摘  要： 信道估計技術是未來無線通信系統得以實際應用的關鍵技術。首先介紹了無線通信系統信道模型的特點以及信道估計方法分類，然后重點闡述了目前無線通信系統中非盲信道估計方法的研究現狀，并對各種算法的優缺點和性能進行了分析和比較。
關鍵詞： 信道估計；非盲信道估計；最大似然估計；最小均方；最小二乘

    在無線通信系統中，當信號帶寬超過信道的相關帶寬時，信道就會在時域顯示其色散效應，這將導致發射符號序列間產生干擾，即碼間干擾。由于碼間干擾使接收信號受損，當信道條件已知或者基于準確的信道估計時，由信道引起的失真效應通常可以在接收機得到補償。若采用非相干檢測則可以簡化接收機復雜度，不需要進行復雜的信道估計。但對于高斯白噪聲信道，非相干檢測比相干檢測有高達3 dB左右的性能損失，而且，如果延時擴展增加，性能損失將會更嚴重，這對功率受限系統（例如超寬帶通信系統）尤其難以接受。因此，信道估計技術已成為未來無線通信系統的關鍵技術，也是國內外學者致力研究的熱點方向之一。
1 無線通信系統信道模型
　關于無線傳播信道的研究已經進行了五十多年，迄今為止，已有大量的信道模型被提出。不同帶寬下的無線通信系統的信道模型也各不相同，對于一個好的系統設計而言，理解這些差別和它們對不同系統的影響是非常重要的。一般而言，針對不同的信道模型，信道估計方法也各不相同。無線信道一般可以表示成兩種形式：
　(1)基帶信道被表示成抽頭延時線的形式，該模型中L個信道抽頭是等間隔分布的。該模型下需要估計的參數是L個信道幅度和一個延時參數。
　(2)基帶信道模型中的延時值是任意的，每一徑的幅度和延時都需要被估計。
　對于稀疏信道，第二種方法可能比使用等間隔抽頭延時線模型估計的參數數量低得多，因此信道估計更加有效，但是一般不存在閉式解。方法(1)產生了更加容易的參數化信道模型，但是以過參數化為代價的。
2 信道估計方法分類
　目前，無線通信系統的信道估計方法可分為三類： 有輔助符號的非盲信道估計、無輔助符號的盲信道估計以及介于兩者之間的半盲信道估計，其特點可歸納為：
　(1)非盲的信道估計：按一定估計準則確定各個待估參數值，或者按某些準則進行逐步跟蹤和調整待估參數的估計值，特點是需借助參考信號。很明顯，要想實現信道估計，估計理論是其數學基礎。
　①貝葉斯估計：需要已知代價函數、待估計參量和觀測數據的完整的概率描述，條件最苛刻；
　②最大后驗概率（MAP）和最大似然（ML）：需要代價函數是誤差的偶函數，不需其詳細形式，但仍需待估計參量和觀測數據的完整的概率描述；
　③線性最小均方誤差（LMMSE）：只需知待估計量與觀測數據的一階或二階統計特性；
　④最小二乘（LS）：只需把估計問題作為確定性的最優化問題來處理。
　非盲估計方法的優點是可以獲得較好的系統性能, 但是它降低了頻帶利用率并且無法適用于不可能在發送端提供訓練序列的場合，例如在軍事偵聽過程中，無法獲得敵人確定的訓練序列。
　(2)盲估計：利用調制信號本身固有的、與具體承載信息比特無關的一些特征（比如恒模、子空間、有限字符集、循環平穩和高階統計量等）或采用判決反饋的方法進行信道估計。
　盲估計方法的優點是提高了系統的頻帶利用率，適用于接收端無法確定訓練序列的場合,具有自我恢復性，且可在未知數據調制和編碼方式的情況下正常工作。缺點是估計性能差，且估計過程較非盲方法漫長。
　(3)半盲估計：在發射信號中插入導頻,克服基于二階統計量盲方法固有的模糊度問題，同時使用盲方法進行信道估計，從而結合了盲估計與非盲估計的優點。目前半盲方法可分為基于二階統計量半盲方法和基于一階統計量的半盲方法。
3 非盲信道估計方法研究現狀
　如前所述，根據目前無線通信系統信道模型的分類，目前的非盲信道估計方法可分為：信道幅度增益和徑延時聯合估計以及信道幅度增益的估計方法。下面就介紹這兩種經典估計方法在窄帶或寬帶通信系統中的應用。

3.1信道幅度增益和徑延時聯合估計的方法
　由于CDMA系統能夠分辨多徑元，并經常使用Rake接收機(或其他更加復雜的檢測方案)收集多徑能量，以獲得多徑分集，所以需要對多徑信道的增益和延時參數進行聯合估計。因此，很多信道估計算法采用了第二種類型的信道模型[1-3]。參考文獻[1]基于最大似然準則(ML)獲得了所有用戶的信道參數估計，該方法性能優良，但由于涉及到大量參數的數值搜索，所以計算復雜度高。為了得到實際的信道估計方案，可以以性能損失為代價降低算法的計算復雜度。基于單用戶的信道估計方法將多址干擾建模成有色高斯噪聲[2]，得到了一種經典的滑動相關信道估計(SW)方案。該方案是遠近效應魯棒的，并且不涉及到多維優化的搜索問題，但其受限于高斯白噪聲信道，與實際應用環境不符。為了將單徑信道估計器[2]拓展到多徑衰落信道下，參考文獻[3]將多維優化問題約化成一系列簡單的一維搜索問題，以降低多用戶信道估計方法的復雜度，并得到另一種經典的信道估計方案，即連續干擾抵消的信道估計方案(SC)。然而，簡單的SW算法性能損失較大，而SC算法由于其順序的執行方式引起了較長的計算時間延時。為解決上述問題，本文基于多次迭代的最小均方算法提出了三種并行的結構化迭代信道估計方案[10]。該方法能夠調整迭代次數，在處理時間和估計性能上取得了折中，比傳統方法具有更大的靈活性。
3.2信道幅度增益的估計方法
