[发明专利]一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法

权利要求书

1.一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法，其特征在于：包括步骤如下：

步骤1：根据历史信道信息来获取当前信道的相关矩阵

步骤2：对信道的相关矩阵进行特征值分解，获得特征值对应的特征向量矩阵再取特征向量矩阵的前Q列，得到最优基函数

步骤3：基于最优基函数利用基扩展模型对信道进行建模，得到信道向量的模型

式中，是第m个符号上的N×Q维最优基函数矩阵，表示第t个发送天线与第r个接收天线之间第l径第m个符号上第N-1个子载波上的信道值，其中N表示一个OFDM符号中子载波的个数，其中，c_q,l,m为l径第m个OFDM符号上第q个基函数对应的系数，q∈[0,Q-1]；表示第t个发送天线与第r个接收天线之间第l径第m个符号上第N-1个子载波上的信道值对应的基扩展模型建模误差；

步骤4：构建标准状态空间模型，标准状态空间模型包括：包含基扩展模型系数的状态方程g_m＝S₁g_m-1+S₂u_m和包含导频、数据和噪声的观测方程Y_m＝S_mg_m+W_m；

式中，m是OFDM符号的序号标识，c_m是第m个OFDM符号上的基扩展模型系数向量，c_m-ρ+1表示第m-ρ+1个OFDM符号上的基扩展模型系数向量，ρ是状态向量，为N_tN_rQL×N_tN_rQL维单位阵，为(ρ-1)N_tN_rQL×N_tN_rQL维全零矩阵，N_t和N_r分别是发送天线和接收天线的个数，Q是基函数的个数，L是信道的路径数，(·)^T表示向量的转置；u_m＝c_m，Γ_m是由数据和导频构成的发送信号矩阵，Y_m是接收信号向量，W_m是噪声向量，g_m是第m个OFDM符号的由基函数系数向量组成的系数矩阵；g_m-1是第m-1个OFDM符号上的由基函数系数向量组成系数矩阵，S₁是由0和1构成的ρN_iN_rQL×ρN_tN_rQL维的状态转移矩阵，其表示为

步骤5：对步骤4构建的标准状态空间模型利用软卡尔曼滤波中的时间更新方程获得基扩展模型系数的预测向量和预测误差的协方差矩阵p_m，其中时间更新方程为：

p_m＝S₁p_m-1S₁^H+S₂C_umS₂^H

式中，表示第m个OFDM符号的预测向量，表示第m-1个OFDM符号的高精度估计向量，p_m是第m个OFDM符号上的预测误差的协方差矩阵，p_m-1是第m-1个OFDM符号上的预测误差的协方差矩阵；为u_m的协方差矩阵；是基扩展模型系数向量c_m的预测；

步骤6：利用获得的基扩展模型系数和步骤2中的最优基函数得到信道估计值；

步骤7：对观测方程中的接收信号进行数据检测处理得到检测数据；

步骤8：利用似然比判决对步骤7获取的检测数据进行判决处理，得到精度高的检测数据；

步骤9：计算步骤8获取的精度高的检测数据与判决前的检测数据之间的检测误差作为噪声的一部分，计算检测误差的协方差矩阵

步骤10：利用导频和步骤8获得的精度高的检测数据构建新的发送信号矩阵；

步骤11：对步骤9中获取的检测误差的协方差矩阵和步骤10中构建的新的发送信号矩阵采用软卡尔曼滤波中的测量更新方程，获取精度更高的基扩展模型系数的估计值

步骤12：返回步骤6利用估计值更新基扩展模型系数利用更新步骤11中的预测误差的协方差矩阵p_m，进行迭代处理，直至获得高精度的信道估计值，K_m为卡尔曼滤波增益。