CN102144377B - 用于硬限信号的信道估计与均衡 - Google Patents

Abstract

本发明提供用于当接收信号的幅度被硬限时的信道估计的方法和设备。信道估计器基于接收信号的相位样本和先前的信道估计计算接收信号的幅度估计。幅度估计可包括在给定相位样本和初始信道估计时的幅度期望值。信道估计器然后基于幅度估计和相位样本计算修正的信道估计。该过程可迭代执行以在每次迭代期间改进信道估计。

Description

用于硬限信号的信道估计与均衡

技术领域

一般地说，本发明涉及用于均衡通过无线通信链路发射的接收信号的方法和设备，更具体地说，涉及用于从具有硬限(hard-limiting)前端的接收机中的接收信号的相位信息产生信道估计的方法和设备。

背景技术

蜂窝通信***中的很多高性能无线接收机具有能够向基带信号处理单元提供接收信号的幅度信息和相位信息的线性接收机前端。对于这种接收机，通常需要自动增益控制(AGC)单元将衰落信号带入接收机的线性操作范围中。需要AGC不仅增加设计工作，还增加接收机的总成本和功耗。

硬限(幅)接收机以尺寸小、成本低以及能效高而为人所知。对于这类接收机，由于信号幅度的动态范围在前端中受到限制，所以无需AGC。因此，硬件成本和功耗与线性接收机相比能够显著减少。硬限接收机前端尤其适合于无线技术的应用，例如分布式传感器网络、蓝牙以及超宽带(UWB)***，其中重量轻、成本低以及功耗低对无线节点而言极端重要。然而，由于硬限接收机向基带信号处理器仅能提供接收信号的可靠的相位信息，所以通常线性接收机的性能显著优于硬限接收机。它们较差性能的一个主要因素是缺乏精确的信道估计，难于仅从接收信号中的相位信息导出精确的信道估计。

发明内容

本发明涉及用于从接收信号的相位样本产生精确的信道估计的方法和设备，其中所述接收信号已被硬限。根据一个示范实施例，信道估计器基于接收信号的相位样本和先前的信道估计计算接收信号的幅度估计。幅度估计可包括在给定相位样本和先前的信道估计时的幅度期望值。信道估计器然后基于幅度估计和相位样本计算修正的信道估计。

一个示范实施例包括用于从接收信号的相位样本迭代计算幅度估计的方法和设备。在每次迭代期间，信道估计器从接收的相位样本和先前的信道估计计算幅度估计。然后将幅度估计与相位样本结合以重建用来计算修正的信道估计的接收信号的估计。重复迭代过程直到满足预定的停止判据并且输出在最终迭代中导出的信道估计。

附图说明

图1示出根据本发明的一个实施例的示范接收机。

图2示出根据第一实施例的用于计算信道估计的示范方法。

图3示出根据第一实施例的用于产生信道估计的示范信道估计处理器。

图4示出根据第二实施例的用于计算信道估计的示范方法。

图5示出根据第二实施例的用于产生信道估计的示范信道估计处理器。

具体实施方式

现在参照附图，图1示出根据本发明的一个实施例的示范无线接收机10。无线接收机10包括接收机前端12和基带处理器14。接收机前端12放大、滤波、下变频以及数字化包含发射信息的接收信号，而基带处理器14处理数字化的基带信号以提取发射信息。在优选的实施例中，接收机前端12包括限制接收信号的幅度的硬限前端。因为接收信号的幅度被硬限，所以在接收机前端12中无需自动增益控制(AGC)电路来调整接收机前端12的动态范围。基带处理器14包括用于均衡接收信号的均衡器16以及用于为均衡器16产生信道估计的信道处理器18。均衡器16可包括例如由Sirikiat Ariyavisitakul描述的常规的最大似然序列估计(MLSE)均衡器(“Equalization of ahard-limited slowly-fading multipath signal using a phase equalizer withtime-reversal structure”，IEEE Journal on Selected Areas inCommunication，Vol.10，pp.589-598，April 1992)。MLSE均衡器16使用由信道处理器18提供的信道估计来产生发射符号的估计。信道处理器18从包含在接收信号中的已知的训练序列产生信道响应的估计。因为幅度信息无法获得，所以信道处理器18必须仅基于接收信号中的相位信息产生精确的信道估计。基带处理器14可包括与要求保护的本发明无关的其他元件，例如跟随在均衡器后面对发射符号进行解码的解码器20。

