具体实施方式

下面结合附图，对本发明的较优的实施例作进一步的详细说明。

MIMO系统模型如图2所示，具有N_t根发送天线，N_r根接收天线。平坦衰落信道下，h_j,i表示第i根发送天线到第j根接收天线之间的信道衰落系数。x_i是第i根发送天线发送的数据。y_j是第j根接收天线收到的数据。有：

发送信号矩阵形式为：接收信号矩阵形式为： 噪声信号矩阵形式为：信道矩阵为：

将信道传输关系写成矩阵的形式如下：Y＝HX+N，其中，Y是N_r×1维的接收信号向量，X是N_t×1维的发射信号向量，N是N_r×N_t加性高斯噪声。

线性信号检测方法将来自目标天线的期望信号流当作有用信息，同时把其他发射信号当作干扰。因此，在检测来自目标发射天线的期望信号的过程中，要最小化或消除其他发送天线的干扰信号。为了检测来自每根天线的期望信号，利用一个加权矩阵W 对信道进行逆转：

基于训练序列传统信道估计算法的有迫零(ZF)技术和最小均方误差(MMSE)技术，由于训练序列在发射端和接收端的理想情况是已知的，而且在一个数据帧内可以假设信道不变，那么估计训练序列部分的信道响应H，再由信道响应H来估计加权矩阵W。

LS技术使用下面的加权矩阵消除干扰：W_LS＝(H^*H)^-1H^*，其中(·)^*表示求复共轭转置。则

MMSE能够最大化检测后的SINR，令加权矩阵为： MMSE接收机需要噪声的统计信息。

上式中加权矩阵的第i个行向量由下面最优化方程得出：使用MMSE加权矩阵，可以得到以下关系：

在一个帧内信道响应不变的前提下，可以利用对接收进行均衡，得到传输信号的估计值，依靠译码算法最终完成数据的接收。

在MIMO传输过程中，存在着噪声干扰和流间信号泄漏，假设各流之间是近似正交的，例如应用于测试仪器，待测设备到测试仪用射频线连接，那么MIMO多流之间隔离度好，信道估计矩阵H近似于单位阵，少量的流间泄漏和噪声，在信道估计矩阵H的非主对角线上，表现为一个非常小的值。

噪声会导致解调性能变差，而正确的收集流间泄漏，会提升接收性能。LS估计方法充分考虑到了流间泄漏问题，但抑制噪声能力较弱，MMSE方法在抑制噪声上较好，但是会将流间泄漏也压制了下去。

因此，本例旨在提供一种MIMO信道估计的改进方法，通过权衡噪声和流间泄漏的影响，并综合考虑到LS信道估计和MMSE估计的优势，以达到提升接收性能的目的。

如图1所示，本例提供一种MIMO信道估计的改进方法，包括以下步骤：

步骤S1，基于WiFi协议实现MIMO信道估计；

步骤S2，逐个子载波进行信道估计和泄漏权值计算；

步骤S3，根据步骤S2计算的泄漏权值，将所述泄漏权值与噪声进行比较，以此对信道估计矩阵H的各个元素进行修正；

步骤S4，对每个子载波上的信道估计计算MMSE修正均衡矩阵。

本例应用于测试仪器，待测设备到测试仪用射频线连接的应用环境下，如图3所示， MIMO多流之间隔离度好。

假设MIMO系统发射天线数为N_t，具有N_t根发送天线，N_r根接收天线。平坦衰落信道下，h_j,i表示第i根发送天线到第j根接收天线之间的信道衰落系数。x_i是第i根发送天线发送的数据。y_j是第j根接收天线收到的数据。有：

发送信号矩阵形式为：接收信号矩阵形式为： 噪声信号矩阵形式为：信道矩阵为：

将信道传输关系写成矩阵的形式如下：Y＝HX+N，其中，Y是N_r×1维的接收信号向量，X是N_t×1维的发射信号向量，N是N_r×N_t加性高斯噪声。在待测设备到测试仪用射频线连接的场景下，N_r＝N_t。

本例所述步骤S1用于基于WiFi协议实现MIMO信道估计，或是基于训练序列实现MIMO信道估计。可以通过训练序列来实现；在N_r＝N_t的MIMO系统中，x_i表示第i流传输信号，根据当有N_LTF个训练序列，其中N_LTF与N_r关系，如果训练序列在子载波k上的原始频域值为R_k，R_k是协议确定并已知的，X_i,iLTF表示第i流传输信号第iLTF个训练序列子载波k上的频域值，那么X_i,iLTF＝PHT_i,iLTF*R_k。根据协议设计，PHT_i,iLTF有以下属性，本例所述协议定义的PHT矩阵在4×4 以下(含)为HT-LTF映射矩阵，即：4×4以上为

