CN1708966A - 在发射波束成形存在时用于信道估计的方法 - Google Patents

Abstract

本发明涉及用于在接收机内存在发射波束成形的时候估计传播信道的方法，该方法考虑被称为公共信道和专用物理信道(CPICH，DPCH)的两个逻辑信道的结构并基于对应传播信道的公共结构，所述的DPCH信道包括两个子信道(DPDCH，DPCCH)，所述的传播信道被遵循不相关散射广义平稳性模型建模为有限数量的离散多径分量的线性叠加，多径分量由时变多径复系数和延迟表征。用途：瑞克接收机。

Description

在发射波束成形存在时用于信道估计的方法

发明领域

本发明涉及一种在发射波束成形存在时用于估计传播信道的方法。本发明还涉及一种用于实现所述方法的估计器。

所述方法适于特别地使用在UMTS标准内并尤其是在常规瑞克(Rake)接收机内。

发明背景

在此被合并以作参考的UMTS标准(参见“3GPP TechnicalSpecifications(3GPP技术规范)，Rel.99，http://www.3gpp.org/specs/specs.html”)中定义了一种UMTS通信***，它至少包括一个基站(BS)和一个在整个文献中被称为用户设备(UE)的移动电话终端。BS和UE都包括发射机和接收机。BS通过BS发射机在下行链路中把信号发送到UE接收机。UE通过UE发射机在上行链路中把信号发送到BS接收机。在上行链路和下行链路通信中，UE和BS都把将要发射的数据映射到逻辑信道中。

特别地，UMTS标准提供两个用于下行链路通信的逻辑信道，第一信道被表示为由连续的已知导频符号序列构成的公共导频信道(CPICH)，第二逻辑信道被表示为专用物理信道(DPCH)。所述第二逻辑信道DPCH包括时分复用的被表示为专用物理数据信道(DPDCH)的第一逻辑子信道与被表示为专用物理控制信道(DPCCH)的第二逻辑子信道，其中前者载送计划用于相关用户的信息数据符号，后者载送已知的用户专用导频符号。

发射波束成形可以在下行链路通信过程中在BS处被用来改善在UE处对被映射到逻辑信道DPDCH中的用户信息的接收。为了执行发射波束成形，BS需要装备有多个天线。这样才可能通过在相关用户的方向上整形波束、同时在其它的用户方向上设置空值以减轻对其它用户的干扰，从而提供最优的空间滤波。从而，使用发射波束成形可以通过让大量用户共享同一频谱而显著地提高频谱的使用效率，这都要归功于改进了的用户专用数据接收和降低了的干扰。虽然发射波束成形要被用于逻辑信道DPCH的传输，但是它不适于在时间和空间上(即沿各个方向)均一地广播给所有用户的逻辑信道CPICH传输。从UE接收机可见，逻辑信道DPCH的传输经由所谓DPCH传播信道而发生，所述DPCH传播信道包括BS发射机链(包括波束成形天线***)、从BS到UE的实际传播信道以及UE接收机链的级联。不同于逻辑信道CPICH，下行链路传输经由所谓CPICH传播信道而发生，所述CPICH传播信道包括BS发射机链(包括代替波束成形天线***的全向天线***)、从BS到UE的实际传播信道以及接收机链的级联。为了简短起见，我们在本文献中将上述DPCH传播信道和CPICH传播信道分别称为DPCH信道和CPICH信道。UE接收机需要估计DPCH信道以便解调、解码和恢复包含在DPDCH中的信息数据。在没有发射波束成形的时候，CPICH信道和DPCH信道是相同的(由于分配给DPDCH、DPCCH和CPICH逻辑信道的不同发射功率而最多差一个不产生影响的实标量因子)。CPICH逻辑信道的已知导频符号的连续供给可以在UE接收机处被容易地使用来估计与DPCH信道相同的CPICH信道，然后使用这个估计值来恢复DPDCH信息数据。令人遗憾的是，当发射波束成形被应用时，CPICH逻辑信道的已知导频仍然提供CPICH信道的估计，但是那些估计不能直接用作对不同于CPICH信道的DPCH信道的信道估计。然后，UE接收机不得不依靠不同的技术来估计DPDCH信道以便恢复信息数据。

发明概要

因此，本发明的一个目的是提供在发射波束成形存在时最佳地利用来自逻辑信道DPCH和CPICH的所有可用信息来估计DPDCH信道而同时限制计算复杂度的方法，以及一个实现所述方法的相关联的估计器。

为此，根据本发明的第一目的，提供如权利要求1所要求的用于在发射波束成形存在时估计传播信道的方法。

另外，根据本发明的第二目的，提供如权利要求15所要求的用于在发射波束成形存在时估计传播信道的估计器。

在本发明的第一非限制性实施例中，该方法如权利要求2所表征。

在本发明的第二非限制性实施例中，该方法如权利要求3所表征。

在本发明的第一非限制性实施例中，该估计器如权利要求16所表征。

在本发明的第二非限制性实施例中，该估计器如权利要求17所表征。

我们在下文细节中将看到，通过在UE处联合利用可用的CPICH和DPCH逻辑信道信息，本方法使UE接收机能够处理施加到DPCH传输的发射波束成形。根据所属技术领域的专业人员所熟知的最大后验概率准则，本方法的第一实施例如上所述最佳地利用所述信息来估计DPDCH传播信道多径系数。在发射波束成形存在时应将示出，DPCH信道的每个多径分量系数不同于CPICH信道的对应的多径分量系数，其不同之处在于一个已经被称为波束成形复因子的未知复比例因子。本方法的第二实施例提供对该波束成形复因子的估计。然后，通过用相关的复比例因子估计乘以CPICH信道的每个多径分量系数估计，DPDCH传播信道的多径分量系数的估计被建立。这样，相对于第一方法可能节省了相当多的计算。此外，由于所述CPICH逻辑信道的已知导频符号的连续供给，CPICH信道的应用还允许连续地跟踪由于UE运动产生的多普勒扩展造成的信道时变。

附图简述

本发明和可以选择性地用于实现本发明以获利的附加特征通过参考下文中描述的附图进行阐明并变得明显。

图1表示说明了用于根据本发明的DPDCH信道估计的所述第一方法的主要步骤的图示，

图2表示说明了用于根据本发明的DPDCH信道估计的所述第二方法的主要步骤的图示，

图3说明了实现根据图1的发明的DPDCH信道估计的第一方法的体系结构示意图，和

图4说明了实现根据图2的发明的DPDCH信道估计的第二方法的体系结构示意图。

实施例的详细说明

1.引言

在下列说明中，为了避免不必要地模糊本发明，所述领域普通技术人员所熟知的功能或构造将不作详细描述。

本发明涉及用于当信息数据经由波束成形***被发射时在通信***中估计传播信道的方法和实施例。当信息数据从基站BS被发射到用户设备UE时，所述方法特别适合于在UMTS标准内的瑞克接收机中实现，在此UE是移动电话。

UMTS标准提供两个逻辑信道以用于下行链路通信：被表示为包括连续的已知导频符号序列的公共导频信道(CPICH)的第一信道，和被表示为专用物理信道(DPCH)的第二逻辑信道。所述第二逻辑信道DPCH包括时分复用的被表示为专用物理数据信道(DPDCH)的第一逻辑子信道与被表示为专用物理控制信道(DPCCH)的第二逻辑子信道，其中前者载送计划用于相关用户的信息数据，后者载送已知的用户专用导频符号。对于每个时隙都分配DPCH，即分配了紧随着DPCCH导频字段的DPDCH数据字段。

在下行链路通信的过程中，可以在基站采用发射波束成形来改善在UE处对映射到逻辑信道DPDCH中的用户信息数据的接收。BS需要装备多个天线来执行发射波束成形。这样就可能通过在所涉及用户的方向上整形波束、同时在其它用户方向上设置空值来减轻对其它用户的干扰，从而提供最优的空间滤波。从而，归功于被改善的用户专用数据的接收和被减少的干扰，发射波束成形的使用可以显著地改善频谱的使用效率并允许大量用户共享同一频谱。然而，虽然发射波束成形将被用于逻辑信道DPCH的传输，但它不适合于要在时间和空间上(即沿各个方向)对所有用户均一广播的逻辑信道CPICH传输。从UE接收机可以看到，逻辑信道DPCH的传输经由所谓的DPCH信道而发生，所述DPCH信道包括BS发射机链(包括波束成形天线***)、从BS到UE的实际传播信道以及UE接收机链的级连。相反，逻辑信道CPICH经由所谓的CPICH信道而发生，所述CPICIH信道包括BS发射机链(包括代替波束成形天线***的全向天线***)、从BS到UE的实际传播信道以及接收机链的级连。UE接收机需要估计DPCH信道以便解调、解码以及恢复DPDCH中包括的信息数据。在没有发射波束成形的情况下，CPICH信道和DPCH信道是相同的(由于分配给DPDCH、DPCCH和CPICH逻辑信道的不同发射功率而最多相差一个实标量因子)。可以容易地在UE接收机处使用CPICH逻辑信道的已知导频符号的连续供给来估计与DPCH信道相同的CPICH信道，然后使用这个估计来恢复DPDCH信息数据。

令人遗憾的是，当应用发射波束成形时，CPICH逻辑信道的已知导频还提供对CPICH信道的估计，但是由于DPCH信道不同于CPICH信道，所以这些估计不能直接用作DPCH的信道估计。

2.关于DS-CDMA中的数据发射和接收的基本原理

为了发射某个用户专用的信息，源信息数据经由源编码技术被恰当地映射到二进制字母表中，即被映射到比特中。然后，通过使用适当的信道代码对这些比特进行信道编码以便保护信息比特不受传输期间引起的损害(噪声、干扰)。然后根据某个调制方案(例如所属技术领域的专业人员熟知的QPSK调制)通过把比特映射到符号中来调制信道编码比特，其中，每个符号由一个或多个比特来表示(在QPSK调制中，每个符号由两个比特来表示)。在DS-CDMA***中，通过用特定扩展序列来滤波，所述符号然后在更大的带宽上被扩展。扩展符号在文献中被称为码片。注意，码片周期的持续时间比符号周期的持续时间短，码片周期的持续时间比符号周期的持续时间短的因子近似等于扩展操作的带宽展宽因子。所述因子等于每个符号周期的码片数目并被称为扩展因子。为了使几个用户共享相同的带宽并使接收机能够基于对用户特定扩展序列的知识来区别和恢复期望的用户符号序列，用不同的扩展序列来扩展载送来自不同源的信息比特的符号序列。所得到的码片然后由脉冲整形滤波器(在UMTS的情况下是根升余弦滤波器)来滤波并被数模(D/A)转换。所得到的模拟信号然后被调制到射频并由(一个或多个)BS天线来发射。同样地，当采用发射波束成形时，由脉冲整形滤波器滤波的相同码片序列在乘以天线特定的复权重因子之后被发送给所有的天线。天线特定权重因子可以被收集在所谓的波束成形权重矢量中。所述波束成形权重矢量的选择在附图和相位方面确定BS的多天线***的辐射图的形状。从天线被发射的信号在从BS天线到UE接收机天线的实际传播信道上经受若干散射、衍射和反射现象。来自其它用户和邻近BS的噪声和干扰进一步地损害用于所涉及UE的(一个或多个)有用信号。在UE天线处接收的射频信号被下解调至基带(或中频IF)并被模/数转换(A/D)以产生数字基带信号。然后，UE接收机处理这个基带信号以便恢复计划用于所涉及用户的有用信息数据。为了这个目的，接收机需要估计与有用数据的传输相关连的直至模数转换的发射机链、实际的无线传播信道和接收机链的级联。这个级联在文献中通常简单地被称为信道。随后，上述操作的详细数学描述被提供。

