本發(fā)明屬于高速移動通信技術(shù)領(lǐng)域，具體涉及一種迭代相關(guān)定時估計方法，適用于LTE標(biāo)準(zhǔn)中SC-FDMA上行鏈路傳輸單用戶場景，且可推廣至多用戶場景。

背景技術(shù)：

作為第三代移動通信系統(tǒng)的長期演進LTE標(biāo)準(zhǔn)，其上行鏈路具有支持高速數(shù)據(jù)傳輸、高頻譜效率、高移動性等諸多優(yōu)點，這主要得益于LTE上行鏈路采用單載波頻分多址SC-FDMA技術(shù)。SC-FDMA具有低峰均比、頻譜利用率高、抗衰落能力強的特點，但是在多用戶情況下，對定時誤差較敏感，當(dāng)出現(xiàn)定時誤差時，會造成碼間干擾，影響系統(tǒng)性能。

現(xiàn)有的針對LTE上行鏈路SC-FDMA的符號定時估計技術(shù)通常在SC-FDMA符號前添加循環(huán)前綴序列，利用其相關(guān)性進行定時估計。如2015年Niyazi Odabasioglu等人在IEEE Applation of Information and Communication Technologies發(fā)表論文“Cyclic Prefix Based Time Synchronization and Comb Type Channel Estimation for SC-FDMA Systems over Time-Varying Channels”，該論文提出基于循環(huán)前綴相關(guān)的符號定時估計算法。但是該算法在多用戶場景下，利用循環(huán)前綴進行相關(guān)運算需要進行大量的傅里葉變換和傅里葉反變換，這大大增加了算法的復(fù)雜度，而且在多徑信道下，循環(huán)前綴會受到多徑干擾。

另一類比較傳統(tǒng)的方法是利用信道沖激響應(yīng)進行符號定時估計。如2003年N Chen等人在IEEE Vehicular Technology Conference發(fā)表論文“OFDM timing synchronization under multi-path channels”，該論文提出了一種利用信道沖激響應(yīng)進行第一徑搜索的方法，適用于SC-FDMA多用戶場景，但這類算法要使用復(fù)數(shù)除法運算，算法復(fù)雜度較高，且在多徑信道下估計誤差較大。為了提升估計準(zhǔn)確性，很多學(xué)者都進行了深入的研究。2009年Hao Zhou等人在IEEE Transactions on Broadcasting發(fā)表論文“A Maximum Likelihood Fine Timing Estimation for Wireless OFDM Systems”，該論文基于信道沖激響應(yīng)，提出了一種利用信道自相關(guān)矩陣進行最大似然估計的方法，其估計準(zhǔn)確性較第一徑搜索算法有了很大的提高，但需要信道統(tǒng)計信息，復(fù)雜度很高，且復(fù)雜度會因最大定時偏差的增大而增加。2014年，J.A.Peral-Rosado等人在EURASIP Journal on Advances in Signal Processing發(fā)表論文“Joint maximum likelihood time-delay estimation for LTE positioning in multipath channels”，該論文提出了一種結(jié)合等間隔抽頭和任意抽頭的混合估計模型，并利用最大似然估計進行定時估計，估計準(zhǔn)確度和精度較第一徑搜索算法都有了很大的提高，但缺點在于復(fù)雜度很高。因此，基于信道沖激響應(yīng)的最大似然估計方法在實際中也很少使用。

還有一類常用的方法是利用導(dǎo)頻符號的相關(guān)性估計符號定時誤差。在傳統(tǒng)的導(dǎo)頻相關(guān)方法中，相鄰的導(dǎo)頻符號在結(jié)構(gòu)和內(nèi)容上都有特殊的設(shè)計，接收機可以利用其特殊性進行定時誤差的估計。但是這類方法對導(dǎo)頻的設(shè)計有要求，且有可能出現(xiàn)估計范圍較小的問題。如2013年P(guān)ramod Udupa等人在IEEE Vehicular Technology Conference發(fā)表論文“A Novel Hierarchical Low Complexity Synchronization Method for OFDM Systems”。該論文提出了一種新的導(dǎo)頻相關(guān)符號定時估計方法，但是對導(dǎo)頻的設(shè)計有特殊要求，不適用于LTE上行鏈路。

基于以上分析，在LTE上行鏈路SC-FDMA系統(tǒng)中，需要一種復(fù)雜度低，精度高的符號定時估計方法。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出一種基于塊狀導(dǎo)頻的迭代相關(guān)符號定時估計方法，以降低估計復(fù)雜度，提高估計精度。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：

