CN101098208B - 基于td-scdma联合检测技术的信道估计方法 - Google Patents

Abstract

本发明提供了一种基于TD-SCDMA联合检测技术的信道估计方法，包括：对初步估计的本用户所有窗口的信道冲激响应做加权合并处理；根据加权合并处理的结果确定每个窗口或码道的改进后的信道冲激响应。其中，可以将所述加权合并处理的结果确定为每个窗口或码道的改进后的信道冲激响应。根据加权合并处理的结果确定每个窗口或码道的改进后的信道冲激响应的步骤包括：对所述加权合并处理的结果进行平均运算处理；对所述平均运算处理的结果分别进行幅度还原处理；将所述幅度还原处理的结果确定为对应窗口的改进后的信道冲激响应。

Description

基于TD-SCDMA联合检测技术的信道估计方法

技术领域

本发明涉及TD-SCDMA的联合检测技术，尤其涉及基于TD-SCDMA联合检测技术的信道估计改进方法。

背景技术

在目前的TD-SCMDA***中，联合检测技术是其特色方案之一，信道估计技术是联合检测技术非常重要的一个环节，信道估计的精准程度直接影响联合检测的效果。

在TD-SCDMA***中，联合检测技术主要是针对时隙进行处理的。3GPP(3rd Generation Partnership Project，第三代合作伙伴计划)定义的一个TDMA(时分多址)帧长度为10ms，TD-SCDMA***为了实现快速功率控制、定时提前校准以及对一些新技术的支持，将一个10ms的帧分为两个结构完全相同的子帧，每个子帧的时长为5ms，每个时长为5ms的子帧由3个特殊时隙和7个常规时隙组成，时隙与无线帧之间的关系如图1所示，其中，3个特殊时隙分别为DwPTS(下行导频时隙)、GP(保护时隙)及UpPTS(上行导频时隙)，7个常规时隙为TS0-TS6。

图2A及图2B分别为特殊时隙及一个常规时隙结构示意图。如图2A所示，DwPTS用于传送SYNC_DL(小区同步码)，UpPTS用于发送UpPTS(上行导频时隙)。如图2B所示，位于两个Data Symbols(数据符号)中间的是训练序列，也可称作Midamble码，其在信道解码时被用来作为信道估计，Midamble码的长度为144chip(码片)，传输时不进行基带处理和扩频，直接与经基带处理和扩频的数据一起发送。基本Midamble码的长度为128chip，同一时隙不同信道使用的Midamble码都是由这个基本Midamble码循环移位得到的。

基本Midamble码的二进制形式如下所示：

                m_p＝(m₁，m₂，…，m_P)

从上式我们可以得到复数形式的基本Midamble码中的元素m _i的计算方式：

m _i＝(j)ⁱ·m_i    i＝1，…P，j²＝-1

m _p＝(m ₁，m ₂，…，m _P)

其中P＝128，实际中使用的Midamble码均是通过基本Midamble码周期扩展得到的，扩展的最大长度为：

i_max＝L_m+(K-1)W

L_m：TD-SCDMA***固定为144；

W：定义为 

其值可以表示无线信道冲激响应的窗口长度；

K：一个时隙中的Midamble码的最大数目，即这一时隙中所包含的窗口的最大数目。

这样，我们还可以得到一个新的序列：

$\underset{\‾}{m}=({\underset{\‾}{m}}_1,{\underset{\‾}{m}}_2,...{\underset{\‾}{m}}_{i_{\max }})=({\underset{\‾}{m}}_1,{\underset{\‾}{m}}_2,...{\underset{\‾}{m}}_{L_m+(K-1)W})$

m中的前P个元素与矢量m _p中的前128个元素完全相同，后面的n＝(128+1)～i_max个元素则重复m _p中的前n个元素，不同窗口中的Midamble码是在这个扩展后的Midamble码的基础上按照W的长度进行截取的。

每个窗口中的Midamble码仅对应一个基本Midamble码的偏移量，每个窗口内的码道数由K的取值决定，一个窗口中的若干码道对应相同的Midamble的偏移量。根据3GPP的协议规定，K有2，4，6，8，10，12，14，16几种取值方式，在Default的分配方式下，每个窗中所包含的码道数由K的值决定。具体可以参见3GPP TS 25.221中的详尽说明。