3.信号和信道模型

一般的DS-CDMA信号和信道模型被提供。这类模型然后将被应用于UMTS CPICH和DPCH信号和信道的特定情况。

3.1.一般的信号模型

考虑信号s(t)经由具有脉冲响应h(t，τ)的多径信道的传输的普通情况。在接收机处的模数转换之前，连续时间复基带接收信号被模拟为：

y(t)＝x(t)+v(t)                          (1)

其中，x(t)表示包括有用数据的接收信号部分，v(t)表示噪声加上干扰项的。信号x(t)由下给出：

x(t)＝∫h(t，t-τ)z(τ)dτ               (2)

其中，h(t，τ)表示时变信道脉冲响应和

$z\left(t\right)=\underset{k}{\mathrm{\Σ}}a\left(k\right)\mathrm{\ψ}(t-k{T}_c)---\left(3\right)$

表示在发射机处的数模变换之后的发射信号，其中T_c表示码片周期并且 其中，M表示扩展因子，而 表示下取整(flooring)运算符。此外，s(n)表示第n个调制符号(例如QPSK)，d(k)表示扩展序列的第k个码片，而ψ(t)表示限制***带宽的脉冲整形滤波器。注意，这个模型可以被用于具有几个扩展层的***，比如由标准UMTS、IMT-2000和IS-95(参见′“IMT-2000http://www.imt-2000.org/portal/index.asp”)定义的DS-CDMA***，其内容在此引用以作参考。

信道h(t，τ)被假定遵循具有瑞利(Rayleigh)衰落和多径响应的广义平稳性不相关散射模型(stationary uncorrelatedscattering model)，其在”J.G.Proakis Digital Communications，NY：McGraw-Hill，3^rd edition，1995”中被描述。

$h(t,\mathrm{\τ})=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{c}_p\left(t\right)\mathrm{\δ}(\mathrm{\τ}-{\mathrm{\τ}}_p)---\left(4\right)$

其中，P表示多径分量的数量，而c_p(t)和τ_p表示与第p个多径分量相关联的时变复系数和传播延迟。路径复系数c_p(t)取决于UE和周围的散射物体(例如建筑物、山丘及其它运动物体)相对于BS的速率而改变。当BS使用Q个天线用于发射波束成形时，由(4)表示的信道模型被推广为为：

$h(t,\mathrm{\τ})=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{w}^{H}a\left({\mathrm{\θ}}_p\right)c_p\left(t\right)\mathrm{\δ}(\mathrm{\τ}-{\mathrm{\τ}}_p)---\left(5\right)$

其中

w＝[w₀，…，w_Q-1]^T表示发射波束成形权重矢量

a(θ)＝[a₀(θ)，…，a_Q-1(θ)]^T表示天线在方向θ上的响应矢量。

上标(.)^T和(.)^H分别表示转置和Hermitian转置。因为在实际的实现方式中，为了注释起见，矢量w一般最多可以以时隙速率改变，所以其时变没有明确地考虑在公式(5)中。

通过检验公式(4)和(5)，可以注意到，发射波束成形在一个时隙期间只以复因子w^Ha(θ_p)来影响路径时变复系数c_p(t)的幅度而不是延迟τ_p。换言之，信道的时间结构不受天线响应矢量和发射波束成形的影响。从而，路径时变复系数β_pc_p(t)＝w^Ha(θ_p)c_p(t)并且c_p(t)在情况(4)和(5)中都相同，只是差一个复因子β_p＝w^Ha(θ_p)，该复因子表示之前提及的波束成形复因子。因此，根据(5)的信道估计可以从对系数c_p(t)和β_p的延迟τ_p(p＝1，…，P)的估计来建立。

3.2.用于DPCH和CPICH的接收信号模型

考虑到其中CPICH和DPCH信道重叠的UMTS情况，我们现在把之前一般的信道模型应用到DPCH和CPICH信道。然后连续时间复基带接收信号(1)可以被写为：

y(t)＝x_cpich(t)+x_dpch(t)+v(t)           (6)

其中，x_cipch(t)和x_dpch(t)分别是与CPICH和DPCH信道相关联的信号分量：

x_cpich(t)＝∫h_cpich(t，t-τ)z_cpich(τ)dτ

x_dpch(t)＝∫h_dpch(t，t-τ)z_dpch(τ)dτ

其中

$h_{\mathrm{cpich}}(t,\mathrm{\τ})=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{c}_p\left(t\right)\mathrm{\δ}(\mathrm{\τ}-{\mathrm{\τ}}_p)$

$h_{\mathrm{dpch}}(t,\mathrm{\τ})=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{w}^{H}a\left({\mathrm{\θ}}_p\right)c_p\left(t\right)\mathrm{\δ}(\mathrm{\τ}-{\mathrm{\τ}}_p)$

和

$z_{\mathrm{cpich}}\left(t\right)=\underset{k}{\mathrm{\Σ}}{a}_{\mathrm{cpich}}\left(k\right)\mathrm{\ψ}(t-k{T}_c)$

$z_{\mathrm{dpch}}\left(t\right)=\underset{k}{\mathrm{\Σ}}{a}_{\mathrm{dpch}}\left(k\right)\mathrm{\ψ}(t-k{T}_c)$

其中

s_cpich(n)和s_dpch(i)分别表示与CPICH相关联的第n个调制符号和与DPCH相关联的第i个调制符号，而d_cpich(k)、d_dpch(k)分别表示CPICH和DPCH扩展序列的第k个码片。

3.3.备注

应当注意，扩展因子M对于CPICH和DPCH逻辑信道可能不同。在UMTS标准中，CPICH具有等于256的固定扩展因子，而DPCH具有可在{4，16，32，64，128，256，512}中取值的扩展因子。

此外，对于任何n，CPICH符号全部都是相同的，即，s_cpich(n)＝A(1+j)，其中，A是考虑到BS分配给CPICH逻辑信道的功率的实幅度因子。在UE接收机处对符号的先验知识包括CPICH可以被利用来估计由(4)表示的信道h_cpich。在DPCH上没有发射波束成形的情况下，h_cpich＝h_dpch，这样此类基于CPICH符号的估计足够使接收机在DPCH上恢复期望的用户信息符号。相反，如果发射波束成形被应用于DPCH，则对CPICH符号的先验知识还允许容易地如(4)所示地估计信道h_cpich，但不允许容易地估计如(5)所示的与DPCH相关联的信道h_dpch，其由于未知系数β_p的存在而不同于h_cpich。从而，需要用其它方法来估计信道h_dpch，这是恢复通过DPDCH发射的信息符号所必需的。

我们在上面隐含地假定了一个数字基带接收机，其中，基带信号在模数转换之后被处理。换言之，由(6)表示的信号在所有基带处理之前被模数转换。特别地，我们认为UE接收机是离散时间瑞克接收机(参见J.G.Proakis Digital Communications，NY：McGraw Hill，3^rd edition，1995，在此引用以作参考)。应该注意，在此阐明的方法可以被应用于所有类型的依靠于信道估计的基带接收机。

4.信道估计

因为延迟τ_p不受发射波束成形存在的影响，所以我们应该假设它们已经被常见的延迟估计/跟踪技术(例如延迟锁定环路，参见J.G.Proakis Digital Communications，NY：McGraw-Hill，3_rd edition，1995，其利用了对于CPICH符号的知识，在此引用以作参考)所恢复，而且我们应该把注意力集中于信道路径系数c_p(t)和β_p的估计。为了估计所述系数，在CPICH和DPCH解扩之后，我们考虑在瑞克接收机的每个指处的信号。

为了简化起见，我们将限制对单个路径/指情况的处理，而多指的情况是它的简单推广。从而，我们将丢弃表示时变复系数c_p(t)的下标p，其在下文中也被称为路径衰落系数或简单地称之为路径系数。此外，为了简短起见，在下文中我们将用″信道估计″来指信道路径系数估计。

此外，在第一情况中，我们还把分析限制为DPCH扩展因子M等于CPICH扩展因子的情况。我们将依次将分析推广到其它扩展因子。

另外，我们需要对之前提及的干扰和噪声项建立模型。特别地，从不同用户间的干扰、由于DPCH上的CPICH和/或由于专用于相同用户的不同数据流的干扰中出现了多路访问干扰，并且路径间干扰起因于与不同延迟τ的路径相关联的脉冲响应之间的干扰。

假定全部干扰和噪声将被建模为零均值复循环对称加性白高斯噪声(AWGN)，则在瑞克指处的CPICH和DPCH解扩信号分别是：

y_cpich(n)＝c(n)s_cpich(n)+v_cpich(n)

y_dpch(n)＝w^Ha(θ)c(n)s_dpch(n)+v_dpch(n)

                                                    (7)

其中，v_dpch(n)和v_cpich(n)分别表示与DPCH和CPICH相关联的加上噪声的干扰项，被假定为独立的，c(n)是以之前表示为c(t)或c_p(t)的路径时变复系数的符号速率下的离散时间表示，s_dpch(n)和s_cpich(n)分别表示在符号时间n的DPCH和CPICH逻辑信道的符号。在假定CPICH和DPCH信道在每个符号时间n都可能改变、并且干扰和噪声可以被建模为零平均值AWGN的情况下，然后我们在每个符号时间n如下建立最大似然(ML)静态瞬时信道估计：

$\begin{array}{c}{\hat{c}}_{\mathrm{cpich}}\left(n\right)=s_{\mathrm{cpich}}^{*}\left(n\right)y_{\mathrm{cpich}}\left(n\right)=c\left(n\right)+v_{\mathrm{cpich}}\left(n\right)\\ {\hat{c}}_{\mathrm{dpch}}\left(n\right)=s_{\mathrm{dpch}}^{*}\left(n\right)y_{\mathrm{dpch}}\left(n\right)=w^{H}a\left(\mathrm{\θ}\right)c\left(n\right)+v_{\mathrm{dpch}}\left(n\right)\end{array}---\left(8\right)$

其中，s^*(n)表示s(n)的复共轭，v_cpich(n)和v_dpch(n)分别表示与CPICH和DPCH信道相关联的AWGN，并且其中不失一般性地，我们假定两个信道的符号都将被标准化以使|s_dpcch(n)|＝|s_cpich(n)|＝1。为了计算估计(8)，需要知道发射符号S_dpch ^*(n)和S_cpich ^*(n)。符号S_cpich ^*(n)在接收机全部都被知道。在DPCH内，只有构成DPCCH的专用导频符号S_dpcch ^*(n)被知道，而不知道构成DPDCH的数据符号。因此，如果DPDCH符号S_dpdch ^*(n)将在(8)中被使用，则它们首先需要由决策导向(decision-direct)技术来估计。因此对于CPICH和DPCCH的情况，当存在先验知道的导频符号时，以数据辅助(DA)方式从在指输出处的观测y_cpich(n)和y_dpch(n)中形成ML估计(8)，而当存在用于DPDCH的未知数据符号时，则以决策导向(DD)方式形成。DD方法需要在瑞克接收机输出处使用在DPDCH上采取的作为导频符号的硬决策(hard decision)。因此，从(8)我们对于DPCCH的情况(DA)得到

