用于在无线通信系统中联合执行信道估计和干扰估计的方法和装置

摘要

提供了用于估计信道的特性的系统和方法。在接收设备处接收已知参考数据的传输。所述参考数据通过包括一个或多个期望层和一个或多个干扰层的信道进行传送。基于所述已知参考数据确定所述信道的特性，其中所述确定包括所述一个或多个期望层和所述一个或多个干扰层的联合估计。所述确定包括将所述层中的特定层选择为在所述已知参考数据中的每个已知参考数据处进行估计，并且将所述层中的特定层选择为在所述已知参考数据的范围上进行估计。所述确定包括基于所述选择来求解等式以对所述一个或多个期望层以及所述一个或多个干扰层进行联合估计。所述选择减少了所述等式中未知值的数目。

说明书

相关申请的交叉引用

本申请要求于2012年4月5日提交的美国临时专利申请第61/620,911号的优先权，其内容通过引用而结合于此。

技术领域

本文献中所描述的技术总体上涉及无线通信，更具体地涉及用于估计无线通信信道的特性的系统和方法。

背景技术

在无线通信领域，MIMO-OFDM(多输入多输出-正交频分复用)技术已经被用来实现提高的数据吞吐量和链路范围而并不要求附加带宽或提高的传输功率。MIMO-OFDM技术利用传送器处的多个传输天线以及接收器处的多个接收天线而使得能够在传送器和接收器之间存在具有多个正交通道的多路径的丰富环境。数据信号能够通过这些信道并行传送，因此使得数据吞吐量和链路范围能够得以提高。由于其有益属性，MIMO-OFDM是在诸如IEEE 802.11n(WiFi)、4G、3GPP长期演进(LTE)、WiMAX和HSPA+之类的多种无线通信标准中使用的空中接口技术。为了有效操作，在容量、误块率和其它度量方面，可以在接收器处执行接收器和传送器之间的通信信道的估计。

发明内容

本公开内容针对用于估计信道的特性的系统和方法。在一种用于估计信道的特性的方法中，在接收设备处接收已知参考数据的传输。所述参考数据通过包括一个或多个期望层和一个或多个干扰层的信道进行传送。基于所述已知参考数据确定所述信道的特性，其中所述确定包括所述一个或多个期望层和所述一个或多个干扰层的联合估计。所述确定包括将所述层中的特定层选择为在所述已知参考数据中的每个已知参考数据处进行估计。所述确定还包括将所述层中的特定层选择为在所述已知参考数据的范围上进行估计。所述确定进一步包括基于所述选择来求解等式以对所述一个或多个期望层以及所述一个或多个干扰层进行联合估计。所述选择减少了所述等式中未知值的数目。

在另一示例中，一种用于估计通信信道的特性的接收器包括处理器系统和耦合至所述处理系统的存储器。所述处理系统被配置为执行步骤，所述步骤包括接收已知参考数据的传输，其中所述参考数据通过所述信道进行传送，所述信道包括一个或多个期望层以及一个或多个干扰层。所述步骤还包括基于所述已知参考数据来确定所述信道的特性，其中所述确定包括所述一个或多个期望层以及所述一个或多个干扰层的联合估计。所述确定包括：将所述层中的特定层选择为在所述已知参考数据中的每个已知参考数据处进行估计，并且将所述层中的特定层选择为在所述已知参考数据的范围上进行估计。所述确定进一步包括基于所述选择来求解等式以对所述一个或多个期望层以及所述一个或多个干扰层进行联合估计。所述选择减少了所述等式中未知值的数目。

附图说明

图1A是包括具有一个或多个期望层和一个或多个干扰层的信道的示例多输入多输出(MIMO)通信系统的框图。

图1B描绘了接收器用来估计通信信道的已知参考数据的示例。

图1C描绘了用来对通信信道的一个或多个期望层和一个或多个干扰层进行联合估计的等式。

图1D描绘了由接收器所执行的用于对通信信道的一个或多个期望层和一个或多个干扰层执行联合估计的示例步骤。

图2描绘了可以在其中执行一个或多个期望层和一个或多个干扰层的联合估计的示例系统。

图3描绘了包括各种时间-频率位置的已知参考数据的矩阵和可以被求解以基于已知参考数据对一个或多个期望层和一个或多个干扰层进行联合估计的等式。

图4图示了所提出的用于估计通信信道的特性的解决方案，其包括在估计中将信道中的某些方面选择为频率平坦的(frequency-flat)并且将信道中的某些方面选择为频率选择性的(frequency-selective)。