以K＝4为例，基本Midamble码与码道的对应关系如图3所示。由图3可以看出，c⁽¹⁾、c⁽²⁾、c⁽³⁾、c⁽⁴⁾对应Midamble⁽¹⁾(即m⁽¹⁾，c⁽⁵⁾、c⁽⁶⁾、c⁽⁷⁾、c⁽⁸⁾对应Midamble⁽²⁾(即m⁽²⁾)，c⁽⁹⁾、c⁽¹⁰⁾、c⁽¹¹⁾、c⁽¹²⁾对应Midamble⁽³⁾(即m⁽³⁾)，c⁽¹³⁾、c⁽¹⁴⁾、c⁽¹⁵⁾、c⁽¹⁶⁾对应Midamble⁽⁴⁾(即m⁽⁴⁾)，对应于同一个Midamble码的偏移量的4个码道位于同一个窗口内，m⁽¹⁾、m⁽²⁾、m⁽³⁾、m⁽⁴⁾分别由基本的Midamble码循环移位得到。

目前，利用训练序列完成信道估计的方法如图4所示，在步骤S401中，利用Midamble码计算各个Midamble码偏移量所对应的信道冲激响应；进入步骤S402，截取各个Midamble码偏移量所对应的信道冲激响应；最后进入步骤S403，根据Midamble码偏移量与码道的对应关系得到各个码道所对应的信道冲激响应，本发明将此信道冲激响应称之为初步估计的信道冲激响应。当一个用户的若干个码道对应多个Midamble码偏移量时，理论上这些不同的Midamble码偏移量所对应的信道冲激响应是相同的，但是，上述方法没有利 用这种特性，因此估计的信道冲激响应的精度不是很高，尤其是在噪声或者干扰很强的时候，精度会很低。

发明内容

本发明要解决的技术问题在于提供一种基于TD-SCDMA联合检测技术的信道估计改进方法，以提高信道估计的准确性。

为解决上述技术问题，本发明提供了一种基于TD-SCDMA联合检测技术的信道估计方法，包括：对初步估计的本用户所有窗口的信道冲激响应做加权合并处理；根据加权合并处理的结果确定每个窗口或码道的改进后的信道冲激响应。

由下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

${\underset{\‾}{\overset{^}{h}}}_{\mathrm{wei}}=\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}\left[G_i{\underset{\‾}{\overset{^}{h}}}_i\right]$

其中， 

表示加权合并处理的结果，K_m表示本用户所有窗口的数量， 

为初步估计的本用户第i个窗口的信道冲激响应，G_i为加权因子且满足如下条件，

$\frac{G_i}{G_j}=\frac{N_j}{N_i}\sqrt{\frac{P_i}{P_j}},i=\mathrm{1,2},...,K_m,j=\mathrm{1,2},...,K_m$

其中，N_i及N_j分别表示第i及j个窗口的加性高斯噪声的方差，P_i及P_j分别表示第i及j个窗口的窗功率。

由下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

${\underset{\‾}{\overset{^}{h}}}_{\mathrm{wei}}=\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}\left[G_i{\underset{\‾}{\overset{^}{h}}}_i\right]$

其中， 

表示加权合并处理的结果，K_m表示本用户所有窗口的数量， 为初步估计的本用户第i个窗口的信道冲激响应，G_i为加权因子且满足如下条件，

$\frac{G_i}{G_j}=\sqrt{\frac{P_i}{P_j}},i=\mathrm{1,2},...,K_m,j=\mathrm{1,2},...,K_m$

其中，P_i及P_j分别表示第i及j个窗口的窗功率。

由下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

${\underset{\‾}{\overset{^}{h}}}_{\mathrm{wei}}=\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}\left[G_i{\underset{\‾}{\overset{^}{h}}}_i\right]$

其中， 

表示加权合并处理的结果，K_m表示本用户所有窗口的数量， 

为初步估计的本用户第i个窗口的信道冲激响应，G_i为加权因子且满足如下条件，

$\frac{G_i}{G_j}=\sqrt{\frac{m_i}{m_j}},i=\mathrm{1,2},...,K_m,j=\mathrm{1,2},...,K_m$

其中，m_i及m_j分别为第i及j个窗口的码道数。

将所述加权合并处理的结果确定为每个窗口或码道的改进后的信道冲激响应。

根据加权合并处理的结果确定每个窗口或码道的改进后的信道冲激响应的步骤包括：对所述加权合并处理的结果进行平均运算处理；对所述平均运算处理的结果分别进行幅度还原处理；将所述幅度还原处理的结果确定为对应窗口的改进后的信道冲激响应。