${\hat{c}}_{\mathrm{dpcch}}\left(n\right)=s_{\mathrm{dpcch}}^{*}\left(n\right)y_{\mathrm{dpcch}}\left(n\right)=w^{H}a\left(\mathrm{\θ}\right)c\left(n\right)+v_{\mathrm{dpcch}}\left(n\right)---\left(9\right)$

并且对于DPDCH的情况(DD)得到

${\hat{c}}_{\mathrm{dpdch}}\left(n\right)={\hat{s}}_{\mathrm{dpdch}}^{*}\left(n\right)y_{\mathrm{dpdch}}\left(n\right)=w^{H}a\left(\mathrm{\θ}\right)c\left(n\right)+v_{\mathrm{dpdch}}\left(n\right)---\left(10\right)$

其中，_dpcch ^*(n)表示被建立为在瑞克接收机输出处采取的硬决策的第n个DPDCH符号的估计。公式(8)-(10)表示在下面阐述的DPDCH信道估计算法的推导基础。为了支持下一个推导，涉及物理行为和用于CPICH和DPCH信道的相关模型的更多细节被提供。

4.1. CPICH和DPCH衰落信道模型的物理解释

由于UMTS W-CDMA***带宽很大，从BS到UE的信道可以被模拟为包括一组离散多径分量。特别地，根据公式(4)和(5)，把信道脉冲响应近似为有限数量的独立多径分量的线型叠加是可能的。我们在前面还把多径分量简单地指为信道路径。路径由一个延迟和一个复系数表征。当UE(和/或任何其它的散射物体)相对于BS运动时，每个路径复系数都可能随着时间变化。从而，由公式(4)及以下所表示的，整个信道脉冲响应也随着时间变化。这个现象一般被称为多普勒扩展，其来自于当在通信中发射机或接收机相对于另一方移动时出现的多普勒效应。信道多普勒扩展表示信道脉冲响应的改变速率，或者当集中于信道路径时表示路径复系数随时间变化的速率。多普勒扩展随着UE相对于BS的速度而增加。从物理观点来说，CPICH信道的每条路径对应于具有相同延迟τ和相同多普勒扩展而具有不同复路径幅度的DPCH信道上的路径，即根据公式(4)和(5)分别为c(n)和βc(n)。因此只要因子β是恒定值，则CPICH和DPCH信道路径都以速率c(n)而变化，即它们共享相同的多普勒扩展。从而，两个复路径的幅度时间变化是相同的，而它们总是仅仅由波束成形复因子β来区别，β由波束成形权重矢量w和对应于该路径的方向θ的天线阵列响应a(θ)的标量积来确定。

4.2.最优联合基于MAP CPICH-DPCH的DPDCH信道估计

最优联合CPICH-DPCH MAP DPDCH信道估计问题在J.Baltersee、G.Fock、P.Schultz-Rittich，和H.Meyr的“Performance analysis of phasor estimation algorithms forFDD-UMTS RAKE receiver(对用于FDD-UMTS瑞克接收机的相位矢量估计算法的性能分析)”IEEE 6^th Symp.on Spread SpectrumTechnologies and Applications，NJIT，NJ，September 2000”中被阐明为简单CPICH MAP信道估计问题的直接扩展，其内容在此引用以作参考。

MAP优化标准的一般公式化对应于下列优化问题

${\hat{c}}_{\mathrm{MAP}}\left(k\right)=\arg \underset{c\left(k\right)}{\max }p\left(c\left(k\right)\right|y,s)$

即 是当给定了由公式(7)表示的观测y_cpich(n)和y_dpch(n)的矢量y和导频符号s_cpich(n)和s_dpch(n)的矢量s时，最大化c(k)的后验概率密度函数p(c(k)|y，s)的幅角(argument)。

我们将看出，尽管最优MAP DPDCH信道估计对于实际的UE内的可行实现方式来说计算要求过高，然而其推导提供了正确的方针以用于其它仍然根据特定最优性标准的减少了复杂度的用于DPDCH信道估计器。

假定信道路径是高斯复随机过程，则在给出观测列矢量 的情况下，在时刻k的最大后验概率(MAP)DPDCH信道路径系数估计由有条件期望值 ${\hat{c}}_{\mathrm{ML}}\left(k\right)={\hat{c}}_{\mathrm{dpdch}}\left(k\right)$ 的

给出，其中所述矢量 包括所有可用的ML瞬时信道路径系数估计 ${\hat{c}}_{\mathrm{dpch}}\left(m\right)(m\≠k)$ 和 并且其根据公式(8)-(10)被定义，即：

${\hat{c}}_{\mathrm{MAP}}\left(k\right)=E\left\{{\hat{c}}_{\mathrm{ML}}\left(k\right)\right|{\hat{c}}_{\mathrm{ML}}\}---\left(11\right)$

公式(11)可以通过观察到根据公式(8)-(10)的ML估计仍然是高斯复随机变量而被简单地解释，其具有由真实DPDCH信道c_dpdch(k)＝βc(k)给出的平均值以及由噪声项v_dpch(k)给出的方差。为了实现MAP估计，

的后验概率密度函数(即以

为条件的

的概率密度函数)必须被最大化。所熟知的是，高斯概率密度函数的最大值对应于分布的平均值而达到。此后，采取最大化条件概率密度函数的期望公式(11)，从而得出MAP信道估计。可以示出，MAP最优信道估计(11)可以通过如下低通滤波一组瞬时的ML信道估计(8)来建立(参见例如H.Meyr、M.Moeneclay和S.Fetchel的”DigitalCommunication Receivers：Synchronization，channel estimationand signal processing(数字通信接收机：同步、信道估计和信号处理)”，John Wiley & Sons，New York，1998”，其内容在此引用以作参考)：

${\hat{c}}_{\mathrm{MAP}}\left(k\right)=f^H{\hat{c}}_{\mathrm{ML}}---\left(12\right)$

其中，(12)中f＝[f(N-1)…f(0)]^T是低通滤波器系数的矢量，其中N＝K_cpich+K_dpch，K_dpch和K_cpich分别是DPCH和CPICH的可用的ML瞬时信道估计

和

的数量。在之前假定信道路径是瑞利衰落的情况下，则得出MAP信道估计的最佳滤波器f＝[f(N-1)…f(0)]^T是：

$f={R_{\hat{c}\hat{c}}}^{-1}{r}_{\hat{c}{c}^{*}}---\left(13\right)$

其中， $R_{\hat{c}\hat{c}}=E\left\{{\hat{c}}_{\mathrm{ML}}{\hat{c}}_{\mathrm{ML}}^H\right\}$ 表示ML信道估计的协方差矩阵， $r_{\hat{c}{c}^{*}}=E\left\{{\hat{c}}_{\mathrm{ML}}{c}_{\mathrm{dpdch}}^{*}\left(k\right)\right\}$ 表示ML信道估计和在时刻k的真实DPDCH信道之间的互相关矢量。

公式(13)给出的最佳滤波器f对应于熟知维纳滤波器，亦称线性预测滤波器。取决于矢量

是只包括过去的、或者只包括将来的、或者包括过去的和将来的相对于DPDCH信道c_dpdch(k)的形式(8)-(10)的ML瞬时信道估计，公式(13)分别产生前向、后向、或前向-后向线性预测滤波器。

在更普通的Rice衰落信道情况中，最优线性预测滤波器f也可以被容易地计算，其详细内容被示出于H.Meyr、M.Moeneclay和S.Fetchel的“Digital Communication Receivers：Synchronization，channel estimation and signal processing(数字通信接收机：同步、信道估计和信号处理)”，John Wiley & Sons，New York，1998”，其内容在此引用以作参考。尽管如上面证明的那样，理论清楚地指出对于MAP信道估计问题的最佳解的闭式表达式，然而此类最优估计器的实际实现方式带来几个通常妨碍其在实际UE体系结构内的可行性的复杂度问题。在下一部分中，我们将阐明MAP信道估计器的实现方式。为此，我们将依靠针对MAP信道估计以及衰落信道模型的维纳滤波、线性预测以及自适应和LMS-Kalman滤波的概念，这些内容被认为是所属领域普通技术人员所熟知的。

4.2.1.最优DPDCH MAP信道估计的实现方式

为了在实际UE中实现最优联合CPICH-DPCH MAP DPDCH信道估计器，最佳维纳FIR滤波系数f＝[f(N-1)…f(0)]^T将被计算。为了使这个计算成为可能，在UE处需要所述观测

和真实信道c_dpdch(k)的统计量。这些数量可以通过假定结构化信道和信号模型而被估计，所述信号模型比如是Jakes’衰落模型(参见J.G.Proakis的“DigitalCommunications(数字通信)”，NY：McGraw-Hill，3rd edition，1995，其内容在此引用以作参考)和用于噪声和干扰项的AWGN模型。然后需要估计模型参数，即多普勒扩展(或UE相对于BS的速度)、信号功率和加上干扰的(interference-plus)噪声功率谱密度。为了节省计算，UE可以基于对统计信道模型的参数估计从一组预先计算的滤波器系数中选择最优的维纳FIR滤波器。令人遗憾地，即使忽略参数估计所涉及的复杂度，这个方法也难以实行。实际上，将被存储的滤波器系数的数量与实际的UE的存储器存储能力相比较将是压倒性的。一个次最佳解决方案将包括使用维纳滤波器的一个精简集，其可以应付所设想的最大信道多普勒扩展(相对于符号持续时间被标准化)。只基于信干噪比(SINK)估计而不再基于多普勒扩展估计，不同的滤波器将被选择。实际上，估计多普勒频谱通常比估计SINK艰难得多。此外，无论如何执行闭环功率控制都需要估计SINK。为了保证在给定扩展因子的最大多普勒扩展下不出现信息丢失，这些滤波器需要被设计成能应付所设想的最宽多普勒带宽。这个解决方案在低多普勒扩展(即低UE速度)和/或低扩展因子的情况下得到显著地未达最佳的性能，因为滤波器带宽比这些情况中的其中一个信道路径处理大得多，这导致很弱的噪声抑制。

一个替换方法包括建立观测协方差矩阵 和信道自相关序列

的非结构化估计，而不用假设特定的统计模型。一旦这类估计是可用的，通过用它们的估计替换

和

线性预测滤波器f就可以根据公式(13)来建立。实际上，直接估计

的逆来避免对 估计的复杂求逆是更为方便的。为此，在文献中有几种可用的技术。

当在DPCCH和/或CPICH上存在已知导频时，或当在DPDCH上经由DD机制所采取的可靠硬决策可用的时候，一个更实际的解决方案包括通过足够的训练以自适应方式直接估计维纳滤波器系数。自适应滤波固有地提供对短期和长期的信道变化的跟踪。预测滤波器的跟踪和适配可以以连续方式或在块的基础上来执行，例如通过在每个时隙适配FIR预测滤波器。

一种比FIR维纳FIR线性滤波更简单的方法包括使用一阶IIRLMS-Kalman作为线性预测器。IIR环路增益因子必须小于一个使IIR滤波器稳定的因子。假定是一个参数化信道统计模型，可以表明最优环路增益因子还取决于加上噪声的干扰项和信道路径统计特性。此外，最优环路增益不能被变得小于一个用于高多普勒扩展和大扩展因子的环路增益，在J.Baltersee、G.Fock、P.Schultz-Rittich和H.Meyr的“Performance analysis of phasor estimationalgorithms for FDD-UMTS RAKE receiver(对用于FDD-UMTS瑞克接收机的相位矢量估计算法的性能分析)”(IEEE 6th Symp.on SpreadSpectrum Techonologies and Applications，NJIT，NJ，September2000)中论证了这一点，其内容在此引用以作参考。因此为了稳定，LMS-Kalman线性预测器在那些情况下不再可能是最佳化的。尽管如此，LMS-Kalman线性预测器对于低UE移动性(多普勒扩展小于222Hz)和小扩展因子(小于128)仍然是最佳解决方案。