图5是图示用于估计通信信道的特性的示例方法的流程图。

具体实施方式

图1A是示例多输入多输出(MIMO)通信系统100的框图，通信系统100包括具有一个或多个期望层和一个或多个干扰层的信道112。在图1A的示例通信系统100中，输入数据流106被传送器108所接收并且随后通过多个传输天线110进行传送。传输天线110通过信道112传送输入数据流106，该信道112包括一个或多个期望层和一个或多个干扰层。通过多个传输天线110的数据传输在接收器102的多个天线114处被接收。信道112影响在传送器108和接收器102之间传送的数据，而使得所传送信号的修改版本在接收天线114处被接收。除其它原因之外，所接收的信号由于信道112的性质、接收天线114处的干扰或者由于信道112的噪声而可能与所传送信号相比有所修改。系统100可以总体上经由以下等式进行描述：

y＝Hx+n

其中H是定义信道112的特性的信道矩阵，x是定义传送器108所传送的信号的数据矩阵，y是定义接收器102所接收的信号的数据矩阵，并且n是影响所传送信号的噪声矩阵。当采用多个传送器天线110时，可以在传送器108处使用预编码或波束赋形。在以上等式中，信道矩阵H定义了一个或多个期望层的特性以及一个或多个干扰层的特性。注意，传送器106传送图1A中的期望层和干扰层。这仅是用于示例。可替换地，多个传送器可以同时进行传送，期望层从所述多个传送器中的一些传送器进行传送，而干扰层则从所述多个传送器中的其它传送器进行传送。在这样的情况下，传送器106可以被假定为传送器的超级集合，并且将应用以下讨论。

为了系统100的有效操作(即，在容量、误块率等方面)，在接收器102处执行信道112的估计。为了执行信道估计，在接收器102处接收已知参考数据(即，导频符号或小区特定参考信号)的传输。该已知参考数据在预定时间和频率位置通过包括一个或多个期望层和一个或多个干扰层的信道112进行传送。接收器102使用该已知参考数据在所有时间和频率位置估计信道112的特性。在图1A的系统100中，接收器102执行信道112的一个或多个期望层和一个或多个干扰层的联合估计。该联合估计过程中还可以包括系统100的噪声和/或残余干扰的估计。执行一个或多个期望层和一个或多个干扰层的联合估计而不是独立估计。例如，独立估计可能涉及与期望层分离且与之独立的期望层的估计和/或干扰和噪声的估计。

图1B的120处描绘了由接收器102用来估计信道112的已知参考数据的示例。数据矩阵S(f，t)的x轴随时间变化，而数据矩阵S(f，t)的y轴随频率变化。该矩阵的变黑单元表示接收器102事先得知的、在预定时间和频率位置传送的已知导频符号。在该矩阵中，已知参考数据可以被认为是开销。因此，为了实现更高的吞吐量，可能期望使用更小数目的参考符号，因为较高数目的参考符号可能使得系统100的频谱效率有所降低。然而，如果已知参考信号过于稀疏，则接收器102可能难以对信道112进行准确估计。

如以上所提到的，信道112的估计是联合估计，其中信道112的一个或多个期望层和一个或多个干扰层在一起进行估计而不是经由单独的独立估计进行估计。在图1A的100处，信道112被图示为包括多个层(即，信道、流)h₁、h₂、h₃和h₄并且这些层中的某些是期望层而这些层中的某些是干扰层。在图1C的140处，用于对一个或多个期望层和一个或多个干扰层进行联合估计的等式如下：

$>y\left(f\right)=S\left(f\right)\left(\begin{array}{c}{h}_1\left(f\right)\\ h_2\left(f\right)\\ h_3\left(f\right)\\ h_4\left(f\right)\end{array}\right)+n\left(f\right)$>

其中y(f)是包括在接收器102处所进行的观察结果的矩阵，S(f)是包括传送器108所传送的已知参考数据的矩阵，$>\left(\begin{array}{c}{h}_1\left(f\right)\\ h_2\left(f\right)\\ h_3\left(f\right)\\ h_4\left(f\right)\end{array}\right)$>是包括表示有待估计的一个或多个期望层和一个或多个干扰层的变量的矩阵，而n(f)是表示所接收信号y(f)的噪声分量的矩阵。该等式的所有变量都仅依赖于频率，从而作为示例，该估计处理包括假定一个或多个期望层和一个或多个干扰层在时间上是恒定的。以上等式作为估计处理的一部分进行求解。