1)在接收端的每一幀數(shù)據(jù)的每個子幀中，用rⁱ表示第i個帶循環(huán)前綴的時域?qū)ьl序列，其中i＝1,2，去除其循環(huán)前綴得到時域?qū)ьl序列該是一個N點序列，N＝128,256,512,1024,1536,2048；

2)對時域?qū)ьl序列進行快速傅里葉變換FFT，得到N點頻域?qū)ьl序列Rⁱ，對該Rⁱ進行M/2點循環(huán)移位得到頻域?qū)ьl移位序列Fⁱ，再對該Fⁱ進行集中式子載波解映射得到M點接收頻域?qū)ьl序列Sⁱ(m)，并在接收端提取Sⁱ(m)對應(yīng)的M點本地頻域?qū)ьl序列Cⁱ(m)，其中M是對應(yīng)于N的，表示子載波的數(shù)量，M＝72,180,300,600,900,1200，m＝0,1,…,M-1；

3)利用接收頻域?qū)ьl序列Sⁱ(m)計算各個頻域?qū)ьl序列處信道二范數(shù)的二次冪

4)求出信道二范數(shù)的二次冪的最大值對應(yīng)的頻域?qū)ьl編號取出i_max對應(yīng)的接收頻域?qū)ьl序列和本地頻域?qū)ьl序列

5)將和分別分割成長度均為p的若干段，將分割的接收頻域?qū)ьl序列的相鄰兩段表示為S_a(k)和S_a+1(k+p)，將分割的本地頻域?qū)ьl序列的相鄰兩段表示為C_a(k)和C_a+1(k+p)，其中τ_max為系統(tǒng)最大符號定時誤差，a＝0,1,2,…,d₁-2，d₁＝M/p，a·p≤k≤(a+1)·p-1；

6)根據(jù)5)得到的S_a(k)、S_a+1(k+p)、C_a(k)、C_a+1(k+p)，計算和的分段相關(guān)值α_a：

其中上標(biāo)*表示共軛轉(zhuǎn)置；

再利用反三角函數(shù)求出α_a對應(yīng)的角度∠α_a＝angle(α_a)；

7)根據(jù)∠α_a計算各個分段相關(guān)值α_a對應(yīng)的定時估計值：對該τ_a求算數(shù)平均值并四舍五入，得到第一次定時誤差的估計值其中表示向下取整；

8)根據(jù)估計值τ¹和2)中的子載波解映射方式構(gòu)造M維修正對角矩陣Λ：

$\mathrm{\Λ}=diag(e^{j2\mathrm{\π}\·(-\frac{M}{2})\·{\mathrm{\τ}}^1/N},e^{j2\mathrm{\π}\·(-\frac{M}{2}+1)\·{\mathrm{\τ}}^1/N},\mathrm{...},e^{j2\mathrm{\π}\·(\frac{M}{2}-1)\·{\mathrm{\τ}}^1/N}),$

并利用該修正對角矩陣Λ計算接收頻域?qū)ьl修正序列：

其中Λ(m,m)表示矩陣Λ的第m行第m列元素；

9)將接收頻域?qū)ьl修正序列和本地頻域?qū)ьl序列分別分割成長度均為q的若干段，將分割的接收頻域?qū)ьl修正序列的相鄰兩項表示為Y_b(t)和Y_b+1(t+q)，將分割的本地頻域?qū)ьl序列的相鄰兩項表示為C_b(t)和C_b+1(t+q)，其中q>p，b＝0,1,2,…,d₂-2，d₂＝M/q，b·q≤t≤(b+1)·q-1；

10)根據(jù)9)得到的Y_b(t)、Y_b+1(t+q)、C_b(t)、C_b+1(t+q)，計算和的分段相關(guān)值β_b：

其中上標(biāo)*表示共軛轉(zhuǎn)置；

再利用反三角函數(shù)求出β_b對應(yīng)的角度∠β_b＝angle(β_b)；

11)根據(jù)∠β_b計算各個分段相關(guān)值β_b對應(yīng)的定時估計值對該ν_b求算數(shù)平均值并四舍五入，得到第二次定時誤差的估計值

12)根據(jù)以上兩次定時估計，得到最終的接收子幀的符號定時誤差估計值τ＝τ¹+τ²。

本發(fā)明具有如下優(yōu)點：

1)本發(fā)明通過靈活改變相關(guān)運算的點數(shù)，增大了導(dǎo)頻相關(guān)符號定時估計算法的估計范圍，從而使得傳統(tǒng)的導(dǎo)頻相關(guān)符號定時估計方法可以適用于LTE上行鏈路；

