CN110611626A - 信道估计方法、装置及设备 - Google Patents

Abstract

本申请实施例公开了一种信道估计方法、装置及设备。所述方法包括：根据未降噪参数生成信号数据矩阵；对所述信号数据矩阵执行奇异值分解SVD，得到信号强度矩阵；将所述信号强度矩阵中的每个特征值确定为信号域特征值或者噪声域特征值；根据所述信号域特征值和所述噪声域特征值生成滤波矩阵；使用所述滤波矩阵中的每个滤波系数对待滤波信道估计矩阵中的相应信道估计参数执行滤波降噪，得到目标信道估计矩阵。本申请实施例的技术方案，能够提高信道估计的准确性，提高信道估计的性能，进而提高无线通信***的性能。

Description

信道估计方法、装置及设备

技术领域

本申请实施例涉及通信技术领域，尤其涉及一种信道估计方法、装置及设备。

背景技术

无线通信***的性能主要受无线信道的影响，而无线信道具有很大的随机性，并且受到多方面因素的影响。基于此，接收端例如是基站，为了能够正确的解调出发射端发送的信号，以及准确的预测下行信道，信道估计成为必不可少的操作过程，其中，信道估计是根据接收数据将信道参数估计出来的操作。由此可见，信道估计是无线通信的一项关键技术，并且，信道估计的准确性直接影响无线通信的性能。

目前，主流的无线通信***包括长期演进(Long Term Evolution，LTE)和第五代移动通信技术(5th-Generation，5G)***，而LTE和5G新空口(New Radio，NR)支持大规模多输入多输出(Massive Multiple Input and Multiple Output，Massive MIMO)通信技术。Massive MIMO通信技术是基站使用多个天线在同一时频资源上发射信号，用户设备(UserEquipment，UE)在多个天线上接收信号的通信技术。鉴于基站侧的天线具有一定的稀疏性，在Massive MIMO通信***中，基站对上行接收信号进行信道估计。

由于Massive MIMO通信***较其他无线通信***的载波频率高，导致上行接收信号传输过程中路损较大，使得到达基站的上行接收信号能量较小，信噪比较低。另一方面，由于Massive MIMO通信***中基站侧天线的阵列增益，导致每根天线上的信号包含较多噪声，因此，每根天线上的接收信号的信噪比也较低。而上行接收信号的信噪比越低，得到的信道估计的误差越大，因此，Massive MIMO通信***中，信道估计的性能较差，准确性较低，进而，造成Massive MIMO通信***的性能较差。

发明内容

本申请实施例提供了一种信道估计方法、装置及设备，以解决Massive MIMO通信***中，信号的信噪比较低，造成信道估计性能差的问题。

第一方面，本申请实施例提供了一种信道估计方法，该方法包括，

根据未降噪参数生成信号数据矩阵；

对所述信号数据矩阵执行奇异值分解SVD，得到信号强度矩阵；

将所述信号强度矩阵中的每个特征值确定为信号域特征值或者噪声域特征值，其中，所述信号域特征值是指示信号强度大于噪声强度的特征值，所述噪声域特征值是指示信号强度小于噪声强度的特征值；

根据所述信号域特征值和所述噪声域特征值生成滤波矩阵；

使用所述滤波矩阵中的每个滤波系数对待滤波信道估计矩阵中的相应信道估计参数执行滤波降噪，得到目标信道估计矩阵，所述待滤波信道估计矩阵中的信道估计参数与所述滤波矩阵中的滤波系数是同一空间域的参数。

本申请实施例的技术方案，旨在对每根天线上的信号执行降噪，因此，以每根天线上未降噪的参数作为原始数据，结合Massive MIMO场景下噪声的分布特性，通过奇异值分解(singular vector decomposition，SVD)，将携带噪声的数据从入射方向和各入射方向的信号强度等各个维度分解，从而能够将入射方向，以及各入射方向上信号强度和噪声强度等参数量化，并建立对应关系，进而，基于根据量化的信息执行降噪。

采用本实现方式，利用未降噪的参数生成的信号数据矩阵，得到每个入射方向上的信号强度和噪声强度，进而，对应每个入射方向生成滤波系数，并对相应入射方向的信道估计参数滤波降噪，从而能够提高信道估计的准确性，提高信道估计的性能，进而提高无线通信***的性能。

一种可选的设计中，所述将所述信号强度矩阵中的每个特征值确定为信号域特征值或者噪声域特征值，包括：

按照从大到小的顺序，顺次计算所述信号强度矩阵中n个特征值两两之间的差值，得到n-1个差值，n是大于1的整数；

顺次使用第一个差值至第k个差值的加权平均值除以第k个差值至第n-1个差值的加权平均值，共得到k个变化率，k大于1小于或者等于n-x，x是小于n大于或者等于1的整数；

确定最大变化率对应的k值；

按照从大到小的顺序顺次将所述信号强度矩阵中k个特征值确定为所述信号域特征值，将第k+1个特征值至第n个特征值确定为所述噪声域特征值。

由于噪声无方向性，所以，各个入射方向对应的噪声强度基本相同。而信号传输时具有一定的方向性，所以，各个特征方向上的信号能量各不相同，进而，信号强度矩阵中，较大的特征值可以理解为信号强度较大，较小的特征值可以理解为信号强度较小，甚至没有信号强度。

基于此，采用本实现方式，可以将信号强度矩阵中的特征值分类，进而，将不同类的特征值作为生成滤波矩阵的参考数据，从而，为生成滤波矩阵提供参数依据。

一种可选的设计中，所述将所述信号强度矩阵中的每个特征值确定为信号域特征值或者噪声域特征值，包括：

读取所述信号强度矩阵中的最大特征值；

确定所述最大特征值预设比例的值为临界值；

将所述信号强度矩阵中大于或者等于所述临界值的特征值确定为所述信号域特征值，将所述信号强度矩阵中小于所述临界值的特征值确定为所述噪声域特征值。

基于此，采用本实现方式，可以将信号强度矩阵中的特征值分类，进而，将不同类的特征值作为生成滤波矩阵的参考数据，从而，为生成滤波矩阵提供参数依据。

一种可选的设计中，所述根据所述信号域特征值和所述噪声域特征值生成滤波矩阵，包括：

根据每个所述信号域特征值计算相应信号域特征值对应信号功率；

根据全部所述噪声域特征值计算噪声平均功率；

根据每个所述信号功率和所述噪声平均功率计算相应信号功率对应的滤波系数，得到所述滤波矩阵。

一种可选的设计方式中，所述滤波矩阵P满足：

其中，是指所述信号功率，i＝1……k，σ是指所述噪声平均功率。

其中，本申请实施例中，每个信号域特征值均包含一定量的噪声，部分或者全部噪声域特征值同样也包含少量信号。基于此，采用本实现方式，将噪声和信号均作出相对准确的估计，从而提高滤波矩阵中，各滤波系数的精确性，进而，达到更好的降噪效果。