估计信道估计值h_j,i，首先选定第j流接收信号的训练序列部分，Y_j,iLTF表示第j流接收信号第iLTF个训练序列子载波k上的频域值，则有 PHT_i,iLTF为协议确定的PHT的第i行第iLTF列上的值，n_j为第j列的噪声表示。

累加接收信号上的训练序列，训练序列再乘以PHT_j,iLTF，那么，

化简并合并噪声部分，则有 n_j,i为训练序列累加值Q_j,i内的噪声，PHT_j,iLTF为协议确定的PHT的第j行第iLTF列上的值。

由PHT_i,iLTF属性，则有噪声和泄漏部分都在Q_j,i-n_j,i上，若是理想状态，信道估计H仅主对角线上有数值。

本例所述步骤S2用于实现噪声估计和泄漏权值计算，对每个子载波分别处理；是h_j,i在子载波k上信道估计系数，对于理想MIMO测试场景，当j≠i时的信道响应只有噪声和流间泄漏，当j＝i时只有当前流信道响应和噪声。用H^k表示子载波k上信道估计矩阵，那么

本例所述步骤S2优选包括以下子步骤：

步骤S201，对子载波k上的信道估计每一个信道估计系数计算其响应功率P^k，其中，i＝1,2,…N_t，j＝1,2,…,N_r，N_t为发射天线数，N_r为接收天线数；

步骤S202，根据子载波k上信道估计系数通过响应功率P^k主对角线上的值计算归一化功率P_s；

步骤S203，计算响应功率P^k归一化处理之后的归一化响应功率

步骤S204，计算归一化响应功率中每个元素的泄漏权值主对角线上不变。

本例所述步骤S201中，通过公式计算其响应功率P^k，其中，|x|为求复信号x的模值。

本例所述步骤S202中，通过公式计算归一化功率P_s，其中，E[x]为求x的均值。

本例所述步骤S203中，通过公式计算归一化响应功率

本例所述步骤S204中，通过公式计算泄漏权值其中，为归一化响应功率中第i行第i列的元素，为归一化响应功率中第j行第j列的元素，为归一化响应功率中第j行第i列的元素，为计算到的权值。

本例所述步骤S3根据步骤S2计算的泄漏权值，与相对噪声进行比较，对信道估计矩阵H的各个元素进行修正，达到抑制噪声和保留泄漏的目的。

本例所述步骤S3包括以下子步骤：

步骤S301，统计接收机的噪声信息

步骤S302，对比泄漏权值和噪声信息对信道估计矩阵H^k里的信道估计系数进行调整，i＝1,2,…N_t，j＝1,2,…,N_r，N_t为发射天线数，N_r为接收天线数，k为子载波。

本例所述步骤S302中，通过公式对信道估计矩阵H^k里的信道估计系数进行调整，其中，thr为设定的门限值，取大于1的任意数值； P_s为归一化功率。

当时，即归一化功率与噪声比值小于设定门限thr时，认为泄漏部分可以忽略，否则泄漏部分需要保留。对信道估计矩阵H^k按步骤S3修正后记为进而能够兼顾到泄漏项的保留和噪声项的抑制，满足本例提升接收性能的要求。

本例所述步骤S4中，通过公式对每个子载波上的信道估计计算MMSE修正均衡矩阵，其中，为对信道估计矩阵H^k经过步骤S3后的信道估计修正矩阵，(·)^*表示共轭转置，I为单位矩阵。

然后重复步骤S1到步骤S4，遍历所有子载波，获得每个子载波上的MMSE修正均衡矩阵。在解析数据域时，用MMSE修正均衡矩阵去解析每个Symbol的频域数据，最终完成数据的正确接收。MMSE修正均衡矩阵综合考虑了LS方法和MMSE方法的优势部分，在用测试仪器完成待测设备到测试仪用射频线连接的场景，评估到的性能有明显提升。

本例还提供一种MIMO信道估计的改进系统，采用了如上所述的MIMO信道估计的改进方法，并包括：

信道估计模块，基于WiFi协议实现MIMO信道估计；

噪声及泄漏权值计算模块，对子载波进行信道估计和泄漏权值计算，并对每一个子载波分别进行处理；

修正信道估计矩阵模块，根据所述噪声及泄漏权值计算模块计算的泄漏权值，将所述泄漏权值与噪声进行比较，以此对信道估计矩阵H的各个元素进行修正；

计算修正均衡矩阵模块，对每个子载波上的信道估计计算MMSE修正均衡矩阵。

综上所述，本例通过权衡噪声和流间泄漏的影响，并综合考虑到LS信道估计和MMSE估计的优势，即考虑到了流间泄漏的问题，也能够在抑制噪声上达到较好的效果，进而达到提升接收性能的目的，为测试仪及系统提升测试效率并降低其复杂度提供了很好的基础。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。