　不同于單載波系統，多載波OFDM系統具有時頻二維結構，所以導頻符號可以在時間和/或頻率軸上向兩個方向插入導頻，導頻的放置比較靈活。在OFDM系統中，通常需要信道的頻響進行頻域均衡，因此，在OFDM系統環境下，基于第一種信道模型產生了大量的信道估計算法[4-8]。一般而言，這些算法會借助導頻符號或者訓練序列在時域或者頻域基于LS、ML或MMSE準則求解時域信道徑增益參數或者信道頻域響應。其中的MMSE信道估計方法[4]由于利用了信道相關特性，所以獲得了重要的性能增益，但復雜度較高。為了降低復雜度，一種基于SVD分解的低秩信道估計器被提出[5]。盡管LS估計器復雜度很低且執行簡單，但信道估計誤差較大。為減少估計誤差，參考文獻[6]針對OFDM系統框架提出了一種低復雜度的ML估計器，它可在一定程度上減少信道估計均方誤差值，從而改善估計性能。另一方面，為了獲得更好的信道估計值，使用DFT的LS估計器和線性MMSE估計器也被提出[7-8]，并在估計性能和復雜度之間取得折中。為進一步改善性能，參考文獻[8]首先借助信道的時域有限長度特性估計出了信道子空間的噪聲，然后借助非最優導頻序列引入有色噪聲特性在LS信道估計中抑制了該噪聲。這種方法被推廣到MIMO系統的信道估計中[9],其性能可以逼近MMSE估計方法。
    本文重點闡述無線通信系統非盲信道估計方法的研究進展。可以看出，在進行信道估計之前，充分理解無線通信系統的信道模型的特點是至關重要的，不同模型下的信道估計算法都有其自身的特點，但也存在一定的不足。針對不同的無線通信環境，更加實用的信道估計方法還有待深入研究。因此，無線通信系統中的信道估計仍然是未來無線通信系統物理層的熱點研究方向，是推動各種無線通信系統走向實用化的關鍵技術。值得一提的是，除了本文介紹的信道估計方法外，目前還有將分形、小波以及Bootstrap和魯棒估計（SVM或M估計）等理論應用于無線通信系統信道估計問題求解中，這都將是未來信道估計技術的發展方向和熱點。
參考文獻
[1] STROM E G, MALMSTEN. A maximum likelihood approach for estimating DS-CDMA multipath fading channel[J]. IEEE Journal on Selected Areas in Communications, 2000,18:132-140. 
[2] BENSLEY S E, AAZHANG B. Maximum likelihood synchronization of single-user for code-division multiple access communication systems[J].IEEE Transactions on Communications,1998,46(3):392-399.
[3] D’AMICO A A, MENGALI U, MORELLI M. Channel estimation for the uplink of a DS-CDMA system[J]. IEEE Transactions on Wireless Communications, 2003,2(6):1132-1137.
[4] VAN DE BEEK J J, EDFORS O, SANDELL M, et al. On channel estimation in OFDM systems[C].in IEEE Vehicular Technology Conference, Chicago, IL, USA, 1995(2):815-819.
[5] EDFORS O, SANDELL M, VAN DE BEEK J J, et al.OFDM channel estimation by singular value decomposition [J].IEEE Transactions on Communications,1998,46(7):931-939.
[6] DENEIRE L, VANDENARMEELE P,VAN DER PEERE L. et al. A low-complexity ML channel estimator for OFDM [J]. IEEE Transactions on Communications, 2003, 51(2):135-140.
[7] CHINI A, WE Y Y, TANANY M E L, et al. Filtered decision feedback channel estimation for OFDM-based DTV terrestrial broadcasting systems[J]. IEEE Transactions on Broadcasting, Mar. 1998,44(1):2-11.
[8] JAFARIAN H Z, OMIDI M J, PASUPATHY S. Improved channel estimation using noise reduction for OFDM systems[J]. IEEE Vehicular Technology Conference, 2003,57(2):1308-1312.
[9] JAFARIAN H Z, PASUPATHY S. Robust and improved channel estimation algorithm for MIMO-OFDM systems[J].IEEE Transactions on Wireless Communications, 2007,6(6):2106-2113.
[10] WANG D, YANG L, JIANG L G, et al. Iterative channel estimation for pulse-based UWB wireless communications[C].Proceedings of the 2007 Second International Conference in Communications and Networking in China, 2007:631-635.