电 子 科 技 大 学

UNIVERSITY OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA

专业学位硕士学位论文
MASTER THESIS FOR PROFESSIONAL DEGREE

论文题目 LTE 下行链路的信道估计算法研究

专业学位类别 电子与通信工程
学 号 201122250472
作者姓名 徐秋连
指导教师 金燕华 高级工程师
分类号 密级

UDC 注 1

学 位 论 文
LTE 下行链路的信道估计算法研究
（题名和副题名）

徐秋连
（作者姓名）

指导教师 金燕华 高级工程师

电子科技大学 成 都
（姓名、职称、单位名称）

申请学位级别 硕士 专业学位类别 工程硕士

工程领域名称 电子与通信工程

提交论文日期 2014.04.28 论文答辩日期 2014.05.21

学位授予单位和日期 电子科技大学 2014 年 06 月 日

答辩委员会主席

评阅人

注 1：注明《国际十进分类法 UDC》的类号。
 THE STUDY OF CHANNEL ESTIMATION
ALGORITHMS FOR LTE DOWNLINK

A Master Thesis Submitted to

University of Electronic Science and Technology of China

Major: Electronic and Communication Engineering

Author: Qiulian Xu

Advisor: Yanhua Jin Senior Engineer

School: School of Aeronautics and Astronautics

 独创性声明

本人声明所呈交的学位论文是本人在导师指导下进行的研究工作

及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方

外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为

获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与

我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的

说明并表示谢意。

作者签名： 日期： 年 月 日

论文使用授权

本学位论文作者完全了解电子科技大学有关保留、使用学位论文

的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，

允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全

部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描

等复制手段保存、汇编学位论文。

（保密的学位论文在解密后应遵守此规定）

作者签名： 导师签名：

日期： 年 月 日
 摘 要

摘 要

随着长期演进技术 (LTE, Long Term Evolution)商用的积极部署，LTE 测试也

成为整个产业链所共有的需求，信道估计作为物理层的接收端算法，一直都是进
行移动通信系统研究的难点和热点。信道估计为物理层接收端的信号检测提供条
件，对数据恢复过程起着重要的作用，因此研究信道估计技术是研究 LTE 接收机、
LTE 测试过程中必须的过程。本文的主要内容是研究 LTE 下行链路的接收系统的
信号处理过程，重点研究信道估计模块，找到一种适合在 LTE 接收测试的估计算
法，本文以误码率和均方误差作为参考指标。
本文详细分析了 LTE 下行链路的信号处理过程，给出了 LTE 下行接收系统的
各模块的设计原理和仿真平台设计过程，针对 LTE 接收系统的信道估计模块中的
各估计算法做了详细的分析比较，并引入了基于离散余弦变换 (DCT, Discrete
Cosine Transform)变换的估计算法，能有效减少信号能量泄露和算法复杂度，但是
这个算法对非梳状导频外的估计性能并不能有明显改善，为了解决这个问题，提
出了一种基于 DCT 变换的改进算法，改进算法对噪声的抑制和抑制能量泄露问题
上更显著。并且针对 LTE 下行信道特性进行分析，提出了一种改进的 LTE
MIMO(Multiple-Input Multiple-Output)多径衰落的建模算法，能有效地消除了不同
路径间的相关性，改善频谱质量，减少频谱泄露，为后续进行 LTE 下行链路各模
块设计仿真，尤其是信道估计模块提供信道信息的依据。
本文通过 MATLAB 平台搭建了 LTE 下行链路基带系统的仿真平台，并给出了
系统的用户交互界面(GUI, Graphical User Interface)，用户可以根据系统不同的运行
模式选择适合的运行模式和设定自定义参数，并在系统中验证不同的信道估计算
法对 LTE 下行链路系统的影响。通过大量仿真验证，可以得出线性最小均方误差
(LMMSE, Linear Minimum Mean Square Error)算法在导频处的估计性能是最优的，
要比最小二乘(LS, Least Square)算法高 2.2dB 左右；改进 DCT 变换算法在插值过
程的估计性能是最优，要比多项式插值算法提高 6dB 左右，比时域插值算法提高
3.5dB 左右，且算法复杂度适中。因此在导频处的估计算应为 LMMSE 算法，数据
子载波处的估计算法应为改进的 DCT 算法。最后，本文将所研究的信道估计算法
进行封装，以便其他通信系统程序调用。
关键词：LTE 下行链路，信道估计，信道建模，链路仿真，MATLAB，LTE 测试

I
 ABSTRACT

ABSTRACT

With an active commercial deployment of LTE (Long Term Evolution) , LTE test
become the common demand of the whole industry chain ,channel estimation algorithm
as a receiver physical layer , has been the difficult and hot of the mobile communication
system research . Channel estimation provide conditions for signal detection , and
plays a vital role to the data recovery , so studying channel estimation technique should
have the process to the study of LTE receiver and LTE testing . The main content of this
paper is to study signal processing of each receiving model of the LTE downlink ,
focusing on studying each channel estimation module algorithm to find a suitable
estimation algorithm for LTE receiver tests. In this dissertation, the bit error rate and
mean square error are as the reference indexes.
This dissertation analyzes the signal processing of LTE downlink , gives the design
principle and the simulation platform designing of each module receives of the
downlink LTE system , focusing each estimation algorithm of channel estimation
module for LTE receiver system to do a detailed analysis comparison , and the
introduction of DCT (Discrete Cosine Transform) based estimation algorithm which can
effectively reduce the signal energy leaks and algorithm complexity , but this algorithm
to estimate the performance of the non- pilot comb away and not have significantly
improved , in order to solve this problem, an improved algorithm based on DCT is
proposed , the improved algorithm more pronounced to solve noise suppression and
inhibition of energy leakage problem. And analyzed the channel characteristic of LTE
downlink , proposed an improved modeling algorithm for LTE MIMO multipath fading ,
can effectively eliminate the relevance, improve spectral quality and reduce spectral
leakage, for the subsequent conduct LTE downlink between different paths each link
module design simulation , in particular to provide a channel estimation module
according to channel information .
It builds the LTE downlink baseband system through MATLAB simulation
platform, and gives the Graphical User Interface (GUI)of user which the users can
choose the different operating modes of the system and set the custom parameters. And
then it verifies the impact of the algorithm for LTE downlink system channel estimation
in the system. Through a large simulation can be drawn LMMSE algorithm estimates

II
 ABSTRACT

the performance of the pilot is optimal at high than the LS algorithm about 2.2dB;
improve the performance of the DCT algorithm estimates the interpolation process is
optimal, than polynomial interpolation algorithm improves about 6dB, improve
time-domain interpolation algorithm than about 3.5dB, and moderate complexity of the
algorithm. Therefore, the best algorithm of estimator in the pilots is LMMSE, and the
best algorithm of estimation in the data subcarrier is the improved DCT algorithm.
Finally, all channel estimation algorithm discussed in this paper is packaged, which can
call for the program of other communication systems.
Keywords: LTE downlink, channel estimation, channel modeling, link simulation,
MATLAB, LTE Test

III
 目 录

目 录

第一章 绪 论 ...................................................................................................................1
1.1 研究背景.............................................................................................................1
1.2 国内外研究现状和发展态势.............................................................................2
1.3 论文的主要内容.................................................................................................6
1.4 论文的结构安排.................................................................................................7
第二章 LTE 下行链路的信道分析及建模 .....................................................................8
2.1 无线信道的特性.................................................................................................8
2.2 无线信道建模方法分析.....................................................................................9
2.2.1 多径衰落 .....................................................................................................9
2.2.2 多普勒频移 ...............................................................................................10
2.2.3 常用无线信道模型建立方法分析 ........................................................... 11
2.3 改进的 LTE 下行信道建模算法分析与仿真验证..........................................12
2.3.1 LTE MIMO 信道模型结构及信道参数分析 ............................................12
2.3.2 一种改进的 LTE 下行信道建模算法 ......................................................16
2.3.3 改进的 LTE 下行信道建模算法仿真验证 ..............................................18
2.3.3.1 空间相关特性的验证 ........................................................................18
2.3.3.2 多普勒功率谱(PSD)的验证 ..............................................................19
2.3.3.3 功率时延谱(PDP)的验证 ..................................................................20
2.4 本章小结...........................................................................................................20
第三章 LTE 下行链路基带系统分析及仿真设计 .......................................................21
3.1 LTE 下行链路基带仿真平台整体结构设计 ...................................................21
3.2 LTE 下行链路接收系统各模块仿真设计 .......................................................22
3.2.1 解 OFDM 映射模块..................................................................................22
3.2.2 资源逆映射模块 .......................................................................................24
3.2.3 信道估计模块 ...........................................................................................27
3.2.4 MIMO 检测模块 ........................................................................................27
3.2.4.1 解预编码模块 ....................................................................................27
3.2.4.2 解层映射模块 ....................................................................................31
3.2.5 解调模块 ....................................................................................................33
3.2.6 解比特级处理模块 ....................................................................................35

IV
 目 录

3.3 本章小结...........................................................................................................37
第四章 LTE 下行链路信道估计算法研究 ...................................................................38
4.1 导频处的信道估计算法分析...........................................................................38
4.1.1 LTE 下行参考信号分布 ............................................................................38
4.1.2 基于导频的信道估计算法研究 ...............................................................39
4.1.2.1 LS 算法 ...............................................................................................39
4.1.2.2 一种基于快速傅里叶变换的 LS 改进算法 .....................................40
4.1.2.3 多天线时域 LS 算法 .........................................................................41
4.1.2.4 频域维纳滤波估计算法 ....................................................................42
4.1.2.5 SVD-LMMSE 算法.............................................................................43
4.1.3 算法的仿真分析和比较 ...........................................................................44
4.2 数据载波的插值算法研究...............................................................................46
4.2.1 一阶多项式插值算法 ...............................................................................46
4.2.2 二阶多项式插值算法 ...............................................................................47
4.2.3 三次样条插值算法 ...................................................................................47
4.2.4 时域插值算法 ...........................................................................................47
4.2.5 算法的仿真分析与比较 ...........................................................................48
4.3 基于 DCT 变换的改进信道估计算法.............................................................50
4.3.1 改进的 DCT 变换域信道估计算法 .........................................................50
4.3.2 改进算法仿真分析 ...................................................................................54
4.4 本章小结...............................................................................................................55
第五章 仿真平台的搭建与算法验证 ...........................................................................56
5.1 LTE 下行链路基带系统仿真 ...........................................................................56
5.1.1 LTE 下行链路仿真平台 ............................................................................56
5.1.2 LTE 系统仿真结果 ....................................................................................57
5.2 信道估计算法在 LTE 系统中的验证..............................................................61
5.2.1 系统仿真参数 ...........................................................................................61
5.2.2 仿真结果分析 ...........................................................................................61
5.3 信道估计算法封装...........................................................................................65
5.4 本章小结...........................................................................................................66
第六章 总结与展望 .......................................................................................................67
6.1 总结...................................................................................................................67
6.2 展望...................................................................................................................68

V
 目 录

致 谢 .............................................................................................................................69
参考文献 .........................................................................................................................70

VI
 第一章 绪 论

第一章 绪 论

1.1 研究背景
随着 TD-LTE 全球发展倡议(GTI, Global TD-LTE Initiative)和全球通信大会
(MWC, Mobile World Congress)于 2013 年 2 月在巴塞罗那的召开，推动了全球
TD-LTE 商用网络的部署以及解决整个 4G 的产业链环节方面的开展，而中国 4G
业务正式进入商用，使全球 TD-LTE 市场得到全面爆发。在 2014 年 2 月刚刚召开
的 MWC 会议中各终端开发商和设备商展示了最新研发的五模十三频智能手机，
最新研发的这些五模十三频的手机能够适用于大多数频段，可以在全球绝大多数
开通了 LTE 网络的地区实现 LTE 漫游和使用 LTE 业务，如美国、欧洲、日本、韩
国、印度、澳洲等。这使得 LTE 商用已成为现实，在中国，部分城市，如北京、
杭州、广州、深圳、青岛、南京、无锡、宁波、厦门、上海、天津、温州、成都、
福州等城市已经可以开通 4G 服务。除此之外，LTE FDD 和 TD-LTE 的融合技术也
成为会议的一大重点，这与 2013 年 11 月在泰国曼谷矩形的世界通信展(ITU,
International Telecommunication Union)中的内容不谋而合，它以融合 4G 世界为主
题向全球产业界展示了 TD-LTE 产业进展、TD 终端、组网设备、国际漫游与融合
等创新成果。这标志着中国 LTE 技术在全球的崛起，也显示了 LTE 技术一大缺点
就是标准多，此外技术难、容量受限、设施更新慢等也是 LTE 不可忽略的缺点，
因此 LTE 技术至今为止仍然是全球研究的热点和难点。
在中国，随着中国的 LTE 商用规模全国实现渐行渐近，而作为全球最大的移
动通信市场之一，目前，中国移动、电信和联通三大运营商及华为、中兴等终端
生产商以及产业链的其他产业各方已经完成了部分地区的 LTE 网络和终端测试，
并正积极向全国范围内部署。在 2013 年年初中国移动有限公司就提出了时分-长期
演进(TD-LTE)的城市覆盖规划，并大量地采购终端。在 2013 年 12 月，中国工信
部正式颁发了 4G 牌照，中国的三大运营商均积极地参与到 4G 计划中。随着 LTE
商用的积极部署，LTE 测试也成为整个产业链所共有的需求。目前，安捷伦科技、
捷迪讯通、安立新仪计器和罗德与施瓦茨公司四大公司则主导着这一市场。而思
博伦通信、NI 等厂商则开始加速布局。
而对于测试仪器来说，LTE 接收系统的优劣直接影响到信号测量的质量。LTE
系统所采用的关键技术是 OFDM 技术和 MIMO 技术，而系统中的调制方式通常是
用多进制的正交幅度调制，可以提高系统的频谱利用率，但在解调时由于解调方
式通常采用相干解调来进行解调，相干解调是需要知道信道的状态信息的，这就

1
 电子科技大学硕士学位论文

要求接收机在接收的过程中能够得到信道状态信息[47]，而信道的状态信息在接收
系统中是完全由信道估计得到，除此之外信道估计技术对接收端来说还需要为信
号检测提供条件，所以信道估计对 LTE 接收系统至关重要，是直接影响 LTE 信号
测量的关键因素之一。

1.2 国内外研究现状和发展态势
LTE 最早是由日本的电信公司 NIT DoCoMo 在 2004 年提出的。随着 2004 年
12 月在 3GPP(The 3rd Generation Partnership Project，第三代合作伙伴计划)的 TSG
RAN#26 会议上的正式立项并启动，LTE 技术得到了飞速的发展。
2007 年 3 月，LTE/系统架构演进测试联盟(the LTE/SAE Trial Initiative，LSTI)
成立。LTE/系统架构演进测试联盟的成立是全球的运营商和供应商之间合作推进
产生的，它的成立也加速了 LTE 的标准在世界范围内迅速的被人们认识和普及。
随后，LTE 标准于 2008 年 12 月定案，LTE 在全球再一次得到了飞跃的发展。2009
年 12 月 14 日 LTE（长期演进）的商用网络在全球首次得到应用，可以在有网卡
的情况下为挪威奥斯陆和瑞典斯德哥尔摩提供数据的连接服务，这项服务是由桑
内拉电信 TeliaSonera 来提供的。而随着 2011 年北美运营商开始 LTE 商用，同年 2
月全球首款商用 LTE 网络的手机终端三星 Galaxy Indulge 由摩托罗拉 MetroPCS 推
出，以及同年 3 月 17 日全球第二款 LTE 商用手机 HTC ThunderBolt 被美国的 Verizon
无线公司推出，LTE 商用也开始了向全球展开的热潮。除此之外，CDMA 运营商
本计划升级网络到 CDMA 的演进版本 UMB，但由于高通放弃 UMB 系统的研发，
使得全球主要的 CDMA（码分多址）运营商（如美国的三大移动运营商威瑞森电
信(Verizon)、斯普内特公司(SprintNextel)和摩托罗拉(MetroPCS)，加拿大的贝尔移
动(Bell)和特鲁斯移动(Telus)，日本 KDDI 株式会社的 AU 电信，韩国的鲜京集团
（SK 电讯），中国的中国电信）均宣布将升级至 LTE 网络，其中俄罗斯和韩国将
升 级 至 全 球 微 波 互 联 接 入 (WiMAX, Worldwide Interoperability for Microwave
Access)。
2013 年 2 月 TD-LTE 全球发展倡议(GTI)和世界通信大会(MWC)在巴塞罗那的
召开，这次大会推动了全球 TD-LTE 商用部署、解决产业链环节方面开展，而中国
4G 业务正式进入商用，使全球 TD-LTE 市场得到全面爆发。在 2014 年 2 月刚刚召
开的 MWC 会议中各终端开发商和设备商展示了最新研发的五模十三频智能手机，
最新研发的这些五模十三频的手机能够适用于大多数频段，可以在全球绝大多数
开通了 LTE 网络的地区实现 LTE 漫游和使用 LTE 业务，如美国、欧洲、日本、韩
国、印度、澳洲等。这使得 LTE 商用已成为现实，在中国，部分城市，如北京、

2
 第一章 绪 论

杭州、广州、深圳、青岛、南京、无锡、宁波、厦门、上海、天津、温州、成都、
福州等城市已经可以开通 4G 服务。除此之外，LTE FDD 和 TD-LTE 的融合技术也
成为会议的一大重点，这与 2013 年 11 月在泰国曼谷矩形的世界通信展(ITU)中的
内容不谋而合，它以融合 4G 世界为主题向全球产业界展示了 TD-LTE 产业进展、
TD 终端、组网设备、国际漫游与融合等创新成果。这标志着中国 LTE 技术在全球
的崛起，也显示了 LTE 技术一大缺点就是标准多，此外技术难、容量受限、设施
更新慢等也是 LTE 不可忽略的缺点，因此 LTE 技术至今为止仍然是全球研究的热
点和难点。
LTE 在中国的发展主要是表现在时分-长期演进技术(TD-LTE, Time Division
Long Term Evolution)，TD-LTE 是由我国主导的 4G 标准之一，但是 LTE FDD 技术
也有着不同于时分 LTE 的优点。对于 LTE 两种不同的制式都拥有各自不可替代的
优点，也有着各自的缺陷，因此两种制式的融合使用，使之可以互补成为 2014 年
世界通信大会的重要讨论话题之一。2013 年底中国在香港首次实现试验网络 FDD、
TDD 的融合，是我国 LTE 技术的又一重大成果，确立了中国在通信技术上的国际
重要地位，这一技术的推行也得到得中国政府及业界的广泛支持。
LTE TDD 技术从 2007 年开始被提出，被命名为 TD-LTE 以来，到现在 TD-LTE
成了国际 LTE 技术的主流标准，LTE 技术在中国得到了飞速发展。LTE 在中国的
发展如下图 1-1 所示的时间流图可以体现。

TD-LTE 融合发展FDD/TDD 中移动完成TD- 规模实验网城

的命名 成为产业共识 LTE世博示范网 市扩展为9个
2008 2010 2012 2013.11
2007 2009 2011 2013初
工信部 北京基站技术验 LTE在6大城 工信部颁发
TD-LTE工 证外场建立，完 市的规模实 4G牌照
作组成立 成外场测试 验网建立

图 1-1 TD-LTE 在中国的发展时间流图

随着 LTE 商用的全面展开，LTE 整个产业链也需要全面完善，面对新的机遇

和挑战，LTE 测试仪器为了满足整个 LTE 产业链的需求，需要不断地提高 LTE 信
号接收解调质量，而信道估计模块作为接收系统中不可缺少的一部分，对信道估
计技术的要求也越来越高。
目前，信道估计技术在其他的无线通信系统已经较为成熟。由于 LTE 系统在
LTE 的 Release8 之后都引入了多输入多输出-正交频分复用(MIMO-OFDM)技术，
且在 LTE 下行链路中采用了正交频分多址技术，因此这就要求信道估计技术能够
适用于多输入多输出的多径衰落信道[48]。另外，LTE 要求的上下行速度要比以往