在图1D的160处，由接收器102执行示例步骤162、164、166、168以执行一个或多个期望层和一个或多个干扰层的联合估计。在162处，接收器102接收包括已知参考数据(即，在图1B的120描绘的已知导频符号)的矩阵S(f，t)。包括已知参考数据的矩阵S(f，t)通过信道112进行传送并且因此被信道112的特性所影响。在164处，信道112的某些层h₁、h₂、h₃和h₄在估计中被选择为是频率平坦的。在166处，信道112的某些层h₁、h₂、h₃和h₄在估计中被选择为是频率选择性的。接收器102因此执行划分处理，而使得在估计中并非所有层都被选择为是频率平坦的而且并非所有层都被选择为是频率选择性的。该划分处理也可以通过不在164和166二者中对某些(多个)层进行选择而将这样的(多个)层留在信道估计处理之外。在168处，对图1C的140处的等式进行求解以对一个或多个期望层和一个或多个干扰层进行联合估计。140处的等式基于包括已知参考数据的矩阵S(f，t)并且基于选择进行求解。通过选择某些层为频率平坦的而使得140处的等式中的多个未知值有所减少。

可替换地，信道估计可以假定所有层的信道都是随频率恒定的，并且在164中选择要作为时间平坦(time-flat)的层以及在166中选择要作为时间选择性(time-selective)的层。在又另一个示例中，信道估计假定信道随时间和频率并非是恒定的，并且164和166可以被扩展为用以选择层为以下各项之一的子步骤：(1)时间-频率平坦的，(2)时间平坦的、频率选择性的，(3)时间选择性的、频率平坦的，(4)时间-频率选择性的。某些层仍然可以被划分处理留在信道估计之外。此后，在应用时间恒定假定的情况下出于说明的目的而对其加以使用。

可以基于各种因素而选择某些层在估计中为频率平坦的并且选择某些层在估计中为频率选择性的。在一些示例中，基于一个或多个层的重要性、一个或多个干扰层被确定为比其它一个或多个干扰层突显、变量中要参考运行工况进行估计的相互关联程度(例如，信号干扰比、信噪比)、接收器中所期望的性能和稳定性或者接收器的仪器复杂度来进行选择。在其它示例中，该选择基于一种或多种设计权衡。例如，该选择可以基于性能(例如，信噪比、吞吐量等)相对计算复杂度之间的平衡，其中选择更大数目的层为频率选择性的会导致更高的性能但是也可能需要更高的计算复杂度。更高的计算复杂度例如可能影响到接收器的电池寿命或功耗。

在一个示例中，一个或多个期望层被选择为是频率选择性的，而一个或多个干扰层被选择为是频率平坦的。在另一个示例中，一个或多个干扰层中的主导干扰层被选择为是频率选择性的，而另外的一个或多个干扰层被选择为是频率平坦的。在一个示例中，可以使用频率平坦层的统计而不是与这些层相关联的瞬时值。

图1A的系统100在上文中被描述为由等式y＝Hx+n所表征。该等式可以被如下重写以对系统100进行进一步的描述：

$>y(f,t)=\underset{i=1}{\overset{K}{\Sigma }}{h}_i(f,t)x_i(f,t)+n(f,t)$>

其中y是定义接收器所接收的信号的数据矩阵，h_i是表示包括一个或多个期望层和一个或多个干扰层信道的矩阵，x_i是包括在信道上进行传送的已知参考数据(即，导频符号)的矩阵，而n是表示所接收信号中的噪声的矩阵。在该等式中，y、h_i、x_i和n是频率(f)和时间(t)的函数。另外，可以使用以下等式：

|S|＝size(S)＝N

其中N是在接收器处所进行的观察的数目。给定定义矩阵y的N次噪声观察的情况下，该接收器被配置为针对i(即，信道的一个或多个期望层和一个或多个干扰层，并且针对某些层被留在信道估计之外的情形，假定划分要在应用该模型之前完成)、f和t(即，所有相关时间和频率位置)的所有值估计信道h_i的特性。以矩阵形式，该系统所定义的输入-输出关系可以如下给出：

$>y={\Sigma }_{i=1}^K{x}_i\mathrm{diag}\left(h_i\right)+n$>

图2描绘了可以在其中执行一个或多个期望层和一个或多个干扰层的联合估计的示例系统。在200处，描绘了MIMO-OFDM系统，其中接收器进行了传送器和接收器之间的信道的三次噪声观察。MIMO-OFDM系统可以在时间和频率中创建并行的层(即，信道、流)，如三个并行的层h(f₁，t₁)、h(f₂，t₁)和h(f₂，t₂)所示。在接收器处所进行的三次不同观察可以由以下等式所表示，其中y表示在接收器所接收的信号，h为信道，而n为接收信号的噪声分量：

y(f₁，t₁)＝h(f₁，t₁)+n₁

y(f₂，t₁)＝h(f₂，t₁)+n₂

y(f₂，t₂)＝h(f₂，t₂)+n₃

在以上等式中，y和h都取决于频率(f)和时间(t)。变量n₁、n₂和n₃图示了接收器在进行观察时观察到三个不同的噪声值。对以上等式中的变量执行联合估计与执行该变量的独立估计相比可能是优选的。例如，如果每个变量被独立估计，则接收器噪声的影响可能不会减少并且因此可能导致估计误差N₀。另外，由于物理信道中有限的自由度，实际信道变量可能并不是独立的。执行系统200的变量的联合估计可以提供考虑到变量之间的这种依赖性的信道估计。