无硬限(即，相位分量和幅度分量都可获得)的接收信号r(n)可建模为：

$r\left(n\right)=a_r\left(n\right)e^{j{\mathrm{\φ}}_r\left(n\right)}=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}c\left(k\right)s(n-k)+w\left(n\right)$

$=s{\left(n\right)}^{T}c+w\left(n\right),---\left(1\right)$

其中a_r(n)和φ_r(n)分别表示信号r(n)的幅度和相位，{s(n)}表示导频序列或训练序列，表示长度为L的时域信道响应，以及{w(n)}表示建模为具有方差E|w(n)|²＝σ²的复高斯白过程的加性噪声。为表述简单起见，令c＝(c(0)，c(1)，…，c(L-1))^T以及s(n)＝(s(n)，s(n-1)，…，s(n-L+1))^T。

使用硬限前端12，接收信号的仅可获得的部分是一系列相位样本{φ_r(n)}，均衡器14必须从中检测发射序列{s(n)}。在给定发射符号s(n)、信道c和噪声方差σ²时的边缘对数似然函数由下式给出：

${\mathrm{ll}}_{{\mathrm{\φ}}_r\left(n\right)}(s\left(n\right),c,\mathrm{\σ})\≡\log p\left({\mathrm{\φ}}_r\left(n\right)\right|s\left(n\right),c,\mathrm{\σ})$

$=\log {\∫}_0^{\∞}{a}_{r}p\left(r\left(n\right)\right|s\left(n\right),c,\mathrm{\σ}){|}_{r\left(n\right)=a_r{e}^{j{\mathrm{\φ}}_r\left(n\right)}}d{a}_r,---\left(2\right)$

其中 $p\left(r\left(n\right)\right|s\left(n\right),c,\mathrm{\σ})=\frac{1}{{\mathrm{\π\σ}}^2}\exp \{-\frac{{|r\left(n\right)-s{\left(n\right)}^{T}c|}^2}{{\mathrm{\σ}}^2}\}---\left(3\right)$

表示在给定s(n)、c(n)和σ²时的r(n)的边缘概率密度函数。

经过一些处理(manipulation)之后，可证明：

${\mathrm{ll}}_{{\mathrm{\φ}}_r\left(n\right)}(s\left(n\right),c,\mathrm{\σ})=-\mathrm{\γ}{(s\left(n\right),c,\mathrm{\σ})}^2+$

$\log (1+\sqrt{\mathrm{\π}}\mathrm{\α}({\mathrm{\φ}}_r\left(n\right),s\left(n\right),c,\mathrm{\σ})e^{\mathrm{\α}{({\mathrm{\φ}}_r\left(n\right),s\left(n\right),c,\mathrm{\σ})}^2}\mathrm{erfc}(-\mathrm{\α}({\mathrm{\φ}}_r\left(n\right),s\left(n\right),c,\mathrm{\σ})))-\log \left(2\mathrm{\π}\right),---\left(4\right)$

其中

$\mathrm{erfc}\left(x\right)\≡\frac{2}{\sqrt{\mathrm{\π}}}{\∫}_x^{\∞}{e}^{-y^2}\mathrm{dy},---\left(5\right)$

并且

$\mathrm{\γ}(s\left(n\right),c,\mathrm{\σ})\≡\frac{\left|e^{-j{\mathrm{\φ}}_r\left(n\right)}s{\left(n\right)}^{T}c\right|}{\mathrm{\σ}}=\frac{\left|s{\left(n\right)}^{T}c\right|}{\mathrm{\σ}},---\left(6\right)$

