来数字地更新所述一个或多个多径 延迟估计。
[0203] 在实例65中，实例64的主题可以任选包括:其中，所述多径延迟估计电路配置成： 通过计算概率分布的混合的期望值生成所述一个或多个多径延迟估计的多径延迟估计，来 数字地更新一个或多个多径延迟估计。
[0204]在实例66中，实例65的主题可以任选包括:其中，所述计算概率分布的混合的期望 值来生成所述一个或多个多径延迟估计的多径延迟估计是基于所述一个或多个多径增益 估计和所述噪声精度估计。
[0205]在实例67中，实例65的主题可以任选包括:其中，概率分布的混合是米塞斯概率分 布的混合，并且其中，所述多径延迟估计电路还配置成:通过计算米塞斯概率分布的混合以 逼近多个所包裹的米塞斯概率分布的乘积，来数字地更新一个或多个多径延迟估计。
[0206] 在实例68中，实例41的主题可以任选包括:其中，所述多径延迟估计电路配置成： 通过计算概率分布的混合的期望值生成所述一个或多个多径延迟估计的多径延迟估计，来 数字地更新一个或多个多径延迟估计。
[0207] 在实例69中，实例68的主题可以任选包括:其中，所述多径延迟估计电路配置成： 基于所述一个或多个多径增益估计和所述噪声精度估计来计算概率分布的混合的期望值， 以生成所述一个或多个多径延迟估计的多径延迟估计。
[0208]在实例70中，实例68的主题可以任选包括:其中，概率分布的混合是米塞斯概率分 布的混合，并且其中，所述多径延迟估计电路配置成:通过计算米塞斯概率分布的混合以逼 近多个所包裹的米塞斯概率分布的乘积，来数字地更新一个或多个多径延迟估计。
[0209] 在实例71中，实例41的主题可以任选包括:其中，所述多径增益估计电路配置成： 通过数字地更新基于所述一个或多个收到的观察、与所述概率信道模型相关联的概率分布 和已估计的增益精度的一个或多个多径增益估计，来数字地更新所述一个或多个多径增益 估计。
[0210] 在实例72中，实例71的主题可以任选包括增益精度估计电路，其配置成:基于与所 述概率信道模型相关联的概率分布和所述一个或多个多径增益估计，来数字地更新已估计 的增益精度。
[0211] 在实例73中，实例71的主题可以任选包括:其中，所述多径增益估计电路配置成： 通过计算基于和所述概率信道模型相关联的概率分布的期望值来数字地更新一个或多个 多径增益估计，以便数字地更新所述一个或多个多径增益估计。
[0212] 在实例74中，实例41的主题可以任选包括:其中，所述一个或多个观察基于通过所 述无线信道收到的一个或多个导频符号。
[0213] 在实例75中，实例74的主题可以任选包括:其中，所述一个或多个导频符号是0FDM 导频符号。
[0214] 在实例76中，实例75的主题可以任选包括接收器，其配置成通过所述无线信道接 收多个导频符号；以及预处理电路，其配置成处理所收到的多个导频符号以生成所述一个 或多个观察。
[0215] 在实例77中，实例76的主题可以任选包括:其中，所述预处理电路配置成对多个收 到的导频符号执行循环前缀去除;对多个收到的导频符号执行离散傅里叶变换;并由预定 义相应导频符号除以所述多个导频符号中的每个。
[0216] 在实例78中，实例41的主题可以任选包括:其中，所述多径增益估计电路和多径延 迟估计电路配置成:通过迭代所述多径增益估计和所述多径延迟估计直到达到终止标准， 来数字地更新所述一个或多个多径增益估计和所述一个或多个多径延迟估计。
[0217] 在实例79中，实例78的主题可以任选包括：其中，所述终止标准是总迭代的阈值 数。
[0218]在实例80中，实例78的主题可以任选包括噪声精度估计电路，其配置成:基于所述 一个或多个收到的观察和与所述概率信道相关联的概率分布数字地更新与所述概率信道 模型相关联的噪声精度估计；以及信道模型控制电路，其配置成确定所述噪声精度估计在 所述噪声精度估计的一个或多个数值更新上的相对变化;并且其中，所述终止标准是所述 噪声精度估计的相对变化阈值。
[0219]实例81是用于处理多个信号的方法。所述方法包括接收表征无线信道的一个或多 个观察;基于所述一个或多个收到的观察、无线信道的已估计的概率分布以及无线信道的 目标概率分布来数字地更新所述无线信道的已估计信道脉冲响应的多径延迟估计;并且使 用已估计的信道脉冲响应来处理所述多个信号。