在220处，描绘了另一MIMO-OFDM系统，其中接收器进行了两次观察，每次观察包括表示一个或多个期望层的项以及表示一个或多个干扰层的项。在接收器处进行的两次观察可以由以下等式表示，其中y表示在接收器所接收的信号，h表示期望层，q表示干扰层，而n为接收信号的噪声分量：

y(f₁，t₁)＝h(f₁，t₁)+q(f₁，t₁)+n₁

y(f₂，t₁)＝h(f₂，t₁)+q(f₂，t₁)+n₂

在以上等式中，y、h和q都取决于频率(f)和时间(t)。在执行期望层和干扰层的联合估计时，可以通过执行一个或多个干扰层的较低分辨率的频率估计而实现对一个或多个期望层的更为准确的估计。一个或多个干扰层的较低分辨率的频率估计可以涉及仅对干扰层的统计(例如，而不是干扰层的瞬时值)进行估计，而使得更多资源能够被用来估计一个或多个期望层。通常，与干扰层相比，可能优选使用期望层的更高分辨率的频率估计。

在240处，描绘了多用户MIMO(MU-MIMO)系统。该MU-MIMO系统包括同时从传送器向多个接收器(即，多个用户)的传输。该MU-MIMO架构可以通过创建附加的空间自由度而提高MIMO传输的容量。相对于单用户MIMO(SU-MIMO)系统，该MU-MIMO架构可以具有更高的空间复用增益和系统容量。该传送器可以使用对应于该系统的三个接收器的预编码矢量u₁、u₂和u₃。如在240所图示的，每个接收器通过三个层接收数据，其中这三个层中的两个层是干扰层而一个层是期望层。这两个干扰层可能是由于从传送器向系统的其它接收器的并行传输而导致的。每个接收器可以通过执行这两个干扰层和该期望层的联合估计而对信道进行估计。

在260处，描绘了协同多点传输(CoMP)技术。该系统在260处包括向单个接收器(即，单个用户设备)传送数据的三个基站天线。干扰层可能是由于来自向接收器传送所期望信号的基站以外的基站的干扰所导致的。在CoMP中，所要建立的信道可以对应于多个小区，并且该信道的期望层和干扰层可以在从信道状态信息参考符号(CSI-RS)所接收的不同频率间隙进行建立。然而，CSI-RS的参考信号的数目可能有限，从而变量的数目可能大于等式的数目。为了允许进行信道的可靠估计，干扰层在估计期间可以被分配以具有比期望层更低的频率分辨率。

图3描绘了包括各个时间-频率位置的已知参考数据的矩阵300以及可以被求解以基于已知参考数据对一个或多个期望层和一个或多个干扰层进行联合估计的等式340。矩阵300和等式340可以在长期演进(LTE)无线通信系统中执行信道估计时使用。在LTE版本10中，支持单用户MIMO(SU-MIMO)和多用户MIMO(MU-MIMO)之间的动态切换。对于MU-MIMO传输而言，支持总共多达四个用户(即，UE)以及多达四个层(即，空间流)(即两个期望层和两个干扰层，三个期望层和一个干扰层以及其它组合)。在图3的LTE系统中，可以经由解调参考信号(DMRS)端口7和8执行针对解调的信道估计。在包括用于执行信道估计的已知参考数据的矩阵300中，x轴表示时间而y轴表示频率。如以上关于图1A所讨论的，矩阵300中的变黑元素表示已知参考数据(即，导频符号)。图3的矩阵300中对三个频率(1、2和3)进行了高亮显示。在这三个频率中的每一个处，LTE系统中的接收器在四个不同时间(1、2、3和4)进行四次观察。针对这三个频率，在一个资源块(RB)中在接收器处进行总共12次观察。

利用在接收器处进行的12次观察，可以求解等式以对一个或多个期望层和一个或多个干扰层进行联合估计：

$>y\left(f\right)=S\left(f\right)\left(\begin{array}{c}{h}_1\left(f\right)\\ h_2\left(f\right)\\ h_3\left(f\right)\\ h_4\left(f\right)\end{array}\right)+n\left(f\right)$>