一种可选的设计方式中，所述使用所述滤波矩阵中的每个滤波系数对待滤波信道估计矩阵中的相应信道估计参数执行滤波降噪，包括：

根据所述滤波矩阵P生成滤波权值矩阵W，所述滤波权值矩阵W满足：其中，U_k是指k个所述信号域特征值对应的入射方向矩阵，是指矩阵U_k的共轭转置；

使用所述滤波权值矩阵W中的每个权值，对所述待滤波信道估计矩阵H中的信道估计参数执行滤波，得到所述目标信道估计矩阵所述目标信道估计矩阵满足：

采用本实现方式，不仅去掉了几乎没有信号分布的部分，而且根据噪声域特征值估算出噪声的能量值，并根据噪声能量值和每个入射方向的信号能量值，计算出相应入射方向对应的滤波系数，对应每个信号强度较大的入射方向的参数还能够分别执行滤波，从而使得降噪效果更好。

一种可选的设计方式中，所述根据未降噪参数生成信号数据矩阵，包括：

获取天线域信号参数矩阵或者波束域信号参数矩阵或者未降噪的信道估计矩阵；

对所获取的矩阵执行自相关，得到自相关矩阵；

计算所述自相关矩阵中每个参数的平均值，得到所述信号数据矩阵。

由于信号数据矩阵主要需要体现信号值、信号对应的天线以及信号对应的RE等信息，而未降噪参数矩阵所包含的信息较多，因此，为了简化数据信息，可以对未降噪参数矩阵进一步处理，得到信号数据矩阵。

基于此，采用本实现方式，不仅能够消掉未降噪参数矩阵中的不必要信息，而且能够对未降噪参数矩阵降维，从而能够在在保留必要参数信息的基础上，降低计算量。

一种可选的设计方式中，所述根据未降噪参数生成信号数据矩阵，包括：

获取未降噪信道估计矩阵，作为所述信号数据矩阵。

采用本实现方式，能够最大程度保证所生成的滤波系数的精确性，从而能够最大程度提高滤波系数的精确性，优化降噪的效果。

一种可选的设计方式中，所述信号功率满足：λ_i是指所述信号域特征值，所述噪声平均功率σ满足：其中，Σ_n-k是指所述噪声域特征值形成的矩阵。

一种可选的设计方式中，所述信号功率满足：λ_i是指所述信号域特征值，所述噪声平均功率σ满足：其中，Σ_n-k是指所述噪声域特征值形成的矩阵。

一种可选的设计方式中，所述根据所述信号域特征值和所述噪声域特征值生成滤波矩阵，包括：

将所述噪声域特征值从所述信号强度矩阵中删除，得到所述信号域特征值形成的矩阵；

将所述信号域特征值形成的矩阵确定为所述滤波矩阵。

其中，在将信号强度矩阵中的特征值归纳为信号域特征值和噪声域特征之后，可以认为信号域特征值已包含全部信号能量，而噪声域特征值可以近似于不携带信号。基于此，采用本实现方式，操作简洁，计算量小。

一种可选的设计方式中，所述目标信道估计矩阵满足：

其中，λ_i是指所述信号域特征值，i＝1……k，U_k是指k个所述信号域特征值对应的入射方向矩阵，是指k个所述信号域特征值对应的采样点矩阵的共轭转置。

采用本实现方式，能够将几乎没有信号分布的部分全部丢弃，仅保留信号强度较强的部分，从而不仅保留了大部分信号，还过滤了大部分噪声。

一种可选的设计方式中，在使用所述滤波矩阵中的每个滤波系数对待滤波信道估计矩阵中的相应信道估计参数执行滤波降噪之前，还包括：

接收天线域信号，得到天线域信号矩阵；

对所述天线域信号矩阵中的每个信号参数执行信道估计，得到包含相应信道估计参数的所述待滤波信道估计矩阵；或者，

接收天线域信号，得到天线域信号矩阵；

对所述天线域信号矩阵中每个信号参数执行离散傅里叶变换DFT，得到所述波束域信号矩阵；

对所述波束域信号中的每个信号参数执行信道估计，得到包含相应信道估计参数的所述待滤波信道估计矩阵。

第二方面，本申请实施例还提供了一种信道估计装置，该装置包括用于执行第一方面及第一方面各实现方式的中方法步骤的模块。

第三方面，本申请实施例提供了一种信道估计设备，包括收发器，处理器以及存储器。其中，收发器、处理器以及所述存储器之间可以通过总线***相连。该存储器用于存储程序、指令或代码，所述处理器用于执行所述存储器中的程序、指令或代码，完成第一方面，或第一方面的任意一种可能的设计中的方法。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行第一方面或第一方面任意可能的设计中的方法。

为了解决信道估计性能差的问题，本申请实施例在现有信道估计处理过程的基础上，增设降噪处理。具体的，通过对未降噪信号的数据矩阵执行奇异值分解(singularvector decomposition，SVD)，得到信号强度的空间分布矩阵。由于信号具有一定方向性，而噪声在天线阵列上的分布相对较为均匀，基于此，将信号强度矩阵中的特征值，分别归纳为信号域特征值和噪声域特征值，进而，根据信号域特征值和噪声域特征值生成滤波矩阵，并采用该滤波矩阵中的滤波系数，对待降噪的信道估计参数执行滤波降噪。由此可见，本申请实施例的技术方案，结合Massive MIMO场景下噪声的分布特性，基于未降噪的信号矩阵生成滤波矩阵，进而，对待降噪的信道估计参数执行滤波降噪，从而能够提高信道估计的准确性，提高信道估计的性能，进而提高无线通信***的性能。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是Massive MIMO的场景示意图；