3
 电子科技大学硕士学位论文

的 2G/3G 要高的多，LTE 下行的速度能达到 100Mbps，这就要求信道估计的速度

要快。而作为 LTE 测试仪器中的一部分，算法的性能也是追求的重中之重。因此，
能适用于 MIMO 多径衰落信道、高速、估计性能好及算法复杂度低的信道估计算
法在近些年来一直倍受关注。
基站接收端通过对信道进行估计，对经过信道后接收到的经过衰落了的信号
的幅度和相位进行修正，经过修正后的信号能够为接收机后续信号处理过程的准
确性提供保障。此外，例如自适应编码调制和波束形成，发送端能够利用接收端
做信道估计得到的信道的状态信息来进行自适应的调度以及分配不同的资源[50]，
接收系统联合信道估计、均衡、解调以及解码进行 Turbo 迭代接收等完成系统的链
路自适应也必须获得信道的信息以作为自适应的判断依据。无线信道的衰落特性、
多径效应和时变特性使得信道估计变得非常重要。
在 LTE 系统中的关键技术之一就是 OFDM 技术，其中 LTE 上行采用的是单载
波频分多址技术，LTE 下行采用的是正交频分多址(OFDMA)，因此在本文中所讨
论的信道估计技术也可以引入 OFDM 系统中的估计算法，根据各算法在 LTE 系统
中性能的不同，得出适合于 LTE 系统的信道估计算法[50]。信道估计算法可以分为
以下三类：
(1) 盲信道估计算法
这个算法是根据传输信息符号的特性和统计特性来估计的，在不发送已知导
频的情况下，仅仅根据信道结构信息和输入信号特性通过处理接收序列来获取所
需要估计的信道信息，能够提高系统的容量和可靠性，并且降低带宽的消耗，但
是收敛速度慢、计算复杂度高并且估计具有不确定性[3,4]。目前，盲估计还不成熟，
Monlines和Duhamel等提出的应用于OFDM系统的子空间盲估计算法，Sernedin和
Giannakis提出的基于信号循环平稳的方法。在2002年由Helmut B和Robert W等提出
的一种基于天线预编码的盲估计算法，能够对不同天线子载波信号选择不同的同
周期预编码序列，有效分离不同天线的信号，但是它的缺点就是收敛速度慢，计
算复杂度高[51]。Petropulu等于2004年提出了基于线性预编码的统计型方法，通过
在发射信号中加入线性预编码，再在接收端接收数据时进行反运算去除加入的线
性预编码，来盲估计处信道响应[5,6]。Jin-Goog Kim等在2012年和Chao-Cheng Tu等
在2010年分别利用接收信号的循环平稳特性和相邻子载波的频率相关特性，提出
了一种新的方法获得接收信号的自相关矩阵，减少了接收符号块的个数，降低了
对信道时不变的要求[7][8]，但前者算法计算复杂度高，后者算法从频域对信道进行
估 计 ， 增 加 了 参 数 估 计 的 个 数 。 戴 锡 平 等 在 2014 年 提 出 了 一 种 适 应 于
SIMO-ZP-OFDM 系统的快速收敛的子空间信道估计算法，继承了传统子空间算法

4
 第一章 绪 论

估计准确度高、计算复杂度低等优点，又降低对信道时不变的要求，加快了算法
的收敛速度[9]。
(2) 半盲信道估计算法[10,11]
半盲信道估计是利用了盲估计方法和已知抽样符号共同完成估计，是将基于
导频子载波实现的估计算法和基于盲估计理论的信道估计算法中和的估计算法。
只需要更短的导频信号就能完成估计，达到期望的估计质量，当导频方法和盲估
计方法都失败时，非盲估计的优势就会更加突出。目前对根据先验信息的半盲估
计算法有五种：第一种算法是利用统计信息的高斯算法，如预测算法和协方差匹
配算法；第二种算法是确定型算法；第三种算法是高阶统计量算法；第四种算法
是利用输入符号的完全分布来进行估计的算法；第五种算法是利用少量特定个数
的字符的特性进行估计的算法。
(3) 基于导频的信道估计算法[12,13]
基于导频的信道估计算法是利用输入的伪随机码（即导频信号）的来进行信
道估计。基于导频的估计算法在导频处估计常用的有 LS 算法、基于维纳滤波的
MMSE 算法、MMSE 的简化算法 LMMSE 以及基于奇异值分解的 SVD-LMMSE 算
法，这几个算法的性能最好的是 MMSE 算法，但是复杂度也最高，LMMSE 算法
和 SVD-LMMSE 算法和 MMSE 算法相差不大，但复杂度要小的多。而数据子载波
处的估计算法多是根据导频子载波处已经估计到的值来进行插值运算得到估计值
的估计算法，常用的插值算法有一阶线性插值算法、多项式插值算法、时域插值
算法以及基于 DCT 变换域的估计算法。其中以 DCT 算法的性能最优且算法复杂
度适中。除此之外，在 1997 年的时候 Hoecher P 等提出了一种二维维纳滤波器，
它的估计性能要高，但随之而来的是庞大的计算量，并且还要知道信道的统计状
态信息，这使得这个算法在实际应用中受到了极大的限制。之后在 2000 年的时候
由 LIY 等提出的时频维纳滤波法，是将原本的二维维纳滤波器分解为一个时域维
纳滤波器和一个频域滤波器，它能在保证估计性能相近的情况下降低了算法复杂
度。随后王建新等提出的使用 MMSE 算法估计导频处，用插值算法估计数据子载
波处的算法又进一步的降低了计算复杂度，且性能不会出现显著的降低。根据矩
阵 的 奇 异 值 的 相 关 理 论 ， 卢 鑫 和 王 建 华 于 2008 年 在 文 献 [52] 提 出 了 一 种
MIMO-OFDMA 系统中基于奇异值分解的信道估计算法，对信道频域响应的自相
关的信道矩阵进行奇异值分解，再进行信道估计，又进一步的在保证估计性能不
会显著下降的情况下降低了复杂度。之后，吴君钦等在 2013 年提出了一种基于
DFT 的降噪改进算法，能有效降低噪声干扰[14]。王刚等在 2014 年提出了一种基于
功率时延谱的信道估计算法[15]。

5
 电子科技大学硕士学位论文

1.3 论文的主要内容
本文的主要内容是研究 LTE 下行链路的信道估计算法，主要是为了应用在 LTE
测试仪器的接收机中。基站接收端通过对信道进行估计，对经过信道后接收到的
经过衰落了的信号的幅度和相位进行修正，经过修正后的信号能够为接收机后续
信号处理过程的准确性提供保障。为了进行信道估计，就必须要对信道进行建模，
模拟出较为接近 LTE 下行链路的信道特性的信道，为了讨论各算法对 LTE 系统的
影响，就需要建立整个 LTE 下行链路仿真平台，本文的具体内容可归纳为以下几
点：
1、分析无线信道特性和 LTE 下行信道的特性参数，建立 LTE 下行信道的仿
真模型。为了解决传统建模方法中受到各路径的相关性和降低频谱泄露的问题，
提出了一种改进的 LTE 下行信道建模算法，能有效降低相关性和减少频谱泄露。
2、根据在 LTE 的 Release 8 的物理层协议中对 LTE 下行链路的要求，分析了
LTE 下行链路接收系统各模块的原理，并给出了 LTE 下行链路的仿真平台中的接
收系统的设计方案。
3、分析了 LTE 下行链路的参考信号在整个资源块中的分布情况，分析对比了
信道估计模块中的不同信道估计算法。主要是通过两部分来进行分析，一是分析
在导频子载波处的常用的信道估计算法，如最小二乘算法(LS)、最小均方误差算法
(MMSE) 、 线 性 最 小 均 方 误 差 算 法 (LMMSE) 、 奇 异 值 分 解 的 最 小 均 方 误 差
(SVD-LMMSE)算法；二是分析数据子载波处的各插值算法，如多项式插值、时域
插值算法。引入基于 DCT 变换的信道估计算法，能有效改善信号泄露的问题，并
降低了算法复杂度，但是却主要是用于梳状导频，对于其他导频效果并不显著，
而 LTE 导频信号并不是单纯的梳状。为了解决这一问题，提出了一种改进的 DCT
信道估计算法，能够在保证估计性能的情况下，减少信号泄露、降低算法复杂度，
且对导频位置不依赖。
4、在 MATLAB 仿真平台上建立了 LTE 下行系统链路仿真的仿真平台，包括
收发系统和信道，给出了用户图形交互界面，用户可以选择四种不同的运行模式
对整个下行链路进行仿真，并在仿真平台中验证各估计算法的性能，经过大量的
仿真验证，可以得出 LMMSE 算法在导频处的估计性能是最优的，要比 LS 算法高
2dB 左右；改进 DCT 变换算法在插值过程的估计性能是最优，要比多项式插值算
法提高 6dB 左右，比时域插值算法提高 3.7dB 左右，且算法复杂度适中。
5、将所研究的信道估计算法进行算法封装，以便于其他系统程序调用。

6
 第一章 绪 论

1.4 论文的结构安排
本文的章节安排如下：
第一章：绪论。主要介绍了本课题的研究背景，并介绍了 LTE 技术和信道估
计技术的国内外发展现状。
第二章：LTE 下行链路的信道分析及建模。在简单介绍了移动无线信道的特
性的基础上，分析了 LTE 下行链路信道模型，并给出一种改进的 LTE 建模方法。
最后给出了 LTE 下行 MIMO 信道建模的信道曲线。
第三章：LTE 下行链路基带系统分析与仿真设计。分析了 LTE 下行链路物理
层基带系统理论和结构。并根据 LTE Release 8 协议中对 LTE 下行链路物理共享信
道的结构要求设计 LTE 的物理下行共享信道的基带系统的接收仿真模型。
第四章：LTE 下行信道估计算法研究。分析并比较了五种基于导频载波进行
估计的信道估计算法和 4 种基于数据子载波进行插值估计的插值算法。分析各算
法的优缺点，并比较导频估计算法和插值算法的联合估计。并对基于变换域的信
道估计算法研究。在上述分析的基础上，分析基于变换域的估计算法。引入 DCT
变换域算法进行信道估计，在此基础上提出一种改进滤波 DCT-IDCT 估计算法。
该算法的算法复杂度相比于 DFT 来说降低了一半，并且能够去除边缘干扰。
第五章：信道估计对 LTE 下行链路系统的影响。本章结合第三章、第四章中
的介绍，给出了 LTE 下行链路基带仿真系统的整系统结构。在此基础上验证了不
同的信道估计算法在系统仿真平台上的均方误差性能，得到最适合 LTE 下行链路
的导频处和数据子载波处的信道估计算法。最后，将所研究的信道估计算法封装
为动态链接库，以便于其他程序和系统调用。
第六章：总结与展望。总结了本文的研究成果，并对未来技术发展表达了期
望。

7
 电子科技大学硕士学位论文

第二章 LTE 下行链路的信道分析及建模

在 LTE 下行链路中，信道是链路中必不可少的一部分，而信道的特性与变化
规律对 LTE 接收系统来说是直接影响接收系统的信号处理算法以及信道估计的重
要因素之一。本章分析了移动无线信道的特性，分析比较了无线信道常见建模方
法，并针对 LTE 下行链路的信道特性，提出了一种改进的信道建模算法，能够较
好的仿真 LTE 下行信道特性，为设计整个 LTE 下行链路和信道估计模块提供了理
论支撑和信道仿真模型。

2.1 无线信道的特性
移动无线信道是一个动态变化的信道，并且变化规律随着终端所在位置的不
同环境条件而不同，且是随着时间变化而变化。移动无线信道具有传播的开放性、
接收环境的复杂性和通信用户的随机移动性等特点。移动无线信道的传播模型分
为描述 T-R 间长距离变化的大尺度衰落模型和描述短距离或短时间内接收快速波
动的小尺度衰落模型[11]。
大尺度衰落模型可以由以下 3 种电磁波信号传播形式描述，即在传播过程中
经过障碍物发射后接收到的反射信号、染过大物体接收到的绕射信号和经过漫反
射后接收到的散射信号。
在大尺度衰落下的几种传播路径中，会因为经过一些比较大的障碍物，被这
个障碍物所阻挡的背面就会存在阴影，就像阳光照射在大物体上，在背光面是看
不见光线的，这就造成了半盲区的存在，这种现象称为阴影效应。由于阴影衰落，
接收信号电平值会发生变化，且变化趋势遵循对数正态分布。
多条路径的传播和多普勒频移是引起近距离或短时间小尺度衰落的主要因
素。由于终端所处的位置环境的复杂性，终端接收机接收到的信号是可能是直接
接收到某条路径的信号，也可能是不同路径之间的信号传播到终端时的加和，不
同信号的强度、到达时间和到达时载波的相位都不相同，各路径间可能产生自干
扰，这就是多条路径的传播；在移动通信中，通常终端与基站之间都会发生相对
运动的情况，两者之间会有一个相对速度，并且接收机和发射机接收发射的波形
会有一个角度，这就导致了多普勒频移的产生。
图 2-1 给出了无线衰落信道的分类，如图中所示，根绝接收距离或接收时间的
不同，无线衰落信道可以分为两类。而其中的小尺度的衰落根据它的多普勒扩展
和多径时延扩展的不同又可以分别分为四类，具体的分类条件可以由图 2-2 给出。

8
 第二章 LTE 下行链路的信道分析及建模

衰落信道的分类

大尺度衰落 小尺度衰落
基于多普 基于多径
勒扩展 时延扩展

频率选择
路径损耗 快衰落 慢衰落 平坦衰落
性衰落

信道 信道
相干 相干 信号 延迟 信号 延迟
变化 变化
高多 时间 低多 时间 带宽 扩展 带宽 扩展
快于 慢于
普勒 ＜ 普勒 ＞ ＜ ＜ ＞ ＞
基带 基带
频移 符号 频移 符号 信道 符号 信道 符号
信号 信号
周期 周期 带宽 周期 带宽 周期
变化 变化

图 2-1 无线衰落信道分类

由图 2-2 中给出了信号发射信号的符号周期与发射符号周期不同引起的不同
衰落，以及发射信号带宽与发射基带信号带宽不同引起的不同衰落。根据不同径
参数的不同的衰落分布可如下图 2-2 所示。
TS BS
发
发
射 平坦快 平坦快
平坦慢 射 平坦慢
信 衰落 衰落
衰落 基 衰落
号
的  带 Bc
信
符
号
号
频率选择 频率选择 带 频率选择 频率选择
周
性慢衰落 性快衰落 宽 性慢衰落 性快衰落
期
TC Bd
TS BS
发射符号周期 发射基带信号带宽

图 2-2 信号根据不同多径参数的衰落类型

2.2 无线信道建模方法分析
2.2.1 多径衰落
在无线移动通信传播环境中，随着环境的不断变化，无线移动传播的方式也
在不断的变化着存在着不同的衰落类型，接收系统在接收信号时也会因为受到不
同的传播途径影响而使得接收信号的幅度将急剧变化，这就导致了多径衰落的产
生[11]。典型的无线信道模型如图 2-3 所示，假设发射信号为：
x(t )  Re[s(t )e j 2 fct ] (2-1)

图 2-3 给出了多径衰落的信道路径的接收发射系统，则可得到：

9
 电子科技大学硕士学位论文
L
y (t )   al (t ) x(t   l (t ))
l 1
L
 Re[ al (t )e  j 2 fc l (t ) s (t   l (t ))e j 2 fct ] (2-2)
l 1

其中，al (t )是第l条路径的复路径损耗
 l (t )是第l条路径的时延值

从时域的角度看，为了避免符号间干扰必须要使符号带宽远大于最初时延与
最后时延的间隔  max 。

1
...

路径  l (t )
al (t )
路径l
...

s(t ) r (t )
路径
L h( , t )

al (t ) ：第l条路径的路
发射机 径损耗 接收机
 l (t ) ：第l条路径的时延

图 2-3 多径信道示意图 图 2-4 多径信道等效基带模型

由式（2-2）可以得出等效基带模型如图 2-4 所示和式（2-3）所示：

L
r (t )   al (t )e j 2 fc l (t ) s (t   l (t ))
l 1 (2-3)

  h( , t )s (t   )d


其中， h( , t ) 为多径信道在 t 时刻的等效基带响应。

2.2.2 多普勒频移
如图 2-5 所示给出了多普勒效应示意图。在实际的无线通信中，移动台式会不
断的运动的，且运动的速度不同，这就导致了移动台与基站之间的相对运动，这
就导致了多普勒频移的产生[11]。由图中可以看出，移动台与基站的相对速度基于
接收到的多径波的入射角都是决定多普勒频移的直接因素。
S
L


 
X d Y
v

图 2-5 多普勒效应示意图

10
 第二章 LTE 下行链路的信道分析及建模

计算图中由相位变化产生的多普勒频移是：
v
fd  cos  (2-4)

其中  是载波波长，由上式（2-4）所示，可以得出最大多普勒频移为 f m  v  。
在移动无线信道中，度量无线信道的时间变化率的变量是多普勒扩展 BD 也就
是测量多普勒谱的谱展宽得到的测量值。多普勒谱等价于有范围的多普勒扩展，
且范围内不为零，而这时接收到的多普勒谱信号就是频率为 f c 时接收到的信号，
它在 f c  f d 和 f c  f d 范围内存在分量。谱展宽依赖于 f d ，当衰落类型为基于多径
时延扩展的选择性衰落或者平坦衰落时就可以忽略谱展宽的影响。
从时间轴上的响应来看，相干时间 TC 是相对时间轴的多普勒扩展表示，是在
表征移动无线信道的重要特征，相干时间可以定义为：
1
TC  (2-5)
fm

相干时间的另一种说法是指两个到达信号有很强的幅度相关性的的一段时间
间隔。公式（2-6）给出了 Rayleigh 衰落型信号可能急剧起伏的时间的间隔。在现
代数据通信中，一种比较普遍的定义是将相干时间定义为：

9 0.423
TC   (2-6)
16 f m
2
fm

2.2.3 常用无线信道模型建立方法分析
对于移动通信来说，建立无线信道的仿真模型具有重要的意义。在建立仿真
模型时，不仅要求在关键性质上与要建立模型的仿真对象非常接近，还需要建立
的仿真模型被应用于系统仿真时具有可以接受的运算复杂度。常用的移动通信信
道建模方法通常有以下几种[20]：
（1）统计模型。即采集真实的信道的特性数据进行数据统计，并将得到的统
计值建立模型应用于对与这个真实信道同类的信道的仿真中。这种方法需要针对
某种信道专门进行数据统计，信道有多少种，就要建立多少种模型，缺点是信道
模型专用，不可通用，只能用于特定的环境。
（2）滤波法模型。这种方法的最常见的就是克拉克模型[18]，如图 2-6 所示。
产生两个分别为相同相位和相位是正交的基带高斯噪声信号源，再通过功率谱为
多普勒功率谱密度的平方根的频域滤波器。
（3）高阶 Markov 模型。此模型一般用于对带有记忆特性的信道的衰落特性
进行建模，但其实现的计算复杂度也会随着 Markov 阶数的增长大幅增长，因此应

11
 电子科技大学硕士学位论文

用于系统中难度较大。
cos 1t
2 cos 1
2 sin 1

cos(2 f ct ) cos  N0 t
2 cos  N0
2 sin  N0
基带 1
噪声源 cos m t
2
多普勒 2 cos 
滤波器 2 sin 
基带
噪声源  n +
+   , n 
4 N0
sin(2 f ct ) xs (t )
sin c t cos c t
xc (t )
900

y (t )  xc (t ) cos c t  xs (t ) sin ct

图 2-6 Clarke 模型 图 2-7 正弦和理论模型

（4）正弦和理论模型。此方法的代表模型是 Jakes 模型，如图 2-7 所示。这

个方法克服了 Clarke 模型中滤波器的带宽和采样频率的限制，同时也利于计算和
实现[21]。

2.3 改进的 LTE 下行信道建模算法分析与仿真验证

2.3.1 LTE MIMO 信道模型结构及信道参数分析
在 LTE 系统中的所采用的主要关键技术是 OFDM 和 MIMO，因此本论文主要
是针对 MIMO 衰落信道进行建模仿真。LTE 下行链路基带系统的信号处理算法在
接收系统中的接收性能与信道的估计的性能息息相关，而信道建模研究 LTE 信道
估计算法的前提，尤其是与它的相关特性相关[13]。所以如果要得到与本系统信道
性能特性相近的的模型，使得这个模型为后续为 LTE 下行系统的信道部分提供理
论和仿真模型，为系统接收端进行数字信号处理算法的研究尤其是信道估计这一
部分提供支撑就成为进行系统信道估计研究的必经之路。
频率选择性多输入输出信道的冲激响应函数表示为：
L
H (t )   Al (t   l ) (2-7)
l 1