以上等式在图3的340进行描绘。在该等式中，y(f)是包括与在接收器处所进行的观察相关的数据的矩阵，S(f)是包括传送器所传送的已知参考数据的矩阵并且是4x 4的DMRS序列，$>\left(\begin{array}{c}{h}_1\left(f\right)\\ h_2\left(f\right)\\ h_3\left(f\right)\\ h_4\left(f\right)\end{array}\right)$>是包括表示所要估计的一个或多个期望层和一个或多个干扰层的变量的数据的矩阵，并且n(f)是表示接收信号y(f)的噪声分量的矩阵。如图340所指示的，矩阵n(f)通常可以被建模为具有方差σ₀²的复高斯白噪声，即n(f)～CN(0，σ₀²I₄)，其中σ₀²捕捉小区间干扰的影响。关于LTE系统中的DMRS端口7和8上的信道估计，图3中的等式340可以表达如下：

求解等式340可以允许针对所有潜在用户并且在所有时间-频率位置对信道进行估计。当已知参考数据的传送器以MIMO传输模式进行操作时，能够假定信道在RB内、在时间上是恒定的。然而，相反地，不同于假定信道在RB内是频率平坦的，在求解该等式时，可以另外假定该信道在RB内是频率选择性的。作为这些假定的结果，在求解等式340时有12个变量要进行估计：三个频率位置中的信道的四个层(即，针对f等于1、2和3时的h₁(f)、h₂(f)、h₃(f)和h₄(f))。要求解等式340，S(f)对于所有频率位置(1、2和3)应当是可逆的。然而，个别DMRS序列随机生成，并且S(f)可能并非以相当的概率为满秩的(例如，S(f)可能为秩2或3)。

为了求解等式340，层h₁、h₂、h₃和h₄的频率选择性可以在可能的程度上进行捕捉，并且在必要情况下可以为某些层使用较低的频率分辨率。因此，为了求解等式340，某些层在估计处理中被选择为是频率平坦的，并且某些层在估计中被选择为是频率选择性的。选择某些层-通常是干扰层-是频率平坦的可以通过减少等式340中未知值的数目而允许等式340被求解。另外，选择某些层为频率平坦的可以允许更多资源被用于估计频率选择性层，从而可以以更高的准确性对频率选择性层进行估计。

图4图示了所提出的用于通过求解图3的等式340而对通信信道的特性进行估计的解决方案400、440。在解决方案400、440中，假定信道包括四个层，具有一个或多个期望层和一个或多个干扰层。另外，在这两个解决方案400、440中，基于重要性对四个层进行划分，而使得在估计中某些层被选择为是频率平坦的而某些层则被选择为是频率选择性的(例如，对于性能测量的影响可能更大的层可以被选择为是频率选择性的，以便允许它们相比频率平坦的层具有更高的频率分辨率)。在图4的第一解决方案400中，四个层中的两个层被选择为是频率选择性的，而另外两个层则被选择为是频率平坦的。被选择为是频率选择性的两个层在秩2分配的情况下是两个期望层，而被选择为是频率选择性的两个层在秩1分配的情况下是一个期望层以及一个对应于正交DMRS序列的层。并未被选择为是频率选择性的另外两个层被选择为是频率平坦的，这导致了在400所图示的接收信号的建模：

$>\left(\begin{array}{c}y\left(1\right)\\ y\left(2\right)\\ y\left(3\right)\\ y\left(4\right)\\ y\left(5\right)\\ y\left(6\right)\\ y\left(7\right)\\ y\left(8\right)\\ y\left(9\right)\\ y\left(10\right)\\ y\left(11\right)\\ y\left(12\right)\end{array}\right)=\begin{array}{}\end{array}\left(\begin{array}{cccccccc}{a}_1& a_1& 0& 0& 0& 0& b_1& b_1\\ a_2& -a_2& 0& 0& 0& 0& b_2& -b_2\\ a_3& a_3& 0& 0& 0& 0& b_3& b_3\\ a_4& -a_4& 0& 0& 0& 0& b_4& -b_4\\ 0& 0& a_5& a_5& 0& 0& b_5& b_5\\ 0& 0& a_6& -a_6& 0& 0& b_6& -b_6\\ 0& 0& a_7& a_7& 0& 0& b_7& b_7\\ 0& 0& a_8& -a_8& 0& 0& b_8& -b_8\\ 0& 0& 0& 0& a_9& a_9& b_9& b_9\\ 0& 0& 0& 0& a_{10}& -a_{10}& b_{10}& -b_{10}\\ 0& 0& 0& 0& a_{11}& a_{11}& b_{11}& b_{11}\\ 0& 0& 0& 0& a_{12}& -a_{12}& b_{12}& -b_{12}\end{array}\right)\left(\begin{array}{c}{h}_1\left(1\right)\\ h_2\left(1\right)\\ h_1\left(2\right)\\ h_2\left(2\right)\\ h_1\left(3\right)\\ h_2\left(3\right)\\ h_3\\ h_4\end{array}\right)+n$>