上述考虑允许估计最佳预测滤波器的计算所涉及的复杂度的量。这个复杂度表示对于实际的UE内的MAP信道估计器的可行实现方式的障碍，因此需要阐明其它次最佳的但是计算上较不密集的解决方案。公式(11)所表示的MAP估计器中的期望算子的存在指出任何次最佳的估计器应该低通滤波由公式(8)-(10)表示的瞬时ML信道估计。代替最佳维纳滤波器的用于ML信道估计(8)-(10)的次最佳低通滤波器的设计和实现方式必须在相对于最佳MAP估计器的复杂度节省和性能降低之间达成折衷。很简单的低通滤波器结构可以被示出来实现在大多数实际方案中的接近最佳的性能，并具有显著地减少的复杂度。这些考虑都是关于适合于可行UE的信道估计机制的实际设计。按照之前的推导，我们将引入低复杂度的但仍然接近最佳的DPDCH信道估计算法。

4.3.基于联合CPICH-DPCH的低复杂度DPDCH信道估计

在3.1节中，我们已经清除地看出与CPICH和DPCH相关联的信道路径共享一个公共结构。特别地，已经示出与CPICH和DPCH相关联的两个信道以同样的方式运转，只相差一个由于发射波束成形的所述波束成形复因子β。对于所有信道路径的所述复因子β的知识允许从CPICH信道估计建立DPDCH信道估计。这样，DPDCH估计问题就分成两个更简单的估计问题，一个是估计β，另一个是估计CPICH信道c(k)。最优MAP信道估计可以被考虑成相对于完整的联合CPICH-DPCH MAPDPDCH信道估计问题来说以显著的复杂度降低来估计CPICH信道c(k)。时刻k的最优MAP CPICH信道估计由ML瞬时CPICH估计的期望给出，其中对于n≠k的形式

给出所有可用ML瞬时CPICH估计。这个问题的解决方案与(12)和(13)的形式相同，其中，观测列向量 将被重新定义以便刚好包括CPICH而不包括DPCH ML瞬时信道估计(8)-(10)，并且公式(13)中的互相关矢量将被重新定义为 $r_{\hat{c}{c}^{*}}=E\left\{{\hat{c}}_{\mathrm{ML}}{c}^{*}\left(k\right)\right\}.$ 在所述参考文献J.Baltersee、G.Fock、P.Schultz-Rittich和H.Meyr的“Performance analysis of phasorestimation algorithms for FDD-UMTS RAKE receiver(对用于FDD-UMTS瑞克接收机的相位矢量估计算法的性能分析)”(IEEE 6thSymp.on Spread Spectrum Techonologies and Applications，NJIT，NJ，September 2000)中提供了MAP CPICH信道估计器的详细推导。与4.3节中提到的类似的考虑也适用于这种情况。如果UE仍然不能承受MAP CPICH信道估计的复杂度，则复杂度较低的方法可以通过采用次最优的低通滤波代替最优线性预测滤波器来实行。下面，无论采用哪种低通滤波器以用于估计，我们都把对CPICH信道c(k)的估计记为

与对CPICH信道c(k)的估计 一起，UE必须计算对所述复因子β的估计 来建立对DPDCH信道的估计 ${\tilde{c}}_{\mathrm{dpdch}}\left(k\right)=\widehat{\mathrm{\β}}{\tilde{c}}_{\mathrm{dpich}}\left(k\right).$ 为此，我们将对于β导出一个最优ML估计器，联合根据公式(8)-(10)由CPICH提供的导频符号，该最优ML估计器可以以DA方式利用DPCCH导频符号和/或以DD方式利用DPDCH数据。

4.3.1.对波束成形复因子β的最大似然性估计

为了建立用于因子β的ML估计，我们必须建立对DPCH和CPICH瞬时ML信道估计之间的互相关的ML估计，和建立对CPICH瞬时ML信道估计的自相关的ML估计。为了这个目的，我们将依靠ML瞬时DPCH和CPICH信道估计(8)-(10)的表达式。DPCH-CPICH ML信道估计互相关和CPICH ML信道估计自相关的理论表达式分别为：

${\mathrm{\φ}}_{\mathrm{dc}}\left(l\right)=E\left\{{\hat{c}}_{\mathrm{dpch}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)\right\}---\left(14\right)$

和

${\mathrm{\φ}}_{\mathrm{cc}}\left(l\right)=E\left\{{\hat{c}}_{\mathrm{cpich}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)\right\}---\left(15\right)$

其中，相关滞后(lag)l≠0将被选择用于下面所示的噪声抑制。从公式(8)得出：

${\hat{c}}_{\mathrm{cpich}}\left(n\right)=c\left(n\right)+v_{\mathrm{cpich}}\left(n\right)$

${\hat{c}}_{\mathrm{dpch}}\left(n\right)=w^{H}a\left(\mathrm{\θ}\right)c\left(n\right)+v_{\mathrm{dpch}}\left(n\right)$

其中，我们记作β＝w^Ha(θ)。假定噪声项v_cpich(n)和v_dpch(n)是独立的零均值加性白高斯噪声，则对于l≠0的表达式(14)和(15)分别得出：

$\begin{array}{c}{\mathrm{\φ}}_{\mathrm{dc}}\left(l\right)=E\left\{{\hat{c}}_{\mathrm{dpch}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)\right\}=\\ =\mathrm{\βE}\left\{c\left(n\right)c^{*}(n-l)\right\}+\mathrm{\βE}\left\{c\left(n\right)v_{\mathrm{cpich}}^{*}(n-l)\right\}+E\left\{v_{\mathrm{dpch}}\left(n\right)c^{*}(n-l)\right\}+E\left\{v_{\mathrm{dpch}}\left(n\right)v_{\mathrm{cpich}}^{*}(n-l)\right\}=\\ =\mathrm{\βE}\left\{c\left(n\right)c^{*}(n-l)\right\}\end{array}$

和

$\begin{array}{c}{\mathrm{\φ}}_{\mathrm{cc}}\left(l\right)=E\left\{{\hat{c}}_{\mathrm{cpich}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)\right\}=\\ =E\left\{c\left(n\right)c^{*}(n-l)\right\}+E\left\{c\left(n\right)v_{\mathrm{cpich}}^{*}(n-l)\right\}+E\left\{v_{\mathrm{cpich}}\left(n\right)c^{*}(n-l)\right\}+E\left\{v_{\mathrm{cpich}}\left(n\right)v_{\mathrm{cpich}}^{*}(n-l)\right\}=\\ =E\left\{c\left(n\right)c^{*}(n-l)\right\}\end{array}$

从而可以容易地得出复因子：

$\mathrm{\β}=\frac{{\mathrm{\φ}}_{\mathrm{dc}}\left(l\right)}{{\mathrm{\φ}}_{\mathrm{cc}}\left(l\right)}$ (对于任何l≠0来说)                (16)

实际实现方式需要分别用分别对于互相关和自相关(14)和(15)得出估计

和 的可行估计器来代替期望算子E{.}，从而根据公式(16)建立对于β的估计 对于φ_dc(l)和φ_cc(l)的简单和有效的估计由样本时间平均给出，即：

${\widehat{\mathrm{\φ}}}_{\mathrm{dc}}\left(l\right)=\frac{1}{K_{\mathrm{dpch}}}\underset{n=m}{\overset{K_{\mathrm{dpch}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{dpch}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)---\left(17\right)$

和

${\widehat{\mathrm{\φ}}}_{\mathrm{cc}}\left(l\right)=\frac{1}{K_{\mathrm{cpich}}}\underset{n=m}{\overset{K_{\mathrm{cpich}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{cpich}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)---\left(18\right)$

其中，n＝m表示平均(17)和(18)开始的时刻。注意，对于l＞0需要K_cpich≥K_dpch+l。估计(17)和(18)是一致估计并通常被称为样本估计器。在假定高斯观测的情况下，还知道它们是对互相关和自相关(14)和(15)的ML估计，如同在我们的情况中一样(参见在此引用以作参考的“B.Porat，Digital processing of random signals(随机信号的数字处理)，Englewood Cliffs，NJ，Prentice-Hall，1994”)。还知道它们对于有限K_dpch是偏误估计，并且当K_dpch趋近无限时是渐近无偏的，即无偏估计。此外，所熟知的是两个ML估计的比值仍然是ML估计。从而得出对β的ML估计：

${\widehat{\mathrm{\β}}}_{\mathrm{ML}}\left(l\right)=\frac{{\widehat{\mathrm{\φ}}}_{\mathrm{de}}\left(l\right)}{{\widehat{\mathrm{\φ}}}_{\mathrm{cc}}\left(l\right)}=\frac{\frac{1}{K_{\mathrm{dpch}}}\underset{n=m}{\overset{K_{\mathrm{dpch}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{dpch}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)}{\frac{1}{K_{\mathrm{cpich}}}\underset{n=m}{\overset{K_{\mathrm{cpich}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{cpich}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)}---\left(19\right)$

其中，对滞后1的依靠是由于实际中可用的K_dpch和K_cpich符号的有限数量。注意，在K_dpch＝K_cpich的情况下，估计器(19)采取以下形式：

${\widehat{\mathrm{\β}}}_{\mathrm{ML}}\left(l\right)=\frac{{\widehat{\mathrm{\φ}}}_{\mathrm{dc}}\left(l\right)}{{\widehat{\mathrm{\φ}}}_{\mathrm{cc}}\left(l\right)}=\frac{\underset{n=m}{\overset{K_{\mathrm{dpch}}-l+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{dpch}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)}{\underset{n=m}{\overset{K_{\mathrm{dpch}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{cpich}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)}---\left(20\right)$

估计器(20)具有不用计算比值K_cpich/K_dpch的优点，因此相对于一般的估计器(19)来说降低了复杂度。为了进一步限制估计器(20)的复杂度，可以避免存在DD机制以便根据公式(10)在DPDCH上建立ML瞬时信道估计。在这种情况下，只有构成DPCCH的已知导频符号将被用来形成由公式(9)表示的DPCCH ML瞬时信道估计，并且它将导致K_dpch＝K_cpich。

因为公式(16)对于任何l≠0都成立，所以由(19)和(20)表示的 (l)表示对于任何l≠0的对β的ML估计。此外，ML估计的线性组合仍然是ML估计是熟知的。从而在优选的非限制性实施例中，为了改善对β的估计，可以在不同的相关滞后l下考虑互相关和自相关的ML估计的加权和，即：

${\widehat{\mathrm{\β}}}_{\mathrm{ML}}=\frac{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{a}_l{\widehat{\mathrm{\φ}}}_{\mathrm{dc}}\left(l\right)}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{b}_l{\widehat{\mathrm{\φ}}}_{\mathrm{cc}}\left(l\right)}=\frac{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{a}_l\underset{n=m}{\overset{K_{\mathrm{cpich}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{dpch}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{b}_l\underset{n=m}{\overset{K_{\mathrm{cpich}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{cpich}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)}---\left(21\right)$