2)本發(fā)明通過采用不同的相關(guān)長度進行迭代運算，對定時估計值進行兩次估計，提高了估計精度；

3)本發(fā)明通過計算接收導(dǎo)頻二范數(shù)的二次冪，來選擇信道狀態(tài)最好位置的導(dǎo)頻來做定時估計，相對于其他導(dǎo)頻相關(guān)算法對多個導(dǎo)頻估計結(jié)果進行等比例合并的方式，降低了計算復(fù)雜度，也提高了性能；

4)本發(fā)明在第一次估計后，并未返回時域進行定時估計補償，而是根據(jù)傅里葉變換的時頻特性，直接在頻域乘以一個復(fù)指數(shù)項進行補償，從而避免了一次傅里葉變換，在不降低估計性能的情況下，大大降低了迭代的復(fù)雜度。

仿真結(jié)果表明，本發(fā)明在較低的復(fù)雜度下提高了定時估計的范圍和性能，滿足LTE標(biāo)準(zhǔn)的要求。

下面通過附圖和實施實例，對本發(fā)明做進一步的描述。

附圖說明

圖1是本發(fā)明的實現(xiàn)流程圖；

圖2是本發(fā)明在3MHz帶寬、2導(dǎo)頻下仿真使用的子幀結(jié)構(gòu)示意圖；

圖3是本發(fā)明中循環(huán)移位及集中式子載波解映射示意圖；

圖4是本發(fā)明中對接收頻域?qū)ьl序列和本地頻域?qū)ьl序列進行分割的示意圖；

圖5是本發(fā)明利用圖2所示幀結(jié)構(gòu)，在信噪比為10dB下仿真的估計誤差柱狀圖；

圖6是本發(fā)明利用圖2所示幀結(jié)構(gòu)，在信噪比為0dB下仿真的估計誤差柱狀圖。

具體實施方式

下面將結(jié)合附圖和實施例，對本發(fā)明的技術(shù)方案做進一步描述。

參照圖1，本發(fā)明的實施步驟如下：

步驟1.去除循環(huán)前綴。

1a)在接收端的每一幀數(shù)據(jù)的每個子幀中，用rⁱ表示第i個帶循環(huán)前綴的時域?qū)ьl序列：

其中：為循環(huán)前綴，i＝1,2；

為時域?qū)ьl序列，N＝128,256,512,1024,1536,2048；

1b)去除循環(huán)前綴得到時域?qū)ьl序列

參照圖2，本發(fā)明以LTE上行鏈路3MHz帶寬下2導(dǎo)頻SC-FDMA子幀為例，取N＝256，L＝18，i＝1,2；對帶循環(huán)前綴的時域?qū)ьl序列r¹，去除長度為18的循環(huán)前綴得到256點時域?qū)ьl序列其中，對帶循環(huán)前綴的時域?qū)ьl序列r²，去除長度為18的循環(huán)前綴得到256點時域?qū)ьl序列其中，

步驟2.快速傅里葉變換、循環(huán)移位、集中式子載波解映射。

參照圖3，本步驟的具體實現(xiàn)如下：

2a)對時域?qū)ьl序列進行快速傅里葉變換FFT，得到N點頻域?qū)ьl序列Rⁱ：

Rⁱ＝[Rⁱ(0),Rⁱ(1),…,Rⁱ(N-1)]^T；

對該Rⁱ進行M/2點循環(huán)移位得到頻域?qū)ьl移位序列Fⁱ，再對該Fⁱ進行集中式子載波解映射得到M點接收頻域?qū)ьl序列Sⁱ(m)，并在接收端提取Sⁱ(m)對應(yīng)的M點本地頻域?qū)ьl序列Cⁱ(m)，其中，快速傅里葉變換的公式表示為Rⁱ(n)＝FFT{rⁱ(k)}，頻域?qū)ьl移位序列Fⁱ表示為：

Fⁱ＝[Rⁱ(N-M/2),Rⁱ(N-M/2+1),…,Rⁱ(N-1),Rⁱ(0),Rⁱ(1),…,Rⁱ(M/2-1)]^T；

M＝72,180,300,600,900,1200，m＝0,1,…,M-1，Rⁱ(·)括號中的值先從N-M/2依次增加至N-1，再從0依次增加至M/2-1；集中式子載波解映射，是通過將Fⁱ與一個集中式子載波解映射矩陣D相乘得到：