并且

$\mathrm{\α}({\mathrm{\φ}}_r\left(n\right),s\left(n\right),c,\mathrm{\σ})\≡\frac{\mathrm{Re}\left\{e^{-j{\mathrm{\φ}}_r\left(n\right)}s{\left(n\right)}^{T}c\right\}}{\mathrm{\σ}}=\mathrm{\γ}(s\left(n\right),c,\mathrm{\σ})\cos ({\mathrm{\φ}}_r\left(n\right)-{\mathrm{\φ}}_{s^{T}c}\left(n\right)),---\left(7\right)$

并且表示s(n)^Tc的相位。注意，边缘对数似然函数仅通过α取决于相位φ_r(n)，并且仅通过α和γ取决于信道c和噪声方差σ。

因为假定噪声{w(n)}为白噪声，所以在给定发射符号{s(n)}和信道c时的接收相位样本{φ_r(n)}是条件独立的。因此，在给定整个序列{s(n)}、信道c和噪声方差σ²时的对数似然函数是边缘对数似然之和。去掉常数项，获得MLSE相位均衡器16的所需分支度量(branch metric)如下：

${\mathrm{dM}}_{\mathrm{Phase}}(n,s\left(n\right))=-\mathrm{\γ}{(s\left(n\right),c,\mathrm{\σ})}^2+$

$\log (1+\sqrt{\mathrm{\π}}\mathrm{\α}({\mathrm{\φ}}_r\left(n\right),s\left(n\right),c,\mathrm{\σ})e^{\mathrm{\α}{({\mathrm{\φ}}_r\left(n\right),s\left(n\right),c,\mathrm{\σ})}^2}\mathrm{erfc}(-\mathrm{\α}({\mathrm{\φ}}_r\left(n\right),s\left(n\right),c,\mathrm{\σ}))).---\left(8\right)$

要计算这个分支度量，需要信道响应c的估计和噪声方差σ²的估计。要获得c和σ的最大似然(ML)估计，可令方程(4)的导数为零并求解c和σ。不幸的是，对于c和σ的ML估计不存在闭合形式(closeform)的表达式，这使得这种方式行不通。

根据本发明，迭代期望最大化(EM)方法被用来仅基于接收信号r(n)中的相位信息计算信道响应的ML估计。EM方法提供通过迭代估计缺失的数据来从不完整的观测数据估计所需参数的直观的方法。在本发明中，缺失的数据是接收信号r(n)的幅度信息。EM方法用来基于接收信号的相位样本和先前的信道估计迭代估计接收信号r(n)的幅度(缺失的数据)。幅度估计然后被用来在每次迭代中使用常规的信道估计技术计算修正的信道估计。在每次迭代中，通过将计算的幅度估计与接收信号的相位样本结合以重建接收信号的估计来计算修正的信道估计。接收信号估计然后被用来使用常规的信道估计技术计算修正的信道估计。修正的信道估计可供下一次迭代用作先前的信道估计。

根据本发明的一个实施例，EM方法被用来计算使对数似然函数最大化的c和σ的联合估计

$({\hat{c}}_{\mathrm{ML}},{\widehat{\mathrm{\σ}}}_{\mathrm{ML}})\underset{(c,\mathrm{\σ})}{\arg \max }\underset{n=L-1}{\overset{N-1}{\mathrm{\Σ}}}{\mathrm{ll}}_{{\mathrm{\φ}}_r\left(n\right)}(s_t\left(n\right),c,\mathrm{\σ}),---\left(9\right)$

其中表示由方程(2)给出的边缘对数似然函数。方程(9)难于解析求解。但是，通过把信号幅度当作缺失的观测数据对待并应用EM方法，迭代计算收敛于的一系列联合估计是可能的。在第n次迭代期间，根据下式计算联合估计