其中，系数a_l和b_l将根据每个ML估计 和

的精度(根据均方误差来表示)来选择(参见B.Porat的“Digital processing of randomsignals(随机信号的数字处理)”，Englewood Cliffs，NJ，Prentice-Hall，1994，其内容在此引用以作参考)。

此外，可以表明估计器(17)和(18)仅仅对于第一相关延迟l＝1，…， L是渐近有效的，其中， L取决于随机过程 和 的统计特性(即对于l＞ L，估计中的方差甚至渐近地达不到Cramer-Rao下边界，这是所属技术领域的专业人员熟知的概念，其在此于所述参考文献中示出：B.Porat，“Digital processing of random signals(随机信号的数字处理)”，Englewood Cliffs，NJ，Prentice-Hall，1994)。

在另一个优选的非限制性实施例中，ML估计的下列加权和可以被认为是：

${\widehat{\mathrm{\β}}}_{\mathrm{ML}}=\underset{l=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\γ}}_l{\widehat{\mathrm{\β}}}_{\mathrm{ML}}\left(l\right)---\left(22\right)$

其中，K表示当互相关和自相关(17)和(18)被估计时最大的相关滞后。类似于估计器(21)，最优加权系数γ_l可以基于每个ML估计

的精度(根据均方误差表示)来计算。实际上，γ_l将随着估计

的精度而增加，从而使得最精确的估计对和(21)的贡献比较不精确估计的贡献多很多。类似于估计器(21)，估计

的效率将随着滞后1的增加而降低。从而在这个估计器中，最大滞后 K还可以被确定用于使估计 是渐近有效的(参见所述参考文献：B.Porat，“Digitalprocessing of random signals(随机信号的数字处理)”，EnglewoodCliffs，NJ，Prentice-Hall，1994)，其中应注意通常 K≠ L。对最优加权系数a_l、b_l或者γ_l(尽管理论上感兴趣)的推导导致要提供适合于实际实现方式的简单的闭式表达式太过复杂，并因而超出了本发明的范围。然而可以表明，由于估计 以及估计φ_dc(l)和φ_cc(l)的精度通常随着相关滞后l的增加而减小，因此系数γ_l和a_l及b_l也相应地减小。

按照上述考虑，具有最大估计精度的最不复杂的ML估计器是l＝1的公式(20)的估计器，即：

${\widehat{\mathrm{\β}}}_{\mathrm{ML}}\left(1\right)=\frac{{\widehat{\mathrm{\φ}}}_{\mathrm{dc}}\left(1\right)}{{\widehat{\mathrm{\φ}}}_{\mathrm{cc}}\left(1\right)}=\frac{\underset{n=m}{\overset{K_{\mathrm{dpch}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{dpch}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-1)}{\underset{n=m}{\overset{K_{\mathrm{dpch}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{cpich}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-1)}---\left(23\right)$

注意，估计器(23)还具有分别在分子和分母最小化计算互相关和自相关所需的延迟以及减少复杂度和附加的存储器存储需要的优点。

4.3.2.用于改善和跟踪波束成形因子估计的实际措施

可能存在这样的实际的环境，其中波束成形因子β可以在几个时隙周期中保持恒定。这可能出现在当BS基于路径角度θ_p和路径平均能量来优化波束成形权重矢量w的时候。在这类情况中，因为所述数量可以在几个时隙周期上近似保持恒定，所以BS不会修改波束成形权重矢量w以便因子β_p＝w^Ha(θ_p)对于p＝1，…P在相同的时间周期内近似地保持恒定。通过在连续时隙周期上(即在因子β为恒定值的周期上)对所计算的固定延迟l≠0下的互相关和自相关估计(17)和(18)进行平均/滤波，这个事实可以被用来改善估计(19)-(23)的精度。然后为了恰当地实现该平均/滤波操作，每当波束成形因子β突然被修改时必须通知UE，这是因为路径角度已经改变和/或BS已经修改波束成形权重矢量w，以便UE重置/重新初始化平均-滤波器存储器。实际上，如果不重置平均/滤波存储器，则UE将计算对应于过时的波束成形因子β的互相关和自相关估计(16)-(17)。然而应当注意，在波束成形因子β变化很慢的情况下没有必要重置平均-滤波器存储器。实际上，连续的互相关和自相关估计(17)和(18)的适当滤波固有地跟踪波束成形因子β的缓慢变化。为此，我们提出具有合适遗忘因子的低复杂度的一阶低通IIR滤波器的实现方式(一阶IIR滤波器是所属领域普通技术人员所熟知的)。最后为了让BS通知UE发射波束成形中的突然改变，仍然需要信号开销。如果例如UMTS的所考虑标准不设想来支持这类从BS到UE的信令，则平均滤波器必须被除去或UE必须实现附加的机制，该附加机制能够检测是否发生突然改变从而做出是否重置平均滤波器存储器的决策。此类附加检测机制以及互相关和自相关平均-滤波器无疑以复杂度增加为代价，这可能影响UE设计。然而，如果由于复杂度限制不实现平均-滤波器，则BS就不必向UE发信号通知波束成形因子的突然改变，从而避免了附加的网络开销。与之前的时隙估计无关地，UE然后在每个时隙更新对波束成形因子的估计。此外可以看到，在这种情况下UE甚至可以与发射波束成形的存在无关地持续估计因子β。实际上，当在BS不执行发射波束成形时，β将简化为表示CPICH和DPCH之间的发射幅度偏移的实因子。

4.3.3.不同DPCH符号速率下的DPDCH信道估计

至此，为了简化起见，为了使DPCH和CPICH具有相同的符号速率(即每个符号具有相同的码片数)，我们在推导中已经假定在特定情况下DPCH的扩展因子等于256。然而，如上所述，只要DPCH符号速率通常不同于其扩展因子总是固定等于256的CPICH的符号速率，DPCH的扩展因子就可以在组{2、4、8、16、32、64、128、256、512}中取值。从而在优选的非限制性实施例中，瞬时ML信道估计(8)-(10)概括如下：

$\begin{array}{c}{\hat{c}}_{\mathrm{cpich}}\left(n\right)=s_{\mathrm{cpich}}^{*}\left(n\right)y_{\mathrm{cpich}}\left(n\right)=c\left(n\right)+v_{\mathrm{cpich}}\left(n\right)\\ {\hat{c}}_{\mathrm{dpch}}\left(i\right)=s_{\mathrm{dpch}}^{*}\left(i\right)y_{\mathrm{dpch}}\left(i\right)=w^{H}a\left(\mathrm{\θ}\right)c\left(i\right)+v_{\mathrm{dpch}}\left(i\right)\end{array}---\left(24\right)$

其中，给定DPCH扩展因子M，系数i对应于在M个码片上扩展的第i个DPCH符号，而n对应于总是在256个码片上传播的第n个CPICH符号。然后，因为任何CPICH符号都对应于256/M个DPCH符号，为了使用之前的算法，CPICH或DPCH ML信道必须被内插以匹配其它信道估计的符号速率。

另外，在推导出ML瞬时信道估计(8)-(10)的过程中，隐含地假定CPICH和DPCH信道在两个信道的较长符号周期上都为恒定的，即多普勒扩展总是被假定为显著地比相关标准所允许的最低符号速率还要低。我们将简要地示出，这个假定实际上是在考虑UMTS标准的情况下成立的。实际上，最低的符号速率出现在扩展因子最大的时候，即M＝512。在UMTS标准中，码片率固定等于3.84MHz(参见“3GPPTechnical Specifications(3GPP技术规范)，Rel.99，http://www.3gpp.org/specs/specs.html”，其内容在此引用以作参考)，因此DPCH的最低符号速率等于3.84MHz/512＝7.5kHz。UMTS标准还设想支持无线移动服务，其中，UE速度可以达到500km/h，即当存在最多等于1kHz的多普勒扩展的情况下，其仍然远远低于7.5kHz以使上述假设是有效的。于是在一个优选的非限制性实施例中，用内插来使ML瞬时CPICH和DPCH估计适配于所述CPICH和DPCH之间的最低符号速率。特别当DPCH扩展因子M小于256时，对CPICH符号速率的内插通过对等于256/M的多个符号平均DPCH ML静态信道估计而被获得，而当M＝512时(即DPCH符号速率比CPICH的符号速率低时)，在CPICH上对两个连续的ML瞬时信道估计进行平均。应当注意，这个实施例的优点在于不染色估计噪声，即内插之后的噪声抽样仍然是不相关的，因此公式(16)仍然成立。

4.4.DPDCH信道估计算法

在本节中，我们将概述分别在4.2和4.3节推导出的联合CPICH-DPCH MAP DPDCH信道估计算法以及联合CPICH-DPCH低复杂度DPDCH信道估计算法的步骤。

4.4.1.最优联合DPCH-CPICH MAP DPDCH信道估计算法

在本节中，我们提供实现上述的最佳联合DPCH-CPICH MAP DPDCH信道估计算法的主要步骤的概要。下列步骤将被执行来提供根据(11)的最优MAP DPDCH估计。

1.根据公式(8)-(10)和推广式(23)计算ML瞬时CPICH和DPCH信道估计

和

2.把上面获得的ML瞬时DPCH和CPICH信道估计内插到所述DPCH和CPICH的最低符号速率，即：

如果DPCH扩展因子M＜256，则DPCH ML信道估计将被内插，以便匹配CPICH符号速率，

如果DPCH扩展因子M＝512，则CPICH ML信道估计将被内插，以便匹配DPCH符号速率，

如果DPCH扩展因子M＝256，则不需要内插。

从而被内插的ML瞬时信道估计被收集在下列矢量中：

${\hat{c}}_{\mathrm{cpich}}={[{\hat{c}}_{\mathrm{cpich}}(n-K_{\mathrm{cpich}}+1)...{\hat{c}}_{\mathrm{cpich}}\left(n\right)]}^T$

${\hat{c}}_{\mathrm{dpch}}={[{\hat{c}}_{\mathrm{dpch}}(i-K_{\mathrm{dpch}}+1)...{\hat{c}}_{\mathrm{dpch}}\left(i\right)]}^T$

为了进一步减少复杂度，我们把估计 ${\hat{c}}_{\mathrm{dpch}}(n-K_{\mathrm{dpch}}+1),...,{\hat{c}}_{\mathrm{dpch}}\left(n\right)$ 限制为在DPCCH上的估计 ${\hat{c}}_{\mathrm{dpcch}}(i-K_{\mathrm{dpcch}}+1),...,{\hat{c}}_{\mathrm{dpcch}}\left(i\right),$ 从而避免实现在DPDCH上提供导频符号估计所必需的DD机制。矢量 ${\hat{c}}_{\mathrm{ML}}={\left[{\hat{c}}_{\mathrm{dpch}}^T{\hat{c}}_{\mathrm{cpich}}^T\right]}^T$ 被形成。

3.通过实现在4.3节中描述的技术之一来根据公式(13)建立最优线性预测滤波器f。

4.用在步骤4根据公式(12)计算的线性预测滤波器来滤波在步骤3获得的ML瞬时信道估计 ${\hat{c}}_{\mathrm{ML}}={\left[{\hat{c}}_{\mathrm{dpch}}^T{\hat{c}}_{\mathrm{dpich}}^T\right]}^T,$ 从而获得MAP DPDCH信道估计