图2是现有信道估计方法的方法流程图；

图3是现有信道估计方法第二种实施方式的方法流程图；

图4是现有信道估计方法第三种实施方式的方法流程图；

图5是理想状态下波束域的信道能量分布示意图；

图6是噪声状态下波束域的信道能量分布示意图；

图7是本申请实施例提供的信道估计方法的方法流程图；

图8是本申请实施例提供的信道估计方法第一种示例的方法流程图；

图9是本申请实施例提供的信道估计方法第二种示例的方法流程图；

图10是本申请实施例提供的信道估计方法第三种示例的方法流程图；

图11是本申请实施例提供的信道估计装置的结构示意图；

图12是本申请实施例提供的信道估计设备的结构示意图。

具体实施方式

参见图1，图1是Massive MIMO的场景示意图，其中，图1中示出了一个基站，该基站包括至少一个由p根发射天线(pT)和p根接收天线(pR)的组成的天线阵列。该基站覆盖下的UE共包括q根接收天线和q根发射天线。其中，p和q均大于1。基于此，MIMO技术即为发射端通过多根发射天线向接收端的多根接收天线发送信号的无线通信技术，而Massive MIMO场景下，p一般大于或者等于16。

基于图1所示的场景示意图，通常基站覆盖范围内发射天线的数量，远小于基站侧接收天线的数量，所以，基站侧的上行接收信道在空域具有一定的稀疏性，具备执行信道估计的条件，因此，在Massive MIMO***中，基站基于上行接收信号执行信道估计。一般，基站执行信道估计的方法包括以下几种：

参见图2，图2是现有信道估计方法的方法流程图，方法01包括以下步骤：

步骤S10，接收上行信号。

步骤S11，根据所述上行信号执行信道估计，得到信道估计参数。

一方面，由于Massive MIMO***与非Massive MIMO***相比，载波频率更高，造成Massive MIMO***的路损较大，所以，上行接收信号的能量较小，噪声较大，造成上行接收信号的信噪比较低。另一方面，由于基站天线阵列的增益，导致每根天线上的信号包含较多噪声，同样造成每根天线上接收信号的信噪比较低。基于此，基站接收到的上行信号，包含的噪声相对较多，方法01中，基站基于该上行接收信号直接进行信道估计，得到的信道估计参数准确性较差，进而，造成信道估计性能较差。

为了解决该问题，提高信道估计的性能，在方法01的基础上，提出了方法02。参见图3，图3是现有信道估计方法第二种实施方式的方法流程图，图3所示的方法02包括以下步骤：

步骤S20，接收天线域信号。

步骤S21，对所述天线域信号执行离散傅里叶变换(discrete fouriertransform，DFT)，得到波束域信号。

步骤S22，根据所述波束域信号执行信道估计，得到信道估计参数。

其中，上行接收信号传输到基站之后，信号能量均匀的分布在基站天线阵列中的每根天线上，所以，上行接收信号也称为天线域信号。天线域信号经DFT之后，信号能量汇聚到少量波束上，因此，为便于与天线域信号区分，将DFT之后的信号称为波束域信号。

由于信号能量在每根天线上均匀的分布时，信号的信噪比较低，所以，方法01得到的信道估计参数准确性较差。基于此，采用方法02，通过DFT将均匀分布的信号能量汇聚到少量波束上，再执行信道估计，从而能够提高信号的信噪比，进而，优化信道估计的性能。

进一步的，由于波束域信号的信号能量汇聚到少量波束上，所以，仅汇聚有信号能量的波束信噪比相对较高，基于此，方法02的一种可选实施方式见下述描述。参见图4，图4是现有信道估计方法第三种实施方式的方法流程图，图4所示的方法021包括如下步骤：

步骤S20，接收天线域信号。

步骤S21，对所述天线域信号执行离散傅里叶变换(discrete fouriertransform，DFT)，得到波束域信号。

步骤S22，根据所述波束域信号执行信道估计，得到每个波束对应的信道估计参数。

步骤S23，计算每个波束的参考信号接收功率(reference signal receivingpower，RSRP)。

步骤S24，按照RSRP从大到小，顺次选择若干个波束对应的信道估计参数作为最终的信道估计参数。

其中，RSRP越大指示相应波束上的信号能量越大，因此，按照RSRP从大到小的次序选择波束，能够确定信号能量较大的波束。应理解，所选择的波束的数量可以根据RSRP的大小灵活设定，例如，一个可选实施例中共64个波束，按照RSRP的大小可以选择16个波束。而方法02可以理解为选择了全部的波束。

此外，当上行接收信号是探测参考信号(Sounding Reference Signal，SRS)时，每条信道通常还可以伴随发送解调参考信号(demodulation reference signal，DMRS)。基于此，本实施例中，按照方法02对SRS和DMRS分别执行信道估计，进而，由于SRS和DMRS对应的信道相同，所以，确定SRS或者DMRS对应的每个波束的RSRP，然后，按照方法021中的步骤S24，选择相应波束的信道估计参数作为最终的信道估计参数。

基于此，在执行DFT时，需要确定波束的方向和信道的方向，通常，每个波束指向固定方向，而一条信道可能包括不同方向的入射径，并且基站无法获知信道的入射径，所以，在执行DFT时，通常默认信道的入射径方向与波束方向一致。基于此特点，在执行DFT之后，本应汇聚到一个波束上的信号能量，会扩散到相应波束相邻的波束上。在没有噪声的理想环境下，得到的信号能量分布如图5所示，而实际有噪声的环境，得到的信号能量分布如图6所示。

结合图6，按照方法021抽取信号能量较大的波束，虽然能够过滤掉其他波束上的噪声，但是所抽取的波束上依然存在部分噪声，并且过滤掉的波束上也同样存在一部分信号，从而受到部分噪声的影响，并且还会造成部分信号丢失，信道估计性能依然不佳。按照方法02执行信道估计，虽然保留了全部信号，但是同样也保留了较多的噪声，使得得到的信道估计准确性较差。有鉴于此，提出了本申请实施例的技术方案。

下面结合附图，对本申请实施例进行描述。

参见图7，图7是本申请实施例提供的信道估计方法的方法流程图，图7所示的方法100在现有信道估计处理过程的基础上，增设降噪处理，从而能够提高信道估计的准确性，提高信道估计的性能。所述方法100包括以下步骤：