[0220]在实例82中，实例81的主题可以任选包括:其中，数字地更新已估计的信道脉冲响 应的多径延迟估计为:基于已估计的概率分布和目标概率分布之间的概率散度来数字地更 新所述多径延迟估计。
[0221]在实例83中，实例82的主题可以任选包括:其中，所述概率散度是与所述无线信道 相关联的已估计联合概率分布和联合后验概率分布之间的Kullback-Leibler散度。
[0222]在实例84中，实例82的主题可以任选包括:其中，所述基于概率散度数字地更新所 述多径延迟估计为:数字地更新所述多径延迟估计以便将已估计的概率分布和目标概率分 布之间的概率散度最小化。
[0223] 在实例85中，实例82的主题可以任选包括:其中，所述数字地更新多径延迟估计计 算所述多径延迟估计的期望值、数字地将所述多径延迟估计更新为所述多径延迟估计的期 望值。
[0224] 在实例86中，实例85的主题可以任选包括:其中，计算所述多径延迟估计的期望值 为:计算米塞斯概率分布的混合的期望值。
[0225] 在实例87中，实例86的主题可以任选包括:其中，计算所述多径延迟估计的期望值 还包括:计算米塞斯概率分布的混合以逼近多个所包裹的米塞斯概率分布的乘积。
[0226] 在实例88中，实例81的主题可以任选包括:其中，已估计的信道脉冲响应包括一个 或多个多径延迟估计、一个或多个多径增益估计和噪声精度估计，并且其中，所述一个或多 个多径延迟估计包括所述多径延迟估计。
[0227] 在实例89中，实例88的主题可以任选包括：其中，所述数字地更新多径延迟估计 为:基于所述一个或多个收到的观察、所述一个或多个多径增益估计和所述噪声精度估计， 将更新的延迟估计计算为多径延迟估计。
[0228] 在实例90中，实例89的主题可以任选包括:其中，所述将更新的延迟估计计算为多 径延迟估计包括:基于所述一个或多个收到的观察、所述一个或多个多径增益估计和所述 噪声精度估计将更新的延迟估计计算为多径延迟估计，以便将已估计的概率分布和所述目 标概率分布之间的概率散度最小化。
[0229]在实例91中，实例90的主题可以任选包括:其中，所述将更新的延迟估计计算为多 径延迟估计包括:将多径延迟概率分布的期望值计算为所述更新的延迟估计，并且还包括： 将所述多径延迟估计设置为所述更新的延迟估计。
[0230]在实例92中，实例91的主题可以任选包括:其中，已估计的概率分布包括所述多径 延迟概率分布。
[0231] 在实例93中，实例88的主题可以任选包括:数字地更新所述一个或多个多径增益 估计和一个噪声精度估计基于所述一个或多个收到的观察、已估计的概率分布和所述目标 概率分布。
[0232] 在实例94中，实例93的主题可以任选包括:其中，所述数字地更新一个或多个多径 增益估计和一个噪声精度估计包括:数字地更新所述一个或多个多径增益估计和所述一个 噪声精度估计以便将已估计的概率分布和所述目标概率分布之间的概率散度最小化。
[0233] 在实例95中，实例93的主题可以任选包括:其中，所述基于所述一个或多个收到的 观察、已估计的概率分布和所述目标概率分布数字地更新所述一个或多个多径增益估计和 所述一个噪声精度估计包括:基于所述一个或多个收到的观察、已估计的概率分布、所述目 标概率分布和一个或多个多径延迟估计来数字地更新所述一个或多个多径增益估计和所 述一个噪声精度估计。
[0234] 在实例96中，实例93的主题可以任选包括数字地更新一个或多个增益精度估计， 并且其中，所述数字地更新一个或多个多径增益估计还包括:基于所述一个或多个增益精 度估计来数字地更新所述一个或多个多径增益估计。
[0235] 在实例97中，实例81的主题可以任选包括:其中，已估计的概率分布是所述目标概 率分布的近似值。
[0236] 在实例98中，实例81的主题可以任选包括:其中，所述一个或多个收到的观察基于 通过所述无线信道收到的导频符号。
[0237] 在实例99中，实例81的主题可以任选包括:其中，所述使用已估计的信道脉冲响应 处理多个信号包括:使用在虚拟驱动测试期间的多个信号和已估计的信道脉冲响应人为地 重建无线信道。