$({\hat{c}}^{(n+1)},{\widehat{\mathrm{\σ}}}^{(n+1)})=\underset{(c,\mathrm{\σ})}{\arg \max }E\left[\log p(a_r,{\mathrm{\φ}}_r|c,\mathrm{\σ})\right|{\mathrm{\φ}}_r,{\hat{c}}^{\left(n\right)},{\widehat{\mathrm{\σ}}}^{\left(n\right)}],---\left(10\right)$

其中

$p(a_r,{\mathrm{\φ}}_r|c,\mathrm{\σ})=\underset{n=L-1}{\overset{N-1}{\mathrm{\Π}}}p(a_r\left(n\right),{\mathrm{\φ}}_r\left(n\right)|c,\mathrm{\σ})=\frac{\underset{n=L-1}{\overset{N-1}{\mathrm{\Π}}}{a}_r\left(n\right)}{{\left(\mathrm{\π\σ}\right)}^{N-L+1}}\exp \{-\frac{{\left|\right|{\mathrm{\Φ}}_r{a}_r-\mathrm{Sc}\left|\right|}^2}{{\mathrm{\σ}}^2}\},---\left(11\right)$

并且

并且S＝(s_t(L-1)，s_t(L)，…，s_t(N-1))^T表示训练序列的卷积矩阵。

方程(10)的解可通过以下方式获得：基于接收信号的相位样本{φ_r}通过训练序列估计信号幅度然后计算修正的信道估计和修正的噪声统计在每次迭代期间，根据下式通过计算在给定接收信号的相位φ_r、先前的信道估计以及先前的噪声统计时的幅度的期望值(或条件均值)来估计幅度

${\hat{a}}_r^{(n+1)}=E\left[a_r\right|{\&\mathrm{\φ}}_r,{\hat{c}}^{\left(n\right)},{\widehat{\mathrm{\σ}}}^{\left(n\right)}f\left(\frac{m^{\left(n\right)}}{{\widehat{\mathrm{\σ}}}^{\left(n\right)}}\right),---\left(13\right)$

其中并且

$f\left(x\right)=x+\frac{1}{2(x+\frac{1}{\sqrt{\mathrm{\π}}{e}^{x^2}\mathrm{erfc}(-x)})}.---\left(14\right)$

先前的信道估计是在先前的迭代中产生的信道估计。对于第一次迭代，被初始化为某一起始值，该值可以任意选择或者可以基于其他可获得的信息。借助幅度估计然后可使用任何已知的信道估计技术计算修正的信道估计例如，可根据下式计算最小二乘信道估计：

备选地，信道处理器18可根据下式产生最大后验(MAP)信道估计：

${\hat{c}}^{(n+1)}={(S^{H}S+{\left({\widehat{\mathrm{\σ}}}^{\left(n\right)}\right)}^{2}I)}^{-1}{S}^H\left[{\mathrm{\Φ}}_r{\hat{a}}^{(n+1)}\right].---\left(16\right)$

可以注意到，方程15和16中的积是通过将幅度估计与接收信号的相位样本结合而重建的接收信号的估计。

在计算修正的信道估计之后，信道处理器18可根据下式计算修正的噪声统计

${\widehat{\mathrm{\σ}}}^{(n+1)}=\sqrt{\frac{1}{N-L+1}E\left[{\left|\right|r-S{\hat{c}}^{(n+1)}\left|\right|}^2\right|{\mathrm{\φ}}_r,{\hat{c}}^{\left(n\right)},{\widehat{\mathrm{\σ}}}^{\left(n\right)}]}=\sqrt{\frac{1}{N-L+1}[{\mathrm{\ϵ}}^{(n+1)}+{\left({\widehat{\mathrm{\σ}}}^{\left(n\right)}\right)}^2{\left|\right|h\left(\frac{m^{\left(n\right)}}{{\widehat{\mathrm{\σ}}}^{\left(n\right)}}\right)\left|\right|}^2]},---\left(17\right)$