步骤S101，根据未降噪参数生成信号数据矩阵。

其中，信号数据矩阵的每一行数据是一根天线，也即一个入射方向的信号数据，每一列数据是一个资源元素(Resource Element，RE)上的信号数据。未降噪参数包括天线域信号参数、波束域信号参数和未降噪的信道估计参数。

若是首次接收用于执行信道估计的信号参数，则将当前数据传输周期内的天线域信号参数、波束域信号参数或者未降噪信道估计参数，作为未降噪参数。若是第二次及后续接收用于执行信道估计的信号参数，可以将当前数据传输周期内接收的天线域信号参数、波束域信号参数或者未降噪信道估计参数，作为未降噪参数。为了避免使用本次数据传输周期内的参数导致延时，也可以将上一个数据传输周期内接收的天线域信号参数、波束域信号参数或者未降噪信道估计参数，作为未降噪参数。

需要指出的，本申请实施例中，信号数据均分布在各天线及各RE上，因此，为了便于表达和处理各项参数，每个处理过程的参数均以矩阵的形式表现，基于此，本申请实施例下文将各类参数均描述为相关参数的矩阵。

进一步的，由于信号数据矩阵主要需要体现信号值、信号对应的天线以及信号对应的RE等信息，而未降噪参数矩阵所包含的信息较多，因此，为了简化数据信息，可以对未降噪参数矩阵进一步处理，得到信号数据矩阵。

具体的，由于天线域信号参数矩阵和波束域信号参数矩阵中，均包括调制的导频序列，且，天线域信号参数矩阵和波束域信号参数矩阵的维度均较大，因此，当未降噪参数矩阵是天线域信号参数矩阵或者波束域信号参数矩阵时，一方面，为了消掉导频序列，另一方面，为了降维，对未降噪参数矩阵执行自相关，得到自相关矩阵，进而，计算自相关矩阵中每个参数的平均值，得到所述信号数据矩阵。

由于对信号参数矩阵执行信道估计操作时，已经消掉了信号参数矩阵中的导频序列，所以，当未降噪参数矩阵是未降噪信道估计矩阵时，可以将未降噪信道估计矩阵直接作为信号数据矩阵，也可以对未降噪信道估计矩阵执行自相关并平均，得到信号数据矩阵，本申请实施例对此不限制。

步骤S102，对所述信号数据矩阵执行SVD，得到信号强度矩阵。

其中，结合步骤S101对信号数据矩阵的描述，基于SVD的物理意义可知，对信号数据矩阵执行SVD后，得到的左奇异矩阵是信号的入射方向矩阵，中间奇异矩阵是信号强度矩阵，即中间奇异矩阵中每一个特征值表示一个入射方向上信号的强度。

具体的，信号强度矩阵Σ满足：其中，信号强度矩阵Σ是一个m行n列的矩阵，n列中每一列对应一个入射方向，每列中的特征值λ表示该入射方向上的信号强度值。

步骤S103，将所述信号强度矩阵中的每个特征值确定为信号域特征值或者噪声域特征值。

其中，信号域特征值是指示信号强度大于噪声强度的特征值，噪声域特征值是指示信号强度小于噪声强度的特征值。

需要指出的，由于噪声无方向性，所以，在SVD后，分布在各个特征方向上的能量相当，即，信号强度矩阵中，各个入射方向对应的噪声强度基本相同。由于信号传输时具有一定的方向性，所以，各个特征方向上的信号能量各不相同，进而，信号强度矩阵中，较大的特征值可以理解为信号强度较大，较小的特征值可以理解为信号强度较小，甚至没有信号强度。基于此，本申请实施例可以估计出噪声强度，以及各入射方向上的信号强度，进而，能够按照所估计的噪声强度和各入射方向上的信号强度，对待滤波信道估计执行滤波降噪。具体的，本申请实施例提供了两种确定信号域特征值与噪声域特征值的方式。

方式一：本申请实施例，可以根据特征值由大到小变化程度的转折点，确定信号域特征值与噪声域特征值临界特征值。由于差值能够直接体现两特征值之间的变化，所以，在本申请的一个可选实施例中，可以按照从大到小的顺序，顺次计算n个特征值两两之间的差值，得到n-1个差值。然后，顺次使用第一个差值至第k个差值的加权平均值除以第k个差值至第n-1个差值的加权平均值，共得到k个变化率，进而，确定最大变化率对应的k值，并按照从大到小的顺序顺次将信号强度矩阵中k个特征值确定为信号域特征值，将第k+1个特征值至第n个特征值确定为噪声域特征值。其中，n是大于1的整数，k大于1小于或者等于n-x，x是小于n大于或者等于1的整数。

即，k满足：其中，1＜k≤n-x。

其中，未分布信号能量，或者分布的信号能量很少的入射方向，特征值的变化程度也较小，导致在计算变化率时，k值越接近n-1，得到的变化率也会越大，而按照此时得到的k，确定信号域特征值和噪声域特征值，导致信号域特征值所表征的信号强度不准确。基于此，设置k大于1小于或者等于n-x，而x的取值，可以按照特征值的大小和分布灵活设置，本申请实施例对此不限制。

方式二：由于特征值越大说明信号强度越大，特征值越小说明信号强度越小，基于此，在确定最大特征值之后，可以将最大特征值预设比例的值作为临界值，例如将最大特征值的10％对应的值作为临界值。将信号强度矩阵中大于或者等于该临界值的特征值确定为信号域特征值，将信号强度矩阵中小于临界值的特征值确定为噪声域特征值。

应理解，上述两种方式均是本申请实施例提供的可选实施方式，本申请实施例基于信号域特征值和噪声域特征值的属性，以及信号与噪声的分布特征，还可以包括其他确定方式，此处不再详述。

步骤S104，根据所述信号域特征值和所述噪声域特征值生成滤波矩阵。

其中，滤波矩阵中的特征值均为滤波系数，且滤波系数与信号域特征值一一对应。

接步骤S103，在将信号强度矩阵中的特征值归纳为信号域特征值和噪声域特征之后，可以认为信号域特征值已包含全部信号能量，而噪声域特征值可以近似于不携带信号，所以，可以将噪声域特征值从信号强度矩阵中删除，得到信号域特征值形成的矩阵，并将信号域特征值形成的矩阵确定为滤波矩阵。在此实施方式中，每个信号域特征值可以认为是一个滤波系数。

