率曲线图信噪比误码率,,圆圈标记曲线为,,星号标记曲线为,,菱形标记曲线为产生二进制数据流子程序输入的二进制数据序列,将二进制数据流进行调制子程序的输入每列表示个符号插入导频信号子程序导频信号的二进制值导频信号的值非共轭转置表示转置后的行数即插入导频信号的次数插入循环前缀子程序循环前缀的长度方法生成正弦波叠加法需要的各参数值子程序正弦叠加法生成瑞利过程,为该径平均功率单位为离散信道采样数为抽样时间间隔为最大多普勒频移多径信道子程序,加了后的输入信号矩阵长度多径数各径平均功率各径延时，单位运动速率为载频为离散信道抽样时间间隔，符号长度子信道数长度为经过多径信道的输出信号矢量最大频移解调子程序,,,生成信道自相关函数子程序输入噪声子程序输入随机噪声除去循环前缀子程序,是循环前缀的长度分离导频信号与数据信号子程序提取的导频信号矩阵提取的数据信号矩阵估计算法子程序,估计算法子程序,估计算法子程序信道自相关矩阵的特征值分解将信道自相关矩阵的特征值从大到小排列只取前个较大的特征值，其余设为零估计信道特性数据解调子程序,调制子程序采用循环前缀作为保护间隔，即在序列前端添加长度为的循环前缀，这样既避免了多径带来的信道间干扰，又保证了各子信道间的正交特性，由此可以得到,,再将通过多径衰落信道传输，我们用作为信道单位脉冲响应，在个符号间隔内，可用下式表达为其中，为信道多径数为第条路径的复脉冲响应值为为第条路径的频移，它将引起载波间干扰为第条路径的归化时延。同时信号中混入的噪声可以认为是加性高斯白噪声，用表示，这样我们可以接收到信号，将其串并转换后得到，其表达式为收到之后，先对其进行去掉保护前缀的处理得到，然后将其送入模块进行快速傅立叶变换，得到,若循环前缀的长度大于信道脉冲响应长度，则接收信号中不存在符号间串扰，从而可以得到其中，为的傅立叶变换，是第个子载波上接收信号中的分量，它是由频移所引起的其余子载波上调制信号在第个子载波上的干扰，可用下式表示可看作第个子载波所通过的信道传递函数，它独立于，其随变化速率取决于，越小则随变化越慢。表达式为众所周知，信道的特性可以由信道传递函数表示，但实际应用中是未知的，要想得到其值种方法就是利用插入导频信号的办法。上面的讲述我们仅仅得到，并未得到信道传递函数，那么如何得到信道传递函数呢信道传递函数在系统中，信道估计的目的是利用在已知导频信号的情况下，根据对接收到的导频信号的分析，选用合适的算法估计信道传输函数。以图所示的带有导频信号部分的系统为模型。按图所示的系统进行信道估计。首先，我们从得到的中提取经过信道传输后的导频信号，并利用已知的发送的原导频信号，估计出导频位置处的信道传递函数然后，再通过种算法利用这些值估计出数据信号处的信道传递函数ˆ最后，利用估计出的数据信号处的信道传递函数ˆ完成对接收信号的校正，个最简单的方法是将接收信号除以ˆ，得到校正后的信号ˆ。如前所述，不同的导频插入模式构成不同的导频结构，因而估计导频位置处的信道传递函数以及估计数据信号处的信道传递函数ˆ的估计算法也是大不相同。在下面部分我们将详细介绍基于时域导频的信道估计方法来估计和ˆ，即采用基于块状导频结构的信道估计方法来估计和ˆ。第三章基于块状导频结构的信道估计算法基于块状导频结构的信道估计概述基于块状导频结构的信道估计是指在时间轴方向上，周期性地插入导频信号，其中周期必须满足抽样定理，而在频率轴上导频信号占用了所有的子载波。这种信道估计方法仅适用于慢衰落信道，认为个符号内信道响应保持不变，且相邻符号的信道传输函数改变不大，此时才能通过时域内插比较准确地估计数据信号位置的信道传输函数。在接收端提取导频信号后，通过定的估计算法计算出信道传输函数，以此结果对随后的信号进行校正直到收到下个导频信号为止。三种基于块状导频结构的信道估计算法在许多文献中，就如何准确地估计导频位置上的信道传输特性，给出了不同的估计方法，其中有两种基本的方法估计和估计。许多文献在信道脉冲响应有限长的假设条件下对它们做了改进，其中种改进方法是基于特征值分解的估计。下面重点对这三种估计方法作详细的介绍。估计般情况下，在系统中可以忽略掉信道间干扰，则式变为，进步改写为,,那么可以把系统的信道看作个并行的相互独立的高斯信道，如图所示图并行高斯信道我们将式改写为矩阵形式，得其中，，，为的离散傅里叶逆变换，是以为对角元素的对角阵，为矩阵，即其中，。假设为高斯分布且与信道噪声不相关，则的估计为ˆ上式中，，为与的互相关矩阵，为的自相关矩阵，是的自相关矩阵，是噪声方差。将以上各式代入式可以得到ˆˆ这里，研究表明如果不服从高斯分布，式不定是均方误差最小的结果，但从均方误差的角度说，它始终是最好的线性估计器。估计估计是使最小，由此推导可得到ˆˆ其中，，把它代入式可进步得到ˆ估计算法式和式都可用如下结构的估计器表示，图估计器结构估计前面讲述的两种估计算法中，估计