[0238] 在实例100中，实例81的主题可以任选包括:其中，所述使用已估计的信道脉冲响 应处理多个信号包括通过无线信道接收多个信号;并使用已估计的信道响应来处理多个收 到的信号。
[0239]实例101是信号处理设备。所述信号处理设备包括多径延迟估计电路，其配置成： 基于表征无线信道的一个或多个观察、所述无线信道的已估计的概率分布以及无线信道的 目标概率分布，来数字地更新所述无线信道的已估计信道脉冲响应的多径延迟估计；以及 信号处理电路，其配置成使用所述概率信道模型来处理所述多个信号。
[0240] 在实例102中，实例101的主题可以任选包括:其中，所述多径延迟估计电路配置 成:通过数字地更新基于已估计的概率分布和目标概率分布之间的概率散度的所述多径延 迟更新，来数字地更新已估计的信道脉冲响应的多径延迟估计。
[0241] 在实例103中，实例102的主题可以任选包括:其中，所述概率散度是已估计的概率 分布和所述目标概率分布之间的Kullback-Leibler散度。
[0242] 在实例104中，实例102的主题可以任选包括:其中，所述多径延迟估计电路配置 成:通过数字地更新所述多径延迟估计以便将已估计的概率分布和目标概率分布之间的概 率散度最小化，基于概率散度来数字地更新所述多径延迟估计。
[0243] 在实例105中，实例102的主题可以任选包括:其中，所述多径延迟估计电路配置 成:通过计算所述多径延迟估计的期望值来数字地更新所述多径延迟估计以成为所述多径 延迟估计的期望值，以及基于概率散度来数字地更新所述多径延迟估计。
[0244] 在实例106中，实例105的主题可以任选包括:其中，所述多径延迟估计电路配置 成:通过计算米塞斯概率分布的混合的期望值来计算所述多径延迟估计的期望值。
[0245] 在实例107中，实例106的主题可以任选包括:其中，所述多径延迟估计电路配置 成:通过计算米塞斯概率分布的混合以逼近多个所包裹的米塞斯概率分布的乘积，来计算 米塞斯概率分布的混合的期望值。
[0246] 在实例108中，实例101的主题可以任选包括:其中，已估计的信道脉冲响应包括一 个或多个多径延迟估计、一个或多个多径增益估计和噪声精度估计，并且其中，所述一个或 多个多径延迟估计包括所述多径延迟估计。
[0247] 在实例109中，实例108的主题可以任选包括:其中，所述多径延迟估计电路配置 成:基于所述一个或多个收到的观察、所述一个或多个多径增益估计和所述噪声精度估计， 通过将更新的延迟估计计算为所述多径延迟估计，来数字地更新所述多径延迟估计。
[0248] 在实例110中，实例109的主题可以任选包括:其中，所述多径延迟估计电路配置 成:基于所述一个或多个收到的观察、所述一个或多个多径增益估计和所述噪声精度估计， 通过将更新的延迟估计计算为多径延迟估计，将所述更新的延迟估计计算为多径延迟估计 以便将已估计的概率分布和所述目标概率分布之间的概率散度最小化。
[0249] 在实例111中，实例110的主题可以任选包括:其中，所述多径延迟估计电路配置 成:通过将多径延迟概率分布的期望值计算为更新的延迟估计，基于所述一个或多个收到 的观察、所述一个或多个多径增益估计和所述噪声精度估计，将更新的延迟估计计算为多 径延迟估计，以便将已估计的概率分布和所述目标概率分布之间的概率散度最小化，并且 还包括:将所述多径延迟估计设置为所述更新的延迟估计。
[0250] 在实例112中，实例111的主题可以任选包括:其中，已估计的概率分布包括所述多 径延迟概率分布。
[0251] 在实例113中，实例108的主题可以任选包括多径增益估计电路，其配置成:基于所 述一个或多个收到的观察、已估计的概率分布和所述目标概率分布，数字地更新所述一个 或多个多径增益估计；以及噪声精度估计电路，其配置成:基于所述一个或多个收到的观 察、已估计的概率分布和所述目标概率分布，数字地更新所述噪声精度估计。
[0252] 在实例114中，实例113的主题可以任选包括:其中，所述多径增益估计电路配置 成:通过数字地更新所述一个或多个多径增益估计来数字地更新所述一个或多个多径增益 估计，以便将已估计的概率分布和目标概率分布之间的概率散度最小化，并且其中，所述噪 声精度估计电路配置成:通过数字地更新所述噪声精度估计来数字地更新所述噪声精度估 计，以便将已估计的概率分布和所述目标概率分布之间的概率散度最小化。