在以上等式中，y(1)至y(12)表示在接收器处所进行的12次观察，并且变量n表示在接收器处所接收的信号中的噪声。变量h₁和h₂表示被选择为是频率选择性的层，并且这些层因此是频率1、2和3的函数。变量h₃和h₄表示被选择为是频率平坦的层。包括变量h₁、h₂、h₃和h₄的矩阵与包括由传送器向接收器所传送的已知参考数据S(f)的矩阵相乘。选择某些信道层是频率平坦的减少了等式中未知值的数目。

用于求解图4中的第一解决方案400的最小二乘法如下：

$>\hat{h}={\left(X^{H}X\right)}^{-1}{X}^{H}y$>

其中()^H是复矩阵的厄米特(Hermitian)转置的运算。为了有助于在求逆之后确保满秩并减小矩阵元素的动态范围，可以结合如下的小的载荷因子：

$>\hat{h}={(X^{H}X+D)}^{-1}{X}^{H}y$>

其中D可以采取如下形式：

D＝mI₈  $>D=\left(\begin{array}{cc}{m}_1{I}_6& 0\\ 0& m_2{I}_2\end{array}\right)$>

其中m、m₁和m₂是固定常数。另外，该解决方案也可以利用SNR估计如下进行正规化以使得低SNR下的噪声放大最小化：

$>\hat{h}={(X^{H}X+D+\frac{1}{{\mathrm{SNR}}_{\mathrm{est}}}{I}_8)}^{-1}{X}^{H}y$>

其中项是考虑到SNR估计的比例因子。

为了估计干扰协方差，可以表示第i个接收器天线的最小二乘解。为了确定干扰协方差矩阵，来自最小二乘解的干扰信道估计可以如下跨接收天线进行相干：

$>R=\left(\begin{array}{c}{\hat{h}}_3^{\left(1\right)}\\ .\\ .\\ .\\ {\hat{h}}_3^{\left(R\right)}\end{array}\right)\left(\begin{array}{ccc}{\hat{h}}_3^{\left(1\right)*}& ...& {\hat{h}}_3^{\left(R\right)*}\end{array}\right)+\left(\begin{array}{c}{\hat{h}}_4^{\left(1\right)}\\ .\\ .\\ .\\ {\hat{h}}_4^{\left(R\right)}\end{array}\right)\left(\begin{array}{ccc}{\hat{h}}_4^{\left(1\right)*}& ....& {\hat{h}}_4^{\left(R\right)*}\end{array}\right)+{\sigma }_0^{2}I$>

其中R等于接收器天线的数目。如果频率选择性层之一也是干扰，则RB中的整个时间-频率间隙的信道可以经由内插和平均进行估计并且可以使用如下等式：

$>\left(\begin{array}{c}R(f,t)=\left(\begin{array}{c}{\hat{h}}_3^{\left(1\right)}\\ .\\ .\\ .\\ {\hat{h}}_3^{\left(R\right)}\end{array}\right)\left(\begin{array}{ccc}{\hat{h}}_3^{\left(1\right)*}& ...& {\hat{h}}_3^{\left(R\right)*}\end{array}\right)+\left(\begin{array}{c}{\hat{h}}_4^{\left(1\right)}\\ .\\ .\\ .\\ {\hat{h}}_4^{\left(R\right)}\end{array}\right)\left(\begin{array}{ccc}{\hat{h}}_4^{\left(1\right)*}& ...& {\hat{h}}_4^{\left(R\right)*}\end{array}\right)\\ +\left(\begin{array}{c}{\hat{h}}_2^{\left(1\right)}(f,t)\\ .\\ .\\ .\\ {\hat{h}}_2^{\left(R\right)}(f,t)\end{array}\right)\left(\begin{array}{ccc}{\hat{h}}_2^{\left(1\right)*}(f,t)& ...& {\hat{h}}_2^{\left(R\right)*}(f,t)\end{array}\right)+{\sigma }_0^{2}I\end{array}\right)$>

MIMO均衡器可能在解码之前导致针对每个时间-频率间隙的干扰效果。例如，可以使用白化滤波器在接收信号y在接收器处被接收之前消除其中的干扰。白化信号y_w可以被确定如下：

y_w＝R^-1/2y

在图4的第二解决方案440中，仅单个期望层被选择为是频率选择性的，而其它层则被选择为是频率平坦的。作为比较，在图4的第一解决方案400中，接收器(即，用户或UE)选择两个层进行频率选择估计而无论其秩如何。因此，第二解决方案440与图4的第一解决方案400相比可以降低估计复杂度。例如，在秩1的情况下，可能有单个期望层和三个干扰层，并且在第二解决方案440下，即使主导的干扰层也可以被假定是频率平坦的。第二解决方案440因此导致了估计中的频率粒度的损失，但是这在干扰层并非表现为非常强的情况下是可接受的。进行这些假定，所接收信号的建模可以经由图4的方程440而被表示为：