式中， H (t )  C N M ,L 为可分辨径的数目， Al 为第 l 个路径的信道转移矩阵

12
 第二章 LTE 下行链路的信道分析及建模

 11l 12l 1lM 

 l 
  21  22l  2l M 
Al  (2-8)
 
 l 
 N 1  N 2  NM  N M
l l

上式中，  nm 表示 BS 的第 m 根天线到 MS 的第 n 根天线之间的第 l 径的信道

l

复衰落系数， E  nm   0 ， D  nm   Pl ， Pl 为第 l 径的功率，衰落系数之间存在相
l l

关性。
于是可以得到信道的抽头延迟线模型，如下图 2-7 所示：
S (t )
1  2 1  L  L1

A1 × A2 × AL ×

Y (t )
 
n(t )

图 2-7 MIMO 信道仿真模型

本小节介绍的是一种用成形滤波器法来仿真独立的瑞利衰落信道。这个算法
利用高斯线谱经过多普勒滤波器之后经过 IFFT 变换到时域，然后再根据克拉克模
型中定义的公式进行运算，之后得到时域信道。其中多普勒滤波器的频谱有很多
种，常见的经典多普勒谱和拉普拉斯谱如公式(2-9)(2-10)表述：
经典谱：
 A
  fd  f  fd
2
  f 
S  f    1   (2-9)
  fd 
0
 else

拉普拉斯谱：
S  f   G  A, 0.7 f d , 0.1 f d   G  B, 0.4 f d , 0.15 f d 
 2 f  f1  (2-10)
G  f   A exp   
 f2 
 

其中，A/B 为 10dB。

13
 电子科技大学硕士学位论文

如图 2-8 所示是成型滤波器法的仿真频域图。

高斯线谱 多普勒滤波器谱图
S( f )
IFFT

fm fm  fm fm
 S (t )
高斯线谱 多普勒滤波器谱图
S( f )
IFFT

fm fm  fm fm

图 2-8 成形滤波器仿真频域框图

根据图 2-8 所示，成型滤波器法[16]最关键的模块就是高斯线谱和多普勒滤波

器的产生于设计，传统的成型滤波器法中的高斯线谱一般是用随机复数来做谱得
到的线谱，最大频率为 fm ，是由一系列范围从  f m 到 fm 的频率分量构成；传统成
型滤波器中的多普勒滤波器是利用常用的多普勒谱进行滤波，本文中应用的是经
典谱（计算公式在公式(2-9)中给出），由经典谱公式就可以知道它会在通带边缘趋
于无穷大，于是传统算法对 S  f  进行了截短处理，再通过插值拟合算法将它的
曲线拟合到通带。传统成型滤波器算法的具体迭代步骤为：
（1）确定出代表 S  f  的相关参数 N 及 fm 。
（2）计算频率间隔和时间周期，可由公式 f  2 f m / N ， T  1/ f 计算。
（3）分别为同相和正交的噪声源参数 N 点的高斯随机变量。
（4）对产生的噪声源进行傅立叶变换（FFT）。
（5）将相位相同和相位正交的噪声源与 S  f  相乘。
（6）分别做反傅里叶变换，得到两个 N 点时间序列。
（7）之后将两组 N 点时间序列做和就可得到所需的复随机序列。
在 LTE 协议中在对各种测试环境定义多径传播环境时主要包括了 3 方面的内
容：
一是延迟分布用多径抽头延迟线表征，在一个抽样周期内具体为一组固定值
时可用均方根时延(rms)和最大多径时延描述。
二是信道模型参数要包括最大多普勒频移和经典谱。
三是对于 MIMO 系统，要定义基站与用户之间的信道相关矩阵。

14
 第二章 LTE 下行链路的信道分析及建模

表 2-1 LTE 系统多径信道环境参数

附加节点 均方根 最大多径

信道模型 功率(dB)
时延(ns) 时延(ns) 时延(ns)
0 0.0
30 -1.0
70 -2.0
EPA 90 -3.0 45 410
110 -8.0
190 -17.2
410 -20.8
0 0.0
30 -1.5
150 -1.4
310 -3.6
EVA 370 -0.6 357 2510
710 -9.1
1090 -7.0
1730 -12.0
2510 -16.9
0 -1.0
50 -1.0
120 -1.0
200 0.0
ETU 230 0.0 991 5000
500 0.0
1600 -3.0
2300 -5.0
5000 -7.0
在 LTE 系统中的信道参数在 3GPP LTE 协议中定义了三种衰落环境，分别对
应于低、中、高时延扩展环境。LTE 的这三种模型的相关参数如表 2-1 所示。
图 2-9 是 LTE 的 3 种信道的归一化功率延迟分布图，由图中可以看出 3 种信
道环境的散射多径功率衰落情况，体现了信道各自使用的环境和速度特点。

15
 电子科技大学硕士学位论文

1
EPA
EVA
0.8 ETU
归 一 化 功 率 （ dB）

0.6

0.4

0.2

0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
附 加 节 点 时 延 （ ns）

图 2-9 信道延迟功率分布图

2.3.2 一种改进的 LTE 下行信道建模算法

要建立一个特性与 LTE 相近的信道模型，就是要考察 LTE 信道的信道冲激矩
阵，关键就在于确定信道的抽头矩阵[18]，如图 2-10 所示给出了本文的信道建模的
程序的流程图，图中给出了本文的建模算法的大致步骤。
—EPA5Hz
—EVA5Hz
选择传播条件 —EVA70Hz
—ETU70Hz
—ETU300Hz

设置天线阵列结构
—发射天线数
—接收天线数
—路径数

BS侧空间相关矩阵 RBS MS侧空间相关矩阵 RMS

Kronecker乘积

信道相关矩阵 R M IM O

功率时延谱 Cholesky分解（R为复值） 多普勒功率谱

（PDP） 或均方分解（R为包络）矩阵 C l （PSD）

LTE下行MIMO信道矩阵H

图 2-10 LTE 下行空时频 MIMO 信道仿真流程图

根据图 2-10 描述的仿真流程搭建 LTE 信道的仿真平台，因为此系统主要是为

了在 LTE 下行的信道部分中应用，根据应用的需求，本论文主要是采用 LTE 协议
中定义的的空时频模型为基准进行建模仿真。
通过分析传统成型滤波法，可以知道传统的成型滤波法中不同路径间存在着
一定的相关性和频谱杂散。本论文给出了一种改进算法，在传统算法上的基础上

16
 第二章 LTE 下行链路的信道分析及建模

加入随机高斯分布的随机相移，采用正弦和理论模型来产生高斯线谱，从而有效
地消除了不同路径间的相关性，并在频域低通滤波器，有效地改善频谱质量，减
少频谱泄露。改进建模算法的结构框图如图 2-11 所示。
随机相位
高斯噪声 cos 1t
2 cos 1 输出
2 sin 1

IFFT
cos  N0 t
2 cos  N0
2 sin  N0
1
cos mt
2 加窗滤波
2 cos 
2 sin 
 n
+  , n  +
4 N0 多普勒
xs (t ) xc (t ) 滤波器
sin c t cos c t
900

+ y (t )  xc (t ) cos ct  xs (t ) sin ct

图 2-11 改进成型滤波法

设定 BS(Base Station，基站)和 MS(Mobile Station，移动台)的天线数最大为 2

可选天线数是 1 或 2，系统为 LTE 下行共享信道，码片速率为 3.84Mcps，信道瑞
利衰落点数为 1024，载波频率为 2.15GHz，如下图 2-12 所示，是信道的多普勒频
谱。图中所示的经典谱本应该是一个 U 型谱，是经过频谱搬移，将负轴上的谱搬
移到 300Hz。而其中的 Jakes 谱和莱斯谱均是在绘图的时候只绘制了其中的一半，
实际上应该是 U 型谱。如图 2-13 所示分别表示最大多普频移为 300Hz 时的 ETU
信道的信道矩阵 H 的时域衰落特性曲线。LTE 3GPP 标准中规定的 3 类信道 EPA、
EVA 和 ETU 的路径分别是 7，9，9，由图中可以看出每径的衰落曲线。
-3
经典谱 x 10 Jakes谱
3000 3 ETU300Hz信 道 响 应 图

2000 2

1000 1
4
0 0
信道响应

0 200 400 600 0 200 400 600

2
拉普拉斯谱 经过滤波器之后的谱
150 2000 0
1200
1500 1000 10
100
800 8
1000
600 6
50
500 400 4
200 2
瑞利衰落点数 路径数
0 0 0 0
0 200 400 600 0 200 400 600

图 2-12 多普勒谱 图 2-13 时域衰减曲线

17
 电子科技大学硕士学位论文

由上述可知，通过上述方法建立的信道模型要验证其是否是符合 LTE 无线信

道的特性要求，就是从信道的冲激响应矩阵的相关特性来验证，具体可分为以下
三部分，如图 2-14 至图 2-18 所示给出 LTE 信道衰落特性。

2.3.3 改进的 LTE 下行信道建模算法仿真验证

2.3.3.1 空间相关特性的验证
 1B 1
S
M  1
B S
 11MS 1MS
N

   
假 设 RBS   , RMS   , 其 中
  MBS1 BS 
 MM   NMS1 MS 
 NN
  M M   N N
mB1 Sm2 , l
m1 n 表示对同一个
l
2m n MS 的发射信号，BS 的天线 m1,m2 接收到的信号
的相关系数。 mn 表示 MS 的第 n 根天线到 BS 的第 m 根天线的衰落系数。如图 2-14
所示，是信道 EVA70Hz 的信道冲激响应矩阵的各个元素之间的第三维特性曲线。
图 2-14（上）是三维图，图 2-14（下）是二维图。图 2-15 给出的是改进后与改进
前的空间特性曲线与理想曲线的对比图。
如图 2-14 中所示的红色虚线是根据理想信道环境得到的相关系数矩阵 RMIMO
中的元素值，在图中代表理论值；图 2-14 中所示的蓝色实线表示的是利用信道仿
真矩阵的不同元素的相关系数值，在图中表示仿真值。如图 2-15 中所示的粉色星
号线表示改进后的仿真值。 hij , hkl  是当接收的电磁波从第 l 条路径传入时的衰落
l l

系数之间的相关系数，其中 i、k 表示发天线，j、l 表示收天线。由图 2-14 和图 2-15

中可以看出，实际得到的相关性和理论值存在一定的差距，这是因为受仿真迭代
次数的限制。N 越大，得到的采样点数越多，越接近理想分布，但是 N 值受到滤
波器、采样率和运算复杂度的限制，不可能会得到无限大，所以理想值和实际值
会存在一定的误差。如图 2-15 所示可知，改进后的建模算法建立模型模拟的 LTE
信道与传统算法相比降低了相关性。也就是说本文所提出的改进算法能降低各路
径的相关性的影响。
 h1
ij
, h1
kl
  h2
ij
, h2
kl
  h3
ij
, h3
kl
  h4
ij
, h4
kl
  h5
ij
, h5
kl
  h6
ij
, h6
kl
  h7
ij
, h7
kl
  h8
ij
, h8
kl
  h9
ij
, h9
kl


1 1 1 1 1 1 1 1 1
相关系数

0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5

0 0 0 0 0 0 0 0 0
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

 h1
11
, h1
kl
  h2
11
, h2
kl
  h3
11
, h3
kl
  h4
11
, h4
kl
  h5
11
, h5
kl
  h6
11
, h6
kl
  h7
11
, h7
kl
  h8
11
, h8
kl
  h9
11
, h9
kl

1 1 1 1 1 1 1 1 1
相关系数

0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5

0 0 0 0 0 0 0 0 0
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
(k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l

图 2-14 未改进前的信道相关系数曲线

18
 第二章 LTE 下行链路的信道分析及建模

理想值  h111, h9kl  h211, h9kl  h311, h9kl  h411, h9kl  h511, h9kl  h611, h9kl  h711, h9kl  h811, h9kl  h911, h9kl
成型滤波法 1 1 1 1 1 1 1 1 1
改进算法
0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8
相关系数
0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6

0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4

0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2

0 0 0 0 0 0 0 0 0
0 2 4 0 2 4 0 2 4 0 2 4 0 2 4 0 2 4 0 2 4 0 2 4 0 2 4
(k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l (k-1)*2 + l

图 2-15 改进的信道相关系数曲线

2.3.3.2 多普勒功率谱(PSD)的验证

如图 2-16 给出了各条路径的多普勒谱。文中采用是经典多普勒谱，是完全对
称的“U”型谱。仿真得到的各抽头的多普勒谱是近似“U”型谱的，和理论经典
多普勒谱的误差值如下图 2-17 所示，误差值均值为 0.032，传统的滤波法的误差均
值是 0.045，改进算法比传统算法误差性能提高了 1.481dB，比较接近理想状态。

h1
11
h2
11
h3
11
h4
11
h5
11
h6
11
h7
11
h8
11
h9
11
0.4 0.4 1 0.2 0.4 0.2 0.2 0.1 0.04
0.2 0.2 0.5 0.1 0.2 0.1 0.1 0.05 0.02
0 0 0 0 0 0 0 0 0
-2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2
h112
h212
h312
h412
h512
h612
7
h12 8
h12 h912
0.4 0.4 0.4 0.2 0.4 0.2 0.2 0.1 0.04
0.2 0.2 0.2 0.1 0.2 0.1 0.1 0.05 0.02
0 0 0 0 0 0 0 0 0
-2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2
h121
h221
h321
h421
h521
h621
h721
h 8
21
h921
0.4 0.4 1 0.4 0.4 0.1 0.4 0.2 0.05
0.2 0.2 0.5 0.2 0.2 0.05 0.2 0.1
0 0 0 0 0 0 0 0 0
-2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2
h122
h222
h322
h422
h522
h622
h722
h822
h922
0.4 0.4 0.5 0.4 0.4 0.2 0.4 0.1 0.05
0.2 0.2 0.2 0.2 0.1 0.2 0.05
0 0 0 0 0 0 0 0 0
-2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2 -2 0 2
归 一 化 频 率 f/fm

图 2-16 EVA70Hz 信道的多普勒谱

0.07

0.06

0.05
误差值

0.04

0.03

0.02 成型滤波法
改进建模算法
0.01

0
1 2 3 4 5 6 7 8 9
路径号

图 2-17 多普勒谱与理论值的误差值

19
 电子科技大学硕士学位论文

2.3.3.3 功率时延谱(PDP)的验证

图 2-18 为 EPA、EVA、ETU 三种信道抽头系数的 PDP 曲线，其中红色星号线

是理想 PDP 曲线，蓝色圆圈线是仿真值，由图中可以看出，仿真值与理论值是很
接近的。
信 道 的 平 均 功 率 Tx#1 - Rx#1 - Sum PDP = 0.97475 信 道 的 平 均 功 率 Tx#1 - Rx#1 - Sum PDP = 2.0463 信 道 的 平 均 功 率 Tx#1 - Rx#1 - Sum PDP = 4.6038
0 0 2

-5 0
-5

Power [dB]
Power [dB]
Power [dB]

-10
-2
功率增益 -10
-15 平均功率 功率增益 -4 功率增益
平均功率 平均功率
-20
-15
-6
-25
1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9
Tap index Tap index Tap index

(a) (b) (c)

图 2-18 不同信道的抽头系数的功率时延谱
（a）EPA ；
（b）EVA ；
（c）ETU

通过上述分析可以看出，本论文所建立的 LTE MIMO 信道模型与 LTE 3GPP

标准中定义的 LTE 信道模型很接近，能够较好的模拟 LTE 系统的空间信道。

2.4 本章小结
本章在第一节中首先简要介绍了无线信道的特性。然后在第二节中分析了表
征无线信道重要特征的两个重要的因素，即多径衰落特性和多普勒频移特性，并
分析对比了常用的 4 种无线信道建模方法。重点分析了 LTE MIMO 信道的多普勒
滤波法的建模方法和对 LTE 信道的信道特性参数进行分析，并给出了三种 LTE 信
道的功率延迟仿真曲线图。针对 LTE 下行信道，提出了一种改进的多普勒建模方
法，用正弦和理论方法产生随机相位的高斯噪声代替原高斯噪声，并在多普勒频
域滤波后，加窗滤波，能有效的降低不同路径之间的相关性和频谱杂散，性能比
传统方法有所提高。

20
 第三章 LTE 下行链路基带系统分析及仿真设计

第三章 LTE 下行链路基带系统分析及仿真设计

本文主要是针对 LTE 下行共享信道(PDSCH)进行链路级仿真，通过设计整个

LTE 发射、信道和接收整个系统的仿真平台，得到链路仿真 MATLAB 平台，为后
续信号处理算法和信道估计的研究提供平台和系统理论支撑。接收系统的信号处
理过程是发射系统的逆过程，并且本文的主要研究目标是接收系统的信道估计模
块，因此本章主要是对 LTE 下行进行系统分析并给出总体方案以及下行接收系统
的各模块设计方案。

3.1 LTE 下行链路基带仿真平台整体结构设计

发射系统主要包括 LTE 原始信号生成、信号的比特级算法处理、加扰处理、
数据的相关映射等子模块，接收系统是发射系统的逆过程，主要包括天线逆映射、
MIMO 接收检测处理、数据的相关解映射（包括解资源映射、解层映射、解预编
码等）、信道的估计模块以及后续的解码解比特级的相关处理等模块。LTE 下行链
路基带系统可将上述各模块分为三部分，即发射系统、信道和接收系统。在图 3-1
给出了 LTE 下行基带系统的结构图。
发射系统 接收系统

多天线发
信源产生 数据映射 组帧 信道 接收机 数据解映射
射处理

图 3-1 LTE 下行物理层基本链路结构

具体来说，LTE 下行链路的信号处理过程如下图 3-2 所示：

输入
CRC添加 码块分割 Turbo编码 速率匹配 码块级联

发射 加扰 调制 层 预 资源映射 OFDM
系统 映 编
加扰 调制 射 码 资源映射 OFDM

空间复用
信道 发射分集（CDD/SBFC）
MIMO多径衰落信道

OFDM解调 资源逆映射 解调 解扰
MIMO接收
处理
接收 OFDM解调 资源逆映射 解调 解扰
系统
信道与
误块率检测
SINR估计

CRC删除 解码块分割 Turbo译码 解速率匹配 解码块级联

输出

图 3-2 LTE 下行链路信号处理过程

21
 电子科技大学硕士学位论文

在不考虑同步的情况下，本文的接收系统中的载波同步、定时同步等相关的
同步问题都不考虑，只考虑信道估计的情况，则整个 LTE 下行系统各模块的设计
包括六个模块来进行，其中，LTE 下行的接收系统如图 3-3 所示。对于 LTE 测试
仪来说，接收系统的优劣直接影响 LTE 测试的性能。接收系统基本模块是发射系
统的逆过程，但接收系统比发射系统要多出同步模块和估计模块。因此本章中主
要描述 LTE 接收系统各模块的分析与仿真设计。
解比特级
OFDM解调 资源逆映射 解调
MIMO接收 处理
处理 解比特级
OFDM解调 资源逆映射 解调
处理

信道与
SINR估计

图 3-3 LTE 物理层下行链路接收系统基本框图

3.2 LTE 下行链路接收系统各模块仿真设计

3.2.1 解 OFDM 映射模块
在 LTE 发射系统中在经过了资源映射之后的信号会再经过 OFDM 映射，将信
号映射为多载波的信号，这个模块的功能主要是上述过程的过程，也就是要将多
个正交的载波信号，恢复为基带信号。模块输入为接收系统接收到的时域多载波
数据，收到时域数据之后进行时域采样，之后再去除 CP，去除 CP 之后经过 FFT
变换输出频域的接收数据。具体流程图如下图 3-4 所示。
时域接收 时域降采 频域接收
移除CP FFT变换
数据 样 数据

图 3-4 OFDM 解调框图

在解 OFDM 映射模块中最重要的两个问题就是如何移除循环前缀和做 FFT 变

换过程，如图 3-5 所示给出了 LTE 的时域采样值得示意图，它是插入循环前缀的
过程，即将每个 OFDM 符号最后的 N CP 个数值复制到循环前缀上。也就是说在去
除循环前缀的时候，接收系统需要首先将循环前缀中的 N CP 数据，只留原来的
N D  2048 个值，具体搬移过程如图 3-6 所示。
1ms
发射端循环搬移

CP Data ...