[0253] 在实例115中，实例113的主题可以任选包括:其中，所述多径增益估计电路配置 成:基于所述一个或多个收到的观察、已估计的概率分布、所述目标概率分布和所述一个或 多个多径延迟估计，通过数字地更新所述一个或多个多径增益估计，来数字地更新所述一 个或多个多径增益估计，并且其中，所述噪声精度估计电路配置成:基于一个或多个收到的 观察、已估计的概率分布、所述目标概率分布和所述一个或多个多径延迟估计，通过数字地 更新所述噪声精度估计来数字地更新所述噪声精度。
[0254] 在实例116中，实例113的主题可以任选包括增益精度估计电路，其配置成:数字地 更新一个或多个增益精度估计，并且其中，所述多径增益估计电路还配置成:基于所述一个 或多个增益精度估计来数字地更新所述一个或多个多径增益估计。
[0255] 在实例117中，实例101的主题可以任选包括:其中，已估计的概率分布是所述目标 概率分布的近似值。
[0256] 在实例118中，实例101的主题可以任选包括:其中，所述一个或多个收到的观察基 于通过所述无线信道收到的导频符号。
[0257] 在实例119中，101可以任选包括：其中，所述信号处理电路配置成:通过使用在虚 拟驱动测试期间的多个信号和已估计的信道脉冲响应人为地重建无线信道，使用已估计的 信道脉冲响应来处理所述多个信号。
[0258] 在实例120中，实例101的主题可以任选包括:其中，所述信号处理电路配置成：通 过无线信道接收多个信号，使用已估计的信道脉冲响应来处理所述多个信号;并使用已估 计的信道响应来处理所述多个收到的信号。
[0259] 虽然本发明已经参考特定实施例进行了具体描述和说明，但是本领域的技术人员 应当明白，在不偏离本发明精神和范围的情况下，上述示范性实施例做出各种变化和修改 是可能的，本发明的精神和范围由附属权利要求限定。因此，本发明的范围由附属权利要求 指定，等效于本权利要求的范围以及在本权利要求意思范围内的所有变化是被包含在内 的。
【主权项】
1. 一种用于处理多个信号的方法，所述方法包括： 接收表征无线信道的一个或多个观察； 执行信道估计以确定用于所述无线信道的概率信道模型，其中，所述信道估计包括:基 于所述一个或多个收到的观察和与所述概率信道模型相关联的概率分布，数字地更新一个 或多个多径增益估计和一个或多个多径延迟估计；以及 使用所述概率信道模型来处理所述多个信号。2. 根据权利要求1所述的方法，其中，所述概率信道模型是:包括所述一个或多个多径 增益估计和所述一个或多个多径延迟估计的已估计的信道脉冲响应。3. 根据权利要求2所述的方法，其中，所述使用已估计的信道脉冲响应处理所述多个信 号包括： 使用已估计的信道脉冲响应的所述一个或多个多径增益估计和所述一个或多个多径 延迟估计来处理所述多个信号。4. 根据权利要求2所述的方法，其中，已估计的信道脉冲响应包括一个或多个多径分量 模型， 并且其中，所述一个或多个多径增益估计中的每个和所述多径延迟估计中的每个与所 述一个或多个多径分量模型的相应多径分量模型相关联。5. 根据权利要求1所述的方法，其中，所述信道估计还包括： 基于所述一个或多个收到的观察和与所述概率信道模型相关联的所述概率分布来数 字地更新噪声精度估计。6. 根据权利要求5所述的方法，其中，所述数字地更新与所述概率信道模型相关联的所 述一个或多个多径增益估计、所述一个或多个多径延迟估计和所述噪声精度估计包括： 选择待更新的所述一个或多个多径增益估计、所述一个或多个多径延迟估计或所述噪 声精度估计;并且 基于其余未被选择的估计来更新已选择的估计。7. 根据权利要求6所述的方法，其中，所述基于其余未被选择估计来更新已选择的估计 包括： 基于所述其余未被选择的估计来计算已选择的估计的期望值。8. 根据权利要求5所述的方法，其中，与所述概率信道模型相关联的所述概率分布是已 估计的联合概率分布。9. 根据权利要求8所述的方法，其中，所述数字地更新与所述概率信道模型相关联的所 述一个或多个多径增益估计、所述一个或多个多径延迟估计和所述噪声精度估计包括： 基于将已估计的联合概率分布和与所述无线信道相关联的联合后验概率分布之间的 概率散度最小化来数字地更新与所述概率信道模型相关联的所述一个或多个多径增益估 计、所述一个或多个多径延迟估计和所述噪声精度估计。