5.如果DPCH扩展因子M＜256，则上述DPDCH信道估计

将以DPCH符号速率被内插以便被恰当使用。最低复杂度内插技术包括：如果M≤256则重复估计

256/M次，如果M＝512则在两个连续的估计

上求平均。在一般的优选实施例中，可以采用更复杂的内插技术(例如线性、二次、样条内插)。

6.对所有分配给瑞克接收机指的路径p＝1，…，P重复步骤1到6。

4.4.2.联合CPICH-DPCH低复杂度DPDCH信道估计算法

在本节中我们概述低复杂度联合CPICH-DPCH ML最优DPDCH信道估计算法的主要步骤。下列步骤将被实现来估计UE内时间k处的DPDCH信道

1.根据公式(8)-(10)和推广式(23)计算ML瞬时CPICH和DPCH信道估计 和

2.把上面获得的ML瞬时DPCH和CPICH信道内插到所述DPCH和CPICH的最低符号速率，即

如果DPCH扩展因子M＜256，则DPCH ML信道估计将被内插，以便匹配CPICH符号速率，

如果DPCH扩展因子M＝512，则CPICH ML信道估计将被内插，以便匹配DPCH符号速率，

如果DPCH扩展因子M＝256，则不需要内插。

3.从而，被内插的ML瞬时信道估计被收集在下列矢量中：

${\hat{c}}_{\mathrm{cpich}}={[{\hat{c}}_{\mathrm{cpich}}(n-K_{\mathrm{cpich}}-l+1)...{\hat{c}}_{\mathrm{cpich}}\left(n\right)]}^T$

${\hat{c}}_{\mathrm{dpch}}={[{\hat{c}}_{\mathrm{dpch}}(n-K_{\mathrm{dpch}}+1)...{\hat{c}}_{\mathrm{dpch}}\left(n\right)]}^T.$

其中1＞0。在实现方式中，将设置l＝1、K_cpich＝K_dpch。为了进一步减少复杂度，我们把估计 ${\hat{c}}_{\mathrm{dpch}}(n-K_{\mathrm{dpch}}+1),...,{\hat{c}}_{\mathrm{dpch}}\left(n\right)$ 限制为在DPCCH上的估计 ${\hat{c}}_{\mathrm{dpcch}}(n-K_{\mathrm{dpcch}}+1),...,{\hat{c}}_{\mathrm{dpcch}}\left(n\right),$ 从而避免实现在DPDCH上提供导频符号估计所必需的DD机制。

4.在形式(17)和(18)的延迟l＞0下，建立CPICH自相关和DPCH CPICH互相关，即

$\underset{n=m}{\overset{K_{\mathrm{dpch}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{dpch}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)$

和

$\underset{n=m}{\overset{K_{\mathrm{dpch}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{cpich}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)$

5.把波束成形复因子β的ML估计建立为

${\widehat{\mathrm{\β}}}_{\mathrm{ML}}\left(l\right)=\frac{{\widehat{\mathrm{\φ}}}_{\mathrm{dc}}\left(l\right)}{{\widehat{\mathrm{\φ}}}_{\mathrm{cc}}\left(l\right)}=\frac{\underset{n=m}{\overset{K_{\mathrm{dpch}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{dpch}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)}{\underset{n=m}{\overset{K_{\mathrm{dpch}}-1+m}{\mathrm{\Σ}}}{\hat{c}}_{\mathrm{cpich}}\left(n\right){\hat{c}}_{\mathrm{cpich}}^{*}(n-l)}$

其中我们根据公式(23)设置l＝1。

6.通过适当的低通滤波ML CPICH瞬时信道估计 ${\hat{c}}_{\mathrm{cpich}}={[{\hat{c}}_{\mathrm{cpich}}(n-K_{\mathrm{cpich}}-l+1)...{\hat{c}}_{\mathrm{cpich}}\left(n\right)]}^T,$ 建立真实CPICH信道C_cpich(k)的精确的(例如MAP)CPICH信道估计

为了减少估计滤波器的复杂度，我们可以只考虑用于低通滤波的ML CPICH瞬时信道估计的矢量 的一部分。

7.将真实DPDCH信道的DPDCH信道估计 建立为

${\tilde{c}}_{\mathrm{dpdch}}\left(k\right)={\widehat{\mathrm{\β}}}_{\mathrm{ML}}{\tilde{c}}_{\mathrm{cpich}}\left(k\right)$

8.如果DPCH扩展因子M＜286，则上述DPDCH信道估计 ${\tilde{c}}_{\mathrm{dpdch}}\left(k\right)={\widehat{\mathrm{\β}}}_{\mathrm{ML}}{\tilde{c}}_{\mathrm{cpich}}\left(k\right)$ 将以DPCH符号速率被内插以便被恰当使用。如上所述，最小复杂度内插技术包括：如果M≤256则重复估计 ${\tilde{c}}_{\mathrm{dpdch}}\left(k\right)={\widehat{\mathrm{\β}}}_{\mathrm{ML}}{\tilde{c}}_{\mathrm{cpich}}\left(k\right)256/M$ 次，如果M＝512则在两个连续的估计 ${\tilde{c}}_{\mathrm{dpdch}}\left(k\right)={\widehat{\mathrm{\β}}}_{\mathrm{ML}}{\tilde{c}}_{\mathrm{cpich}}\left(k\right)$ 上求平均。在一般的优选实施例中，可以采用更复杂的内插技术(例如线性、二次、样条内插)。

9.对分配给瑞克接收机指的所有路径p＝1，…，P重复步骤1到8

在一个非限制性的优选实施例中，在步骤6的CPICH多径系数的估计通过线性预测来完成，例如在以下文献中所述：J.Bsltersee、G.Fock、P.Schultz-Rittich和H.Meyr的“Performance analysisof phasor estimation algorithms for FDD-UMTS RAKE receiver(对用于FDD-UMTS瑞克接收机的相位矢量估计算法的性能分析)”，IEEE 6^th Symp.on Spread Spectrum Techonologies andApplications，NJIT，NJ，September 2000(其内容在此引用以作参考)。

4.4.3.关于基于DPCCH的DPDCH信道估计

一些作者(参见例如：在此引用其以作参考的“TSG RAN WG 4meeting#17，R4-010594 Ericsson，Dedicated Pilots(专用导频)，May 2001，”及“TSG RAN WG 4 meeting#17，R4-010528 Nokia，Proposalfor user-specific beamforming for UTRA FDD(对用于UTRA FDD的用户特定的波束成形的提议)，May 2001”以及其中的参考文献，其内容在http://www.3gpp.org/ftp/tsg_ran/WG4_Radio/TSGR4_17处可用)已经阐明在发射波束成形存在时DPDCH信道估计的问题。它们主要推断因为只有DPCH受发射波束成形的影响，所以只有来自DPCH信道的可用信息将被用于在所述情况中的DPDCH信道估计。特别地，当DD DPDCH ML信道估计由于复杂度的限制而不能被使用时，它们推荐执行只利用对DPCCH导频符号的先验知识的DPDCH信道估计。应当注意，当可行时，通过利用来自CPICH和DPCCH的可用信息，在此描述的两个算法都具有相对于只基于DPCCH导频的DPDCH信道估计的两个主要优点。首先，由于缺乏足够的噪声和干扰抑制，DPCCH提供的导频符号的缺乏(取决于时隙格式，从1到最大的16，参见结合所引用的参考文献“3GPP Technical Specifications(3GPP技术规范)，Rel.99，http://www.3gpp.org/specs/specs.html”)限制了DPDCH信道估计的精度。其次，如上所述，DPCCH导频符号在DPCH时隙内不作为CPICH导频符号来连续地发射，但是它们与构成DPDCH的未知数据符号时分复用。在存在高多普勒扩展的情况下(即在高UE速度的情况下)，在如同DPDCH周期的已知导频符号的不存在期间，DPCH时隙的这种结构可能造成信道路径系数c_dpdch(k)的估计问题，除非被连续发射的CPICH导频符号也不被利用。实际上，如果多普勒扩展和时隙速率相比非常低，则信道c_dpdch(k)在时隙周期内的变化将如此之慢以至于其可以在所述周期期间被认为是恒定的。从而，在DPCCH上提供的信道估计可以在整个DPDCH周期被认为是有效的。换言之，实际上不需要以比时隙速率更高的速率来更新DPDCH信道估计。反之，如果多普勒扩展与时隙速率为同一数量级乃至更大，则DPDCH信道在时隙周期上为近似恒定的假设将不再有效。例如参考UMTS标准，包括2560个码片周期的时隙得出1.5kHz的时隙速率，而在极端情况之下***应该能应付直至1kHz的多普勒扩展。因此在这种情况下，DPCCH上的信道估计在整个连续的DPDCH周期上不能被认为是真实信道c_dpdch(k)的有效近似。在这种情况下，应该采取内插和预测技术或仍然实现类似于之前描述的DD机制，该DD机制使用在DPDCH数据符号上采取的作为已知导频的硬决策来更新信道估计，以便在已知导频符号的两个连续DPCCH脉冲串之间的DPDCH周期上以适当的速率更新信道估计。包括这种用于信道估计的跟踪机制的DPDCH信道估计器可能由于计算要求太高而不可行。此外，在某些实际的环境之下，比如当DPCCH逻辑信道在每个时隙只包括单个导频符号时，该方法将肯定得到很差的性能。联合CPICH-DPCH MAP DPDCH信道估计算法代表了对这个问题的一个解决方案，因为它基于全部可用信息来隐含地执行对真实DPDCH信道的预测，从而使预测滤波器适配于实际多普勒扩展和DPCCH已知导频符号的数目。同样地，在此提出的第二低复杂度算法也固有地利用在DPCCH和CPICH逻辑信道上的已知导频符号的存在，并且即使在高多普勒扩展时也允许跟踪DPDCH信道变化。从实际的实现方式观点看来，后一种算法结果由于低复杂度并接近最佳性能而更具有吸引力。实际上，第二DPDCH信道估计甚至在它的最小复杂度情况中也建立对波束成形复因子β的估计

联合利用DPCCH和CPICH的可用信息(即所有可用的已知导频符号)并通过将被估计因子

乘以依靠CPICH导频符号计算出来的信道估计

来提供对DPDCH信道的最新的估计。已知导频符号在CPICH信道上的连续供给可以容易地被UE利用来跟踪由于信道路径系数c(k)的多普勒扩展引起的变化，这是通过连续地更新CPICH信道估计 对DPDCH信道的跟踪被固有地获得为乘积 ${\hat{c}}_{\mathrm{dpdch}}\left(k\right)={\widehat{\mathrm{\β}}}_{\mathrm{ML}}{\tilde{c}}_{\mathrm{cpich}}\left(k\right).$ 最后将说明的是，在第二算法内，DPCCH导频不被直接用于计算DPDCH信道估计而只被用于计算对因子β的估计。必要时和/或如果UE能够负担增加的复杂度的硬决策采取，则DPDCH可以被用作导频符号来改善由前面推导出的公式来表示的估计β。