D·Fⁱ＝[Sⁱ(0),Sⁱ(1),…,Sⁱ(m),…,Sⁱ(M-1)]^T，

其中D＝[I_M 0_M×(N-M)]，Sⁱ(m)是M點接收頻域?qū)ьl序列的第m項，m＝0,1,…,M-1；

2b)對單用戶導(dǎo)頻進行快速傅里葉變換、循環(huán)移位、子載波解映射。

2b1)在本實例中，N＝256，M＝180，快速傅里葉變換后，兩個頻域?qū)ьl序列分別表示為：

R¹＝[R¹(0),R¹(1),…,R¹(255)]^T，R²＝[R²(0),R²(1),…,R²(255)]^T；

2b2)對于兩個頻域?qū)ьl序列R¹,R²，分別進行180/2＝90點循環(huán)移位得到兩個頻域?qū)ьl移位序列F¹,F²；

2b3)分別對F¹,F²進行集中式子載波解映射，得到180點的兩個接收頻域?qū)ьl序列S¹(m)、S²(m)，并在接收端分別提取S¹(m)和S²(m)對應(yīng)的180點本地頻域?qū)ьl序列C¹(m)、C²(m)，m＝0,1,…,179，

其中，第一個循環(huán)移位序列F¹和第二個循環(huán)移位序列F²分別表示為：

F¹＝[R¹(166),…,R¹(255),R¹(0),…,R¹(89)]^T，

F²＝[R²(166),…,R²(255),R²(0),…,R²(89)]^T；

Rⁱ(·)括號中的值先從166依次增加至255，再從0依次增加至89；集中式子載波解映射矩陣D表示為D＝[I₁₈₀ 0_180×(76)]。

步驟3.計算信道二范數(shù)的二次冪，確定所要使用的接收頻域?qū)ьl序列和本地頻域?qū)ьl序列。

3a)利用接收頻域?qū)ьl序列Sⁱ(m)計算各個頻域?qū)ьl序列處信道二范數(shù)的二次冪：

$\left|\right|H^i|{|}_2^2=\underset{m=0}{\overset{M-1}{\Σ}}{\left|S^i\left(m\right)\right|}^2;$

求出信道二范數(shù)的二次冪的最大值對應(yīng)的頻域?qū)ьl編號取出i_max對應(yīng)的接收頻域?qū)ьl序列和本地頻域?qū)ьl序列

3b)計算二次冪，確定需要的導(dǎo)頻序列：

在本實例中，用戶的第一個接收頻域?qū)ьl序列S¹(m)對應(yīng)的信道二范數(shù)的二次冪表示為用戶的第二個接收頻域?qū)ьl序列S²(m)對應(yīng)的信道二范數(shù)的二次冪表示為

求出和中的最大值對應(yīng)的頻域?qū)ьl編號假設(shè)計算得到i_max＝2，則該i_max對應(yīng)取出對應(yīng)的接收頻域?qū)ьl序列S²(m)和本地頻域?qū)ьl序列C²(m)。

步驟4.對接收頻域?qū)ьl序列和本地頻域?qū)ьl序列進行分割。

參照圖4，本步驟的具體實現(xiàn)如下：

4a)將步驟3得到的接收頻域?qū)ьl序列和本地頻域?qū)ьl序列分別分割成長度均為p的若干段，將分割的接收頻域?qū)ьl序列的相鄰兩段表示為S_a(k)和S_a+1(k+p)，將分割的本地頻域?qū)ьl序列的相鄰兩段表示為C_a(k)和C_a+1(k+p)，其中τ_max為系統(tǒng)最大符號定時誤差，a＝0,1,2,…,d₁-2，d₁＝M/p，a·p≤k≤(a+1)·p-1；

4b)對取出的兩個導(dǎo)頻序列進行分割。

在本實例中，假設(shè)τ_max＝8，將步驟3得到的S²(m)和C²(m)分別分割成長度均為p＝12的若干段，將分割的接收頻域?qū)ьl序列的相鄰兩段表示為S_a(k)和S_a+1(k+12)；將分割的本地頻域?qū)ьl序列的相鄰兩段表示為C_a(k)和C_a+1(k+12)，其中d₁＝M/p＝15，a＝0,1,2,…,13，a·12≤k≤(a+1)·12-1。