其中

$h\left(x\right)\≡\sqrt{\frac{1}{2}+\frac{1}{2(1+\sqrt{\mathrm{\π}}x{e}^{x^2}\mathrm{erfc}(-x))}-{\left[\frac{1}{2(x+\frac{1}{\sqrt{\mathrm{\π}}{e}^{x^2}\mathrm{erfc}(-x)})}\right]}^2}---\left(18\right)$

并且

${\mathrm{\ϵ}}^{(n+1)}={\left|\right|{\hat{r}}^{(n+1)}-{\mathrm{\Φ}}_r{\hat{a}}^{(n+1)}\left|\right|}^2={\left|\right|{\mathrm{\Φ}}_r{\hat{a}}^{(n+1)}-S{\hat{c}}^{(n+1)}\left|\right|}^2.---\left(19\right)$

在所示的实施例中，噪声统计包括噪声标准偏差。不过，还可以使用其他噪声统计，例如噪声方差。

图2示出根据本发明的一个示范实施例的、由信道处理器18实现的、用于计算信道估计的示范方法100。接收机前端12基于训练序列(over the training sequence)向信道处理器18提供接收信号的接收相位样本{φ_r}。信道处理器18对信道估计和噪声统计进行初始化(框102)。初始的信道估计和噪声统计分别由和表示。初始估计可任意设置(例如，对于L＝2且σ＝0.1，)。其他信息如果可获得也可以使用。例如，来自先前周期的信道估计和噪声统计可用作初始估计。在OFDM***中，来自不同副载波的信道估计和噪声统计如果可获得则可用来为选择的副载波初始化信道估计。

在信道估计和噪声统计的初始化之后，信道处理器18基于接收信号的相位样本{φ_r}迭代计算信道估计和噪声统计(框104-108)。在每次迭代期间，信道处理器18根据方程13基于相位样本{φ_r}和先前的信道估计计算接收信号的幅度估计(框104)。在第一次迭代中，初始信道估计用作先前的信道估计通过将估计的信号幅度与相位样本{φ_r}结合，信道处理器18实际上能够重建在硬限前的接收信号的估计接收信号估计然后以常规方式用来产生修正的信道估计(框106)。例如，最小二乘信道估计可根据方程(15)计算，或者MAP信道估计可根据方程16计算。

一旦获得修正的信道估计信道处理器18通过根据方程(19)计算均方误差并根据方程(17)计算噪声标准偏差来计算修正的噪声统计(框108)。在计算修正的噪声统计之后，信道处理器18基于某一预定的停止判据确定是否继续另一次迭代(框110)。例如，信道处理器18可在预定的最大迭代数目达到之后停止。备选地，信道处理器18可当边缘对数似然函数的和的增量变化小于预定的阈值时停止。如果满足停止判据，则信道处理器18输出在最后迭代期间产生的最近的信道估计并停止(框114)。如果未满足停止判据，则信道处理器18使索引(index)n递增(框112)并重复框104-110。

图3示出用于根据图2中所示方法产生信道估计的示范信道处理器18。信道处理器18包括幅度估计器22、信道估计器24、噪声统计估计器26和控制器28。幅度估计器22基于接收信号r(n)的相位样本{φ_r}通过训练序列的长度(over the length of the training sequence)产生幅度估计幅度估计器22向信道估计器24提供幅度估计信道估计器24将幅度估计与相位样本{φ_r}结合以重建接收信号的估计并产生修正的信道估计噪声统计估计器26基于由信道估计器24提供的信道估计来自幅度估计器22的幅度估计和接收信号的估计来计算噪声统计(例如，噪声标准偏差)。控制器28基于执行的迭代数目或者基于某一预定的收敛判据确定何时停止迭代过程。