由下述公式对所述加权合并处理的结果进行平均运算处理：

$A=\frac{{\underset{\‾}{\overset{^}{h}}}_{\mathrm{wei}}}{\mathrm{\η}}$

其中， $\mathrm{\η}=\sqrt{\underset{g=1}{\overset{W}{\mathrm{\Σ}}}{\left|\right|{\underset{\‾}{\overset{^}{h}}}_{\mathrm{wei}}^{\left(g\right)}\left|\right|}^2}$ 或 

表示加权合并处理的结果， 

表示 中的第g个元素， 

P＝128，K表示一个时隙所包含的窗口的最大数量，mi表示第i个窗口的码道数。

当 $\mathrm{\η}=\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}{m}_i$ 时，将A确定为每个码道的改进后的信道冲激响应。

由下述公式对所述平均运算处理的结果分别进行幅度还原处理：

$h_{\mathrm{av},n}=\sqrt{m_n}\·A$ 或 $h_{\mathrm{av},n}=\sqrt{P_n}\·A,n=\mathrm{1,2},...,K_m$

其中，h_av，n表示第n个窗口的改进后的信道冲激响应，P_n表示第n个窗 口的窗功率。

所述P_i由下述公式得到：

$P_i=\underset{g=1}{\overset{W}{\mathrm{\Σ}}}{\left|\right|{\underset{\‾}{\overset{^}{h}}}_i^{\left(t\right)}\left|\right|}^2,i=\mathrm{1,2},...,K_m,g=\mathrm{1,2},...,W$

其中， 

为 

的第t个元素。

本发明的信道估计方法还包括：对初步估计的本用户所有激活窗口的信道冲激响应做加权合并处理；根据加权合并处理的结果确定每个激活窗口或激活码道的改进后的信道冲激响应。此时，K_m表示本用户所有激活窗口的数量。

对加权合并处理的结果进行平均运算处理之前还包括：估计本用户的最后一个激活窗口的激活码道数。

估计本用户的最后一个激活窗口的激活码道数的步骤包括：

利用下述公式获得除最后一个激活窗口之外的所有激活窗口的平均码道功率p_av，

$p_{\mathrm{av}}=\frac{\underset{i=1}{\overset{K_m-1}{\mathrm{\Σ}}}{p}_i}{\underset{i=1}{\overset{K_m-1}{\mathrm{\Σ}}}{m}_i},$

利用下述公式获得最后一个激活窗口的激活码道数 

$m_{K_m}=\mathrm{round}\left(\frac{P_{K_m}}{P_{\mathrm{av}}}\right)$

其中，k_m表示本用户所有的激活窗口的数量，P_i表示第i个激活窗口的窗功率，m_i为第i个激活窗口的码道数， 

表示对 

取四舍五入的值。

由下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

${\underset{\‾}{\overset{^}{h}}}_{\mathrm{wei}}=\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}\left[{\underset{\‾}{\overset{^}{h}}}_i\right]$

其中， 表示加权合并处理的结果， 

表示第i个窗口或激活窗口的信道冲激响应，K_m表示本用户所有窗口或激活窗口的数量，加权因子为1，再由下述公式得到每个窗口的改进后的信道冲激响应：

$h_{\mathrm{av}}=\frac{{\underset{\‾}{\overset{^}{h}}}_{\mathrm{wei}}}{K_m}$

其中，h_av为每个窗口或激活窗口的改进后的信道冲激响应。

由下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

$h_{\mathrm{av}}={\underset{\‾}{\overset{^}{h}}}_{m}m=\mathrm{1,2},...,K_m$

其中，h_av为每个窗口的改进后的信道冲激响应， 表示所有窗口中窗功率最大的窗口的信道冲激响应， 

对应的加权因子为1，其他窗口对应的加权因子为0，K_m表示本用户所有激活窗口的数量。

本发明基于同一用户的若干个码道对应不同Midamble码偏移量所对应的信道冲激响应是相同的理论，对初步估计的信道冲激响应进行加权合并处理，完全可以提高信道估计的准确性。

本发明对信道冲激响应做加权平均处理时使用的加权因子可以满足一定的条件，满足条件的加权因子可以使信道冲激响应合并后的增益最大化，即信噪比最大化。

由于本发明需要获得所***道的平均冲激响应，所以需要获得所有激活的码道数，但在实际应用中，最后一个激活窗口未必是按照网络侧下发的码道配置，这就有可能造成默认的激活码道数与实际的激活码道数不相符，而本发明还可估计最后一个激活窗口的激活码道数，这就使参与运算的激活码道数与实际的激活码道数尽可能的接近，所以估计最后一个激活窗口的激活码道数的做法会使加权平均处理后的结果更加准确。