$>\left(\begin{array}{c}y\left(1\right)\\ y\left(2\right)\\ y\left(3\right)\\ y\left(4\right)\\ y\left(5\right)\\ y\left(6\right)\\ y\left(7\right)\\ y\left(8\right)\\ y\left(9\right)\\ y\left(10\right)\\ y\left(11\right)\\ y\left(12\right)\end{array}\right)=\left(\begin{array}{cccccc}{a}_1& 0& 0& a_1& b_1& b_1\\ a_2& 0& 0& -a_2& b_2& -b_2\\ a_3& 0& 0& a_3& b_3& b_3\\ a_4& 0& 0& -a_4& b_4& -b_4\\ 0& a_5& 0& a_5& b_5& b_5\\ 0& a_6& 0& -a_6& b_6& -b_6\\ 0& a_7& 0& a_7& b_7& b_7\\ 0& a_8& 0& -a_8& b_8& -b_8\\ 0& 0& a_9& a_9& b_9& b_9\\ 0& 0& a_{10}& -a_{10}& b_{10}& -b_{10}\\ 0& 0& a_{11}& a_{11}& b_{11}& b_{11}\\ 0& 0& a_{12}& -a_{12}& b_{12}& -b_{12}\end{array}\right)\left(\begin{array}{c}{h}_1\left(1\right)\\ h_1\left(2\right)\\ h_1\left(3\right)\\ h_2\\ h_3\\ h_4\end{array}\right)+n$>

在以上等式中，y(1)至y(12)表示在接收器处所进行的12次观察，并且变量n表示在接收器处所接收的信号中的噪声。变量h₁表示被选择为是频率选择性的单个层，并且该层因此是频率1、2和3的函数。变量h₂、h₃和h₄表示被选择为是频率平坦的层。包括变量h₁、h₂、h₃和h₄的矩阵与包括由传送器向接收器所传送的已知参考数据S(f)的矩阵相乘。选择某些信道层是频率平坦的减少了等式中未知值的数目并且可以降低估计处理的复杂度。

解决方案400和440二者都涉及选择某些层为频率选择性的以及选择某些层为频率平坦的。这种层的划分可以基于各种考虑和方针来实现。该划分可以基于性能(例如，SNR、吞吐量等)与接收器的计算机复杂度、电池寿命或功耗之间的平衡。例如，通过选择更多信道是频率选择性的，能够实现更高准确性的估计，但是更高准确性会以接收器中更高的计算复杂度为代价。更高的计算复杂度可以导致接收器更快地消耗功率因此减少其电池寿命。该划分处理也可以基于各个层对性能测量的影响，需要参考运行工况(例如，SIR、SNR)来估计的变量之间的互相关程度、所期望的性能水平、或者仪器复杂度。例如，如果层被确定为对性能测量具有大幅影响，则该层可以被选择为是频率选择性的，因此使得能够对该层进行更高分辨率的频率估计。另外，可以在进行划分时使用以上所提到的考虑因素的组合。选择层为频率平坦的和频率选择性的可以允许吞吐量与其它信道估计方法相比有所提高。

用于求解图4的第二解决方案440的最小二乘法可以如下：

$>\hat{h}={\left(X^{H}X\right)}^{-1}{X}^{H}y$>

为了有助于在求逆之后确保满秩并减小矩阵元素的动态范围，可以结合如下的小的载荷因子：

$>\hat{h}={(X^{H}X+D)}^{-1}{X}^{H}y$>

其中D可以采取如下形式：

D＝mI₆  $>D=\left(\begin{array}{cc}{m}_1{I}_4& 0\\ 0& m_2{I}_2\end{array}\right)$>

其中m、m₁和m₂是固定常数。另外，该解决方案也可以利用SNR估计如下进行正规化以使得低SNR的噪声放大最小化：

$>\hat{h}={(X^{H}X+D+\frac{1}{{\mathrm{SNR}}_{\mathrm{est}}}{I}_6)}^{-1}{X}^{H}y$>

其中项是考虑到SNR估计的比例因子。用于求解该等式的最小均方误差(MMSE)方法可以如下：

$>\hat{h}={(X^{H}X+{\sigma }_0^2{R}_h^{-1})}^{-1}{X}^{H}y$>

求解该等式通常涉及矩阵求逆。给定这样的矩阵的大尺寸(例如，根据未知数的数目的4×4、8×8或12×12)，这在计算上是禁止的。基于这样的矩阵具有结构性的观察，能够应用低计算复杂度的矩阵求逆。例如，对于等式400，对8×8的矩阵求逆能够有效地通过以下来实施：