N CP ND

图 3-5 LTE 时域采样值示意图

22
 第三章 LTE 下行链路基带系统分析及仿真设计
循环前缀
幅度

时间
N CP 0 ND

总长度: N D  N CP
保护时间

图 3-6 LTE 中 CP 复制示意图

在 LTE 系统中定义的循环前缀有三种模式，详细参数设定如表 3.1 所示，因

此在对 LTE 信号进行接收时，即使接收系统在接收到 IFFT 之后的时域降采样之后
的信号，需要首先对循环前缀的类型进行选择，才能够进行相应的移除循环前缀
的过程，在本文中论述的系统中如果不特殊说明所述的 CP 均是常规 CP。然后根
据表 3-1 中给出的参数得到 OFDM 符号的位置和 N CP 长度，最后再进行相应的去
除循环前缀过程。

表 3-1 通用帧结构参数（20M）

配置 DL
符号数 N symb CP 长度相对于 N CP CP 长度用 us 表示
160，l=0 5.2us，l=0
常规 CP， f  15kHz 7
144，l=1,2...6 4.7us，l=1,2...6
扩展 CP， f  15kHz 6 512，l=0,1...5 16.7us，l=0,1...5
扩展 CP，f  7.5kHz 3 1024，l=0,1,2 33.3us，l=0,1，2

其中， f为子载波间隔，l为一个时隙内OFDM的符号序号。
在解 OFDM 过程中最为关键的运算就是 FFT 变换。对连续信号：
N 1
 T 
s(t )   di  rect  t  S   exp  j 2  f c  i  f  t  0  t  TS (3-1)
i 0  2 
若 s(t ) 的带宽 Bc  N  f ，以 TS  1 Bc  1 ( N  f ) 进行抽样，形成离散时间信
号：

 k  N 1  k T   k 
s(k )  s    d i  rect   S   exp  j 2i  f
 N  f  i 0  N  f 2   N  f 
N 1
(3-2)
  di  e j 2ik
(0  k  N  1)
i 0

图 3-7 给出了 OFDM 在发射接收的过程对一个基带信号变为多载波的信号，

23
 电子科技大学硕士学位论文

再由一个多载波信号变为基带信号的过程。
IFFT FFT
 j 2 f 0 t  j 2 f 0 t
e e
d0 d0
积分

串 e j 2 f1t e j 2 f1t
d1 d1 并
并 s(t ) 信 积分 串
. + .
转 . 道 . 转
换 . . 换
e j 2 f N 1t e j 2 f N 1t
d N 1 d N 1
积分

图 3-7 OFDM 发射/接收示意图

1 TS 1 i  k
由于
TS 
0
e j 2 (i k ) f t dt  
0 i  k
，因此

N 1
1 1
e j 2 ( fc k f )t dt   di 
TS TS
y (k ) 
TS  0
i 0 TS 
0
e j 2 (i k ) f t dt  d k (3-3)

根据上述分析可知，OFDM 的调制和解调可以分别通过傅里叶变换对来实现。
对接收端来说，进行 OFDM 解映射也就是将接收到的信号经过降采样、移除循环
前缀之后直接进行 FFT 运算就可以得到发送的复数据 d k 。

3.2.2 资源逆映射模块
如图 3-8 所示，对于每一个天线端口， y (0),..., y (M symb  1) 将从 y( p) (0) 映
( p) ( p) ap

射到资源粒子  k , l  ，然后依次递增先以 k 递增，然后再以 l 开始。

图 3-8 所示为参考符号传输的资源粒子示意图，其中 R p 表示在天线端口 p 上
用于传输参考符号的资源粒子。由图 3-8 中可以得出一个 LTE 下行物理资源块包
含了 N symb  N sc （ N symb  N sc ）资源元素，也就是等价于一个时隙在时域中对应于
UL RB DL RB

和在频域中的 180kHz（12 子载波*15 kHz =180 kHz）。物理资源块从 0 到 NRB

DL
1 被

编号，一个时隙内物力资
 k 
源块的数目 nPRB 和资源粒子（k，l）频域的关系为 nPRB   RB  。
 N sc 

24
 第三章 LTE 下行链路基带系统分析及仿真设计
One uplink slot Tslot

UL
N symb SC-FDMA symbols

k  N RB
UL RB
N sc 1

Resource
block RB resource
UL
N symb  N sc
elements
subcarrier

RB subcarrier

Resource
s

(k , l )
element
 N scRB

s
N sc
UL
N RB

k 0

l0 l  N symb
UL
1

图 3-8 LTE 下行资源栅格

第一个时隙的 OFDM 符号中资源块 nPRB 在 LTE 的子帧中的的资源分组情况

（分情况）如表 3-2 所示，其中 k 0  nPRB  N scRB ， 0  nPRB  N RB
DL
。

参考信号序列 rl ,ns (m) 根据天线端口数 p 在 ns 的位置要映射为复值的调制信号

ak( ,pl ) ：
ak( ,pl )  rl ,ns (m ') (3-4)

其中，时域编号为 l  0, N symb
DL
 3, p {0,1} 。常规 CP 时 N symb
DL
 7 ，表明在每
个时隙的 l=0 和 l=4 的符号上存在 RS，频域编号如公式（3-5）所示：
k  6m   v  vshift  mod 6
0, Nsymb
DL
 3 if p  0,1
l (3-5)
1 if p  2,3
其中m  0,1,..., 2  N RB
DL
 1，m  m  N RB
max,DL
 N RB
DL

25
 电子科技大学硕士学位论文

0 if p  0 and l  0
3 if p  0 and l  0

3 if p  1 and l  0
v ， vshift  NID
cell
mod 6
0 if p  1 and l  0
3(ns mod 2) if p  2

3  3(ns mod 2) if p  3

参考序列 rl ,ns (m) 中的 m  0,1,...,2 N RB

max, DL
 1 是保证资源块个数取得最大值
（ 110 ） 时 的 情 况 下 。 实 际 映 射 序 列 rl ,n ( m' ) 中 m  m  N RB
max, DL
s
 N RB
DL
，而
m  0,1,..., 2  N DL
RB  1 ，映射区间就变为 N max, DL
RB  N RB
DL max, DL
到 N RB  N RB
DL
 1 之间。
进行资源逆映射就是根据上述的资源映射过程将资源网格中的映射位置（k，
l）上的资源块按照参考信号的分布排列将参考信号和数据子载波数据分别映射出
来，然后还原为复制信号 y (0),..., y (M symb  1) 。
( p) ( p) ap

表 3-2 一个时隙的 OFDM 符号中资源块分组情况

在子帧中的第一个时隙的
条件（信号个数或 CP 类型） 具体分组
OFDM 符号
k  k0  0, k0  1,..., k0  5
第一个 OFDM 符号 (k , l  0) 无
k  k0  6, k0  7,..., k0  11
k  k0  0, k0  1,..., k0  3

1或2 k  k0  4, k0  5,..., k0  7

第二 OFDM 符号 (k, l  1) k  k0  8, k0  9,..., k0  11

k  k0  0, k0  1,..., k0  5
4
k  k0  6, k0  7,..., k0  11
k  k0  0, k0  1,..., k0  3

第三 OFDM 符号 (k , l  2) 无 k  k0  4, k0  5,..., k0  7
k  k0  8, k0  9,..., k0  11
k  k0  0, k0  1,..., k0  3

常规 CP k  k0  4, k0  5,..., k0  7

第四 OFDM 符号 (k , l  3) k  k0  8, k0  9,..., k0  11
k  k0  0, k0  1,..., k0  5
扩展 CP
k  k0  6, k0  7,..., k0  11

26
 第三章 LTE 下行链路基带系统分析及仿真设计

3.2.3 信道估计模块
信道估计模块，对于 LTE 测试、LTE 接收机来说至关重要，信道估计模块性
能的优劣直接影响了 LTE 解调和接收性能，因此本文的重点研究对象就是此模块，
详细介绍将在第四章和第五章介绍。
图 3-9 给出了信道估计模块的流程图，如图中可以看出这个模块输入为根据端
口数对应的导频样式就收到的数据和本地导频，输出为信道估计得到的 LTE 信道
冲击响应的矩阵。
根据端口数对应的 根据信道
根据导频
导频样图获取接收 模式进行
位置进行 时域插值
天线上的数据和本 相应信道
频域插值
地导频 估计

图 3-9 信道估计模块结构图

3.2.4 MIMO 检测模块

多输入多输出检测模块在接收频域的接收信号后会根据图 3-10 的过程进行检
索，然后根据不同模式下选择相应的解码检测方式进行 MIMO 解码过程，输出为
译码后的已调数据。图 3-10 给出了 MIMO 检测的具体流程图。

频域接收
信号

参数选择

PDSCH

资源解映
射

下一子帧

解预编码

解层映射

MIMO译码
后的数据

图 3-10 MIMO 译码模块结构图

3.2.4.1 解预编码模块

对于下行系统而言，为了降低用户的解调复杂度，通常会在 MIMO 中加入预

编码过程。解预编码是预编码的逆过程。输入为经过信道估计后的数据和导频值
以及估计出的信道值。在 LTE 发射系统中进行预编码时分为三种模式（单天线、

27
 电子科技大学硕士学位论文

发射分集和空间复用），因此在 LTE 接收系统中也分别进行解码，其流程图如图

3-11 所示。

资源逆映射后的数据

单天线 模式选择 发射分集

空间复用

单天线 MIMO检测 传输分集译码

多天线解调

预编码译码后数据

图 3-11 解预编码子模块结构图

预 编 码 逆 过 程 是 将 解 资 源 映 射 后 得 到 的 输 出 向 量 块 y (i)  ... y ( p ) (i) ...

T

（ i  0,1,...,M symb  1 ），逆映射到自己的层映射的向量块 x(i)  x (0) (i) ... x ( 1) (i)

ap
 
T

（ i  0,1,...,M symb  1 ）上，其中 y ( p ) (i) 表示天线端口 p 上的信号。

ap

1、单天线模式解预编码
单天线模式下发射系统发射时，没有进行预编码，因此在接收系统将输入的
数据直接输出，如公式(3-6)：
x ( 0 ) (i )  y ( p ) (i ) (3-6)

其中, p  0,4,5 是单天线端口序号,并且 i  0,1,..., M symb  1 , M symb  M symb

layer ap layer

2、空间复用模式解预编码
在空间复用模式下进行预编码时时支持天线数为 2 和 4 的，所以天线端口集
合为 p 0,1 和 p  0,1,2,3 。而空间复用模式下的预编码只能与相同的这个模式下层
映射结合起来使用，即：
（1）不使用 CDD 情况下
当系统不使用循环时延分集时，空间复用模式下的预编码可由公式(3-7)表示：
 y (0) (i )   x (0) (i ) 
   
    W (i )    (3-7)
 y ( P 1) (i )  x ( 1) (i )
   

其中， i  0,1,...,M symb  1 ， M symb  M symb ，预编码矩阵 W (i) 的大小为 P  ，可以依

ap ap layer

据响应的选取准则从基站与移动台的预设码书中选取，发射天线数为 2 时的预设
码如表 3.4 所示。
（2）使用大时延 CDD 情况下

28
 第三章 LTE 下行链路基带系统分析及仿真设计

当使用循环时延分集时，空间复用的预编码可描述为：
 y (0) (i )   x (0) (i ) 
   
    W (i ) D(i)U    (3-8)
 y ( P 1) (i )  x ( 1) (i )
   

其中 i  0,1,...,M symb  1 ， M symb  M symb 。预编码矩阵 W (i) 的维数为 P  ，矩阵 U

ap ap layer

维数的维数和 D(i) 的维数均为为    。根据使用的层数目 v 的不同， D(i) 和 U 的取

值参见表 3-3 所示。

表 3-3 大延时情况下的循环延时分集（CDD）

层数  U D(i)

2 1 1 1  1 0 
1 e  j 2 2  0 e  j 2i 2 
2   
1 1 1  1 0 0 
1   j 4 3  0 e  j 2i 3 0 
3  j 2 3
1 e e
3   j 4 3  j 8 3



1 e e 0 0 e  j 4i 3 
1 1 1 1  1 0 0 0 
1 e  j 2 4 e  j 4 4 e  j 6 4  0 e  j 2i 4 0 0 
4 1  

2 1 e  j 4 4
e  j 8 4
e  j12 4
 0 0 e  j 4i 4 0 
  j 6 4  j12 4  j18 4   
0 0 0 e  j 6i 4 
1 e e e 
表 3-4 给出了 2 天线情况下预编码矩阵 W (i) 在没有时延和大时延的取值。

表 3-4 空间复用所使用的码本( p  0,1 )

码本号 层数 
1 2
0 1 1 1 1 0
  
2 1 2 0 1
1 1 1 1 1 1 
   
2 1 2 1 1

2 1 1  1 1 1 
   
2  j 2  j  j

3 1 1 -
 
2  j 

对 于 4 天 线 端 口 情 况 下 的 传 输 ， 即 p 0,1, 2,3 ， Wn 表 示 从 矩 阵
{ s}

Wn  I  2ununH unH un 中第 {s} 列构成的矩阵，其中 I 为 4  4 的单位矩阵，向量 un 也

由表 3-5 给出。

29
 电子科技大学硕士学位论文

表 3-5 4 天线端口情况下
码本号 un 层数 
1 2 3 4
0 u 0  1  1  1  1T W0{1} W0{14} 2 W0{124} 3 W0{1234} 2

1 u1  1  j 1 j T W1{1} W1{12} 2 W1{123} 3 W1{1234} 2

2 u 2  1 1  1 1T W2{1} W2{12} 2 W2{123} 3 W2{3214} 2
3 u3  1 j 1  j T W3{1} W3{12} 2 W3{123} 3 W3{3214} 2
4 
u4  1 (1  j ) 2  j (1  j ) 2 T
W4{1} W4{14} 2 W4{124} 3 W4{1234} 2
5  1 2 W5{1} W5{1234} 2
T
u5 (1  j ) 2 j (1  j ) W5{14} 2 W5{124} 3
6  1 2 W6{1} W6{1324} 2
T
u6 (1  j ) 2  j (1  j ) W6{13} 2 W6{134} 3
7  1 2 W7{1} W7{1324} 2
T
u7 (1  j ) 2 j (1  j ) W7{13} 2 W7{134} 3
8 u8  1  1 1 1T W8{1} W8{12} 2 W8{124} 3 W8{1234} 2
9 u9  1  j  1  j T W9{1} W9{14} 2 W9{134} 3 W9{1234} 2

u10  1 1 1  1T
{1} {1324}
10 W10 {13}
W10 2 {123}
W10 3 W10 2

u11  1 j T
{1} {1324}
11 j 1 W11 {13}
W11 2 {134}
W11 3 W11 2

u12  1  1  1 1T
{1} {1234}
12 W12 {12}
W12 2 {123}
W12 3 W12 2

u13  1  1 1  1T
{1} {1324}
13 W13 {13}
W13 2 {123}
W13 3 W13 2

u14  1 1  1  1T
{1} {3214}
14 W14 {13}
W14 2 {123}
W14 3 W14 2

u15  1 1 1 1T
{1}
15 W15 {12}
W15 2 {123}
W15 3 W15{1234} 2

在针对空间复用模式下进行解预编码时，首先判断是否使用循环时延分集。
然后根据不同的层数目 v 和码本索引 PMI 从表 3-3 至表 3-5 中查找出 D(i) 、 U 和
预编码矩阵 W (i) 的取值。由此根据 H E  W (i) D(i)U 计算出等效空间矩阵 H E 。最后
由 式 (3-8) 可 将 预 编 码 输 入 y (i )  y ( 0) (i )  y (1) (i ) 
T
解 预 编 码 得 到 输 出 x(0) (i) 到
x( v 1) (i) 。
3、传输分集模式解预编码
与空间复用模式预编码类似，在进行传输分集预编码之前需要进行传输分集
层映射。传输分集模式预编码有 2 天线和 4 天线两种情况。解预编码的输入为
T T
y(i)  ... y ( p ) (i) ... ，输出是 x(i)   x(0) (i) ... x( 1) (i)  ，在 2 天线情况下的传
输根据公式(3-9)，在 4 天线情况下根据公式(3-10)中给出的等式求反过程，可以求
解出解预编码的输出。

30
 第三章 LTE 下行链路基带系统分析及仿真设计

 Re  x (0) (i )  
 y (0) (2i )  1 0 j 0  
 (1)
 y (2i )   1 
 0 1 0 j 

Re  x (1)
( i )  
 (3-9)
 y (0) (2i  1)  2 0 1 0 j   Im  x (0) (i )  
 (1)    
 y (2i  1)  1 0  j 0 
 Im  x (1)
(i )  


其中， i  0,1,..., M symb

layer
 1 ，并且 M symb
ap
 2M symb
layer
。
 y (0) (4i )  1 0 0 0 j 0 0 0
 (1)  0 0
 y (4i )   0 0 0 0 0 0 
 y (2) (4i )  0 1 0 0 0 j 0 0
 (3)   
 y (4i )  0 0 0 0 0 0 0 0   Re  x (0) (i )  
 y (0) (4i  1)   
0 1 0   Re x (1) (i ) 
 (1)  
0 0 0 j 0
  
 y (4i  1)  0 0 0 0 0 0 0 0  
 y (2) (4i  1)   Re  x (2) (i)  
1 0 0 0 j 0 0 0  
   
0   Re  x (i )  
(3)
 y (4i  1) 
(3)
1 0 0 0 0 0 0 0
 
 (0)   0   Im  x (0) (i )  
(3-10)
 y (4i  2)  2 0 0 0 0 0 0 0
 
 y (1) (4i  2)  0 0 0 
 (2)  
1 0 0 0 j

0 
Im  x (1)
(i )  

 y (4i  2)  0 0 0 0 0 0 0
 Im  x (2) (i )  
 y (3) (4i  2)  0 0 0 1 0 0 0 j  
 (0)   
 y (4i  3)  0 0 0 0 0 0 0 0   Im  x (3) (i )  
 y (1) (4i  3)  0 0 0 1 0 0 0 j
 (2)   
 y (4i  3)  0 0 0 0 0 0 0 0
 (3)  0 0 j 0 
 y (4i  3)   1 0 0 0

 4M symb
layer ( 0)
if M symb mod 4  0
其中 i  0,1,...,M symb
layer
 1 并且 M symb 
 
ap

 4M symb  2 if M symb mod 4  0


layer ( 0)

3.2.4.2 解层映射模块
T
去层映射将一个或者多个层上的向量块 x(i)   x(0) (i) ... x(  1) (i ) 作为输
入，映射到每一个码字的复值调制符号 d ( q ) (i ), d ( q ) ( M symb
(q)
 1) 中。其中 v 表示层数
目， M symb
(q )
表示在每一层的调制符号个数。
在发送端根据天线数和发送方式的不同采用了三种方式来进行层映射，所以
在接收端解层映射也要根据在发射端的层映射时采用了什么方式，然后根据层映
射是单天线、空间复用还是传输分集分别进行，求解得到输出矩阵。
1、单天线端口去层映射
这个时候只需要将输入直接输出，这是因为层和码字数目均是为 1，具体表述
如公式(3-11)：
d (0) (i )  x (0) (i ) ， M symb  M symb
(0) layer
(3-11)