附图说明

图1为TD-SCDMA***的帧结构示意图；

图2A为特殊时隙结构示意图；

图2B为一个常规时隙结构示意图；

图3为Midamble码的偏移量与码道的对应关系示意图；

图4为利用训练序列完成信道估计方法的流程图；

图5为本发明第一实施的流程图；

图6为初步进行信道估计的实现框图；

图7为AWGN信道条件下且单个时隙包含8个窗口、8个码道时分别采用本发明第一实施例及传统的信道估计方法的误块率性能曲线；

图8为CASE1信道条件下且单个时隙包含8个窗口、8个码道时分别采用本发明第一实施例及传统的信道估计方法的误块率性能曲线；

图9为CASE3信道条件下且单个时隙包含8个窗口、8个码道时分别采用本发明第一实施例及传统的信道估计方法的误块率性能曲线；

图10为AWGN信道条件下且单个时隙包含8个窗口、7个码道时分别采用本发明第一实施例及传统的信道估计方法的误块率性能曲线；

图11为CASE1信道条件下且单个时隙包含8个窗口、7个码道时分别采用本发明第一实施例及传统的信道估计方法的误块率性能曲线；

图12为CASE3信道条件下且单个时隙包含8个窗口、7个码道时分别采用本发明第一实施例及传统的信道估计方法的误块率性能曲线；

图13为AWGN信道条件下且单个时隙包含2个窗口、9个码道时分别采用本发明第一实施例及传统的信道估计方法的误块率性能曲线；

图14为CASE1信道条件下且单个时隙包含2个窗口、9个码道时分别采用本发明第一实施例及传统的信道估计方法的误块率性能曲线；

图15为CASE3信道条件下且单个时隙包含2个窗口、9个码道时分别采用本发明第一实施例及传统的信道估计方法的误块率性能曲线。

具体实施方式

下面我们将结合附图，对本发明的最佳实施方案进行详细描述。首先要指出的是，本发明中用到的术语、字词及权利要求的含义不能仅仅限于其字面和普通的含义去理解，还包括进而与本发明的技术相符的含义和概念，这是因为我们作为发明者，要适当地给出术语的定义，以便对我们的发明进行最恰当的描述。因此，本说明和附图中给出的配置，只是本发明的首选实施方案，而不是要列举本发明的所有技术特性。我们要认识到，还有各种各样 的可以取代我们方案的同等方案或修改方案。

本发明是在传统信道估计方法的基础上，对初步估计的信道冲激响应进行加权合并处理，根据加权合并处理的结果得到改进后的信道冲激响应。

首先结合图5，对本发明第一实施例进行说明。

如图5所示，在步骤S501中，利用传统的信道估计方法得到每个窗口的信道冲激响应。

传统的信道估计方法如图6所示，假设接收的Midamble码矢量为 e＝(e ⁽¹⁾，e ⁽²⁾，e ⁽³⁾，…，e ⁽¹⁴⁴⁾)，截取前128个chip构成e′＝(e ^′(1)，e ^′(2)，…，e ^′(128))，以用于信道估计，由图6可以看出，信道估计的结果 

为：

$\underset{\‾}{\overset{^}{h}}=\mathrm{IFFT}\left(\frac{\mathrm{FFT}\left({\underset{\‾}{e}}^{\′}\right)}{\mathrm{FFT}\left(\underset{\‾}{m}\right)}\right)$

其中， $\underset{\‾}{\overset{^}{h}}=({\underset{\‾}{\overset{^}{h}}}^{\left(1\right)},{\underset{\‾}{\overset{^}{h}}}^{\left(2\right)},{\underset{\‾}{\overset{^}{h}}}^{\left(3\right)},...,{\underset{\‾}{\overset{^}{h}}}^{\left(128\right)}),$ m表示基本的Midamble码，FFT表示快速傅立叶变换，IFFT表示逆快速傅立叶变换，利用Midamble码的循环相关性，按照每个窗口对应的信道响应窗长，依次从 

中取出相应窗口的信道冲激响应即可。

进入步骤S502，对本用户所有的窗口进行激活检测，以确定本用户所有被激活的窗口。步骤S501得到的信道冲激响应可能包含其他用户窗口的信道冲激响应，为了得到本用户的信道配置情况，网络侧可以通过信令通知UE(用户设备)。在实际应用中，不是所有的窗口都会被激活，而如果在信道估计的过程中将未被激活的窗口与激活的窗口同时考虑，则会降低估计结果的准确性，所以，本实施例增加了激活检测步骤，以检测哪些窗口是被激活的。