具体的，基于SVD的特性，信号强度矩阵中的特征值由大到小排布，即，Σ中λ₁≥λ₂…≥λ_m。所以，在确定信号域特征值和噪声域特征值之后，信号强度矩阵Σ可以表示为：其中，Σ_k是指信号域特征值矩阵，Σ_n-k是指噪声域特征值矩阵。那么，在本实施例中，滤波矩阵是Σ_k,滤波矩阵Σ_k中的特征值λ₁至λ_k即为各滤波系数。

其中，滤波矩阵是用于执行滤波降噪的关键，滤波矩阵中滤波系数的精确程度，直接影响降噪的效果。基于此，由于本实施例，将信号域特征值矩阵直接作为滤波矩阵，为了保证降噪的效果，应当尽量减少数据的计算过程，所以，本实施例应当将未降噪信道估计矩阵直接作为信号数据矩阵，从而能够最大程度提高滤波系数的精确性。

应理解，事实上每个信号域特征值均包含一定量的噪声，部分或者全部噪声域特征值同样也包含少量信号。基于此，为了达到更好的降噪效果，在另一个实施例中，基站可以根据每个信号域特征值计算相应信号域特征值对应信号功率，并根据全部噪声域特征值计算噪声平均功率，进而，根据每个信号功率和噪声平均功率计算相应信号功率对应的滤波系数，得到滤波矩阵。

具体的，本实施例中，滤波矩阵P满足：其中，是指信号功率，i＝1……k，σ是指噪声平均功率。

其中，基于步骤S101的描述可知，本申请实施例采用两种方式生成信号数据矩阵，由于两种生成方式对未降噪参数矩阵的计算过程不同，使得一种生成方式得到的信号数据矩阵的特征值含义，与另一种方式得到的信号数据矩阵的特征值含义不同，进而，两种不同信号数据矩阵SVD得到的矩阵中，特征值的含义也各异。而滤波矩阵P中的信号功率和噪声平均功率σ根据SVD之后各矩阵中的特征值计算得到，基于此，对应生成信号数据矩阵的两种方式，信号功率和噪声功率σ的表达方式如下：

若信号数据矩阵由未降噪参数矩阵自相关并平均之后得到，信号功率满足：λ_i是指信号域特征值，i＝1……k，噪声平均功率σ满足：其中，Σ_n-k是指噪声域特征值形成的矩阵。

若信号数据矩阵是未降噪信道估计矩阵，信号功率满足：噪声平均功率σ满足：

步骤S105，使用所述滤波矩阵中的每个滤波系数对待滤波信道估计矩阵中的相应信道估计参数执行滤波降噪，得到目标信道估计矩阵。

其中，待滤波信道估计矩阵，是当前数据传输周期内接收的天线域信号参数执行信道估计得到的，或者，是当前数据传输周期内接收的天线域信号参数，经DFT转换得到波束域信号参数之后，执行信道估计得到的。具体的，在步骤S105之前，参照方法01、方法02或者方法021得到待滤波信道估计矩阵，本申请实施例此处不再赘述。

基于步骤S104的描述，本申请实施例得到的滤波矩阵包括两种形式，对应该两种形式的滤波矩阵，本申请实施例分别提供了一种滤波方法，并且，分别得到一种形式的目标信道估计矩阵。

具体的，当滤波矩阵是Σ_k时，Σ_k＝diag(λ₁…λ_k)，经Σ_k滤波降噪得到的目标信道估计矩阵满足：其中，U_k是指k个信号域特征值对应的入射方向矩阵，是指k个信号域特征值对应的采样点矩阵的共轭转置。

本实施例通过该方式对待滤波信道估计矩阵执行滤波降噪，将几乎没有信号分布的部分全部丢弃，仅保留信号强度较强的部分，从而不仅保留了大部分信号，还过滤了大部分噪声。

当滤波矩阵是P时，本申请实施例根据滤波矩阵P生成滤波权值矩阵W，滤波权值矩阵W满足：然后，使用滤波权值矩阵W中的每个权值，对待滤波信道估计矩阵H中的信道估计参数执行滤波，得到所述目标信道估计矩阵目标信道估计矩阵满足：其中，是指矩阵U_k的共轭转置。

采用本实现方式，不仅去掉了几乎没有信号分布的部分，而且根据噪声域特征值估算出噪声的能量值，并根据噪声能量值和每个入射方向的信号能量值，计算出相应入射方向对应的滤波系数，对应每个信号强度较大的入射方向的参数还能够分别执行滤波，从而使得降噪效果更好。

应理解，DFT是将一个空间域的信号参数映射到另一个空间域，因此，天线域信号参数和波束域信号参数分别是两个空间域的参数。基于此，天线域信号参数执行信道估计得到的信道估计参数，属于天线域，波束域信号参数执行信道估计得到的信道估计参数，属于波束域。由于不同空间域的参数与天线、波束和入射方向等，对应关系均不同，因此，一个空间域的参数无法参与到另一个空间域参数的计算过程中，所以，本申请实施例中，滤波矩阵对应的空间域和待降噪信道估计矩阵对应的空间域相同。

根据方法01和方法02可知，待滤波信道估计矩阵对应的空间域，取决于执行信道估计的信号参数的空间域，而滤波矩阵对应的空间域，取决于未降噪参数矩阵对应的空间域。基于此，若要使滤波矩阵和待滤波信道估计矩阵的空间域相同，需要保证未降噪参数矩阵的空间域，与生成待滤波信道估计矩阵的信号参数矩阵的空间域相同。

例如，未降噪参数矩阵是上一个数据传输周期内接收的天线域信号参数矩阵，得到的滤波矩阵也属于天线域，那么，使用该滤波矩阵执行滤波降噪的信道估计矩阵，由当前数据传输周期内接收的天线域信号参数矩阵生成。再如，未降噪参数矩阵是上一个数据传输周期内，波束域信号参数矩阵生成的未降噪信道估计矩阵，由于未降噪信道估计矩阵属于波束域，所以，得到的滤波矩阵也属于波束域，那么，使用该滤波矩阵执行滤波降噪的信道估计矩阵，由当前数据传输周期内接收的天线域信号参数矩阵，经DFT之后，再执行信道估计得到。当未降噪参数矩阵是其他矩阵时，对应关系参照上述描述，本申请实施例此处不再详述。