31
 电子科技大学硕士学位论文

2、空间复用去层映射
空间复用去层映射是空间复用层映射的逆过程，根据层数目和码字数目的不
同有 5 种组合。具体去层映射函数映射关系如表 3-6 所示

表 3-6 在空间复用模式下层映射到码字流的映射关系
层数v 码字数 层到码字的映射 i  0,1,...,M symb
layer
1
1 1 d (0) (i )  x (0) (i ) (0)
M symb  M symb
layer

d (0) (i )  x (0) (i ) (0)

M symb  M symb
layer

2 2
d (1) (i )  x (1) (i ) (1)
M symb  M symb
layer

d (0) (2i )  x (0) (i )

2 1
(0)
M symb  2M symb
layer

d (0)
(2i  1)  x (i )
(1)

d (0) (i )  x (0) (i ) (0)

M symb  M symb
layer

3 2 d (1) (2i )  x (1) (i ) (1)

M symb  2M symb
layer

d (1) (2i  1)  x (2) (i )

d (0) (2i )  x (0) (i )

d (0) (2i  1)  x (1) (i )

(0)
M symb  2M symb
layer

4 2
d (1) (2i )  x (2) (i ) (1)
M symb  2M symb
layer

d (1) (2i  1)  x (3) (i )

3、传输分集去层映射
在传输分集模式下，因为只能对一个码字流进行分集，所以映射的层数目只
能是 2 和 4。层数目为 2 时的去层映射结构如图 3-12 所示，此时 M symb  2 M symb 。
(0) layer

ap
层数目为 4 时的去层映射结构如图 3-13 所示，且如果 M symb 可以被 4 整除，
(0)
M symb  4 M symb
layer
，否则， M symb  4 M symb  2 。
(0) layer

x (0) (i ) x (0) (i )  d (0) (2i)

并
层0 d (0) (i )
串
x (1) (i )  d (0) (2i  1) 变
x (1) (i ) 换
码字流0
层1

图 3-12 层数目为 2 时传输分集去层映射

32
 第三章 LTE 下行链路基带系统分析及仿真设计

x (0) (i ) x (0) (i )  d (0) (4i )

层0
x (1) (i ) x (1) (i )  d (0) (4i  1) 串
层1 并 d (0) (i )
x (2) (i ) x (2) (i )  d (0) (4i  2) 变 码字流0
换
层2
x (3) (i ) x (3) (i )  d (0) (4i  3)
层3

图 3-13 层数目为 4 时传输分集去层映射

3.2.5 解调模块
本模块采用软解调的方式进行解调，解调方式可以根据 LTE 协议中规定的
QPSK、16QAM、64QAM 三种中的任一种进行解调。
软解调就是计算软判决值得一个过程，这个判决之是当接收信号为 r 时，发射
信号比特为 1 与为 0 的概率比对数。
假设调制后的信号为：
s  {bI ,1bI ,2  bI ,m }  j{bQ,1bQ,2  bQ,m }  sI  jsQ (3-12)

其中 s I 和 sQ 分别表示调制信号的 I 路分量和 Q 路分量。

解调模块接收到的信号为： r  rI  jrQ ， rI 和 rQ 分别是信号的实部分量和虚部
分量。rI 和 rQ 分别是由发送的信号通过信道叠加了信道噪声得到的实部和虚部接收
信号。 rI  sI  nI , rQ  sQ  nQ ， nI 和 nQ 是方差为  2 的白噪声的正交分量。
以 I 支路的第 k 个比特 bI ,k 为例，bI ,k =1的集合记为 S I(1),k ，bI ,k =0的集合记为 S I(0)
,k 。

通过推导我们可以得到计算LLR的近似公式：
1  
LLRbI ,k  2 
min (rI  sI )2  (rQ  sQ )2   min
( 0)  (1) 
(rI  sI ) 2  (rQ  sQ ) 2   (3-13)
2  I ,k
sS sS I ,k 
从式(3-13)中可以看到的使要得到确定的 LLR 公式是需要将分量幅值和坐标
整数倍多次比较才能够得到的。对于 QPSK 我们使用此公式来计算各比特的软判
决信息。但是对于 16QAM 和 64QAM 等高阶调制，使用此公式其计算复杂度较高，
因此我们采用边界法来计算 16QAM 和 64QAM 的比特软信息。
定义 DI ,k 为接收信号同相分量 rI 与 bI ,k 最近的判决边界之间的距离。


rI k =1
DI ,k   p  k 1 (3-14)
 DI ,k 1  2
 d k >1

定义 E(bI ,k ) 为编码比特 bI ,k 的可靠性级别： E(bI ,k )  e, e [1, 2,  p] ， e  1 表示

33
 电子科技大学硕士学位论文

可靠性级别最高， e  p 表示可靠性级别最低。定义示性函数：


1 星座图最右侧一列星座点对应的bI ,k  1
I (bI ,k )   (3-15)

0 星座图最右侧一列星座点对应的bI ,k  0

对于 {bQ ,k }k  1, 2,  p 计算方法类似，只需将示性函数修改为：


1 星座图最上面一行星座点对应的bQ ,k  1
I (bQ ,k )   (3-16)

0 星座图最上面一行星座点对应的bQ ,k  0

边界法求 LLR 的流程图如图 3-15 所示，QPSK、16QAM 和 64QAM 的软解调

的各比特的软比特信息如表 3-7 所示。

表 3-7 QPSK、16QAM 和 64QAM 的软解调的各比特的软比特信息

1  
QPSK LLRbI ,k  2 
min (rI  sI )2  (rQ  sQ )2   min
( 0)  (1) 
(rI  sI ) 2  (rQ  sQ ) 2  
2 sSI ,k sS I ,k 

1 1 1
LLRbI ,0   rI ， LLRbQ ,0   r ， LLRbI ,1  ( rI  2d ) ，
2 2
2 2 Q
2 2
( rQ  2d ) ，其中 d  1 10 ，
16QAM 1
LLRbQ ,1 
2 2

软解调的输出为 ( LLRbI ,0 , LLRbQ ,0 , LLRbI ,1 , LLRbQ ,1 )

1 1 1
LLRbI ,0   rI ， LLRbQ ,0   r ， LLRbI ,1  ( rI  4d ) ，
2 2
2 2 Q
2 2
1 1
LLRbQ ,1  ( rQ  4d ) ， LLRbI ,2  ( rI  4d  2d ) ，
64QAM 2 2
2 2

( rQ  4d  2d ) ，其中 d  1
1 42 ，
LLRbQ ,2 
2 2

软解调的输出为 ( LLRbI ,0 , LLRbQ ,0 , LLRbI ,1 , LLRbQ ,1 , LLRbI ,2 , LLRbQ ,2 )

34
 第三章 LTE 下行链路基带系统分析及仿真设计

确定p个比特各自的 E(bI , k )

计算 DI , k k  1, 2,  p

否
k<=p 输出LLR

否
I (bI , k ) =1

是
1 1
LLRbI ,k  DI , E ( bI ,k ) LLRbI ,k   DI , E ( bI ,k )
2 2 2 2

k=k+1

图 3-15 边界法求 LLR 的流程图

3.2.6 解比特级处理模块
LTE 下行接收系统的解比特级处理模块是比特级处理模块的逆过程，比特级
处理过程主要包括 CRC 校检、码块分割、Turbo 编码、速率匹配、码块级联和加
扰六个过程，由此可以得出解比特级处理的流程图，如图 3-16 所示。

解扰 解码块级联 解速率匹配 Turbo码译码 码块合并 解CRC

图 3-16 解比特级处理流程图

（1）解扰
解扰的实现就是与加扰相同的伪随机序列与经过信道传输后的序列直接进行
模 2 加就可以恢复出加扰之前的序列。经信道传输后数据记为 b (0),..., b (M bit  1) ，
伪随机序列 c(i) ，解扰后序列为 b(0),..., b(M bit  1) ，则解码算法为：


b(i)  b (i)  c(i) mod 2  (3-17)

扰码序列是一个长度为 31 的 Gold 码。它输出的序列 c(n) 长度为 M PN ，

n  0,1,..., M PN  1 ，产生过程如下：

c(n)   x1 (n  NC )  x2 (n  N C )  mod 2
x1 (n  31)   x1 (n  3)  x1 (n)  mod 2 (3-18)
x2 (n  31)   x2 (n  3)  x2 (n  2)  x2 (n  1)  x2 (n)  mod 2

35
 电子科技大学硕士学位论文

N C  1600 ，m 序列的第一个序列初始化为： x1 (0)  1, x1 (n)  0, n  1,2,...,30 . m

序列的第二个序列的初始值可由 cinit  i 0 x2 (i)  2 得到。cinit 根据不同信道类型可
i 30

以有不同的取值的取值，具体可查询 3gpp 协议。其中 PDSCH 的 cinit 为：

cinit  nRNTI  214  q  213  ns 2  29  NID

cell
(3-19)
cell
其中，， N ID 为小区的编号， ns 代表了不同时隙的序号， nRNTI 为 RNTI 的值，
(q)
M bit 表示当码字编号为 q 时的比特数目，q 的取值在一帧数据中最大只能为 2。
（2）去码块级联
对解扰后的数据，根据分块的大小和个数，按顺序取出每个分块数据。
（3）去速率匹配
在去码块级联后，每个分组的 E 个符号进行去速率匹配操作。即首先是把被
裁减的冗余比特位置上添 0，得到完整的译码输入比特组。然后将译码输入比特组
分为 3 组。然后分别进行解交织过程，得到 3 组输出数据。
（4）Turbo 码译码
在本文中采用的 Turbo 译码器的结构框图如图 3-17 所示，Turbo 译码算法主要
有基于最大后验概率运算进行译码的 MAP 算法和软输出维特比算法，在本系统提
供的了三种算法，用户可以自行选择其中一种译码算法。这 3 种算法对误码率的
影响如图 3-18 所示，其中迭代次数为 3，序列长度为 1024，调制方式为 BPSK。
从 仿 真 结 果 可 以 看 出 在 误 码 率 性 能 方 面 ， Log-MAP 算 法 性 能 最 好 ，
MAX-Log-MAP 算法由于在 Log-MAP 算法的基础上简化了计算，所以性能相比
Log-MAP 算法差些，软输出解码算法是三种算法中性能最差的。但是三种算法的
复杂度关系是 Log-MAP>MAX-Log-MAP>SOVA，因此在实际应用中常常使用复杂
度和性能均适中的 MAX-Log-MAP 算法，本系统中给出了三种算法可供用户选择，
用户可根据当前的无线环境和性能需求选择适合自己的算法。

Turbo
Code 交织器
外信息

软判决输
信息位 Turbo 出
DEC1 DEC2
Code 交织器
校验位1 硬判
Turbo code 决
校验位2 解交织器

图 3-17 Turbo 码译码结构图

36
 第三章 LTE 下行链路基带系统分析及仿真设计

0
10
Log-MAP
-1
10 MAX-Log-MAP
SOVA
-2
10

-3
10

-4
10
误码率

-5
10

-6
10

-7
10

-8
10

-9
10
0 0.5 1 1.5 2 2.5
EbN0db

图 3-18 序列长度为 1024 时不同一码算法对误码率的影响

（5）码块合并和解 CRC
图 3-19 给出了码块和并和 CRC 检测处理的流程图，根据图中展示的原理就可
以得到最终的输出数据，即发射端发射的伪随机数。
CB0 CB1 TB CB2
CB0 CB1 CB2
CRC CRC CRC CRC
TB
解CB CRC处理 CB0 CB1 CB2
CRC
TB
码块合并 传输块（TB） CRC

解TB CRC处理 传输块（TB）

图 3-19 码块合并和 CRC 校验过程

3.3 本章小结
本章主要是针对 LTE 下行链路，根据 LTE 物理层协议，给出了 LTE 下行共享
信道物理层基带系统的设计结构框图和仿真平台的信号处理流程图。针对接收系
统，详细对接收系统的各模块进行分析，给出各模块的仿真平台的设计方案，主
要包括六大模块，并且分析对比了 Log-MAP 算法、MAX-Log-MAP 算法和 SOVA
算法三种 Turbo 译码算法对系统误码率的影响。本章内容为本文系统平台设计和搭
建提供了平台设计方案和理论支撑。

37
 电子科技大学硕士学位论文

第四章 LTE 下行链路信道估计算法研究

基站接收端通过对信道进行估计，对经过信道后接收到的经过衰落了的信号
的幅度和相位进行修正，经过修正后的信号能够为接收机后续信号处理过程的准
确性提供保障。此外，例如自适应编码调制和波束形成，发送端能够利用接收端
做信道估计得到的信道的状态信息来进行自适应的调度以及分配不同的资源，接
收端的链路自适应也必须获得信道的信息以作为自适应的判断依据。因此，信道
估计模块在接收系统中是必不可少的一个模块，进行信道估计算法研究也一直是
移动通信系统的重点和难点。在实际 LTE 链路过程中的信道估计模块的算法可以
分为两部分来完成：一是参考信号（导频）处的信道估计，即对已知的导频符号
信号处理，获取信道信息，并尽量抑制干扰；二是数据载波处的插值，也就是根
据已经得到的参考信号处的估计值来建立插值的数学算式，根据插值算法得到信
道冲激响应。因此本章分为两部分来进行 LTE 下行信道估计算法的研究。

4.1 导频处的信道估计算法分析
4.1.1 LTE 下行参考信号分布
LTE 下行定义了三种参考信号，但是这三种信号每种信号都至少在每一个天
线端口会分布一个，并且这三种导频中的小区参考信号是在小区内的每个用户中
都有分布的，因此本章的本节主要介绍小区参考信号。如图 4-1 所示是 LTE 下行
参考信号的映射图，图 4-1 的(a)(b)(c)中分别给出了单天线、两天线和 4 天线的导
频信号。
R0 表示天线端口0上发送的参考符号
R0 R0
1个天线端口

R1 表示天线端口1上发送的参考符号

R0 R0 R2 表示天线端口2上发送的参考符号

R3 表示天线端口3上发送的参考符号
R0 R0

表示该天线端口上不用于发送的RE
R0 R0
l  0 l  0 l  6 代表RE (k,l)

(a)

38
 第四章 LTE 下行链路信道估计算法研究

R0 R0 R1 R1

2个天线端口
R0 R0 R1 R1

R0 R0 R1 R1

R0 R0 R1 R1

l 0 l 0 l 6 l 0 l 0 l 6

(b)

R0 R0 R1 R1 R2 R3

4天线端口
4天线端口

R0 R0 R1 R1 R2 R3

R0 R0 R1 R1 R2 R3

R0 R0 R1 R1 R2 R3
l0 l0 l6 l0 l0 l6 l0 l0 l6 l0 l0 l6
偶数时隙 奇数时隙 偶数时隙 奇数时隙 偶数时隙 奇数时隙 偶数时隙 奇数时隙
天线端口0 天线端口1 天线端口2 天线端口3

(c)

图 4-1 下行参考信号映射
(a) 单天线的下行导频信号映射；(b) 2 天线端口的下行参考信号映射；(c) 4 天线端口的下行参
考信号映射

对于 LTE eNodeB 的每一个天线端口，需要设计不同的参考序列，以求多天线

传输时可以使干扰最小化。三种不同类型的参考序列采用的都是 QPSK 恒模调制
方式，这可以保证较低的均峰比。小区专用参考信号序列的值为：
 1 1
 2j 2

 1 1
 2  j 2
rl ,ns  (4-1)
 1  j
1
 2 2

 1  j
1
 2 2

4.1.2 基于导频的信道估计算法研究
4.1.2.1 LS 算法

在频域上的接收信号设为：
Y (k )  X (k ) H (k )  W (k ) (4-2)

39
 电子科技大学硕士学位论文

在公式(4-2)中，W (k ) 代表的是频域白噪声，H (k ) 代表位置为 k 的子载波的信

道 频 域 冲 激 响 应 。 利 用 最 小 二 乘 (LS) 准 则 ， 即 求
min{(YP  X P H P, LS ) H (YP  X P H P, LS )} ，得到 LS 信道估计方法：
T
^  Y (0) YP (1)
1 YP ( N P  1) 
H P , LS  X Y   P 
 X P (0) X P (1) X P ( N P  1) 
P P

(4-3)
其中，X P是导频位置的发送信号，
YP是导频位置的接收信号，N P为导频数

均方误差 MSE 为：
^ 2 ^ 2

E H P , LS  H trace( E H P , LS  H )
MSE     N2
N N (4-4)
由于没有考虑信道噪声和干扰的影响，所以由公式（4-4）所示的均方误差值
计算出来会比较高。这就凸显了 LS 算法的重大缺点，就是估计性能不高，但是优
点是实现较为简单。

4.1.2.2 一种基于快速傅里叶变换的 LS 改进算法

为了解决传统 LS 算法的问题，并且保证运算复杂度的情况下，在传统算法的
基础上提出了一种基于 FFT 变换的改进 LS 算法。实际的多径信道根据采样是否为
整数倍的情况不同而会产生不同的后果，当信道以非整数倍进行采样时，会产生
信道能量泄露的问题；当信道以整数倍采样时，信号能量比较集中，没有泄露的
问题。但是在实际信道通路在采样时受到不同因素的影响，多半是不可能为整数
倍采样的，所以才需要对传统算法进行改进。改进算法的实现框图如图 4-2 所示。
^
h LS (n) 加窗，设置门限
所有子载波 ^ ^
IFFT max(h LS (n)) 2 FFT
的LS估计值 H LS (k ) 
SNR

图 4-2 基于 FFT 变换的 LS 算法

以一个 OFDM 符号为单位，基于 FFT 变换的 LS 信道估计算法的可以由以下

过程来得出：
（1）先用传统算法估计出这个单位信号内经过 LTE 信道的粗估计值。
（2）将这个符号上的估计值进行反变换，得到时域响应值，即：
^ ^ ~
h LS (n)  IFFT [ H LS (k )]  h(n)  n(n),0  n  N  1 (4-5)

40
 第四章 LTE 下行链路信道估计算法研究

（3）将时域信道粗估计值通过一个加窗滤波器，滤波器的窗门限值为
^
[ Max(h LS (n))]2
  (0    1) ，  为一个调整系数，本文中取 0.5。如果信道的时
SNR
域响应值大于门限值  ，就保留这个响应值，否则就被看做为噪声，并设为 0，即：
^ ^ 2
~
 LS
h ( n ) , 当 h ( n )  时
h( n)  
LS
(4-6)
0 ，其他

~
（4）将时域加窗后的响应值 h(n) 变换到频域，就可得到改进算法的估计值，
如公式(4-7)所示：
~ ~
H FFT (k )  FFTN [h(n)] ,0  k  N  1 (4-7)

改进的算法能够有效改善传统算法带来的信号能量泄露问题，并且能够降低
噪声带来的影响，除此之外还可以减弱对采样率的需求。

4.1.2.3 多天线时域 LS 算法

多天线技术是 LTE 系统的关键技术和重要特点，所以在进行估计的时候有必

要考虑多天线的 LS 估计算法。多天线时域 LS 估计算法框图如图 4-3 所示。对多
天线来说，LS 估计器实际上就是一个解相关器，接收信号通过和伪矩阵相乘分理
处信道特性。假设接收端知道每径的具体时延，但不知道每径的确切增益。
Tx1 Tx1

IFFT FFT
Tx2 Tx2
MIMO . IFFT
.
FFT MIMO
.
Tx . .
. Rx
. . Tx MT Tx MR
.
IFFT FFT

多天线LS信道估计 h T2F H

导频 生成TW 共轭 W
序列 求逆
矩阵 转置

图 4-3 多天线时域 LS 算法

接收到的一维列向量可以得到接收信号的矩阵表达，即：
y  TWN h  n (4-8)

其中 y  [ y(0), y(1),, y( N  1)]T , { y (k )}, k  0,1, , N  1 代表第 k 个子载波的信

41
 电子科技大学硕士学位论文

ti (0) 0 0 
0 ti (1) 0 
号；T  [T1 , T2 , , TM T ] , Ti    , {t (k )} 代表第 i 个天线，第 k 个
  i
 