进入步骤S503，根据步骤S501获得的信道冲激响应获得每个激活窗口的窗功率，窗功率P_i可由下述公式计算：

$P_i=\underset{g=1}{\overset{W}{\mathrm{\Σ}}}{\left|\right|{\underset{\‾}{\overset{^}{h}}}_i^{\left(g\right)}\left|\right|}^2,i=\mathrm{1,2},...,K_m,g=\mathrm{1,2},...,W$

其中 

满足 ${\underset{\‾}{\overset{^}{h}}}_i=({\underset{\‾}{\overset{^}{h}}}_i^{\left(1\right)},{\underset{\‾}{\overset{^}{h}}}_i^{\left(2\right)},...,{\underset{\‾}{\overset{^}{h}}}_i^{\left(W\right)}),$

表示第i个激活窗口的信道冲激响应，信道冲激响应可由步骤S501得到，W表示信道冲激响应的窗口长度，并且 

P＝128，K表示一个时隙所包含的窗口的最大数量。

进入步骤S504，估计最后一个激活窗口的激活码道数。在实际应用中，按照先分配低时隙序号、低码道序号的方式进行码道分配，所以在激活检测后，本用户的多个激活窗口中只可能是最后一个激活窗口会出现小于已经分配的码道数的情况，我们一般会认为除最后一个激活窗口之外的所有激活窗口均是满码道配置，激活码道数默认为高层配置的数量，即网络侧通过信令下发的配置的数量，而由于最后一个激活窗口有可能不是满码道配置，所以为了提高信道估计的准确性，很有必要对最后一个激活窗口的激活码道数进行估计。需要说明的是，如果实际中使用的码道数和网络侧下发的信令中的配置的码道数相同，我们这里就称为满码道配置，在激活检测后，本用户的多个激活窗口中只可能是最后一个激活窗口会出现小于已经分配的码道数的情况，所以只需要确认本用户最后一个激活窗口中的激活码道数即可。

本实施例在估计最后一个激活窗口的激活码道数前，首先按照下述公式获得除最后一个激活窗口之外的所有激活窗口的平均码道功率p_av：

$p_{\mathrm{av}}=\frac{\underset{i=1}{\overset{K_m-1}{\mathrm{\Σ}}}{p}_i}{\underset{i=1}{\overset{K_m-1}{\mathrm{\Σ}}}{m}_i}$

再利用下述公式获得最后一个激活窗口的激活码道数 

$m_{K_m}=\mathrm{round}\left(\frac{P_{K_m}}{P_{\mathrm{av}}}\right)$

其中，K_m表示本用户所有的激活窗口的数量，P_i表示第i个激活窗口的窗功率，m_i为第i个激活窗口的码道数， 

表示对 

取四舍五入的值。

进入步骤S505，对本用户所有激活窗口的信道冲激响应做加权平均处理，得到所有激活码道的平均冲激响应。

一般来说，做加权平均处理的关键因素应该为加权因子，本实施例的加权因子G_i只要满足如下条件即可：

$\frac{G_i}{G_j}=\frac{N_j}{N_i}\sqrt{\frac{P_i}{P_j}},i=\mathrm{1,2},...,K_m,j=\mathrm{1,2},...,K_m$

其中，N_i及N_j分别表示第i及j个激活窗口的加性高斯噪声的方差，P_i及P_j分别表示第i及j个激活窗口的窗功率，满足上式的加权因子G_i可以为 

如果认为N_i＝N_j，则上式可以简化为

$\frac{G_i}{G_j}=\sqrt{\frac{P_i}{P_j}}$

满足上式的加权因子G_i可以为 

如果P_i∝m_i，P_j∝m_j，则上式可以转换为

$\frac{G_i}{G_j}=\sqrt{\frac{m_i}{m_j}}$

满足上式的加权因子G_i可以为 

本实施例采用 作为加权因子。

由下述公式得到所***道的平均冲激响应A：

$A=\frac{\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}\left[\sqrt{m_i}{\underset{\‾}{\overset{^}{h}}}_i\right]}{\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}{m}_i}$

其中，K_m表示本用户所有激活窗口的数量， 

为已获得的本用户第i个激活窗口的信道冲激响应，m_i为第i个激活窗口的码道数。

完成步骤S505后，进入步骤S506，对所***道的平均冲激响应做幅度还原处理，以得到改进后的信道冲激响应。在本实施例中，由下述公式获得改进后的信道冲激响应h_av，n：