上述信道估计方法可通过在每次迭代设置噪声标准偏差估计而简化。这个简化的结果产生分别由和表示的归一化的幅度估计和信道估计。图4示出根据本发明的第二实施例的、由信道处理器18实现的、用于计算归一化信道估计的示范方法200。如同在第一实施例中，接收机前端12基于训练序列向信道处理器18提供接收信号的相位φ_r。信道处理器18初始化归一化信道估计(框202)。初始的归一化信道估计可如前述任意设置，或者另一个可获得的信道估计可用作初始的归一化信道估计在归一化信道估计的初始化之后，信道处理器18基于接收信号的相位样本{φ_r}迭代计算归一化信道估计(框204-206)。在每次迭代期间，信道处理器18根据方程13基于相位样本{φ_r}和先前的归一化信道估计通过训练序列估计接收信号的归一化幅度(框204)。对于第一次迭代，初始的归一化信道估计用作先前的归一化信道估计通过将估计的信号幅度与接收样本的相位样本{φ_r}结合，信道处理器18能够重建接收信号的估计接收信号估计然后以常规方式用来产生修正的归一化信道估计(框206)。例如，最小二乘信道估计可根据方程(13)或方程(17)计算。一旦获得更新的信道估计信道处理器18如前述基于某一预定的停止判据确定是否继续另一次迭代(框208)。例如，信道处理器18可在预定的最大迭代数目达到之后停止。备选地，信道处理器18可当边缘对数似然函数的和的增量变化小于预定的阈值时停止。如果满足停止判据，则信道处理器18输出在最后迭代期间产生的最近的信道估计并停止(框212)。如果未满足停止判据，则信道估计器使索引n递增(框210)并重复框204-208。

图5示出用于根据图4中所示第二实施例产生信道归一化估计的示范信道处理器18。在这个实施例中，无需噪声估计器。信道处理器18包括幅度估计器22、信道估计器24和控制器28。幅度估计器22基于接收信号的相位通过训练序列的长度产生归一化幅度估计幅度估计器22向信道估计器24提供归一化幅度估计信道估计器24将归一化幅度估计与接收相位样本{φ_r}结合以重建接收信号的估计并产生修正的归一化信道估计控制器28基于执行的迭代数目或者基于某一预定的收敛判据确定何时停止迭代过程。

本发明允许接收机10仅使用接收信号的相位信息计算信道响应的精确估计。仅从接收信号的相位产生精确的信道估计的能力使接收机10能够具有与线性前端相比通常尺寸较小、成本较低并且能效更高的硬限前端。信道估计处理器18与任何训练序列兼容，任何训练序列包括为向基带处理器14提供接收信号的幅度和相位的接收机设计的那些。因此，发射机不必根据接收机10是具有硬限前端还是线性前端来改变发射格式。

当然，可以在没有背离本发明的实质特征的情况下，以不同于本文具体阐述的方式的其他方式实施本发明。无论从哪方面来看，本发明实施例应被认为是说明性的而不是限制性的，并且旨在将在所附权利要求的含义以及等同范围内的所有变化都包含在其中。

Claims (1)

