好的信估计算法.docVIP

LS信道估计 假设OFDM系统模型用下式表示： （1） 式中为信道响应；为已知的导频发送信号；为接收到的导频信号；为在导频子信道上叠加的AWGN矢量。 LS为最小二乘(Least—Square)信道估计， LS算法就是对（1）式中的参数进行估计，使函数（2）最小。 （2） 其中是接收端导频子载波处的接受信号组成的向量；是经过信道估计后得到的导频输出信号；是信道响应的估计值。 由此可以得到LS算法的信道估计值为： 可见，LS估计只需要知道发送信号，对于待定的参数，观测噪声，以及接收信号的其它统计特征，都不需要其它的信息，因此LS信道估计算法的最大优点是结构简单，计算量小，仅通过在各载波上进行一次除法运算即可得到导频位置子载波的信道特征。但是，LS估计算法由于在孤寂时忽略了噪声的影响，所以信道估计值对噪声干扰以及ICI的影响比较敏感。在信道噪声较大时，估计的准确性大大降低，从而影响数据子信道的参数估计。 LMMSE算法的实现流程： LMMSE算是MMSE的特例，在这种情况下，基于接收数据的估计值是接收数据的线性变换，在数据统计特性已知的情况下，某些时候可以直接求解，比如维纳解；在数据统计特性未知但是平稳的时候，可以通过递归迭代的算法求解，诸如：LMS算法 首先我们得到LMMSE算法的相关公式： 其中为导频子载波的CFR（振幅因素衰减），表示所有子载波与导频