$>x_k=\underset{i=1}{\overset{4}{\Sigma }}{a}_{4(k-1)+i}^{*}{b}_{4(k-1)+i},y_k=\underset{i=1}{\overset{4}{\Sigma }}{(-1)}^{i-1}{a}_{4(k-1)+i}^{*}{b}_{4(k-1)+i}k=\mathrm{1,2,3}$>

$>\rho =\underset{k=1}{\overset{3}{\Sigma }}{\left|x_k\right|}^2+{\left|y_k\right|}^2,r=2\underset{k=1}{\overset{3}{\Sigma }}\mathrm{Re}\left(x_k^{*}{y}_k\right),P=\frac{1}{{(3-\rho )}^2-r^2}\left(\begin{array}{cc}3-\rho & r\\ r& 3-\rho \end{array}\right)$>

$>A_k=\left(\begin{array}{cc}{x}_k& y_k\\ y_k& x_k\end{array}\right),A=\left(\begin{array}{c}{A}_1\\ A_2\\ A_3\end{array}\right)$>

$>{\left(X^{H}X\right)}^{-1}=\frac{1}{4}\left(\begin{array}{cc}{I}_6+{\mathrm{APA}}^H& -\mathrm{AP}\\ -{\left(\mathrm{AP}\right)}^H& P\end{array}\right)$>

图5是图示用于估计通信信道的特性的示例方法的流程图500。在502处，在接收设备处接收已知参考数据的传输。该参考数据通过包括一个或多个期望层和一个或多个干扰层的信道进行传送。该已知参考数据被用来确定所述信道的特性，其中该确定包括所述一个或多个期望层和一个或多个干扰层的联合估计。在504处，将所述层中的特定层选择为在所述已知参考数据中的每个已知参考数据处进行估计。在506处，将所述层中的特定层选择为在所述已知参考数据的范围上进行估计。在508处，基于所述选择来求解等式以对所述一个或多个期望层以及所述一个或多个干扰层进行联合估计。通过将所述层中的特定层选择为频率平坦的减少了所述等式中未知值的数目。

该书面描述使用示例公开了包括最佳模式在内的本发明，并且还使得本领域技术人员能够制造并使用本发明。本发明的可专利范围可以包括其它示例。此外，这里所描述的方法和系统可以通过程序代码而在许多不同类型的处理设备上实施，该程序代码包括能够由设备处理子系统所执行的程序指令。软件程序指令可以包括源代码、目标代码、机器代码或者所存储的能够进行操作以使得处理系统执行这里所描述的方法和操作的任意其它数据。然而，也可以使用其它实施方式，诸如固件或者甚至适当设计的被配置为实施这里所描述的方法和系统的硬件。

该系统和方法的数据(例如，关联、映射、数据输入、数据输出、中间数据结果、最终数据结果等)可以在一种或多种不同类型的计算机所实施的数据存储设备中进行存储和实施，诸如不同类型的存储设备和编程构造(例如，RAM、ROM、闪存、平面文件、数据库、编程数据结构、编程变量、IF-THEN(或类似类型)的语句构造等)。注意到，数据结构描述了在数据库、程序、存储器或计算机程序所使用的其它计算机可读媒体中组织和存储数据时所使用的格式。

这里所描述的计算机组件、软件模块、函数、数据存储和数据结构可以直接或间接地互相连接，以便允许其操作所需的数据进行流动。还要注意的是，模块或处理器包括但并不局限于执行软件操作的代码单元，并且例如能够被实施为代码的子程序单元，或者代码的软件功能单元，或者被实施为对象(如在面向对象范例中)，或者被实施为小程序，或者以计算机脚本语言来实施，或者被实施为另一种类型的计算机代码。软件组件和/或功能可以根据手边的情形而被加载在单个计算机上或者跨多个计算机进行分布。

应当理解的是，如在这里的描述中及贯穿随后的权利要求所使用的，除非明确以其它方式所指示，否则“一个”(“a”、“an”和“the”)的含义包括复数指代。而且，如在这里的描述中及贯穿随后的权利要求所使用的，除非明确以其它方式所指示，否则“在...中”的含义包括“在...中”和“在...上”。另外，如在这里的描述中及贯穿随后的权利要求所使用的，除非明确以其它方式所指示，否则“每个”的含义并非要求“每个且各个”。最后，如在这里的描述中及贯穿随后的权利要求所使用的，除非明确以其它方式所指示，否则“和”和“或”的含义包括连接词和反义连接词并且可以互换使用；短语“除...之外”可以被用来指示仅可以应用反义连接词的情形。