0 0 ti ( N  1) 
子载波上的发送信号。
W 0  0
0  1  1 
W  0  
WN    ，W       是 N*L 的傅
  
  e  j 2  ( N 1) / T
e  j 2  ( N 1 ) L 1 u 
/ T
 
0 u

0 0  W  M M
T T

里叶变换矩阵。  i 是每径的时延， Tu 是 OFDM 符号周期。

h  [h1T , h2T , , hMT T ]T (4-9)

hi  [hi (0), hi (1),, hi ( L  1)]T 表示从第 i 个天线发射的信道的增益，则用 LS 算

法估计得到的信道冲击响应为：
^
h LS  ((TWN ) H (TWN ) 1 (TWN ) H ) y
 h  (WNH T H TWN ) 1WNH T H n (4-10)
^ ^ ^
 [h1 , h 2 , , h M T ]

式(4-10)得出的是时域的 LS 估计值，则频域的估计值为：
^ ^
H i  W hi , i  1,2,, M T (4-11)

4.1.2.4 频域维纳滤波估计算法

频域维纳滤波估计算法在进行估计时，算法性能相对导频估计算法而言是要
优的多，但是缺陷就是运算复杂度比较高，频域维纳滤波是基于误差的 2 范数的
平均算式实现的。频域维纳滤波信道估计算法常见的算法是基于最小均方误差准
则的算法以及其演变算法。因为 LTE 多径信道可以看成是一个时频二维信号，可
以通过分别进行时域和频域的估计来降低算法复杂度。
^ ^
也就是使得 E{( H  H MMSE ) H ( H  H MMSE )} 最小得到的估计值 H MMSE ，即：
^ ^
hmmse  Rhh F H ( RH P H P   n2 ( X P X PH )1 )1 H P, LS (4-12)
^
其中 Rhh  E{hh H } , RH P H P  FRhh F H 为信道自相关矩阵 ， H P , LS 是 LS 估计的频
域响应。
公式(4-13)是全部频域信道的 MMSE 估计，这是因为 MMSE 算法具有线性变
换不变性，即：

42
 第四章 LTE 下行链路信道估计算法研究
^ ^
H MMSE  G h mmse
^
 GRhh F H ( RH P H P   n2 ( X P X PH ) 1 ) 1 H P , LS (4-13)
^
 RHH P ( RH P H P   n2 ( X P X PH ) 1 ) 1 H P , LS

相应的导频子载波处的频道信道 MMSE 估计值可表示为：

^ ^
H P , MMSE  F h mmse
^
 FRhh F H ( RH P H P   n2 ( X P X PH ) 1 ) 1 H P , LS (4-14)
^
 RH P H P ( RH P H P   n2 ( X P X PH ) 1 ) 1 H P , LS

由公式(4-14)可以看到，对于 MMSE 算法来说每次估计都需要进行大量的矩

阵算式的求转置求逆求乘积等等复杂运算，这大大地增加了估计算法实现的复杂
H 1 H 1
度。所以用 E{( X P X P ) } 代替 ( X P X P ) 来降低复杂度，得到简化的线性最小均方
误 差 (LMMSE) 估 计 算 法 。 对 于 等 概 率 星 座 映 射 来 说 ， 则 有
E{( X P X P H )1}  E{|1 X P, K |2}  I ， 依 赖 于 星 座 图 的 平 均 信 噪 比 可 以 表 示 为
S N R {E| 1 PX, K 2 | } / 2n  
, E { | 1X
,P K
2
P | K ，且| }只与映射方式有关，对
| E} ,{X 2

64 QAM 调制，  =2.68，16QAM 调制时  =17/9，QPSK 调制时  =1。

因此可以得到 LMMSE 估计算法，算法的数学算式如公式(4-15)所示，即：
^ ^
H LMMSE  RHH P ( RH P H P   n2 ( X P X PH ) 1 ) 1 H P , LS
^
 RHH P ( RH P H P   n2 E{( X P X PH ) 1}) 1 H P , LS (4-15)
 ^
 RHH P ( RH P H P  I ) 1 H P , LS
SNR

信道的自相关矩阵可以表示为：
  L(
1
2  j
m n
) 
 1  e  rms NP

RHH  E ( HH )  [rm,n ]  
H

L
 (4-16)
 rms (1  e rms )[  rms  2 j N P ] 
 1 m  n

^ ^ 2

则均方误差的计算公式可以表达为 MSE ( H m )  E ( H m  H m ) 。

4.1.2.5 SVD-LMMSE 算法

为了减少 LMMSE 算法的运算复杂度，采用矩阵的奇异值的分解原理对最小

均方误差估计算法的相关矩阵的奇异值对矩阵变换的低阶近似。 RH 的奇异值分解

43
 电子科技大学硕士学位论文

可以表示为 RH  UU H ，其中 U 为酉阵且包含了正交向量，  是奇异值从大到小

排列的对角矩阵。则式(4-15)的估计值可以写成：
^ ^
H SVD  UU H H LS (4-17)

其中，  是对角阵，可以表示为：
 
  1 N 
   (  I ) 1  diag 
 
, , (4-18)
SNR 
 1  N  
 SNR SNR 

由此可以得到 LMMSE 算法的 n 阶最佳近似算法 SVD-LMMSE 算法为：

^  0 H ^
H SVD  U  n  U H LS (4-19)
0 0 

4.1.3 算法的仿真分析和比较
在 LTE 系统中，当信道质量较优且终端移动速度不太高时，就比较适合将天
线配置设置为 SISO 的状态。选取信道质量最优的 EPA 信道进行仿真分析，调制
方式可以选择 QPSK、16QAM 和 64QAM 三种，仿真时以一个子帧为单位，考虑
一个子帧内的误码率。具体仿真参数为：调制方式 QPSK/16QAM/64QAM，FFT
点数 512,天线数为 1 发 1 收，CP 长度为 36，有效子载波 300，每子帧导频数 200，
采样间隔 30.72MHz，OFDM 符号数 14，子载波间隔 15kHz，信道类型 EPA。如图
4-4 所示的是 QPSK 下 LS、LMMSE、SVD-MMSE 和改进 LS 的信道估计算法下估
计的误码率和均方误差。如图 4-5 和图 4-6 分别给出的是 16QAM 和 64QAM 下 LS、
LMMSE、SVD-MMSE 和改进 LS 的信道估计算法下估计的误码率和均方误差。
0 LS、 LMMMSE、 SVD-MMSE、 基 于 FFT的 LS算 法 的 误 码 率 比 较
10

-1
10

-2
10
BER

-3
10
LS
-4 LMMSE
10
SVD-MMSE
-5 基 于 FFT的 LS算 法
10

-6
10
2 4 6 8 10 12 14 16 18 20
SNR(dB)

(a) 误码率对比图

44
 第四章 LTE 下行链路信道估计算法研究

-1LS、 LMMMSE、 SVD-MMSE基 于 FFT的 LS算 法 的 均 方 误 差 比 较

10
LS
LMMSE
SVD-MMSE
-2 基 于 FFT的 LS算 法
10

MSE
-3
10

-4
10
10 15 20 25 30
SNR(dB)

(b) 均方误差对比图
图 4-4 QPSK 下 LS、LMMSE、SVD 和 LS-FFT 估计算法的误码率和均方误差比较

0 LS、 LMMMSE、 SVD-MMSE、 基 于 FFT的 LS算 法 的 误 码 率 比 较

10

-1
10

-2
10
BER

-3
10
LS
-4
10 LMMSE
SVD-MMSE
-5 基 于 FFT的 LS算 法
10

-6
10
2 4 6 8 10 12 14 16 18 20
SNR(dB)

图 4-5 QPSK 下 LS、LMMSE、SVD 和 LS-FFT 估计算法的均方误差比较

0LS、 LMMMSE、 SVD-MMSE、 基 于 FFT的 LS算 法 的 误 码 率 比 较

10

-1
10

-2
10
BER

-3
10

-4
10
LS
-5 LMMSE
10
SVD-MMSE
基 于 FFT的 LS算 法
-6
10
2 4 6 8 10 12 14 16 18 20
SNR(dB)

图 4-6 64QAM 下 LS、LMMSE、SVD 和 LS-FFT 估计算法的均方误差比较

45
 电子科技大学硕士学位论文

图 4-4~图 4-6 给出了在不同调制情况下，四中信道估计算法的误码率曲线和

16QAM 下的均方误差曲线，随着信噪比的增加，误码率会减小。将三种调制方式
的误码率曲线对比可知，对 LS 算法来说，要达到误码率 0.0001 在 QPSK 调制方
式下要信噪比接近 20.5dB，在 16QAM 下要信噪比达到 21.3dB，在 64QAM 下要
23dB。LMMSE 算法比 LS 算法在 QPSK 下最大存在 2.2dB 的增益，在 16QAM 下
最大存在约 2.7dB 的增益，在 64QAM 下最大存在 4dB 的增益。由此可以看出，随
着调制方式增加，LMMSE 算法相对于 LS 算法性能也在增加。在三种调制方式下，
SVD-LMMSE 算法与 LMMSE 算法相差并不是很大，随着信噪比的增大，LMMSE
算法更加优越，但是 SVD-LMMSE 算法复杂度比 LMMSE 算法低，所以在实际应
用中也常用 SVD-LMMSE 算法。对比基于快速傅里叶变换的改进 LS 算法和 LS 算
法可以知道，在低噪声比的情况下改进 LS 算法要优于 LS 算法，但是随着 SNR 值
的增加出现了平底效应，影响了信道估计的性能。这是由于 LTE 信道在进行信道
采样时的采样率不是整数时，信号会有部分泄露到整个载波频段中造成了泄露问
题，降噪处理时忽略了部分噪声大于信号能量的信号。
由上述分析可知，LMMSE 算法的性能最优，能够使满足误码率达到 0.0001
和均方误差达到 0.001 时的信噪比最低，能够满足测试仪器对低信噪比的需求。因
此，在导频子载波处的估计算法应该选择 LMMSE 算法。

4.2 数据载波的插值算法研究
在 LTE 系统中除了信号需要经过信道，还会在信号中插入导频信息，让其随
着信号一起通过信道，以此方便在接收系统中做估计算法。而在信道估计时，接
收系统就会先通过已知的参考信号进行估计得出信道响应值，然后再根据得到的
信道响应值和参考信号在整个信号中的位置，来建立数学插值算法估计出整个信
号的响应值。在本节中将分析和仿真对比几种常用插值算法。

4.2.1 一阶多项式插值算法
一阶多项式插值算法的原理是利用在上文的 4.1.2 节中所介绍的导频估计算法
估计出的两个邻近的导频信号的信道响应来构建线性方程，根据一元线性方程进
行插值来计算出数据子处的信道响应。则第 k 个子载波，其信道频域响应为：
^ ^ ^ 1 ^ ^
H (k )  H (mL  l )  H P (mL)  {H P [(m  1) L]  H P (mL)}
L
k  mL  l ,0  l  L (4-20)

其中，L 为导频子载波之间的距离，m 为导频的位置。

46
 第四章 LTE 下行链路信道估计算法研究

这个算法的优点就是实现简单，但是准确度不是很高，并且极大程度上和参
考信号在资源栅格上的映射的位置距离息息相关。因此只有在导频之间的距离较
小时，线性插值算法才能有较好的估计性能。

4.2.2 二阶多项式插值算法
这个算法是利用进行二阶多项式原理计算处相邻的前后三个参考信号的信息
之后在将其他数据处信息进行插值后得出，即得到的信道频域冲激响应在第 k 个
数据载波处的响应值，即：
^ ^ ^ ^
H (mL  l )  C1 H P (m  1)  C0 H P (m)  C1 H P (m  1) (4-21)

 (  1)  (  1) 1
其中， C1  , C0  (  1)(  1), C1  ,  。
2 2 L
二阶多项式算法相比于一阶多项式插值算法来说，对导频间隔的要求要小一
些，因此二阶算法要比一阶算法的性能要好，但是它的计算复杂度也要更高。

4.2.3 三次样条插值算法
三次样条插值算法可以把曲线的实时变化更真实地反映出来。在进行三次样
条插值时，由于在插值过程中应用了更多的点，因此在估计点旁边的曲线特性相
比线性插值和二阶插值可以更好地体现出来。第 k 个子载波的信道响应为：
l l l l
H (k )  H (mL  l )  (1  2 )( ) 2 H P (m)  (1  2 )( ) 2 H P ( m  1)
L L L L (4-22)
l 2 l 2
 l ( ) H P (m  1)  (l )( ) H P (m  1)
L L

4.2.4 时域插值算法
图 4-7 给出了时域插值算法流程，本算法是根据正反离散傅里叶变换之间的转
换会在时域插入零值，改变采样点数的原理估计的算法。时域插值算法是利用内
插零元素来得到响应的，但它是在时域做信号处理，也即是先将频域信号做反傅
里叶变换之后处理过程中添加 0。当接收系统接收到经过 OFDM 解调和解映射之
后的频域信号后，对其做导频个数 L 的点数的反傅里叶变换，变换到时域之后插
入 N-L 个零得到 N 点序列，将得到的序列做傅里叶变换就得到的信道估计的响应
值。

47
 电子科技大学硕士学位论文
  
Hp HN(i) H (k)
IDFT 补零处理 DFT

图 4-7 时域插值算法流程图

使用时域插值算法进行插值的最大缺点就是要求系统信道的数目必须是参考
信号的倍数，并且不为小数，此外还要求导频必须是等间隔分布，需要在已知多
径时延和多径时延是整数倍采样的情况下才能够有较好的估计性能。但是当采样
间隔不为整数，而是小数倍的采样时，在时域的时候会存在信号的泄露问题，这
时时域的信号之间将会产生混叠，从而引入的误差，这对插值的性能影响是很大
的。
^
先将导频信道响应 H P (k ), k  0,1, N P  1进行 IFFT
N P 1 ^
GP (n)  H
k 0
P (k )e j 2kn / N P , n  0,1, N P  1 (4-23)

然后进行零插补：
 NP
GP (n),0  n  2

 N
GN (n)  0,0  n  N  ( P  1) (4-24)
 2
 NP
GP (n  N  2 N P  1), N  ( 2  1)  n  N  1


然后对 GN (n) 进行 FFT 变换就可以得到导频载波和数据载波处的信道的的估

计结果：
^ N 1
H (k )   GN (n)e j 2 kn / N , n  0,1, N 1 (4-25)
k 0

4.2.5 算法的仿真分析与比较
图 4-8 和图 4-9 给出了在导频信道估计算法为 LS 算法下的一阶多项式插值、
二阶多项式插值、三次样条插值和基于 DFT 变换域的时域插值算法的误码率和均
方误差的对比图。仿真参数为：调制方式 QPSK，FFT 点数 512,天线数为 1 发 1 收，
CP 长度为 36，有效子载波 300，每子帧导频数 200，采样间隔 30.72MHz，OFDM
符号数 14，子载波间隔 15kHz，信道类型 EPA。
从图 4-8 中可以很明显的看出，基于 DFT 变换域的时域插值算法要整体比多
项式插值算法的性能高 2~5dB。由图中可以看出 DFT 插值算法在信噪比为 17.3dB

48
 第四章 LTE 下行链路信道估计算法研究

左右就能够让误码率达到 0.001，但是多项式插值算法需要到信噪比为 22dB 左右。

由图 4-9 中可以看出，均方误差达到 0.002 时，DFT 插值算法在信噪比为 19dB，
二阶多项式插值和三次样条插值算法比较接近需要信噪比达到 22dB，而一阶多项
式插值需要 26.5dB。左右从图中单独对比一阶、二阶和三阶插值算法，可以知道
多项式插值算法会随着阶数的增加，误码率性能会有所提高，但相差不大，而且
实现的复杂度和难度也会随之增加。因此，在 LTE 系统中通常使用的插值算法是
DFT 算法。但是基于 DFT 的信道估计算法存在着一个很大的缺点就是必须要求采
样间隔是整数倍采样，而且的每一条路径都必须是整数倍采样，如果有一条路径
的采样间隔不是整数，就会影响到估计性能，使算法性能降低。
由上述分析可知，DFT 算法的误码率性能和均方误差性能相比一阶插值算法、
二阶多项式插值和三次样条插值算法的性能在误码率达到 0.001 时，性能高出
4.7dB。在均方误差达到 0.002 时，基于 DFT 变换的插值算法均方误差性能比二阶
多项式插值和三次样条算法高 3dB，比一阶多项式插值高 7.5dB。因此可以得出，
基于离散傅里叶变换(DFT)的插值算法比多项式插值算法的性能更优，更适用于数
据载波处的插值运算。就是说基于变换域的估计算法要比非变换域的估计算法性
能更好。
0 LS算 法 下 ,插 值 算 法 的 误 码 率 比 较
10

-1
10

-2
10
BER

-3
10
一阶插值
-4
二阶插值
10 三次样条
DFT插 值
-5
10
5 10 15 20
SNR(dB)

图 4-8 LS 估计下，插值算法的误码率比较

0
LS算 法 下 ,插 值 算 法 的 均 方 误 差 比 较
10
一阶插值
二阶插值
-1
10 三次样条
DFT插 值
MSE

-2
10

-3
10

-4
10
10 15 20 25 30 35 40
SNR(dB)

图 4-9 LS 估计下，插值算法的均方误差比较

49
 电子科技大学硕士学位论文

4.3 基于 DCT 变换的改进信道估计算法

根据上述所分析的信道的估计算法，可以知道上一节所分析的估计算法存在
着一个严重的问题，就是在非整数倍采样时延的时候，会产生能量泄露的问题。
基于离散余弦变换(DCT, Discrete Cosine Transform)运算的估计算法通常是被应用
在图像处理的运算过程中，在通信系统中还并没有很多的应用。DCT 算法拥有能
量集中的优点，通过 DCT 变换之后，原序列的频谱功率会大部分几种在低频区，
所以滤除高频区功率就可以去除噪声。本节将基于 DCT 变换的估计算法应用到
LTE 接收系统中，根据在本章的 4.2.3 节中介绍的 DFT 算法和 4.3.1 中介绍的 DCT
算法的公式可以看出，N 点 DCT 就是一个 N 点信号镜像之后的 DFT，由此可以看
出 DCT 和 DFT 两者是可以互相变换的。因此，基于离散余弦变换变换的估计算法
可以较好的估计信道特性，并且能够抑制噪声、降低时域信号泄露和降低运算复
杂度。

4.3.1 改进的 DCT 变换域信道估计算法

传统的 DCT 算法为了周期扩展时弥补周期交接边缘处造成的不连续性，将信
道做对称运算使 N 点信号对称扩展为 2N 点信号，从而使得信号更加连续、平滑，
这就降低了不连续带来的高阶分量引起的误差。并且它能够得到一个比较集中的
频谱，频谱集中在较低的频率上，弥补了 DFT 算法能量泄露的缺点。当输入信号
为一个实数序列时，使用离散余弦变换之后的信号仍然是实数序列，而经过离散
傅里叶变换则得到的是复数信号，所以基于 DCT 变换的算法比 DFT 更能够有效地
降低计算量。
给定一个信号序列为 x(n) ， n 的取值范围为 0 到 N 1 间的整数，则离散余弦
变换 DCT 可以表示为：
N 1
1
X c (0) 
N
 x ( n)
n 0
(4-26)

2 N 1 k (2n  1)
X c (k )  
N n 0
x(n) cos
2N
， k  1,2,..., N  1 (4-27)

IDCT 变换的可以表示为：

1 2 N 1 k (2n  1)
x ( n) 
N
X c (0)  
N k 0
X c (k ) cos
2N
, n  1,2,..., N  1 (4-28)

则可以得出 DCT 变换的核心函数为一个实数，即：

50
 第四章 LTE 下行链路信道估计算法研究

2 N 1 k (2n  1)
Ck , n  
N n 0
g k cos
2N
, k , n  0,1,, N  1 (4-29)

1 2 , k  0
式中 g k   ，若 x(n)为实数时，DCT 变换后的值也是一个实数，
1 , k  0
但是经过 DFT 变换得到的则是一个复数，因此基于 DCT 的算法避免了复数运算，
降低了运算复杂度。
传统 DCT 算法仅仅只是将原本 DFT 变换的估计算法中的 DFT 变换对用 DCT
变换对来代替，这就相当于通过 DCT 变换将信道能量降低了一半，之后再通过插
值算法来得到信道响应，插值的过程中只需要在中间插入零值即可，具体的算法
流程结构图如图 4-10 所示。
M点DCT N点IDCT
YP (0) H P (0) m hc (0)
LS cos 1
2M
. .
. w(m) . w(0)
. .
YP (k) H P (k ) (2k  1)m hc (m) hc (m) (2k  N / M )m H N (k )
LS cos 补零 cos
. 2M . 2N
. .
w(m) w(m)
. .
YP (M 1) HP(M1) (2M 1)m (2k  N / M )(N 1)
LS cos cos
2M hc ( N  1) 2N

w(m) w(N 1)