步驟5.計算相關(guān)值α_a及其對應(yīng)的角度∠α_a。

5a)根據(jù)步驟4得到的S_a(k)、S_a+1(k+p)、C_a(k)、C_a+1(k+p)，計算接收頻域?qū)ьl序列和本地頻域?qū)ьl序列的分段相關(guān)值α_a：

其中上標(biāo)*表示共軛轉(zhuǎn)置；

5b)利用反三角函數(shù)求出α_a對應(yīng)的角度∠α_a＝angle(α_a)。

在本實例中，根據(jù)步驟4得到的S_a(k)、S_a+1(k+12)、C_a(k)、C_a+1(k+12)，計算接收頻域?qū)ьl序列S²(m)和本地頻域?qū)ьl序列C²(m)的分段相關(guān)值α₀,α₁,…,α_a,…,α₁₃：

${\mathrm{\α}}_a=\underset{k=a\·12}{\overset{(a+1)\·12-1}{\Σ}}\left({C_a}^{*}\right(k\left)S_a\right(k\left)\right){\left({C_{a+1}}^{*}\right(k+12\left)S_{a+1}\right(k+12\left)\right)}^{*},a=0,1,...,13;$

再利用反三角函數(shù)分別求出α₀,α₁,…,α₁₃對應(yīng)的角度∠α₀,∠α₁,…,∠α₁₃。

步驟6.計算第一次定時誤差的估計值τ¹。

根據(jù)∠α_a計算各個分段相關(guān)值α_a對應(yīng)的定時估計值：對該τ_a求算數(shù)平均值并四舍五入，得到第一次定時誤差的估計值

在本實例中，根據(jù)∠α₀,∠α₁,…,∠α_a,…,∠α₁₃計算各個分段相關(guān)值α₀,α₁,…,α_a,…,α₁₃對應(yīng)的定時估計值τ₀,τ₁,…,τ_a,…,τ₁₃：

對τ₀,τ₁,…,τ_a,…,τ₁₃求算數(shù)平均值并四舍五入，得到第一次定時誤差的估計值：

步驟7.構(gòu)造修正對角矩陣并計算接收頻域?qū)ьl修正序列。

7a)根據(jù)估計值τ¹和步驟2中的子載波解映射方式構(gòu)造M維修正對角矩陣Λ：

$\mathrm{\Λ}=diag(e^{j2\mathrm{\π}\·(-\frac{M}{2})\·{\mathrm{\τ}}^1/N},e^{j2\mathrm{\π}\·(-\frac{M}{2}+1)\·{\mathrm{\τ}}^1/N},\mathrm{...},e^{j2\mathrm{\π}\·(\frac{M}{2}-1)\·{\mathrm{\τ}}^1/N});$

7b)利用修正對角矩陣Λ計算接收頻域?qū)ьl修正序列

$Y^{i_{max}}\left(m\right)=\mathrm{\Λ}(m,m)\·S^{i_{max}}\left(m\right),$

其中Λ(m,m)表示矩陣Λ的第m行第m列元素，表示接收頻域?qū)ьl序列。

在本實例中，根據(jù)估計值τ¹和步驟2中的子載波解映射方式構(gòu)造180維修正對角矩陣Λ為：

$\mathrm{\Λ}=diag(e^{j2\mathrm{\π}\·166\·{\mathrm{\τ}}^1/256},e^{j2\mathrm{\π}\·167\·{\mathrm{\τ}}^1/256},...e^{j2\mathrm{\π}\·255\·{\mathrm{\τ}}^1/256},e^{j2\mathrm{\π}\·0\·{\mathrm{\τ}}^1/256},...,e^{j2\mathrm{\π}\·89\·{\mathrm{\τ}}^1/256}),$

在本實例中i_max＝2，因此接收頻域?qū)ьl序列表示為S²(m)，利用該修正對角矩陣Λ計算接收頻域?qū)ьl修正序列Y²(m)：

Y²(m)＝Λ(m,m)·S²(m)。

步驟8.對接收頻域?qū)ьl修正序列和本地頻域?qū)ьl序列進行分割。

8a)將接收頻域?qū)ьl修正序列和本地頻域?qū)ьl序列分別分割成長度均為q的若干段，

8b)將分割后的接收頻域?qū)ьl修正序列的相鄰兩項表示為Y_b(t)和Y_b+1(t+q)，將分割的本地頻域?qū)ьl序列的相鄰兩項表示為C_b(t)和C_b+1(t+q)，其中q>p，b＝0,1,2,…,d₂-2，d₂＝M/q，b·q≤t≤(b+1)·q-1。