本申请实施例的技术方案，旨在对每根天线上的信号执行降噪，而每根天线上的信号是什么，对本申请实施例的执行不构成限制。基于此，若每根天线接收的信号包括SRS和DMRS时，根据SRS的相关参数生成的滤波矩阵，也可以用于对DMRS的信道估计参数进行降噪，同样的，根据DMRS的相关参数生成的滤波矩阵，也可以用于对SRS的信道估计参数进行降噪。

由此可见，本申请实施例，利用未降噪的参数生成的信号数据矩阵，得到每个入射方向上的信号强度和噪声强度，进而，对应每个入射方向生成滤波系数，并对相应入射方向的信道估计参数滤波降噪，从而能够提高信道估计的准确性，提高信道估计的性能，进而提高无线通信***的性能。

下面结合具体案例对本申请实施例进行描述。

在本申请的一个可选实施例中，未降噪参数矩阵是上一个数据传输周期内接收的天线域信号参数矩阵Y，该天线域信号参数矩阵Y的每一行数据是一根天线的数据，每一列数据是一个时域采样点的数据。参见图8，图8所示的方法200是本实施例的执行方法，包括如下步骤：

步骤S201，对天线域信号参数矩阵Y执行自相关并平均，得到信号数据矩阵A。

其中，基站在上一个数据传输周期内接收到天线域信号参数矩阵Y时，存储天线域信号参数矩阵Y，本实施例中，可以直接从缓存中读取Y。

天线域信号参数矩阵Y的自相关阵满足：信号数据矩阵A满足：其中，n是指天线总数。

步骤S202，对信号数据矩阵A执行SVD。

执行SVD得到A＝UΣU^H，其中，左奇异矩阵U是空间信号入射方向特征向量，U的每一行表示一个入射方向，中间奇异矩阵Σ是空间信号各个入射方向的信号强度特征向量，其中，例如是一个m行n列的矩阵，n列中每一列对应一个入射方向，每列中的特征值λ表示该入射方向上的信号强度值，m行中每一行对应一根天线，右奇异矩阵U^H是左奇异矩阵U的共轭转置。

步骤S203，将中间奇异矩阵中的特征值λ划分为信号域特征值和噪声域特征值。

计算k值，所述k用于指示作为信号域特征值的λ的数量。其中，其中，1＜k≤n/3。进而，将中间奇异矩阵Σ中的特征值λ₁至λ_k作为信号域特征值，将特征值λ_k+1至λ_n作为信号域特征值。本步骤中，其中，Σ_k是指信号域特征值矩阵，是特征值λ₁至λ_k的对角阵，Σ_n-k是指噪声域特征值矩阵，是特征值λ_k+1至λ_n的对角阵。

例如，本实施中，n是40，k是16，则将中间奇异矩阵Σ中λ₁至λ₁₆作为信号域特征值，将λ₁₇至λ₄₀作为噪声域特征值，得到其中，

步骤S204，生成滤波权值矩阵。

根据信号域特征值矩阵Σ_k中每个特征值λ_i，i＝1……k，计算相应入射方向上的信号功率本实施例中，根据噪声域特征值矩阵Σ_n-k中的噪声域特征值，计算噪声平均功率σ，然后，根据信号功率和噪声平均功率σ生成滤波矩阵P，进而，生成滤波权值矩阵W，其中，U_k是指k个信号域特征值对应的入射方向矩阵。

步骤S205，使用滤波权值矩阵对待滤波信道估计矩阵执行滤波降噪。

应理解，本实施例中，未降噪参数矩阵的参数属于天线域，因此，得到滤波权值矩阵W也属于天线域。基于此，若当前数据传输周期接收到天线域信号，并对天线域信号参数矩阵直接执行信道估计，所得到即为待滤波信道估计矩阵H，可以使用本实施例的滤波权值矩阵W执行滤波降噪，得到是本申请实施例的目标信道估计矩阵。

应理解，方法200仅是本申请的一个示例性方法描述，若未降噪参数矩阵是上一个数据传输周期得到的波束域信号参数矩阵或者未降噪信道估计矩阵，或者，当前数据传输周期的天线域信号参数矩阵，波束域信号参数矩阵，甚至待滤波信道估计矩阵，方法200同样适用。

当然，未降噪参数矩阵是其他参数矩阵时，部分计算参数需要适应性调整，例如，当未降噪参数矩阵是未降噪信道估计矩阵时，步骤S201中执行自相关的矩阵为并且，若该未降噪信道估计矩阵属于波束域，那么，待滤波信道估计矩阵H由波束域信号参数矩阵执行信道估计得到。本申请实施例此处不再详述。

本实施例所述的信道估计方法，不仅去掉了几乎没有信号分布的部分，而且对应每个信号强度较大的入射方向的参数还能够分别执行滤波，从而使得降噪效果更好。

在本申请的第二个可选实施例中，未降噪参数矩阵是上一个数据传输周期的未降噪信道估计矩阵h，该未降噪信道估计矩阵h根据天线域信号矩阵得到，是m*l的矩阵，其中，m行分别对应m根天线，l是数据流数。参见图9，图9所示的方法300是本实施例的执行方法，包括如下步骤：

步骤S301，获取每个RE上的未降噪信道估计矩阵h，并按列排列得到信号数据矩阵A。

其中，A＝[h₀ h₁ … h_n]。

步骤S302，对信号数据矩阵A执行SVD。

执行SVD得到A＝UΣV^H，其中，左奇异矩阵U和中间奇异矩阵Σ如方法200中所述，此处不再赘述。右奇异矩阵V^H是时域上信号采样点特征向量的共轭转置。

步骤S303，将中间奇异矩阵Σ中的特征值λ划分为信号域特征值和噪声域特征值。

步骤S304，生成滤波权值矩阵W。

其中，步骤S303的执行过程与步骤S203相同，详情参见步骤S203的描述。步骤S304的执行过程与步骤S204相同，但是，本实施例中，信号功率满足：噪声平均功率σ满足：