$h_{\mathrm{av},n}=\sqrt{m_n}\·A$ 或 $h_{\mathrm{av},n}=\sqrt{P_n}\·A,n=\mathrm{1,2},...,K_m.$

在上述第一实施例中，加权因子是信道估计方法中的一个重要因素，现在对第一实施例所使用的加权因子的依据进行说明。

假设两个窗口所对应的信道冲激响应的信噪比分别为SNR1和SNR2，窗功率分别为P1和P₂，加性高斯噪声方差分别为N1和N2，两个窗口的加权因子分别为G1和G2，经过相干合并之后的输出信号功率P_s为：

$P_s=\frac{1}{2}{(G_1\sqrt{2P_1}+G_2\sqrt{2P_2})}^2={(G_1\sqrt{P_1}+G_2\sqrt{P_2})}^2$

噪声功率为：

$P_n={G_1}^2{N}_1+{G_2}^2{N}_2$

输出信噪比为：

$\mathrm{SNR}=\frac{P_s}{P_n}=\frac{{(G_1\sqrt{P_1}+G_2\sqrt{P_2})}^2}{{G_1}^2{N}_1+{G_2}^2{N}_2}$

为使输出的信噪比最大，进行如下运算：

$\frac{\∂\left(\mathrm{SNR}\right)}{\∂G_1}=\frac{\∂}{\∂G_1}\left[\frac{{(G_1\sqrt{P_1}+G_2\sqrt{P_2})}^2}{{G_1}^2{N}_1+{G_2}^2{N}_2}\right]=0$

$\frac{\∂\left(\mathrm{SNR}\right)}{\∂G_2}=\frac{\∂}{\∂G_2}\left[\frac{{(G_1\sqrt{P_1}+G_2\sqrt{P_2})}^2}{{G_1}^2{N}_1+{G_2}^2{N}_2}\right]=0$

经过运算可得一组同解方程：

$\sqrt{P_1}{N}_2{G}_2-\sqrt{P_2}{N}_1{G}_1=0$

$\sqrt{P_2}{N}_1{G}_1-\sqrt{P_1}{N}_2{G}_2=0$

最后得到：

$\frac{G_1}{G_2}=\frac{N_2}{N_1}\sqrt{\frac{P_1}{P_2}}$

实际上，不同窗口所对应的是相同的信道，因此上式可以简化为：

$\frac{G_1}{G_2}=\sqrt{\frac{P_1}{P_2}}$

而P₁∝m₁，P₂∝m₂，因此上式可转化为：

$\frac{G_1}{G_2}=\sqrt{\frac{m_1}{m_2}}$

经过加权合并之后的信噪比为：

${\left(\mathrm{SNR}\right)}_{\max }=\frac{{(G_1\sqrt{P_1}+G_2\sqrt{P_2})}^2}{{G_1}^2{N}_1+{G_2}^2{N}_2}{|}_{\frac{G_1}{G_2}=\sqrt{\frac{m_1}{m_2}}}=\frac{{(\frac{N_1}{N_2}\·\frac{P_1}{\sqrt{P_2}}+\sqrt{P_2})}^2}{\frac{{N_2}^2}{N_1}\·\frac{P_1}{P_2}+N_2}$

$=\frac{{(\frac{P_1}{N_1}+\frac{P_2}{N_2})}^2}{\frac{P_1}{N_1}+\frac{P_2}{N_2}}=\frac{P_1}{N_1}+\frac{P_2}{N_2}={\mathrm{SNR}}_1+{\mathrm{SNR}}_2$

上述推理结果表明，采用第一实施例的加权算法可以达到最大合并的效果，通过合并可以提高信道估计的准确性，对抗多径衰落产生的影响，使信噪比最大化，从而提高联合检测运算的准确性。

在实际应用中，一个用户的多个窗口的信道冲激响应都是对应同一信道的估计结果，如果进行加权合并处理，实质上就是对多个窗口的信道估计结果进行特定的处理，减小各种衰落对不同窗口信道估计的影响。对于多个窗口的信道估计结果进行不同的处理，所带来的合并增益不同，但相对于传统的信道估计结果会有所提高，这也就是合并增益的体现。