图 4-10 基于 DCT 插值算法流程图

^
根据第 4.1.2.1 节中描述得到的 LS 算法的信道估计值为 H P (k ) ，则一个子帧内
的 DCT 变换后的值为：
M 1 ^
k (2k  1)
hc (m)  w(m)  H P (k )  cos ,
k 0 2M
(4-30)
 1 M , m  0
k  1, 2,..., M  1, w(m)  
 2 M , m  0

然后对有效子载波中导频外的值清零部分清零之后为：

hc (m), n  0,1, , M  1
h N (m)   (4-31)
0, n  M , M  1, , N  1


反离散余弦变换之后得到一个子帧内所有频域信道估计值为：

51
 电子科技大学硕士学位论文
N 1
m (2k  N M )
H N (k )   hc (m)  w(m)  cos
m 0 2N (4-32)
k  0,1, 2, , N 1

其中 N 是子载波数，M 是导频数。这种算法通常被用于梳状导频结构中，但
在 LTE 系统中给出的下行参考信号实际上并不是梳状导频结构的，它是小区专用
的特殊导频结构，因此传统算法的仿真性能并不是很好。
为了得到更好的估计效果和降低传统方法对导频位置的依赖，以及进一步降
低导频信道响应估计值中的噪声分量，在传统的 DCT 方法的基础上加入一个低通
滤波器，设定一个门限来保留有效能量，然后进行补零、反离散余弦变换得到信
道粗估计值 H N (k ) ，然后根据得到的估计值进行迭代处理，计算最大误差，若小
于阈值 0.001，则停止迭代，输出最终的估计值 H (k ) 。在本论文中所采用的低通滤
波器是通过加窗函数来实现的。如图 4-11 所示为改进的 DCT 信道估计算法流程图。
具体步骤如下：
H P (0) h r (0)
加窗 hc (0) h f (0)
H P (1) M 1 ^ 2

 多径信 低通滤
„

h c (k )
„

„
„

k 0
 , 波器
N 1 ^ 2
道检测
 h c (k ) hc (M 1) hr (M 1) hf (M1)
„„

YP (k ) N点
k 0

  [0 .9 , 0 .9 5 ]
N点
LS IDCT
DCT
hc ( M ) 0
HP (N2)
噪声方 
„

HP (N1)
差估计 0
hc ( N 1)

比较:计算
i 1 i H N (k )
  max{ H N (k )  H N (k )},

k  0,1, , N  1
H (k )

图 4-11 改进的 DCT 信道估计算法流程图

(1) 初始化过程：
对 LS 算法估计得到的初始估计值 H P (k ) 做 DCT 变换，变换到变换域得到估
计值 hc (m) ，如公式(4-30)所示。因为信道响应的长度通常情况下小于循环前缀的
长度，因此把频域信道估计转化为 DCT 变换域时， N  M  1 时的 hc (m) 全部为干
扰噪声，不包含任何信道信息，则变换域干扰噪声方差为：

52
 第四章 LTE 下行链路信道估计算法研究
N 1
1
 h (m)
2 2
w  c (4-33)
N M nM

2
式(4-31)为噪声方差  w 的无偏估计，因为 N 远大于 M，所以式(4-33)对噪声方
差的估计值可认为是准确的。当 N  M  1 时信道估计值 hc (m) 不仅包括了干扰噪
2
声，也包括了信道多径幅度值。显然 hc (m) 的模的平方值大于或等于  w ，尤其是
信道响应较大的路径，其模值更大。因此，通过加入一个阈值保留有效信号，能
够达到进一步去除噪声的效果。阈值设定如公式(4-34)所示。
M ^ 2

 h (k ) c
k 0
N 2
 ,   [0.9, 0.95] (4-34)
^
 h (k )
k 0
c

加入阈值能够消除导频之外的噪声，但是不能消除导频信息内的噪声，因此
本文加入了噪声估计，将得到的信道估计值减去噪声的无偏估计值可以消除导频
内的噪声信息，得到除去噪声后的信道估计值 h r (n) ，即：

hr (n)  hc (n)   (4-35)

其中  是噪声功率的无偏估计。
经过上述分析可得， h r (n) 的信号分量很大部分分布在低频段，所以可以加入
滤波器来滤除分布在较高频率的频段部分的噪声，因为信号主要分布在较低的频
段，所以滤波器选用低通滤波器，即：

h f (n)  hr (n), n  ns (4-36)

根据离散余弦变换的特性可知，在变换域中加入零值对信号的总能量是没有
影响的，所以将变换域信号 h f (n) 插入零值扩展为 N 点序列 h N (n) ，即：

h f (n), n  M
h N ( n)   (4-37)
0, n  M


扩展之后经过反余弦变换，如公式(4-31)所示，将变换域的序列变换到频域，
即信道的频域响应 H N (k ) 。
(2) 迭代过程
for i  1
i i
将步骤(1)的过程得到的信道频域响应 H N (k ) 标记为 H N (k ) ，然后将 H N (k ) 经
过 DCT 变换转换到变换域，之后再按照步骤(1)计算得到一个新的信道频域响应，
i 1 i i 1
记为 H N (k ) 。比较 H N (k ) 和 H N (k ) ，即计算：

53
 电子科技大学硕士学位论文

 i 1 i
  max H N (k )  H N (k ) , k  0,1, 
, N 1 (4-38)

设定一个阈值为 0.01，如果  小于或等于这个阈值，则循环终止，输出最终信

道频域响应结果 H (k ) 。如果  大于这个阈值，则用步骤(1)中的 H P (k ) 代替导频子
i 1
载波处的信道频率响应 H N (km), m  0,1, , M  1 ，令 i  1  i 并返回步骤(2)重新迭
代。

4.3.2 改进算法仿真分析
图 4-12 给出了基于变换域的 DFT、DCT 和改进的 DCT 估计算法的误码率的
对比曲线，图 4-13 给出了均方误差的对比图。仿真参数为：调制方式 QPSK，FFT
点数 2048,带宽是 20MHz，天线数为 1 发 1 收，CP 长度为 144，有效子载波 1200，
采样间隔 30.72MHz，OFDM 符号数 14，子载波间隔 15kHz，信道类型 EPA。
由图 4-12 可知，误码率达到 0.0001 时，DFT 算法需要信噪比达到 30dB，DCT
算法需要信噪比达到 26.5dB，改进的 DCT 算法需要信噪比达到 26dB。由此可以
得出，DCT 算法比 DFT 算法的误码率性能提高了 3.5dB，改进 DCT 算法的误码率
性能比改进前提高了 0.5dB。由图 4-13 所示，均方误差达到 0.002 时，DFT 算法需
要信噪比达到 28dB，DCT 算法需要信噪比达到 26dB，改进的 DCT 算法需要信噪
比达到 18dB。由此可以得出，DCT 算法比 DFT 算法的均方误差性能提高了 2dB，
改进 DCT 算法的误码率性能比改进前提高了 8dB。
由图中可以看出随着信噪比的增加，DCT 算法的误码率会降低地越明显。这
说明引入离散余弦变换作为信道估计算法会使频谱更为集中，降低了信号能量泄
露，有效的减弱了多径能量的尾部扩展。而改进的 DCT 变换的估计算法与传统算
法相比较，性能上差别不大，但随着信噪比的增加而变大。
由 4.2 节的分析可知，基于变换域的插值算法应用于信道估计算法的性能要比
非变换域的算法的估计性能更好，在误码率性能上要优 2~5dB，在均方误差性能
上要优 3dB 左右。经过本节上述的分析讨论可知，基于 DCT 变换的变换域估计算
法要比基于 DFT 变换的变换域估计算法的性能优 3.5dB，并且减少了复乘运算，
降低了算法复杂度。而改进 DCT 算法能够使误码率性能再提高 0.5dB，还能够更
好地抑制噪声，包括导频内的噪声，且能够有效抑制杂散，降低信号泄露。因此
最适用于信道估计的数据子载波处的插值算法是改进的 DCT 算法。

54
 第四章 LTE 下行链路信道估计算法研究

0
V=0.75km/h， 多 普 勒 频 率 为 5Hz， Channel Model=EPA
10
DFT
-1
10 DCT
改 进 DCT
-2
10

BER -3
10

-4
10

-5
10

-6
10
0 5 10 15 20 25 30
SNR(dB)

图 4-12 基于变换域的 DFT、DCT 和改进 DCT 算法的误码率比较图

-1
V=0.75km/h，多普勒频率5Hz，Channel Model=EPA
10
DCT
改 进 DCT
DFT
-2
10
MSE

-3
10

-4
10
0 5 10 15 20 25 30
SNR[db]

图 4-13 基于变换域的 DFT、DCT 和改进 DCT 算法的均方误差比较图

4.4 本章小结
本章首先引入了 LTE 下行链路的参考导频信号的分布，介绍了导频信号在 LTE
下行链路中的排布以及导频信道如何生成。然后分两部分详细分析对比了 LTE 下
行链路的信道估计模块的估计算法，给出一种基于快速傅里叶变换的的改进的最
小二乘方法，能够应用于在非整数倍采样的时延情况中，并能够一定程度上抑制
噪声干扰。之后专门针对变换域的信道估计的 DCT 和时域插值算法进行对比和分
析，并给出了改进的基于 DCT 变换的信道估计算法，能够有效地抑制导频内的噪
声，降低信号泄露问题，减轻多径能量的尾部扩展。最后，通过仿真分析和对比
了这些信道估计算法，以误码率性能和均方误差性能为指标，得出能达到指标时
所需要的最低信噪比的估计算法，即导频处的估计算法为 LMMSE 算法，数据子
载波处的插值算法为改进的 DCT 算法。

55
 电子科技大学硕士学位论文

第五章 仿真平台的搭建与算法验证

在 LTE 下行的接收机中的相干解调、信号处理、同步估计等模块中处理过程
当中都需要知道准确的信道信息才能得到更好的性能，因此信道估计模块在进行
LTE 下行共享信道的链路级仿真起着至关重要的作用。本章搭建了 LTE 下行链路
仿真平台，给出了 LTE 下行链路基带系统的 GUI 用户界面，用户可以根据所需的
数据进行设定并仿真。然后在本系统中分析讨论了在本文第四章中描述的信道估
计算法对 LTE 下行系统性能的影响，得到应用于 LTE 下行接收系统中较优的信道
估计算法，并将各信道估计算法进行封装，方便其他程序或通信系统调用。

5.1 LTE 下行链路基带系统仿真

5.1.1 LTE 下行链路仿真平台
LTE 下行系统主要包括三大部分即发射系统、信道和接收系统，本章根据本
文第三章所描述的设计方案在 MATLAB 平台上创建了一个 LTE 下行基带系统仿真
平台，并给出了用户交互界面，方便用户选择参数，比如说收发天线数、用户数、
译码方式、MIMO 检测接收机类型、信噪比等，系统仿真平台的 GUI 界面如图 5-1
所示。

图 5-1 LTE 下行链路基带系统用户交互界面

56
 第五章 仿真平台的搭建与算法验证

本系统中的各模块处理过程流程框图如图 5-2 所示。本系统设置一个计时器 tic

计算一个子帧下发参数的时间，设定子帧周期为 20s，下发参数处理时间为 19.8s，
用户通过 GUI 界面设定好参数后，GUI 上层软件将该子帧的小区参数存储在基站
参数存储区。如图 5-2 所示，系统在收到用户在 GUI 上层软件配置的小区参数后，
将处理时间时钟 tic 设为 0.2s，根据用户设定的参数，系统开始进行链路仿真，处
理时间设为 9.8s，如果系统超过这个时间还没有处理完则丢弃这一帧数据，等待上
层 GUI 软件重新下发参数。
比特生
BS 比特生
UE
成 成

比特生成
比特生成 正误判断
比特生成

CRC校验
比特生成 CRC校验
比特生成

码块分割
比特生成 码块分割
比特生成
比特级
参数

高 编码
比特生成 编码
比特生成
层
参
软 速率匹配 速率匹配
件 比特生成 比特生成

码块级联
比特生成 码块级联
比特生成

加扰 加扰

调制
调制 解调

层映射
层映射 解层映射

基 符号级
站 参数 预编码 解预编码
参 预编码
数
存
储 资源映射
资源映射 信道参数设定 资源逆映射
区

OFDM符号生成
OFDM符号生成 信道生成 解OFDM符号

天线映射 经过信道 天线逆映射

图 5-2 LTE 下行链路基带系统各模块处理流程图

5.1.2 LTE 系统仿真结果

本系统仿真有四种模式可以选择选择运行即：
第一种模式为载入已有参数运行（在此运行模式下仅仅只有发送系统工作）。
根据已有的参数配置，对原始比特进行基带的处理。
在这个运行模式下，用户是不能够自己设定参数的，所有的参数都已通过导
入已经配置好的正确的参数文件来进行的，是为了测试链路是否是已经搭建好
的。仿真结束后将运行结果分别存在.mat 和.dat 文件中。在这个模式下运行的运

57
 电子科技大学硕士学位论文

行结果如图 5-3 所示。

图 5-3 载入已有参数运行

第二种模式为参数手动配置（在第二种运行模式下仅仅只有发送系统在工
作）。在本模式下的参数设定全部都是在上层的 GUI 界面上进行输入选择设定。
在第二种运行模式下，用户由于可以自行配置一部分参数，但是每个参数之
间是由一定关联的，而且需要配置不止一个参数，有时用户也有可能会因为不小
心配置了一个错误的数据，这就会出现某个参数取值不合法或者几个参数间不匹
配的情况。本系统加入了错误检测功能，首先为输入的所有参数进行取值范围的
判断，并给出错误提示。并进一步为多个相关联的参数进行检查。
运行结果可分为三类：
(1) 参数配置正确，基带处理按时完成。
(2) 参数配置正确，基带处理超时。
(3) 参数配置错误。基带不做处理，等待下一帧参数。
当在用户 GUI 界面上配置参数出现不匹配、或者错误时，例如码字数是 1，
层数设为 2，但是发射系统的天线数设为 1 时，系统就会报错，提示向如图 5-4 所
示的错误报告，报告中会提示用户错误的个数，错误在哪，应该怎么配置参数。

图 5-4 参数错误报告

当所有的参数都配置完全时运行第二种模式的运行结果如图 5-4 所示。

58
 第五章 仿真平台的搭建与算法验证

图 5-5 手动配置参数模式运行结果

第三种模式为曲线仿真（在第三种运行模式下这个 LTE 链路均要工作，即包

括发送系统、接收系统和信道）。在这个模式下，系统能够实时的仿真系统的误块
率和吞吐率的曲线。图 5-6 是正在运行时的运行图，图 5-7 和图 5-8 是 QPSK 情况
下运行得到的误块率曲线和频谱利用率曲线。仿真参数可以从图中的 GUI 界面中
看出。

59
 电子科技大学硕士学位论文

图 5-6 仿真误块率曲线运行图

0
误块率 频谱效率
10 0.35

0.3

0.25

0.2
频谱效率
误块率

-1
10

0.15

0.1

0.05

-2
10 0
-2 -1.5 -1 -0.5 0 0.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
SNR SNR

图 5-7 QPSK 下天线数 2*2 时的误块率曲线 图 5-8 QPSK 下天线数 2*2 时的频谱利用率曲线

第四种模式是载入原先系统已经经过仿真绘制的曲线，设置第四种模式是为
了在情况比较特殊的时候，比如说需要快速知道某一配置下的性能曲线，而系统
进行整个链路级仿真的时间较长，因此设定第四种模式来导入已经存储的部分性
能曲线。

60
 第五章 仿真平台的搭建与算法验证

5.2 信道估计算法在 LTE 系统中的验证

5.2.1 系统仿真参数
在进行探讨信道估计技术对系统性能的影响之前，首先需要设定仿真参数，
具体的仿真参数为：基站天线数 1；移动台天线数 1；传播条件可选择为 1、2、3、
4、5 个频道，其中为 1 时代表信道 EPA5Hz，为 2 时代表信道 EVA5Hz，为 3 时代
表信道 EVA70Hz，为 4 时代表信道 ETU70Hz，为 5 时代表信道 ETU300Hz；采样
率为 30.72MHz；信道带宽为 20M；载波频率为 2GHz；移动速度可选 0.75km/h（多
普勒频率为 5Hz）、10.5km/h（多普勒频率为 70Hz）、45km/h（多普勒频率为 300Hz）
三种，且移动速度和移动台与接收信号之间的夹角有关（本文的情况是在多普勒
频率为最大时的速度）；信噪比为 20；迭代帧数为 120；子载波数为 2048；资源块
大小为 100；FFT 变换点数为 2048；CP 为正常 CP；调制方式可选择 QPSK、16QAM
和 64QAM 三种。

5.2.2 仿真结果分析
如图 5-9~图 5-13 所示，图中给出的是 QPSK 调制方式下 LS、LMMSE、改进
LS、DCT 变换域估计、改进 DCT、DFT 变换域算法估计的均方误差曲线。从图中
可以看出信道的多普勒频率越高，移动台移动的速度越快，算法的估计性能会有
所降低，尤其是改进的 LS 算法，性能降低了有 0.2dB 左右，这是因为随着多普勒
频率增高，信道时延增多，多径信道的影响增大，不定信道噪声影响会增大和变
化会加快，会出现平底效应，影响了信道估计的性能。其它几种算法的变化不是
很大。在信噪比为 10dB 时，LS、LMMSE、改进 LS、DCT、改进 DCT、DFT 和
理想估计的均方误差值分别为：0.022，0.00078，0.012，0.0059，0.003，0.014，
0.00069。线性最小均方误差估计算法是最接近理想值的算法，改进 DCT 算法次之，
然后依次是 DCT 算法、DFT 算法、改进最小二乘算法和最小二乘算法。算法复杂
度是最小均方误差估计算法复杂度最高，然后依次是 DFT、改进 DCT、DCT、改
进最小二乘估计和最小二乘估计算法。
图 5-14~图 5-16 给出了在不同调制情况下，各信道估计算法的均方误差曲线，
随着调制阶数的增加，各算法均方误差会增加。将三种调制方式在 EPA5Hz 信道
时的均方误差曲线对比可知，在信噪比为 10dB 时，QPSK 调制方式下 LS 算法的
均方误差为 0.022,16QAM 调制方式下为 0.0932,64QAM 调制方式下为 0.3724；对
于 LMMSE 算法，在 QPSK 时均方误差为 0.0008，16QAM 时为 0.0030,64QAM 时
为 0.0106；对于 DCT 算法，在 QPSK 时均方误差为 0.0058，16QAM 时为
0.015,64QAM 时为 0.0412；对于改进 DCT 算法，在 QPSK 时均方误差为 0.0028，

61
 电子科技大学硕士学位论文

16QAM 时为 0.012,64QAM 时为 0.0382；对于 DFT 算法，在 QPSK 时均方误差为

0.014，16QAM 时为 0.0852,64QAM 时为 0.3644；对于改进 LS 算法，在 QPSK 时
均方误差为 0.0117，16QAM 时为 0.0499,64QAM 时为 0.4116；对于理想估计，在
QPSK 时均方误差为 0.0007，16QAM 时为 0.0027,64QAM 时为 0.0095。对比可知，
在三种调制方式下，随着调制方式的增加，均方误差性能提高了 2dB 左右。如表
5.1 给出了各信道估计算法的算法复杂度，其中 M 为导频数，L 降秩的分块大小,N
为 FFT 点数，n 为迭代次数，因此可以看出最适合 LTE 下行系统的最佳导频信道
估计算法是 LMMSE 算法，最佳插值算法是改进的 DCT 算法。

