信道估计为什么假设信道估计时假设独立同分布的高斯分布

信道估计的信道估计的分类

信道估计算法从输入数据的类型来分，可以划分为时域和频域两大类方法。

频域方法主 要针对多载波系统；时域方法适用于所有单载波和多载波系统，其借助于参考信号或发送数 据的统计特性，估计衰落信道中各多径分量的衰落系数。

从信道估计算法先验信息的角度， 则可分为以下三类： （1） 基于参考信号的估计。

该类算法按一定估计准则确定待估参数，或者按某些准则 进行逐步跟踪和调整待估参数的估计值。

其特点是需要借助参考信号，即导频或训练序列。

本文将基于训练序列和导频序列的估计统称为基于参考信号的估计算法。

基于训练序列的信道估计算法适用于突发传输方式的系统。

通过发送已知的训练 序列，在接收端进行初始的信道估计，当发送有用的信息数据时，利用初始的信道估计结果 进行一个判决更新，完成实时的信道估计。

基于导频符号的信道估计适用于连续传输的系统。

通过在发送的有用数据中插入 已知的导频符号，可以得到导频位置的信道估计结果；接着利用导频位置的信道估计结果， 通过内插得到有用数据位置的信道估计结果，完成信道估计 （2） 盲估计。

利用调制信号本身固有的、与具体承载信息比特无关的一些特征， 或是采用判决反馈的方法来进行信道估计的方法。

（3） 半盲估计。

结合盲估计与基于训练序列估计这两种方法优点的信道估计方法。

一般来讲，通过设计训练序列或在数据中周期性地插入导频符号来进行估计的方法比较 常用。

而盲估计和半盲信道估计算法无需或者需要较短的训练序列，频谱效率高，因此获得 了广泛的研究。

但是一般盲估计和半盲估计方法的计算复杂度较高，且可能出现相位模糊（基于子空间的方法）、误差传播（如判决反馈类方法）、收敛慢或陷入局部极小等问题，需要较 长的观察数据，这在一定程度上限制了它们的实用性。

OFDM系统上行的信道估计，和一般见到的信道估计有什么区别？

上下行的区别在于上行是多址信道，下行是广播信道，因此上行的信道估计要求每个用户发送的导频正交，而下行只需要一个公共导频就够了。

OFDM的信道估计无非就是在各个子载波上插入导频，接收端进行时域频域信道估计。

什么是半盲无线OFDM信道估计技术？

OFDM（Orthogonal Frequency Division Multiplexing）即正交频分复用技术。

是一种无线环境下的高速传输技术。

无线信道的频率响应曲线大多是非平坦的，而OFDM技术的主要思想就是在频域内将给定信道分成许多正交子信道，在每个子信道上使用一个子载波进行调制，并且各子载波并行传输。

这样，尽管总的信道是非平坦的，具有频率选择性，但是每个子信道是相对平坦的，在每个子信道上进行的是窄带传输，信号带宽小于信道的相应带宽，因此就可以大大消除信号波形间的干扰。

由于在OFDM系统中各个子信道的载波相互正交，于是它们的频谱是相互重叠的，这样不但减小了子载波间的相互干扰，同时又提高了频谱利用率。

Home PLUG这种产品，是基于OFDM技术而生的。

为什么假设信道估计时假设独立同分布的高斯分布

高斯白噪声，是指噪声的概率密度函数满足正态分布统计特性，同时它的功率谱密度函数是常数的一类噪声。

在通信系统的理论分析中，特别是在分析、计算系统抗噪声性能时，经常假定系统中信道噪声（即前述的起伏噪声）为高斯型白噪声。

其原因在于1.高斯型白噪声可用具体数学表达式表述，便于推导分析和运算；2.高斯型白噪声确实反映了实际信道中的加性噪声情况，比较真实地代表了信道噪声的特性。