所以，在上述第一实施例中，我们在步骤S505中只进行加权合并处理，将加权合并处理后的结果作为每个窗口的改进后的信道冲激响应也是可行的，进一步说，只要对传统的信道估计的结果进行加权合并处理，就可以提高信道估计的准确性，至于如何根据加权合并处理的结果确定改进后的信道估计结果可以有多种实现方式。例如，我们可以将步骤S505得到的所***道的平均信道冲激响应作为每个码道的信道冲激响应，而不再进行后续的幅度还原处理。另外，由于步骤S505中的 为常数，所以完全可以将其倒数看作是加权合并的一部分，如果将 

改为其他常数也是可行的，例如，将 

改为 

表示 

中的第g个元素， P＝128，K表示一个时隙所包含的窗口的最大数量。

此外，第一实施例是对本用户的所有激活窗口的信道估计结果进行改进，我们还可以不区分窗口是否为激活窗口，对本用户的所有窗口的信道估计结果进行改进，当然，这种方法不如第一实施例估计的结果的准确性高，但相 对于传统的信道估计方法，准确性还是会有所提高。

第一实施例是实现本发明的优选实施方式，但不是唯一的实施方式，现在对本发明的第二实施例及第三实施例分别进行说明。

第二实施例可以使用与第一实施例相同的技术手段获得初步估计的信道冲激响应，是否需要进行激活检测根据实际情况而定，不需要估计最后一个激活窗口的激活码道数，第二实施例使用下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

${\underset{\‾}{\overset{^}{h}}}_{\mathrm{wei}}=\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}\left[{\underset{\‾}{\overset{^}{h}}}_i\right]$

其中， 

表示加权合并处理的结果， 

表示第i个窗口或激活窗口的信道冲激响应，K_m表示本用户所有窗口或激活窗口的数量，由上式可以看出，加权因子为1，之后，再由下述公式得到每个窗口的改进后的信道冲激响应：

$h_{\mathrm{av}}=\frac{{\underset{\‾}{\overset{^}{h}}}_{\mathrm{wei}}}{K_m}$

其中，h_av为每个窗口或激活窗口的改进后的信道冲激响应，由此可以看出，通过第二实施例得到的每个窗口的改进后的信道冲激响应是所有窗口或激活窗口的信道冲激响应的平均值。

第三实施例也可以使用与第一实施例相同的技术手段获得初步估计的信道冲激响应，是否需要进行激活检测根据实际情况而定，也不需要估计最后一个激活窗口的激活码道数，第三实施例使用下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

$h_{\mathrm{av}}={\underset{\‾}{\overset{^}{h}}}_m,m=\mathrm{1,2},...,K_m$

其中，h_av为每个窗口的改进后的信道冲激响应， 

表示所有窗口中窗功率最大的窗口的信道冲激响应，由此可以看出，第三实施例是将所有窗口中窗功率最大的窗口的信道冲激响应作为每个窗口的改进后的信道冲激响应，加权合并处理也是一种特殊的处理方式，我们可以认为， 对应的加权因子为1，其他窗口对应的加权因子为0。

图7-15示意了不同信道条件下本发明第一实施例与传统的信道估计方法的误块率的对比结果，其中，improved method表示本发明第一实施例的方法，traditonal method表示传统的信道估计方法，lor\loc表示信噪比，BLER表示误块率，K表示单个时隙中所包含的窗口的数量，ka表示该时隙中所包含的码道数，AWGN(Additive White Gaussian Noise)为加性高斯白噪声，CASE1、CASE2、CASE3分别为3GPP(3rd Generation Partnership Project，第三代合作伙伴计划)协议中规定的三种信道的模型。由这些性能对比的示意图中可看出，在相同信噪比的条件下，采用本发明第一实施例方法的误块率低于传统方法的误块率。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (13)

1.一种基于TD-SCDMA联合检测技术的信道估计方法，其特征在于包括：

对初步估计的本用户所有窗口的信道冲激响应做加权合并处理；

根据加权合并处理的结果确定每个窗口或码道的改进后的信道冲激响应；其中，

由下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

${\widehat{\underset{\‾}{h}}}_{\mathrm{wei}}=\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}\left[G_i{\widehat{\underset{\‾}{h}}}_i\right]$

其中，

表示加权合并处理的结果，K_m表示本用户所有窗口的数量，

为初步估计的本用户第i个窗口的信道冲激响应，G_i为加权因子且满足如下条件之一，

i＝1，2，...，K_m，j＝1，2，...，K_m

或

i＝1，2，...，K_m，j＝1，2，...，K_m

或i＝1，2，...，K_m，j＝1，2，...，K_m

其中，N_i及N_j分别表示第i及j个窗口的加性高斯噪声的方差，P_i及P_j分别表示第i及j个窗口的窗功率，m_i及m_j分别为第i及j个窗口的码道数。

2.如权利要求1所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于，将所述加权合并处理的结果确定为每个窗口或码道的改进后的信道冲激响应。