表 5.1 信道估计算法复杂度

导频估计算法 复数乘法 复数加法

LS M3 0
MMSE 3M 3  M 2 M2
LMMSE M 3  2M 2 2M ( M  1)
SVD-MMSE L3  2ML 2ML( L  1)
数据插值算法 复数乘法 复数加法
一阶线性插值 1 2
二阶线性插值 3 2
时域插值 n( N log 2 ( N )  N )2
n( N log 2 ( N ) / 2)

0
V=0.75km/h，多普勒频率5Hz，Channel Model=EPA
10
LS_FD
LMMSE
-1
DCT
10 改进DCT
DFT
改进LS
-2
10 理想估计
MSE

-3
10

-4
10

-5
10
0 5 10 15 20
SNR[db]

图 5-9 QPSK 时信道为 EPA5Hz 时估计算法的均方误差曲线

62
 第五章 仿真平台的搭建与算法验证

0
V=0.75km/h，多普勒频率5Hz，Channel Model=EVA
10

-1
10

-2
10
MSE

-3
10 LS_FD
LMMSE
DCT
-4
10 改进DCT
DFT
改进LS
-5 理想估计
10
0 5 10 15 20
SNR[db]

图 5-10 QPSK 时信道为 EVA5Hz 时估计算法的均方误差曲线

V=10.5km/h，多普勒频率70Hz，Channel Model=EVA
0
10

-1
10

-2
10
MSE

-3
10 LS_FD
LMMSE
-4 DCT
10 改进DCT
DFT
10
-5 改进LS
0 理想估计5 10 15 20
SNR[db]

图 5-11 QPSK 时信道为 EVA70Hz 时估计算法的均方误差曲线

0
V=10.5km/h，多普勒频率70Hz，Channel Model=ETU
10
LS_FD
LMMSE
DCT
-1 改进DCT
10
DFT
改进LS
理想估计
MSE

-2
10

-3
10

-4
10
0 5 10 15 20
SNR[db]

图 5-12 QPSK 时信道为 ETU70Hz 时估计算法的均方误差曲线

63
 电子科技大学硕士学位论文

0
V=45km/h，多普勒频率300Hz，Channel Model=ETU
10
LS_FD
LMMSE
DCT
-1
10 改 进 DCT
DFT
改 进 LS算 法
理想估计
-2
10
MSE

-3
10

-4
10

-5
10
0 5 10 15 20
SNR[db]

图 5-13 QPSK 时信道为 ETU300Hz 时估计算法的均方误差曲线

1
V=0.75km/h，多普勒频率5Hz，Channel Model=EPA
10

0
10

-1
10
MSE

-2
10

QPSK_LS
-3
10 QPSK_改进LS
QPSK_理想估计
16QAM_LS
16QAM_改进LS
-4
10 16QAM_理想估计
64QAM_LS
64QAM_改进LS
-5 64QAM_理想估计
10
0 5 10 15 20
SNR[db]

图 5-14 信道为 EPA5Hz 时不同调制方式下 LS、改进 LS 和理想估计的均方误差比较

64
 第五章 仿真平台的搭建与算法验证

V=0.75km/h，多普勒频率5Hz，Channel Model=EPA
1
10

0
10

-1
10
MSE

-2
10

-3
10 QPSK_LMMSE
QPSK_DFT
QPSK_理想估计
-4 16QAM_LMMSE
10 16QAM_DFT
16QAM_理想估计
-5 64QAM_LMMSE
10 64QAM_DFT
0 64QAM_理想估计5 10 15 20
SNR[db]

图 5-15 信道为 EPA5Hz 时不同调制方式下 LMMSE、DFT 和理想估计的均方误差比较

V=0.75km/h，多普勒频率5Hz，Channel Model=EPA
0
10

-1
10

-2
10
MSE

-3 QPSK_DCT
10
QPSK_改进DCT
QPSK_理想估计
16QAM_DCT
-4 16QAM_改进DCT
10 16QAM_理想估计
64QAM_DCT
64QAM_改进DCT
-5 64QAM_理想估计
10
0 5 10 15 20
SNR[db]

图 5-16 信道为 EPA5Hz 时不同调制方式下 DCT、改进 DCT 和理想估计的均方误差比较

5.3 信道估计算法封装
信道估计技术几乎是所有通信系统的接收系统中都必不可少的一部分，所以
本文对信道估计算法的研究对通信系统尤其是接收机来说，都有着重要的意义，
为了能使本文的研究成果能够更加方便的应用于本系统或者其他的系统中，本文
在本节中对上述研究的各信道估计算法进行封装，以便其他程序直接调用。算法
的封装流程图如下图 5-17 所示。

65
 电子科技大学硕士学位论文
输入接口：
导频符号
逆映射后的数据流
FFT点数

信道估计算法封装

封装 封装
LS_Estimation() One_order_Interp()
函数 函数

封装DCT_Interp()
封装 封装
函数
LS_FFT_Estimation() Sec_order_Interp()
函数 函数

封装
封装 封装
LMMSE_Estimation() Impr_DCT_Interp()
Thr_order_Interp()
函数 函数
函数

封装
SVD_LMMSE_Estimation() 封装DFT_Interp()
函数 函数

输出：
信道估计矩阵
子载波的信道冲击响应

图 5-17 信道估计算法封装

5.4 本章小结
本章结合第三章中对 LTE 下行共享信道的接收系统中各模块的设计，搭建了
LTE 下行共享信道的链路级仿真的仿真平台，并根据系统的 4 种不同的运行模式，
给出了不同模式下系统的仿真结果。然后结合第四章中论述的各信道估计算法，
分析了各信道估计算法对 LTE 接收系统的影响，并给出了不同信道模式下各估计
算法的均方误差曲线对比图以及不同调制方式下各估计算法的均方误差对比图。
经过多次仿真验证可知，线性最小均方误差估计算法是最接近理想值的算法，改
进 DCT 算法次之，然后依次是 DCT 算法、DFT 算法、改进最小二乘估计算法和
最小二乘估计算法。算法复杂度是线性最小均方误差估计算法复杂度最高，然后
依次是 DFT、改进 DCT、DCT、改进最小二乘估计和最小二乘估计算法。在三种
调制方式下，随着调制方式的增加，均方误差性能提高了 2dB 左右。因此可以看
出最适合 LTE 下行系统的最佳导频信道估计算法是线性最小均方误差估计算法，
最佳插值算法是改进的 DCT 算法。最后将各信道估计算法封装成函数库，方便其
他程序调用。

66
 第六章 总结与展望

第六章 总结与展望

6.1 总结
本文详细分析了 LTE 下行共享信道(PDSCH)的信号处理过程，给出了接收系
统的各模块的设计原理和仿真平台设计过程，针对信道估计模块做了详细的分析
比较。并且针对 LTE 下行信道特性进行分析，提出了一种改进的 LTE MIMO 多径
衰落的建模算法，在原 Smith 的成形滤波器法上加入随机高斯分布的随机相移，采
用正弦和理论模型来产生高斯线谱，从而有效地消除了不同路径间的相关性，并
在频域低通滤波器，有效地改善频谱质量，减少频谱泄露，具有更好的性能，为
后续进行 LTE 下行链路各模块设计仿真，尤其是信道估计模块提供信道信息的依
据。
首先对 LTE 信道特性进行分析，根据 LTE 协议中对信道的要求，以及分析信
道建模的常用方法，提出了一种适用于多径衰落的无线通信系统的改进信道建模
算法，能有效的消除不同路径之间的相关性和减少频谱泄露。
其次，针对 LTE 下行链路的接收系统，详细剖析了接收机的各模块的信号处
理原理，并给出各模块的设计方案，为后续建立 LTE 仿真系统提供理论支撑和方
案。
然后针对接收系统的信道估计模块，详细分析对比了四种导频子载波处的信
道估计算法的性能，并给出了一种基于快速傅里叶变换改进 LS 算法，通过傅里叶
变换后设置门限在时域进行了降噪处理，并且考虑了非整数被采样所造成的能量
泄露问题，能实时跟踪信道状态，提高了估计性能的同时并没有增加算法复杂度。
详细分析对比了一阶、二阶多项式插值、三次样条插值和时域插值四种数据载波
处的插值算法，比较四种算法的优缺点和性能优劣，其中一阶插值、二阶插值、
三次样条插值之间的差距并不大，但随着阶数的增长实现的复杂度会成倍增加。
相比而言，时域插值算法的性能要优的多，要比多项式插值算法高 2~5dB，并且
能够一定程度上抑制噪声的影响，其缺点是当时延为非整数倍采样时会产生信号
能量泄露，且不能抑制导频内的噪声影响。在详细分析对比这些算法之后，为了
解决这些问题，引入通常使用于图像处理的基于离散余弦变换的信道估计算法，
这个算法具有能量集中的特点，能够有效解决时域插值算法的问题，而且能避免
复数运算，降低算法复杂度。但是传统的 DCT 估计算法通常是用在梳状导频中的
算法，对其它导频位置的估计性能并不会有所提升，而 LTE 下行链路中的专用校
区导频位置是特殊的，所以传统的方法并不能适用。因此本文提出了一种改进的

67
 电子科技大学硕士学位论文

DCT 变换估计算法，它是在原算法的基础上加入一个低通滤波器设定一个门限以
保留有效能量，改进算法能够改善传统算法的问题，并且随着信噪比的增长，性
能的优越性越显著。
最后，本文通过在 MATLAB 平台上搭建了系统链路仿真的仿真平台，给出了
参数设定和运行的用户图形交互界面，并在系统中验证了文中研究的信道估计算
法在系统中的误码率和均方误差性能。通过仿真验证，可以得出 LMMSE 算法在
导频处的估计性能是最优的，改进 DCT 变换算法在插值过程的估计性能是最优，
且算法复杂度适中。在研究了各信道估计算法之后，将各算法进行封装，以便于
其他程序和系统调用。

6.2 展望
随着 LTE 技术的越来越成熟，LTE 商用的实际部署，以及 LTE 测试技术崛起，
对 LTE 接收系统算法的要求也越来越高。本文主要是对 LTE 接收算法中的信道估
计算法进行研究，但是对 LTE 测试系统或者接收机而言，仅仅有信道估计算法是
远远不够的，它还存着载波同步、定时同步、信道均衡、信号检测技术等等诸多
问题，这些都是未来做 LTE 测试仪需要研究的对象。
另外本文中在研究信道估计算法的过程中，所使用的平台是基于 MATALB 上
建立的 LTE 下行链路仿真平台，还没有在实际的接收机上应用，如何应用于 LTE
测试仪的实际平台上也是未来需要研究的问题。
最后，本文算法是根据 LTE 给定的导频信息来进行信道估计的，但移动通信
信道是时变的，且导频估计算法需要在接收系统中存储导频信息，这就占用的一
定的资源，所以研究自适应估计算法应用到 LTE 接收系统中来提高系统的整体性
能，也是一个值得研究的方向。

68
 致谢

致 谢

在本论文完成之际，我首先要感谢我的导师金燕华高级工程师，感谢金老师
在我攻读硕士学位期间给予了我耐心的指导和帮助，感谢金老师为我的论文付出
的努力和为我提出的建设性意见，对我的论文的编写起了重大作用。金老师待人
随和、学风严谨且知识渊博，让我学到了很多。在我即将踏入社会的时候，我衷
心地感谢我的导师金老师和学院的老师们给我提供舒适的科研环境和充实的科研
生活。
同时，我还要感谢我的父母亲人，是他们给予的我无私的关怀和无条件的支
持，他们的恩情永远也道不尽，唯有祝愿亲爱的父亲、母亲永远幸福！
此外，还需要感谢教研室刘小利、李会娟、杨晓梅、彭韬、贾丽红、吕娇、
郑华锋、李海福、徐敬祥、张照康等同学的关心和帮助，在此表达我对你们的深
深谢意，并祝愿各位的事业蒸蒸日上。特别感谢我亲爱的室友厉晓梅同学，感谢
她和我一起度过研究生三年的时光，感谢她对我的包容和帮助。
最后，向审阅本文而付出辛勤劳动的各位专家、学者表达深深的谢意。

69
 电子科技大学硕士学位论文

参考文献

[1] 郑健.基于高阶累积量的 OFDM 信道估计算法研究[J].设计与研究

[2] 周风波，李丁山.基于导频的 OFDM 系统信道估计算法的研究[J].船舶电子工程第 199
期，2011 年第一期
[3] 邸进，蒋占军.OFDM 系统中 DCT-IDCT 插值信道估计算法[J].自动化与仪器仪表，
2011(02):108-111
[4] 吕善伟，贺宁蓉.改进 PASTd 算法在大型自适应阵中的应用[J].北京航空航天大学学报，
2005,31(9):949-952
[5] Muquet B,Courtvile M DE,Duhanmel P. Subspace-based blind and semi-blind channel for
OFDM systems.IEEE Transations Signal Processing,2002,50(7):1699-1712.
[6] Serpedin E,Ginnakis G B.Blind channel identification and equalization using modulation
induced cyclostationarity.IEEE Transations on Signal Processing,1998,46:2009-3104
[7] Jin-Goog Kim,Jun-Han Oh,and Jong-Tae Lim,Subspace-based channel estimation for
MIMO-OFDM systems with few received blocks[J].IEEE Signal Processing Letters,July.
2012, 19(7) : 435-438.
[8] Chao-Cheng Tu and Benoit Champagne,Subspace-based blind channel estimation for
MIMO-OFDM systems with reduced time averaging[J]. IEEE Trans. on Vehicular
Technology,March. 2010,59: 1539-1544.
[9] 戴锡平，彭华，陈沛，吴天琳.用于 MIMO-OFDM 系统盲信道估计的子空间法[J].信号
处理，2014,30（1）:51-57
[10] 王德胜，朱光喜，林宥志.MIMO-OFDM 最优导频设置与优化的信道估计方法[J].通信
学报，2005,26（1）
：34-39
[11] 兰洋.OFDM 和 MIMO 系统中的信道估计、干扰消除和次您好检测[D].南京：东南大学，
2006
[12] Weichselberger W, Herdin M, Qzcelik H and Bonek E,A stochastic MIMO channel model
with joint correlation of both link ends. IEEE Trans. on Wireless Communications,2006,
5(1):1-2
[13] Yu Kai. Modeling of multiple-input multiple-output radio propagation channels. [Ph. D.
dissertation]. KTH university,2002: 11-28.
[14] 吴君钦，赵雪.基于 DFT 降噪的 LTE 下行链路信道估计改进算法[J].电视技术，2013,37
（3）：113-117

70
 参考文献

[15] 王钢，刘晓明，于迎新.OFDM 系统中基于功率延时谱的信道估计算法[J].华中科技大

学学报（自然科学版），2014,42（2）
：91-95
[16] Kermoal J P and Schumacher L. A stochastic MIMO radio channel model with experimental
validation. IEEE J Select Areas Communication, 2002, 20(6): 1-2.
[17] 3GPP. MIMO discussion summary. 3GPP TSG R1-02-0181,January 2002.
[18] Schumacher L, Pedersen K I, and Mogensen P E. From antenna spacings to theoretical
capacities-guidelines for simulation MIMO system. Proc. IEEE PIMRC’2002,
Lisbon,Portugal, Sept.2002: 587-592.
[19] K. Yu and B. Ottersten, ―Models for MIMO propagation channels—A. review,‖ J . Wireless
Commun. Mobile Comput.,vol. 2, pp. 653–656, Oct. 2002.
[20] Foschimi G J,Gans M J . On Limits of wireless communications in fading environment
when using multiple antennas [J]. Wireless Personal Communications
(S0929-6212) ,1998,36(6):311-334.
[21] Shiu Da-Shan,Foschimi G J . Fading correlation and its effect on the capacity of
multielement antenna system[J] . IEEE Transactions on
communications(s0090-6778),2000,48(3):502-513.
[22] Fuxiang Zhou,Xiaojing zheng . Research on Simulation Algorithm of Radio Fading Channel
Using MATLAB . .Journal of Hebei North University(Natural Sience Edition) . Vol.26 No.3 .
2010,6:20-24
[23] Rappea Rappaport TS. Wireless Communications: Principles and Practice (2nd ed) [M].
New York: Prentice Hall PTR,2000:450-500
[24] William CJ. Microwave Mobile Communications [M]. New York: John Wiley & Sons Inc,
1994: 378-420
[25] 蒋芳，胡艳军.利用高阶统计量的盲 MIMO 信道估计[J].安徽大学学报(自然科学版)，
2005,29(3):49:53
[26] 蒋创新.LTE 系统中下行信道估计技术研究[J].西安：西安科技大学，2010
[27] 董超.LTE 下行链路信道估计的研究与实现[D].北京：北京交通大学，2011
[28] Athaudage, C.R.N. Javalath, A.D.S., Enhanced MMSE channel estimation using timing
Error statistics for wireless OFDM systems. Broadcasting:[J] IEEE Transactions,
50(4),150-163, 2004
[29] 陈亮明.LTE 下行信道估计技术研究与下行链路实设计[D].武汉：武汉理工大学，2012
[30] 金芳.LTE 信道估计算法研究[D].北京：北京邮电大学，2011
[31] 曹拓荒.LTE 信道估计及干扰噪声测量[D].广州：华南理工大学，2011

71
 电子科技大学硕士学位论文

[32] 3GPP TR 25.813. Technical Specification Group Radio Access Network; Evolved Universal
Terrestrial Radio Access (E-UTRA) and Evolved Universal Terrestrial Radio Access
Network (E-UTRAN); Radio interface protocol aspects, 2006
[33] 3GPP TS 36.300. Technical Specification Group Radio Access Network; Evolved Universal
Terrestrial Radio Access (E-UTRA) and Evolved Universal Terrestrial Radio Access
Network (E-UTRAN); Over description; Stage 2, 2008
[34] 邹阳.基于 LTE 系统的信道估计技术研究[D].北京：北京邮电大学，2012
[35] 郭锐.LTE 下行链路的信道估计研究[D]. 成都：西南交通大学，2011
[36] 侯锦峰.3GPP LTE 下行链路基带系统设计研究与仿真实现[D].成都：电子科技大学，
2011
[37] 3GPP TR 25.996. Technical Specification Group Radio Access Network; Spatial channel
model for Multiple Input Multiple Output (MIMO) simulations, 2008
[38] 吴玉章.OFDM 系统中信道估计技术的研究[D].成都：电子科技大学，2011
[39] 刘利艳.OFDM 信道估计技术研究[D].河北：燕山大学，2012
[40] 罗仁泽.新一代无线移动通信系统关键技术[M].北京：北京邮电大学出版社，2007
[41] 陈书贞等.LTE 关键技术与无线性能[M].北京：机械工业出版社，2011
[42] 佟学俭，罗涛.OFDM 移动通信技术原理与应用[M].北京：人民邮电出版社，2003
[43] 谢大雄，朱晓光，江华.移动宽带技术—LTE[M].北京：人民邮电出版社，2012
[44] Young Kyun Kim ,Ramjee Prasad . 4G Roadmap and Emerging Communication
Technologies:[M]. England:artechhouse，2005
[45] 3GPP TR 25.913. Technical Specification Group Radio Access Network; Requirements for
Evolved UTRA (E-UTRA) and Evolved UTRAN (E-UTRAN), 2008
[46] 李晓峰,周宁,周亮,等.通信原理[M]. 北京: 清华大学出版社, 2008, 298-304
[47] 郑研新.OFDM 系统中的信道估计技术研究[D].成都：四川大学，2005
[48] 张乃元.LTE 系统中的信道估计技术研究[D].北京：北京邮电大学，2010
[49] 张日华.宽带无线接入中多天线系统的关键技术研究[D].上海：上海大学，2007
[50] 徐鑫昌.LTE 上行链路导频设计及调度方案研究[D].西安：西安电子科技大学，2009
[51] Helmut B,Robert W,Heath J R. Blind channel identification and equalization in
OFDM-based multiantenna systems[J] . IEEE Trans. on Signal
Processing,2002,50(1):96-109.
[52] 卢鑫，王建华.MIMO-OFDMA 系统中基于奇异值分解的信道估计[J].无线电工程，
2008,38(10):17-19

72