10. 根据权利要求8所述的方法，其中，所述数字地更新所述一个或多个多径延迟估计 包括:基于最小化与所述无线信道相关联的已估计的联合概率分布和联合后验概率分布之 间的概率散度，来数字地更新所述一个或多个多径延迟估计。11. 根据权利要求10所述的方法，其中，所述数字地更新所述一个或多个多径延迟估计 还包括： 计算概率分布的混合的期望值，以生成所述一个或多个多径延迟估计的多径延迟估 计。12. 根据权利要求11所述的方法，其中，所述计算概率分布的混合的期望值来生成所述 一个或多个多径延迟估计的多径延迟估计是基于所述一个或多个多径增益估计和所述噪 声精度估计。13. 根据权利要求11所述的方法，其中，概率分布的混合是米塞斯概率分布的混合，并 且其中，所述数字地更新所述一个或多个多径延迟估计还包括： 计算米塞斯概率分布的混合以逼近多个所包裹的米塞斯概率分布的乘积。14. 根据权利要求1所述的方法，其中，所述数字地更新与所述概率信道模型相关联的 一个或多个多径增益估计和一个或多个多径延迟估计包括： 迭代地更新与所述概率信道模型相关联的所述多径增益估计和所述多径延迟估计直 到达到终止标准。15. -种用于处理多个信号的方法，所述方法包括： 接收表征无线信道的一个或多个观察； 基于所述一个或多个收到的观察、所述无线信道的已估计的概率分布以及所述无线信 道的目标概率分布，来数字地更新所述无线信道的已估计信道脉冲响应的多径延迟估计； 并且 使用已估计的信道脉冲响应来处理所述多个信号。16. 根据权利要求15所述的方法，其中，所述数字地更新已估计的信道脉冲响应的多径 延迟估计包括： 基于已估计的概率分布和所述目标概率分布之间的概率散度来数字地更新所述多径 延迟估计。17. 根据权利要求16所述的方法，其中，所述概率散度是与所述无线信道相关联的已估 计联合概率分布和联合后验概率分布之间的Kullback-Leibler散度。18. 根据权利要求16所述的方法，其中，所述数字地更新多径延迟估计包括： 计算所述多径延迟估计的期望值， 数字地将所述多径延迟估计更新为所述多径延迟估计的所述期望值。19. 根据权利要求18所述的方法，其中，所述计算所述多径延迟估计的期望值包括： 计算米塞斯概率分布的混合的期望值。20. 根据权利要求19所述的方法，其中，所述计算所述多径延迟估计的期望值还包括： 计算米塞斯概率分布的混合，以逼近多个所包裹的米塞斯概率分布的乘积。21. 根据权利要求15所述的方法，其中，所述使用已估计的信道脉冲响应处理所述多个 信号包括： 在虚拟驱动测试期间，使用所述多个信号和已估计的信道脉冲响应来人为地重建所述 无线信道。22. -种信号处理设备，包括： 多径延迟估计电路，配置成基于表征无线信道的一个或多个观察、所述无线信道的已 估计的概率分布以及所述无线信道的目标概率分布来数字地更新所述无线信道的已估计 信道脉冲响应的多径延迟估计;并且 信号处理电路，配置成使用所述概率信道模型来处理所述多个信号。23. 根据权利要求22所述的信号处理设备，其中，所述多径延迟估计电路配置成通过下 述方式数字地更新已估计的信道脉冲响应的多径延迟估计： 基于已估计的概率分布和所述目标概率分布之间的概率散度来数字地更新所述多径 延迟估计。24. 根据权利要求23所述的信号处理设备，其中，所述多径延迟估计电路配置成通过下 述方式基于概率散度来数字地更新所述多径延迟估计： 数字地更新所述多径延迟估计以便将已估计的概率分布和所述目标概率分布之间的 概率散度最小化。25. 根据权利要求24所述的信号处理设备，其中，所述多径延迟估计电路配置成通过下 述方式数字地更新所述多径延迟估计以便将已估计的概率分布和所述目标概率分布之间 的概率散度最小化： 确定米塞斯概率分布的混合，以逼近多个所包裹的米塞斯概率分布的乘积； 计算米塞斯概率分布的混合的期望值；以及 数字地将所述多径延迟估计更新为米塞斯概率分布的混合的所述期望值。
【文档编号】H04W72/12GK106027429SQ201610109431
【公开日】2016年10月12日
【申请日】2016年2月26日
【发明人】M·A·巴迪乌, G·蒙加尔, B·弗勒里, C·罗姆
【申请人】英特尔Ip公司