1.一种基于被硬限的接收信号的相位样本产生所述接收信号的信道估计的方法，所述方法包括：

基于所述相位样本和先前的信道估计计算所述接收信号的期望幅度值；以及

基于所述期望幅度值和所述相位样本计算修正的信道估计，

其中，迭代计算所述接收信号的所述期望幅度值和所述修正的信道估计。

2．如权利要求1所述的方法，其中，所述接收信号的所述期望幅度值的所述计算还基于先前的噪声统计。

3．如权利要求1所述的方法，其中，在每次迭代期间计算的所述修正的信道估计能够供随后的迭代用作所述先前的信道估计。

4．如权利要求3所述的方法，其中，所述接收信号的所述期望幅度值的所述计算还基于先前的噪声统计。

5．如权利要求4所述的方法，还包括在每次迭代期间计算修正的噪声统计，其中，在每次迭代期间计算的所述修正的噪声统计能够供随后的迭代用作所述先前的噪声统计。

6．如权利要求5所述的方法，其中，在每次迭代期间计算修正的噪声统计包括基于所述修正的信道估计和已知的符号序列计算期望噪声统计。

7．如权利要求1所述的方法，其中，所述修正的信道估计包括最小二乘信道估计。

8．如权利要求1所述的方法，其中，所述修正的信道估计包括最大后验（MAP）信道估计。

9．如权利要求1所述的方法，其中，所述期望幅度值和所述修正的信道估计包括归一化值。

10．一种用于基于被硬限的接收信号的相位样本产生信道估计的信道估计处理器，所述信道估计处理器包括：

幅度估计器，用于通过基于所述接收信号的相位样本和先前的信道估计计算所述接收信号的幅度的期望值来产生所述接收信号的幅度估计；以及

信道估计器，用于基于所述幅度估计和所述相位样本计算修正的信道估计，

其中，迭代计算所述接收信号的所述幅度的所述期望值和所述修正的信道估计。

11．如权利要求10所述的信道估计处理器，其中，所述幅度估计器配置成还基于先前的噪声标准偏差估计计算所述接收信号的所述幅度的所述期望值。

12．如权利要求10所述的信道估计处理器，其中，所述幅度估计器配置成将在先前迭代期间计算的修正的信道估计供当前迭代用作所述先前的信道估计。

13．如权利要求10所述的信道估计处理器，其中，所述幅度估计器还配置成还基于先前的噪声统计计算所述接收信号的所述幅度的所述期望值。

14．如权利要求13所述的信道估计处理器，还包括用于在每次迭代期间计算修正的噪声统计的噪声估计器，其中，在每次迭代期间计算的所述修正的噪声统计能够供随后的迭代用作所述先前的噪声统计。

15．如权利要求14所述的信道估计处理器，其中，所述噪声估计器配置成通过基于所述修正的信道估计和已知的符号序列计算期望噪声统计来计算所述修正的噪声统计。

16．如权利要求10所述的信道估计处理器，其中，所述信道估计器配置成将修正的信道估计作为最小二乘信道估计来计算。

17．如权利要求10所述的信道估计处理器，其中，所述信道估计器配置成将修正的信道估计作为最大后验（MAP）信道估计来计算。

18．如权利要求10所述的信道估计处理器，其中，所述幅度估计包括归一化幅度估计，以及其中，所述修正的信道估计包括归一化信道估计。

19．一种产生信道估计以均衡被硬限的接收信号的方法，所述方法包括：

迭代计算接收信号的幅度估计，其中，在每次迭代期间基于所述接收信号的相位样本和先前的信道估计计算所述幅度估计；

在每次迭代期间基于所述接收信号的所述相位样本和计算的幅度估计计算修正的信道估计；以及

当满足预定的停止判据时输出在最终迭代中导出的信道估计。

20．如权利要求19所述的方法，其中，计算所述接收信号的幅度估计包括计算所述接收信号的幅度的期望值。

21．如权利要求19所述的方法，其中，在每次迭代期间计算的所述修正的信道估计能够供随后的迭代用作所述先前的信道估计。

22．如权利要求19所述的方法，其中，所述接收信号的所述幅度估计的所述计算还基于先前的噪声统计。

23．如权利要求22所述的方法，还包括在每次迭代期间计算修正的噪声统计，其中，在每次迭代期间计算的所述修正的噪声统计能够供随后的迭代用作所述先前的噪声统计。

24．如权利要求23所述的方法，其中，在每次迭代期间计算所述修正的噪声统计包括基于所述修正的信道估计和已知的符号序列计算期望噪声统计。

25．如权利要求19所述的方法，其中，所述修正的信道估计包括最小二乘信道估计。

26．如权利要求19所述的方法，其中，所述修正的信道估计包括最大后验（MAP）信道估计。

27．如权利要求19所述的方法，其中，所述幅度估计包括归一化幅度估计，以及其中，所述修正的信道估计包括归一化信道估计。