步骤S305，使用滤波权值矩阵W对待滤波信道估计矩阵H执行滤波降噪。

该步骤的执行与步骤S205相同，详情参见步骤S205的描述，此处不再详述。

应理解，方法300同样适用于待滤波信道估计矩阵H，即当前数据传输周期的未降噪信道估计矩阵。且，本实施例中的未降噪信道估计矩阵的参数，可以是天线域也可以是波束域。当是波束域时，右奇异矩阵V^H则是频域上信号采样点特征向量的共轭转置，并且，得到的滤波权值矩阵W适用于对波束域的待滤波信道估计矩阵滤波降噪。

在本申请的第三个可选实施例中，未降噪参数矩阵是待滤波信道估计矩阵H，即当前数据传输周期的未降噪信道估计矩阵。待滤波信道估计矩阵H是m*l的矩阵，其中，m行分别对应m根天线，l是数据流数。参见图10，图10所示的方法400是本实施例的执行方法，包括如下步骤：

步骤S401，获取每个RE上的待滤波信道估计矩阵H，并按列排列得到信号数据矩阵A。

步骤S402，对信号数据矩阵A执行SVD。

步骤S403，将中间奇异矩阵Σ中的特征值λ划分为信号域特征值和噪声域特征值。

其中，步骤S401、步骤S402和步骤S403的执行过程，参考步骤S301、步骤S302和步骤S303的描述，此处不再详述。

步骤S404，将信号域特征值矩阵作为滤波矩阵，恢复待滤波信道估计矩阵H。

具体的，本实施例中，目标信道估计矩阵

由此可见，方法400实质上是选取信号强度较大的部分，作为目标信道估计参数，但是对信号强度较大的部分并不执行任何降噪处理。基于此，为了确保目标道估计参数的精确程度，和较好的降噪效果，在采用方法400执行信道估计时，选择当前数据传输周期的未降噪信道估计矩阵作为信号数据矩阵。

应理解，方法200、方法300和方法400，仅是为了支持本方案进行的示例性介绍，对本申请实施例的技术方案并不构成限制。本领域普通技术人员可知，随着SVD的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

综合上述，本申请实施例的信道估计方法，结合Massive MIMO场景下噪声的分布特性，基于未降噪的信号矩阵生成滤波矩阵，进而，对待降噪的信道估计参数执行滤波降噪，从而能够提高信道估计的准确性，提高信道估计的性能，进而提高无线通信***的性能。

图11是本申请实施例提供的信道估计装置1100的结构示意图。该信道估计装置1100可以用于执行图7至图10所对应的方法。如图11所示，该信道估计装置1100包括生成模块1101、计算模块1102、确定模块1103和降噪模块1104。该生成模块1101、计算模块1102和确定模块1103具体可以用于执行上述方法100、方法200、方法300和方法400中所述各类参数的处理；该降噪模块1104具体用于执行上述方法100、方法200、方法300和方法400中所述待降噪信道估计矩阵中参数的滤波降噪。

例如，该生成模块1101可以用于根据未降噪参数生成信号数据矩阵，还可以用于根据所述信号域特征值和所述噪声域特征值生成滤波矩阵。该计算模块1102可以用于对所述信号数据矩阵执行奇异值分解SVD，得到信号强度矩阵。该确定模块1103可以用于将所述信号强度矩阵中的每个特征值确定为信号域特征值或者噪声域特征值，其中，所述信号域特征值是指示信号强度大于噪声强度的特征值，所述噪声域特征值是指示信号强度小于噪声强度的特征值。该降噪模块1104可以用于使用所述滤波矩阵中的每个滤波系数对待滤波信道估计矩阵中的相应信道估计参数执行滤波降噪，得到目标信道估计矩阵，所述待滤波信道估计矩阵中的信道估计参数与所述滤波矩阵中的滤波系数是同一空间域的参数。

具体内容可以参考方法100、方法200、方法300和方法400中相关部分的描述，此处不再赘述。

应理解，以上各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。本申请实施例中，生成模块1101、计算模块1102、确定模块1103和降噪模块1104可以由处理器实现。如图12所示，信道估计设备1200可以包括处理器1201、收发器1202和存储器1203。其中，存储器1203可以用于存储信道估计设备1200出厂时预装的程序/代码，也可以存储用于处理器1201执行时的代码等。

应理解，根据本申请实施例的信道估计设备1200可对应于根据本申请实施例的方法100、方法200、方法300和方法400中的基站，其中收发器1202用于执行方法100、方法200、方法300和方法400中所述各种参数的收发，例如，未降噪参数的接收，处理器1201用于执行方法100、方法200、方法300和方法400中所述基站中各种参数的处理。在此不再赘述。

具体实现中，对应信道估计设备1200，本申请实施例还提供一种计算机存储介质，其中，设置在基站中的计算机存储介质可存储有程序，该程序执行时，可实施包括图7至图10提供的信道估计方法的部分或全部步骤。基站中的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-only memory，简称：ROM)或随机存储记忆体(英文：random accessmemory，简称：RAM)等。

本申请实施例中，收发器可以是有线收发器，无线收发器或其组合。有线收发器例如可以为以太网接口。以太网接口可以是光接口，电接口或其组合。无线收发器例如可以为无线局域网收发器，蜂窝网络收发器或其组合。处理器可以是中央处理器(英文：centralprocessing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。处理器还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic，缩写：GAL)或其任意组合。存储器可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如只读存储器(英文：read-only memory，缩写：ROM)，快闪存储器(英文：flash memory)，硬盘(英文：hard disk drive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器还可以包括上述种类的存储器的组合。

图12中还可以包括总线接口，总线接口可以包括任意数量的互联的总线和桥，具体由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线接口还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器提供用于在传输介质上与各种其他设备通信的单元。处理器负责管理总线架构和通常的处理，存储器可以存储处理器在执行操作时所使用的数据。

本领域技术任何还可以了解到本申请实施例列出的各种说明性逻辑块(illustrative logical block)和步骤(step)可以通过电子硬件、电脑软件，或两者的结合进行实现。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个***的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本申请实施例保护的范围。

本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于UE中。可选地，处理器和存储媒介也可以设置于UE中的不同的部件中。