3.如权利要求1所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于，根据加权合并处理的结果确定每个窗口或码道的改进后的信道冲激响应的步骤包括：

对所述加权合并处理的结果进行平均运算处理；

对所述平均运算处理的结果分别进行幅度还原处理；

将所述幅度还原处理的结果确定为对应窗口的改进后的信道冲激响应。

4.如权利要求3所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于，由下述公式对所述加权合并处理的结果进行平均运算处理：

$A=\frac{{\widehat{\underset{\‾}{h}}}_{\mathrm{wei}}}{\mathrm{\η}}$

其中，

或

表示加权合并处理的结果，

表示

中的第g个元素，

P＝128，K表示一个时隙所包含的窗口的最大数量，m_i表示第i个窗口的码道数。

5.如权利要求4所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于，当

时，将A确定为每个码道的改进后的信道冲激响应。

6.如权利要求4所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于，由下述公式对所述平均运算处理的结果分别进行幅度还原处理：

或n＝1，2，...，K_m

其中，h_av，n表示第n个窗口的改进后的信道冲激响应，P_n表示第n个窗口的窗功率。

7.如权利要求6所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于，K_m表示本用户所有激活窗口的数量。

8.如权利要求7所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于，对加权合并处理的结果进行平均运算处理之前还包括：估计本用户的最后一个激活窗口的激活码道数。

9.如权利要求8所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于，估计本用户的最后一个激活窗口的激活码道数的步骤包括：

利用下述公式获得除最后一个激活窗口之外的所有激活窗口的平均码道功率p_av，

$p_{\mathrm{av}}=\frac{\underset{i=1}{\overset{K_m-1}{\mathrm{\Σ}}}{p}_i}{\underset{i=1}{\overset{K_m-1}{\mathrm{\Σ}}}{m}_i},$

利用下述公式获得最后一个激活窗口的激活码道数

其中，K_m表示本用户所有的激活窗口的数量，P_i表示第i个激活窗口的窗功率，m_i为第i个激活窗口的码道数，

表示对取四舍五入的值。

10.如权利要求4所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于，所述P_i由下述公式得到：

i＝1，2，...，K_m，g＝1，2，...，W

其中，为

的第t个元素。

11.如权利要求1所述的基于TD-SCDMA联合检测技术的信道估计方法，其特征在于还包括：

对初步估计的本用户所有激活窗口的信道冲激响应做加权合并处理；

根据加权合并处理的结果确定每个激活窗口或激活码道的改进后的信道冲激响应。

12.一种基于TD-SCDMA联合检测技术的信道估计方法，其特征在于包括：

对初步估计的本用户所有窗口的信道冲激响应做加权合并处理；

根据加权合并处理的结果确定每个窗口或码道的改进后的信道冲激响应；其中，由下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

${\widehat{\underset{\‾}{h}}}_{\mathrm{wei}}=\underset{i=1}{\overset{K_m}{\mathrm{\Σ}}}\left[{\widehat{\underset{\‾}{h}}}_i\right]$

其中，表示加权合并处理的结果，

表示第i个窗口或激活窗口的信道冲激响应，K_m表示本用户所有窗口或激活窗口的数量，加权因子为1，再由下述公式得到每个窗口的改进后的信道冲激响应：

$h_{\mathrm{av}}=\frac{{\widehat{\underset{\‾}{h}}}_{\mathrm{wei}}}{K_m}$

其中，h_av为每个窗口或激活窗口的改进后的信道冲激响应。

13.一种基于TD-SCDMA联合检测技术的信道估计方法，其特征在于包括：

对初步估计的本用户所有窗口的信道冲激响应做加权合并处理；

根据加权合并处理的结果确定每个窗口或码道的改进后的信道冲激响应；其中，由下述公式对初步估计的本用户所有窗口的信道冲激响应做加权合并处理：

$h_{\mathrm{av}}={\widehat{\underset{\‾}{h}}}_{m}m=\mathrm{1,2},...,K_m$

其中，h_av为每个窗口的改进后的信道冲激响应，

表示所有窗口中窗功率最大的窗口的信道冲激响应，

对应的加权因子为1，其他窗口对应的加权因子为0，K_m表示本用户所有激活窗口的数量。

Images