文献综述（或调研报告）：
在无线通信系统中，信号由发射机发射，经过在无线信道中的传播后到达接收机，接收机对接收到的信号进行处理从而恢复出发射信号。然而无线通信场景往往复杂多变，信号在传输过程中会经历衰落、散射、反射、多径等影响[1]，接收机要想完成对接收信号的相干接收以实现更好的性能就需要对通信信道进行估计和补偿。
信道状态信息对通信系统的构建和信道性能的评估起着重要作用，而信道估计则是为实现信道状态信息的获取而发展起来的一种技术。根据是否使用导频(pilot)信号辅助估计，一般可将信道估计技术划分为：数据辅助的信道估计和盲信道估计[2]，除此之外，近几年也发展出了一些更加先进的信道估计技术以满足更加复杂多变的通信系统的性能要求，各种信道估计技术可以参照图1。
图1：常见的信道估计技术（部分）
第一类是数据辅助的信道估计技术，该技术通过利用收发端已知的训练序列或导频(pilot)符号结合某种判断准则完成对信道的估计。训练序列或者导频符号的发送可以与信息数据符号的发送同时进行，也可以先于信息数据符号发送，但两者需要同步进行，即数据传输和信道估计是同步完成的，接收端根据接收的导频可以估计出当前信道特性并利用该特性完成对数据信号的接收以实现对发送数据信号的恢复。
根据实际估计信道时所采用的判断准则不同，又可以将第一类信道估计技术进一步细化为4种子技术。文献[3]给出了一种基于最小二乘(Least Square, LS)准则的信道估计方法，文献[4]给出了一种基于最小均方误差(Minimum mean square error, MMSE)准则的信道估计方法，文献[5]对基于LS准则和MMSE准则的信道估计方法进行了对比，结果表明LS准则相对于MMSE准则具有计算复杂度低、易于实现的特点，但MMSE准则却能获得更高的估计精度。为了提高基于LS或MMSE准则的信道估计方法的性能，[6]中给出了一种基于离散傅里叶变换(Discrete Fourier Transformation, DFT)的信道估计方法，该方法是以LS或MMSE准则为基础，通过消除或降低(最大的信道时延以外的)噪声来实现性能的提升。为了降低信号传输过程中的导频(pilot)开销，可以在完成初始信道估计的基础上采用基于判决反馈(Decision Directed, DD)的信道估计方法来更新信道系数，并利用该估计的信道完成信号的接收[6, 7]。但由于导频的存在，使得消息数据符号的发送受到影响，因而这一类技术的系统功率和频谱利用率较低。
第一类信道估计技术由于导频的存在，使得系统功率和频谱利用率较低，而第二类盲信道估计技术则无需导频就能实现信道估计。[6]中给出了一种基于Bussgang算法的盲信道估计技术，该算法由一个滤波器、零记忆非线性估计器和自适应算法组成，但在OFDM系统中由于很难找到合适的非线性估计器而很少使用。实际使用的盲信道估计技术是基于子空间的信道估计技术[8]，该方法利用接收信号空间可以分为信号子空间和噪声子空间且两者正交的特性，采用特征值分解的方法实现，但基于子空间的方法需要大量的接收数据因而计算复杂度相当高，且子空间方法不能用于高速移动的环境。
除以上两类主要的技术外，近几年也发展出了一些新型的信道估计技术。基于最大期望(Expectation Maximization，EM)算法[9]的信道估计技术就是其中的一种，EM算法是一种类似于最大似然估计(Maximum likelihood estimation, MLE)的迭代算法，将EM算法应用于信道估计可以获得很高的计算精度，且无需导频开销。另一种先进的信道估计技术是基于压缩感知(Compressive Sensing，CS)[10]的信道估计技术，该技术利用MIMO系统信道的稀疏特性，只需要少量的样本数据信息就可以恢复出原始信号，但这一理论要求待恢复的稀疏信号具有不相干特性。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