应理解，在本申请的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

本说明书的各个部分均采用递进的方式进行描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点介绍的都是与其他实施例不同之处。尤其，对于装置和设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例部分的说明即可。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (16)

1.一种信道估计方法，其特征在于，所述方法包括：

根据未降噪参数生成信号数据矩阵；

对所述信号数据矩阵执行奇异值分解SVD，得到信号强度矩阵；

将所述信号强度矩阵中的每个特征值确定为信号域特征值或者噪声域特征值，其中，所述信号域特征值是指示信号强度大于噪声强度的特征值，所述噪声域特征值是指示信号强度小于噪声强度的特征值；

根据所述信号域特征值和所述噪声域特征值生成滤波矩阵；

使用所述滤波矩阵中的每个滤波系数对待滤波信道估计矩阵中的相应信道估计参数执行滤波降噪，得到目标信道估计矩阵，所述待滤波信道估计矩阵中的信道估计参数与所述滤波矩阵中的滤波系数是同一空间域的参数。

2.如权利要求1所述的信道估计方法，其特征在于，所述将所述信号强度矩阵中的每个特征值确定为信号域特征值或者噪声域特征值，包括：

按照从大到小的顺序，顺次计算所述信号强度矩阵中n个特征值两两之间的差值，得到n-1个差值，n是大于1的整数；

顺次使用第一个差值至第k个差值的加权平均值除以第k个差值至第n-1个差值的加权平均值，共得到k个变化率，k大于1小于或者等于n-x，x是小于n大于或者等于1的整数；

确定最大变化率对应的k值；

按照从大到小的顺序顺次将所述信号强度矩阵中k个特征值确定为所述信号域特征值，将第k+1个特征值至第n个特征值确定为所述噪声域特征值。

3.如权利要求1所述的信道估计方法，其特征在于，所述将所述信号强度矩阵中的每个特征值确定为信号域特征值或者噪声域特征值，包括：

读取所述信号强度矩阵中的最大特征值；

确定所述最大特征值预设比例的值为临界值；

将所述信号强度矩阵中大于或者等于所述临界值的特征值确定为所述信号域特征值，将所述信号强度矩阵中小于所述临界值的特征值确定为所述噪声域特征值。

4.如权利要求1至3中任一项所述的信道估计方法，其特征在于，所述根据所述信号域特征值和所述噪声域特征值生成滤波矩阵，包括：

根据每个所述信号域特征值计算相应信号域特征值对应信号功率；

根据全部所述噪声域特征值计算噪声平均功率；

根据每个所述信号功率和所述噪声平均功率计算相应信号功率对应的滤波系数，得到所述滤波矩阵。

5.如权利要求4所述的信道估计方法，其特征在于，所述滤波矩阵P满足：

其中，是指所述信号功率，i＝1……k，σ是指所述噪声平均功率。

6.如权利要求5所述的信道估计方法，其特征在于，所述使用所述滤波矩阵中的每个滤波系数对待滤波信道估计矩阵中的相应信道估计参数执行滤波降噪，包括：

根据所述滤波矩阵P生成滤波权值矩阵W，所述滤波权值矩阵W满足：其中，U_k是指k个所述信号域特征值对应的入射方向矩阵，是指矩阵U_k的共轭转置；

使用所述滤波权值矩阵W中的每个权值，对所述待滤波信道估计矩阵H中的信道估计参数执行滤波，得到所述目标信道估计矩阵所述目标信道估计矩阵满足：

7.如权利要求1所述的信道估计方法，其特征在于，所述根据未降噪参数生成信号数据矩阵，包括：

获取天线域信号参数矩阵或者波束域信号参数矩阵或者未降噪的信道估计矩阵；

对所获取的矩阵执行自相关，得到自相关矩阵；

计算所述自相关矩阵中每个参数的平均值，得到所述信号数据矩阵。

8.如权利要求1所述的信道估计方法，其特征在于，所述根据未降噪参数生成信号数据矩阵，包括：

获取未降噪信道估计矩阵，作为所述信号数据矩阵。

9.如权利要求5或7所述的信道估计方法，其特征在于，所述信号功率满足：λ_i是指所述信号域特征值，所述噪声平均功率σ满足：其中，Σ_n-k是指所述噪声域特征值形成的矩阵。

10.如权利要求5或8所述的信道估计方法，其特征在于，所述信号功率满足：λ_i是指所述信号域特征值，所述噪声平均功率σ满足：其中，Σ_n-k是指所述噪声域特征值形成的矩阵。

11.如权利要求1至3、8中任一项所述的信道估计方法，其特征在于，所述根据所述信号域特征值和所述噪声域特征值生成滤波矩阵，包括：

将所述噪声域特征值从所述信号强度矩阵中删除，得到所述信号域特征值形成的矩阵；

将所述信号域特征值形成的矩阵确定为所述滤波矩阵。

12.如权利要求11所述的信道估计方法，其特征在于，所述目标信道估计矩阵满足：

其中，λ_i是指所述信号域特征值，i＝1……k，U_k是指k个所述信号域特征值对应的入射方向矩阵，是指k个所述信号域特征值对应的采样点矩阵的共轭转置。

13.如权利要求1所述的信道估计方法，其特征在于，在使用所述滤波矩阵中的每个滤波系数对待滤波信道估计矩阵中的相应信道估计参数执行滤波降噪之前，还包括：

接收天线域信号，得到天线域信号矩阵；

对所述天线域信号矩阵中的每个信号参数执行信道估计，得到包含相应信道估计参数的所述待滤波信道估计矩阵；或者，

接收天线域信号，得到天线域信号矩阵；

对所述天线域信号矩阵中每个信号参数执行离散傅里叶变换DFT，得到所述波束域信号矩阵；

对所述波束域信号中的每个信号参数执行信道估计，得到包含相应信道估计参数的所述待滤波信道估计矩阵。

14.一种信道估计装置，其特征在于，包括用于执行权利要求1至13中任一项所述的信道估计方法的模块。

15.一种信道估计设备，其特征在于，包括处理器和存储器，其中：

所述存储器，用于存储程序指令；

所述处理器，用于调用并执行所述存储器中存储的程序指令，以使所述信道估计设备执行权利要求1至13中任一项所述的信道估计方法。

16.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得所述计算机执行权利要求1至13中任一项所述的信道估计方法。