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,cq,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gm=S1gm‑1+S2um和包含导频、数据和噪声的观测方程Ym=Smgm+Wm;
式中,m是OFDM符号的序号标识, cm是第m个OFDM符号上的基扩展模型系数向量,cm‑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NtNrQL×NtNrQL维单位阵, 为(ρ‑1)NtNrQL×NtNrQL维全零矩阵,Nt和Nr分别是发送天线和接收天线的个数,Q是基函数的个数,LT是信道的路径数,(·) 表示向量的转置;um=cm, Γm是由数据和导频构成的发送信号矩阵,Ym是接收信号向量,Wm是噪声向量,gm是第m个OFDM符号的由基函数系数向量组成的系数矩阵;gm‑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ρNiNrQL×ρNtNrQL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pm,其中时间更新方程为:H H
pm=S1pm‑1S1+S2CumS2
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,pm是第m个OFDM符号上 的预测误差的协方差矩阵,pm‑1是第m‑1个OFDM符号上的预测误差的协方差矩阵; 为um的协方差矩阵; 是基扩展模型系数向量cm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pm,进行迭代处理,直至获得高精度的信道估计值,Km为卡尔曼滤波增益。
2.根据权利要求1所述的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: 式中, 其中 是第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N×1维的信道向量,l∈[0,L‑1],N是一个OFDM符号中子载波的个数,L为信道路径数, 表示信道的相关矩阵,m是OFDM符号的序号标识,EH{·}表示求矩阵的自相关,(·) 表示矩阵的共轭转置。
3.根据权利要求1所述的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:信道的相关矩阵 特征值分解公式如下:式中,m表示OFDM符号标识, 是由 的特征值按从大到小的顺序组成的N×Q维对角阵, 表示Q×Q维酉矩阵, 为从大到小顺序排列的特征值对应的N×N维特征向量矩阵,N是一个OFDM符号中子载波的个数,取特征向量矩阵的前Q列作为最优基函数,其中Q表示基函数的个数。
4.根据权利要求1所述的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:式中, 是 的前Q列组成的向量,Q是基函数的个数, 代表第m个OFDM符号的最优基函数。
5.根据权利要求1所述的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:对观测方程中的接收信号采用迫零或最小均方误差均衡方法获得检测数据。
6.根据权利要求1所述的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:检测误差的协方差矩阵公式如下:式中, 表示噪声的方差, 是NNr×NNr维单位矩阵,N表示一个OFDM符号中子载波的个数,Nr是接收天线的个数, 是第t个发送天线上的检测数据方差的协方差,diag{*}表示以*为对角元素的对角矩阵, 是矩阵 的第q1行第q2列上的元素, cl,m是第l个信道第m个OFDM符号上的基扩展模型H系数向量,{·} 表示对向量进行共轭转置处理,E{·}表示求矩阵的自相关; 分别表示第q1个和第q2个基函数矩阵,其中q1,q2∈[1,Q],Mq是第q个N×N维基函数矩阵,其第k行第k'列元素可以表示为k=0,...,N‑1;k'=0,...,N‑1;q=q1或q=q2式中,bn,q是第q个基函数的第n个元素,n∈[0,N‑1]。
7.根据权利要求1所述的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:测量更新方程的公式如下:式中,m是OFDM符号的序号标识,Km为卡尔曼滤波增益, 是Sm的估计值,即是由步骤10获得的检测数据和导频构成的新的发送信号矩阵,H
为第m个OFDM符号检测误差的协方差矩阵,{·} 表示对向量进行共轭转置处理。