и матрицы дисперсии ошибки оценки
e(
n
)
—
P(
n
) =
E
e(
n
)e
H
(
n
) =
E
y(
n
)y
H
(
n
)
.
Шаг 1.
Прогнозирование оцениваемого вектора:
n
=
n
+ 1
,
˜y(
n
) = Φˆy(
n
−
1)
.
Матрица дисперсии ошибки прогноза
˜e(
n
)
˜P(
n
) =
E
˜e(
n
)˜e
H
(
n
) = ΦP(
n
−
1)Φ
H
+ V
,
V =
R
w
0
0 0
.
Шаг 2.
Оценка вектора
y(
n
)
:
ˆy(
n
) = ˜y(
n
) + K(
n
) (z(
n
)
−
D(
n
)˜y(
n
))
,
где коэффициент усиления
K(
n
) = ˜P(
n
)D
H
(
n
)
·
D(
n
) ˜P(
n
)D
H
(
n
) +
σ
2
N
I
−
1
и обновленная матрица дисперсии ошибки оценки
P(
n
) = (I
−
K(
n
)D(
n
)) ˜P(
n
)
,
I
— единичная матрица.
Шаг 3.
Повторить с шага 1 для всех символов.
Интерполяция ЧХ канала и оценка передаточной матрицы канала.
Оценку коэффициентов
ˆ
A
(
m, k, l
)
при
l
=
k
, как видно из (1), мож-
но получить по значениям отсчетов ЧХ канала
H
(
m, l, i
)
. Последние
предлагается оценивать по известным значениям оценок
ˆ
A
(
m, l, l
)
, по-
лученных с помощью МЦФК.
Оптимальный алгоритм требует учета корреляции
ˆ
A
(
m, l, l
)
как по
времени, так и по частоте, что приводит к значительным вычисли-
тельным затратам, особенно при большом числе поднесущих. Однако
информация, обусловленная корреляцией по частоте, в значительной
степени учтена в МЦКФ, что позволяет существенно упростить ал-
горитм. Для оценки отсчетов ЧХ канала на частоте
l
-й поднесущей
используются отсчеты
ˆ
A
(
m, l, l
)
m
-го символа,
L
предшествующих
ему и
L
следующих за ним символов:
ˆ
H
(
m, l, i
) =
L
p
=
−
L
M
(
p, l, i
) ˆ
A
(
m
+
p, l, l
)
,
или в матричной форме
ˆh(
m, l
) = M(
m, l
)ˆa (
m, l
)
,
30 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012. № 1