4.4.4.算法工作限制

为了在任何移动通信***中建立通信，接通电源的移动终端UE需要侦听网络并获取与运营商、UE将开始与之通信的BS、所需服务类型等等相关的若干参数。在发射有用数据之前，UE主要必须执行某些同步程序来获取BS。在适合于在移动终端UE处实现瑞克接收机的DS-CDMA***的一般框架内，存在预先同步阶段，其提供时间基准估计、对延时τp的估计、与包括来自所涉及的BS的信道脉冲响应的路径相关联的平均能量以及其它参数。在UMTS标准中，移动终端UE通常通过利用CPICH来估计两个路径的延迟和平均能量。基于那些估计，瑞克接收机的指可以如所属领域的技术人员所熟知的那样来恰当地设置。根据上述的本发明方法，我们已经隐含地假设当接收机可以在同步机制期间检测路径并估计CPICH上的关联延迟时，即使具有不同的复幅度，在DPCH上也存在相同延迟的对应路径。可以看出，这个允许推导出具有低复杂度、良好性能和高灵活性的DPDCH信道估计算法，其能够应付在发射波束成形存在时的DPDCH信道估计的问题。

按照以上所述，应当注意在某些情况下，与路径相关联的能量可能在CPICH信道上很高而在DPCH信道上相当低。特别地，路径可能足够强到能通过同步机制在CPICH信道上被检测到，同时太弱以至于不能在DPCH信道上检测到。反之，可能发生的是，在DPCH信道上载送重要有用信号能量的路径实际上在CPICH信道上是不可检测的，因此不能被只基于CPICH信道操作的同步机制检测。第一种情况将导致幅值非常小的对β的估计。从而，上述算法仍然将正常工作，并且瑞克接收机将随着对应DPCH信道路径的能量变得太小而简单地丢弃指。第二种情况是更加关键的，因为将无法利用由只基于CPICH信道操作的同步机制所提供的信息。在这些情况下，两种DPDCH信道估计算法中的任何一种都将恰当地运行，并且应当通过实现基于DPCCH的同步机制来首先搜索与DPCH信道相关联的路径。这种进一步的同步机制将显著增加复杂度并且包括几个实时管理的复杂化，而且将可能由于每个时隙的被限制的DPCCH导频符号数量而导致性能很差，如同我们之前看到的那样。

5.DPDCH信道估计器体系结构

在本节中，我们提供用于实现之前描述的DPDCH信道估计算法的体系结构示意图。

5.1.最优联合DPCH-CPICH MAP DPDCH信道估计算法体系结构

图3表示瑞克接收机的一种实现方式示意体系结构，包括所提出的DPDCH信道估计器，其使用由0节中描述的步骤1-5概述的算法。特别地，图3描述瑞克接收机的单个指的一部分，包括：

由DELAY_RECOVER表示的延迟恢复块，用于补偿与分配给所关心的指的路径相关联的延迟

由DESCRAMB表示的去扰频块

由CPICH_DESPREAD表示的与CPICH相关联的CPICH解扩块

由DPCH_DESPREAD表示的与DPCH信道相关联的DPCH解扩块

表示为CPICH_DEROT的CPICH符号反旋块，用于通过第n个CPICH导频符号来消除调制

由DEMUX表示的去复用器块，用于根据当前DPCH时隙格式恢复构成DPCCH的导频符号和分离出构成将被解码的DPDCH的数据符号

表示为DPCCH_DEROT的DPCCH符号反旋块，用于通过第i个DPCCH导频符号来消除调制

两个内插块，用于CPICH的一个表示为INTERP1而用于DPCH的另一个表示为INTERP2。第一内插块INTERP1在DPCH扩展因子M＝512的时候被启用。第二内插块INTERP2只有当DPCH扩展因子M＜256时才被启用。当M＝256时不启用内插块(参见步骤2，4.4.1节)

表示为DPDCH_MAP_CH_EST的联合CPICH-DPCH MAP DPDCH信道估计低通滤波器，包括CPICH符号周期的延迟L，并根据4.4.1节的步骤4提供估计

表示为DELAY的L(256/M)个DPCH符号周期的延迟线，其是时间对准具有DPDCH数据符号的MAP DPDCH信道估计

所必需的

表示为INTERP3的内插块，用于根据4.4.1节的步骤5使CPICH符号速率下的估计适配于DPCH符号速率

表示为CMPLX_CNJ的块，在块INTERP3的输出处内插到DPCH符号速率之后计算MAP DPDCH信道估计的复共轭，其是瑞克组合器所必需的并为所属领域技术人员熟知

表示为DPDCH_CHEST_DATA_MULT的乘法器块，其计算时间对准的DPDCH符号和对应的复共轭DPDCH信道估计的乘积。乘积结果然后被发送给表示为RAKE_COMBINER的瑞克接收机组合器。

图3中描述的方案将被复制用于所有的指。每个指的乘法器块DPDCH_CHEST_DATA_MULT的输出被瑞克组合器RAKE_COMBINER相加在一起来形成瑞克接收机的输出，这是普通技术人员所熟知的。

实际上，在一个优选实施例中，最近邻内插(nearest neighborinterpolation)将被采用来实现所有的内插块INTERP1、INTERP2和INTERP3，根据复杂度和性能的折衷，可以证明这是用于这个目的恰当的解决方案。最近邻内插是最小复杂度的内插法。实际上，它以比更复杂内插法的结果信号失真更高为代价节省了复杂度。然而可以表明，该内插法得到的信号失真的实际量显著地低于信号、干扰和噪声电平的实际范围的噪声和干扰。因此，只要不影响接收机性能，那么和噪声和干扰的影响相比较，由于最近邻内插的附加信号失真实际上可以被忽略。

5.2.联合CPICH-DPCH低复杂度DPDCH信道估计算法体系结构

图4表示用于实现瑞克接收机的示意体系结构，包括使用由4.4.2节描述的步骤1-8概括的算法的所提出DPDCH信道估计器。特别地，图4描述瑞克接收机的单个指的一部分，包括：

由DELAY_RECOVER表示的延迟恢复块，用于补偿与分配给所关心指的路径相关联的延迟

表示为DESCRAMB的去扰频块

由CPICH_DESPREAD表示的与CPICH信道相关联的CPICH解扩块

由DPCH_DESPREAD表示的与DPCH信道相关联的DPCH解扩块

表示为CPICH_DEROT的CPICH符号反旋块，用于通过第n个CPICH导频符号来消除调制

由DEMUX表示的去复用器块，用于根据当前DPCH时隙格式恢复构成DPCCH的导频符号和分离出构成将被解码的DPDCH的数据符号

表示为DPCCH_DEROT的DPCCH符号反旋块，用于通过第i个DPCCH导频符号来消除调制

表示为CPICH_CH_EST的CPICH信道估计器低通滤波器，包括L个CPICH符号周期的延迟，并根据4.4.2节的步骤6提供估计

波束成形因子β的实际估计器，包括两个内插块，用于CPICH的一个表示为INTERP1而用于DPCH的另一个表示为INTERP2。第一内插块INTERP1在DPCH扩展因子M＝512的时候被启用。第二内插块INTERP2只有当DPCH扩展因子M＜256时才被启用。当M＝256时不启用内插块，参见4.4.2节的步骤2。

表示为DELAY1的L个CPICH符号周期的延迟线，它是时间对准具有波束成形因子β的最新估计

的CPICH信道估计

所必需的

表示为DELAY2的L(256/M)个DPCH符号周期的延迟线，它是时间对准具有DPDCH数据符号的CPICH信道估计

所必需的

当UE知道波束成形因子β保持恒定时将被启用的表示为LPF1的低通滤波器和表示为LPF2的LPF，LPF1用于DPCH-CPICH互相关估计，LPF2用于CPICH自相关估计。当UE检测到波束成形复因子已经突变时(经由来自BS的信令或者经由在UE内实现的适当检测机制)，LPF存储器将被重置。如果UE没有办法检测波束成形复因子的突变，则滤波器LPF1和LPF2都不被使用。

表示为BETA_CPICH_CH_EST_MULT的乘法器，用于计算乘积

${\widehat{\mathrm{\β}}}_{\mathrm{ML}}{\tilde{c}}_{\mathrm{cpich}}\left(k\right)$

表示为INTERP3的内插块，用于根据4.4.2节的步骤8使在步骤7获得的CPICH符号速率下的估计 ${\tilde{c}}_{\mathrm{dpdch}}\left(k\right)={\widehat{\mathrm{\β}}}_{\mathrm{ML}}{\tilde{c}}_{\mathrm{cpich}}\left(k\right)$ 适配于DPCH符号速率。

表示为CMPLX_CNJ的块，其在块INTERP3的输出处内插到DPCH符号速率之后计算DPDCH信道估计的复共轭，其是瑞克组合器所必需的并为所属领域技术人员熟知

表示为DPDCH_CHEST_DATA_MULT的乘法器块，其计算时间对准的DPDCH符号和对应复共轭DPDCH信道估计的乘积。乘积结果然后被发送给表示为RAKE_COMBINER的瑞克接收机组合器。

图4中描述的方案将被复制用于所有的指。每个指的乘法器块DPDCH_CHEST_DATA_MULT的输出被瑞克组合器RAKE_COMBINER相加在一起来形成瑞克接收机的输出，这是普通技术人员所熟知的。

实际上，在一个优选实施例中，在这种情况下最近邻内插还将被采用来实现所有的内插块INTERP1、INTERP2和INTERP3，根据复杂度和性能的折衷可以证明这是用于这个目的的恰当的解决方案。实际上，在0节已经关于联合CPICH-DPCH MAP DPDCH信道估计算法完成的对最近邻内插的相同考虑，在联合CPICH-DPCH低复杂度DPDCH信道估计算法的情况下同样成立。

6.结束注释

应当理解，本发明不受限于上述的实施例和变型，而且可以在没有背离所附权利要求书中限定的本发明精神和范围的前提下做出变化和修改。在这方面，做出下列断定结束注释。

应当理解，本发明不受限于上述的UMTS应用。它可以在任何DS-CDMA应用内使用，其中，通信标准设想存在两个逻辑信道，即包括在移动终端UE处已知的符号或(一个或多个)信号波形的公共导频信道，和包括未知数据符号的专用信道，并且在一个优选而不是限制性的实施例中，所述专用信道还包括专用的已知导频符号或(一个或多个)信号波形。

应当理解，当移动终端UE采用发射波束成形时，本发明可以在从移动终端UE到基站BS的上行链路通信中应用。

应当理解，根据本发明的方法不受限于上述的实现方式。有多种借助于硬件项、软件项或所有二者来实现根据本发明的方法的功能的方式，其中单项硬件或软件可以执行几个功能。不排除硬件项或软件项或二者的组合来执行一种功能。例如，算法步骤可以被组合，从而形成单个功能而不用修改根据本发明的具有发射波束成形的信道估计的方法。

所述的硬件或软件项可以用几种方式来实现，比如分别通过连线电子电路或借助于适当地编程的集成电路。集成电路将是接收机的一部分，其可以被包含在计算机中、在移动通信手机中、在基站中、或在任何其它的通信***装置中。所述接收机包括适合于使所有必需的操作都支持某个类型的通信服务(即去扰频、解扩操作等等)的接收机装置，所述的装置是如上所述的硬件或软件项。以类似方式，接收机内的第一估计器包括适合于进行步骤1和3的ML瞬时估计的最大似然性估计装置、适合于进行步骤2中的速率匹配的内插装置、适合于进行步骤4的DPDCH估计的最优MAP DPDCH信道多径系数估计装置、适合于进行步骤5中的速率匹配的内插装置，如上所述，所述的装置是如上所述的硬件或软件项。以同样的方式，接收机内的第二估计器包括适合于进行步骤1和3的ML瞬时估计的最大似然性估计装置、适合于进行步骤2中的速率匹配的内插装置、适合于进行步骤4的相关估计的相关估计装置、适合于进行步骤5的因子复估计的波束成形复因子估计装置、适合于进行步骤6的所述CPICH多径系数估计的第一多径系数估计装置、适合于进行步骤7的所述DPDCH多径系数估计的第二多径系数估计装置、适合于进行步骤8中的速率匹配的内插装置，如之前所描述的，所述的装置是如上所述的硬件或软件项。当然如上所述，所述的装置可以是都执行一种功能硬件或软件项或其二者的组合，或者可以是执行几个功能的单一项。