在本實例中，將接收頻域?qū)ьl修正序列Y²(m)和本地頻域?qū)ьl序列C²(m)分別分割成長度均為q＝30的若干段，將分割的接收頻域?qū)ьl修正序列的相鄰兩項表示為Y_b(t)和Y_b+1(t+30)，將分割的本地頻域?qū)ьl序列的相鄰兩項表示為C_b(t)和C_b+1(t+30)，其中q>p，d₂＝M/q＝6，b＝0,1,2,…,4,b·30≤t≤(b+1)·30-1。

步驟9.計算相關(guān)值β_b及其對應(yīng)的角度∠β_b。

9a)根據(jù)步驟8得到的Y_b(t)、Y_b+1(t+q)、C_b(t)、C_b+1(t+q)，計算接收頻域?qū)ьl修正序列和本地頻域?qū)ьl序列的分段相關(guān)值β_b：

其中上標(biāo)*表示共軛轉(zhuǎn)置；

9b)利用反三角函數(shù)求出β_b對應(yīng)的角度∠β_b＝angle(β_b)。

在本實例中，根據(jù)步驟8得到的Y_b(t)、Y_b+1(t+30)、C_b(t)、C_b+1(t+30)，計算接收頻域?qū)ьl修正序列Y²(m)和本地頻域?qū)ьl序列C²(m)的分段相關(guān)值β₀,β₁,…,β_b,…,β₄：

${\mathrm{\β}}_b=\underset{t=b\·30}{\overset{(b+1)\·30-1}{\Σ}}\left({C_b}^{*}\right(t\left)Y_b\right(t\left)\right){\left({C_{b+1}}^{*}\right(t+30\left)Y_{b+1}\right(t+30\left)\right)}^{*},b=0,1,...,4;$

再利用反三角函數(shù)求出β₀,β₁,…,β₄對應(yīng)的角度∠β₀,∠β₁,…,∠β₄。

步驟10.計算第二次定時誤差的估計值τ²。

根據(jù)∠β_b計算各個分段相關(guān)值β_b對應(yīng)的定時估計值對該ν_b求算數(shù)平均值并四舍五入，得到第二次定時誤差的估計值

在本實例中，根據(jù)∠β₀,∠β₁,…,∠β_b,…,∠β₄計算各個分段相關(guān)值β₀,β₁,…,β_b,…,β₄對應(yīng)的定時估計值ν₀,ν₁,…,ν_b,…ν₄：

$v_b=-\frac{N\·\∠{\mathrm{\β}}_b}{2\mathrm{\π}q}=-\frac{256\·\∠{\mathrm{\β}}_b}{2\mathrm{\π}\·30},b=0,1,...,4;$

對ν₀,ν₁,…,ν_b,…ν₄求算數(shù)平均值并四舍五入，得到第二次定時誤差的估計值

步驟11.計算最終定時誤差的估計值τ。

根據(jù)以上兩次定時估計，得到最終的接收子幀的符號定時誤差估計值τ＝τ¹+τ²。

本發(fā)明的效果可通過以下仿真進一步說明。

1、仿真條件：在LTE標(biāo)準(zhǔn)上行鏈路SC-FDMA系統(tǒng)中，以單用戶3MHz帶寬為例，測試數(shù)據(jù)為100000幀，對比第一徑搜索和本發(fā)明所提出的方法性能。

2、仿真內(nèi)容與結(jié)果：

仿真1，用本發(fā)明的方法與現(xiàn)有第一徑搜索算法在單用戶、帶寬為3MHz、信噪比為10dB條件下對估計誤差進行仿真，結(jié)果如圖5所示。

仿真2，用本發(fā)明的方法與現(xiàn)有第一徑搜索算法在單用戶、帶寬為3MHz、信噪比為0dB條件下對估計誤差進行仿真，結(jié)果如圖6所示。

由圖5可見，在10dB的信噪比下，本發(fā)明較第一徑搜索算法在性能上將估計誤差范圍從4個采樣點降低到了2個采樣點；由圖6可見，在0dB的信噪比下，本發(fā)明較第一徑搜索算法在性能上將估計誤差范圍從4個采樣點降低到了3個采樣點。且本發(fā)明避免了第一徑搜索算法中復(fù)數(shù)除法的運算，并通過接收頻域?qū)ьl修正序列進一步降低了迭代的復(fù)雜度。