集成电路包括一个指令集。从而，在计算机编程存储器或独立接收机存储器中所包括的所述指令集可以使计算机或接收机执行所述估计方法的不同步骤。

指令集可以通过读取例如磁盘之类的数据载体被加载入编程存储器。服务供应商也可以经由诸如因特网之类的通信网络使指令集可用。

下面的权利要求书中的任何附图标记不应当被看作是限制权利要求。显而易见地，动词″包括″的使用不排除权利要求中所限定的之外的任何其它步骤或元件的存在。元件或步骤前的冠词″一个″不排除存在多个这种元件或步骤。

Claims (19)

1.用于在发射波束成形存在时估计传播信道的方法，所述方法考虑两个逻辑信道(CPICH、DPCH)的结构并基于对应传播信道的公共结构，所述的第二逻辑信道(DPCH)包括两个子信道(DPDCH、DPCCH)，所述的传播信道遵循不相关散射广义平稳性模型被建模为有限数量(p＝1，...，P)的离散多径分量的线性叠加，多径分量由时变多径复系数(c_p(t)和β_pc_p(t))以及延迟(τ_p)来表征。

2.权利要求1的用于在发射波束成形存在时估计传播信道的方法，其特征在于，所述传播信道对应于第一子信道(DPDCH)，而且所述方法根据考虑到与所述逻辑信道(CPICH、DPCH)和对应的传播信道相关联的所有可用信息的最大后验概率MAP优化标准、经由下列处理步骤来提供对每个多径分量(p＝1，...，P)复系数(β_pc_p(t)的估计：

1)建立第二信道(DPCH)和第一信道(CPICH)瞬时最大似然性ML信道多径复系数估计 和

2)将上面获得的ML瞬时第二信道(DPCH)和第一信道(CPICH)多径复系数估计 和

内插到所述第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的最低符号速率，

3)根据联合的第二和第一信道(DPCH-CPICH)最大后验概率(MAP)标准，计算最优线性预测滤波器(f)，

4)用所述最优线性预测滤波器来滤波在步骤2获得的被内插的ML瞬时第二信道(DPCH)和第一信道(CPICH)多径复系数估计，从而获得MAP第一子信道(DPDCH)多径系数估计 和

5)当所述符号速率低于第一逻辑信道(CPICH)符号速率时，将所述MAP第一子信道(DPDCH)多径系数估计

内插到第二逻辑信道(DPCH)符号速率，

其中，对所有的多径分量(p＝1，...，P)复系数(β_pc_p(t))重复执行步骤1)到5)。

3.用于在发射波束成形存在时估计传播信道的第二个方法，其特征在于，所述传播信道对应于第一子信道(DPDCH)，而且所述方法考虑与所述逻辑信道(CPICH、DPCH)和对应的传播信道相关联的全部可用信息、经由下列的处理步骤来提供对每个多径分量(p＝1，...，P)复系数的估计：

1)建立第二信道(DPCH)和第一信道(CPICH)瞬时最大似然性ML信道多径系数估计

和

2)将所述ML瞬时第一信道(DPCH)和第二信道(CPICH)多径系数估计

和

内插到所述第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的最低符号速率，

3)建立第一信道(CPICH)多径系数(c_cpich(k))的最优最大后验概率估计

4)在非零相关滞后(1≠0)处，建立对在步骤2获得的第一信道(CPICH)和第二信道(DPCH)多径系数瞬时最大似然性估计 和

之间的互相关的估计

和对步骤1和2的(CPICH)信道多径系数瞬时最大似然性估计 之间的自相关的估计 以用于噪声抑制，

5)从所述的互相关和自相关估计建立对波束成形复因子(β)的估计

6)将第一子信道(DPDCH)多径系数估计 建立为在步骤3和步骤5获得的估计

和 的乘积，和

7)当所述符号速率低于第一逻辑信道(CPICH)符号速率时，将所述的第一子信道(DPDCH)多径系数估计 内插到第二逻辑信道(DPCH)符号速率，

其中，对所有的多径分量(p＝1，...，P)复系数(β_pc_p(t))重复进行步骤1)到7)。

4.权利要求2和3的方法，其特征在于，基于对一些形成所述第一逻辑信道(CPICH)的导频符号的先验知识，第一逻辑信道(CPICH)最大似然性信道多径系数估计 被计算。

5.权利要求2和3的方法，其特征在于，基于对形成所述第二子信道(DPCCH)的导频符号的先验知识，与第二子信道(DPCCH)相关的第二逻辑信道(DPCH)最大似然性信道多径系数估计 被计算。

6.权利要求2和3的方法，其特征在于，通过决策导向机制，与第一子信道(DPDCH)相关的第二逻辑信道(DPCH)最大似然性信道多径系数估计

被计算。

7.权利要求2和3的方法，其特征在于，步骤2的内插通过最近邻内插来执行。

8.权利要求2的方法，其特征在于，基于与所述第一逻辑信道(CPICH)和第二逻辑信道(DPCH)相关的被内插的最大似然性信道多径系数估计

和

最优线性预测滤波器根据最大后验概率优化标准被建立，以便通过联合第二和第一信道(DPCH-CPICH)提供最优最大后验概率第一子信道(DPDCH)多径系数估计

9.权利要求3的方法，其特征在于，基于步骤1和2的第一信道(CPICH)和第二信道(DPCH)最大似然性估计

和 的样本时刻 和

第二(DPCH)对应传播信道和第一(CPICH)对应传播信道的互相关 $E\left\{{\hat{c}}_{\mathrm{dpch}}\left(n\right){{\hat{c}}^{*}}_{\mathrm{cpich}}(n-l)\right\}$ 的最大似然性估计以及第一(CPICH)对应传播信道的自相关 $E\left\{{\hat{c}}_{\mathrm{cpich}}\left(n\right){{\hat{c}}^{*}}_{\mathrm{cpich}}(n-l)\right\}$ 的最大似然性估计被计算。

10.权利要求3的方法，用于计算对所述复波束成形因子(β)的估计，其特征在于，在不同的相关滞后(1＝1，2，...，L)处的第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的对应传播信道互相关以及第一逻辑信道(CPICH)的对应传播信道自相关的最大似然性估计 和 被线性地组合

和

11.权利要求3的方法，其特征在于，第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的互相关和第一逻辑信道(CPICH)的自相关的连续估计

和 在固定滞后(1)处被取得，并且被低通滤波以用于所述复因子(β)的估计计算。

12.权利要求3的方法，其特征在于，在一定的滞后(1)处，所述复因子(β)的估计作为波束成形复因子估计的线性组合而被建立，所述波束成形复因子估计是作为第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的对应传播信道互相关与第一逻辑信道(CPICH)的对应传播信道自相关估计之比而被计算的： $({\widehat{\mathrm{\β}}}_{\mathrm{ML}}\left(l\right)={\widehat{\mathrm{\φ}}}_{\mathrm{dc}}\left(l\right)/{\widehat{\mathrm{\φ}}}_{\mathrm{cc}}\left(l\right)),$ $(\widehat{\mathrm{\β}}=\underset{l=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\γ}}_l{\widehat{\mathrm{\β}}}_{\mathrm{ML}}\left(l\right)),$ 滞后1＝1，2，...，K。

13.权利要求10、11或12任何一个的方法，其特征在于，所述复因子(β)的估计被限制在滞后等于1。

14.利用权利要求1、2或3中任何一个所述方法的接收机。

15.用于在发射波束成形存在时估计传播信道的估计器，所述估计器考虑被称作公共信道和专用物理信道(CPICH、DPCH)的两个逻辑信道的结构并基于对应传播信道的公共结构，所述的专用物理信道(DPCH)包括两个子信道(DPDCH、DPCCH)，所述的传播信道遵循不相关散射广义平稳性模型被建模为有限数量(p＝1，...，P)的离散多径分量的线性叠加，多径分量由时变多径复系数(c_p(t)和β_pc_p(t))以及延迟(τ_p)来表征。

16.权利要求15的估计器，用于在发射波束成形存在时估计传播信道，其特征在于，所述的传播信道对应于第一子信道(DPDCH)估计而且所述的估计器包括：

一种装置，用于建立第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的对应传播信道瞬时最大似然性ML信道多径系数估计 和

一种装置，用于将上面获得的ML瞬时第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的对应传播信道多径系数估计

和

内插到所述第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的最低符号速率，

一种装置，用于根据联合第二和第一信道(DPCH-CPICH)最大后验概率(MAP)标准来建立最优线性预测滤波器，

一种装置，用于用所述最优线性预测滤波器来滤波在步骤2获得的被内插的ML瞬时第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的对应传播信道多径系数估计，从而建立对第一子信道(DPDCH)的多径系数估计 和

一种装置，当所述符号速率低于第一逻辑信道(CPICH)符号速率时，用于将所述第一子信道(DPDCH)多径系数估计 内插到第二逻辑信道(DPCH)符号速率。

17.权利要求15的估计器，用于在发射波束成形存在时估计传播信道，其特征在于，所述的传播信道对应于第一子信道(DPDCH)，并且所述的估计器包括：

一种装置，用于建立第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的对应传播信道瞬时最大似然性ML信道多径系数估计 和

一种装置，用于将上面获得的ML瞬时第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的对应传播信道多径系数估计 和 内插到所述第二逻辑信道(DPCH)和第一逻辑信道(CPICH)的最低符号速率，

一种装置，用于建立第一逻辑信道(CPICH)多径系数(c_cpich(n))的最优最大后验概率估计

一种装置，在非零相关滞后(1≠0)处，用于建立在权利要求3的步骤1和步骤2获得的第一逻辑信道(CPICH)和第二逻辑信道(DPCH)的对应传播信道多径系数瞬时最大似然性估计 和 之间的互相关 $E\left\{{\hat{c}}_{\mathrm{dpch}}\left(n\right){{\hat{c}}^{*}}_{\mathrm{cpich}}(n-l)\right\}$ 的估计 和第一逻辑信道(CPICH)的对应传播信道多径系数瞬时最大似然性估计

之间的自相关 $E\left\{{\hat{c}}_{\mathrm{cpich}}\left(n\right){{\hat{c}}^{*}}_{\mathrm{cpich}}(n-l)\right\}$ 的估计

以用于噪声抑制，

一种装置，用于从所述的互相关和自相关估计

和 估计波束成形复因子(β)，

一种装置，用于将第一子信道(DPDCH)多径系数估计

建立为第一信道(CPICH)多径系数的最优最大后验概率估计和互相关及自相关估计

和

的乘积，

一种装置，用于当所述的符号速率低于第一逻辑信道(CPICH)符号速率时，将所述的第一子信道(DPDCH)多径系数估计

内插到第二逻辑信道(DPCH)符号速率。

18.包括权利要求15的估计器的接收机。

19.一种通信***，当信息数据经由波束成形***被发射时，该***使用权利要求1的用于在发射波束成形存在时估计传播信道的方法。

Images