4、LS信道估计算法：最小二乘法的原理、推导与实现

各位好，今天我们来聊聊LS信道估计。说实话，这是我最常用的算法之一。为什么？因为它简单、直接、好理解。我在做OFDM接收机的时候，第一个上手的信道估计算法就是LS。你想想看，一个算法如果连原理都搞不清楚，怎么敢用在产品里？

4.1 最小二乘法的核心思想

LS，全称Least Squares，中文叫最小二乘。说白了，就是找一个信道估计值，让接收信号和估计出来的信号之间的误差平方和最小。

咱们先看数学模型。假设发送信号是X，接收信号是Y，信道是H，噪声是N。那么：

Y = H * X + N

我们的目标，就是找到一个Ĥ，让下面的代价函数最小：

J(Ĥ) = ||Y - Ĥ * X||²

嗯，这里要注意。这个||·||²表示的是向量的二范数的平方，也就是所有元素误差的平方和。我刚开始学的时候，总把范数和绝对值搞混，后来才明白——范数是对向量整体的一种度量。

4.2 推导过程：一步步来

好，我们来推导一下。把代价函数展开：

J(Ĥ) = (Y - ĤX)ᴴ(Y - ĤX)

这里上标ᴴ表示共轭转置。为什么用共轭转置？因为我们的信号是复数信号，OFDM嘛，都是复数的。

展开后得到：

J(Ĥ) = YᴴY - YᴴĤX - XᴴĤᴴY + XᴴĤᴴĤX

现在，对Ĥ求偏导，令其等于0。这里有个技巧——复矩阵求导和实数不太一样。我建议你记住这个公式：

∂(aᴴĤb)/∂Ĥ = abᴴ
∂(bᴴĤᴴa)/∂Ĥ = abᴴ
∂(ĤᴴĤ)/∂Ĥ = 2Ĥ

套用公式，得到：

∂J/∂Ĥ = -Y Xᴴ - Y Xᴴ + 2Ĥ X Xᴴ = 0

化简一下：

-2Y Xᴴ + 2Ĥ X Xᴴ = 0
Ĥ X Xᴴ = Y Xᴴ
Ĥ = Y Xᴴ (X Xᴴ)⁻¹

如果X Xᴴ是可逆的，那么：

Ĥ_LS = Y / X

你看，最后的结果就是这么简单！LS信道估计，其实就是接收信号除以发送信号。我在项目中第一次推导出这个结果时，还愣了一下——就这么简单？是的，就是这么简单。

4.3 实现步骤：手把手教你

实际实现时，我们通常用导频来做。为什么？因为接收端不知道发送数据啊。但导频是收发双方约定好的，接收端知道导频的值。

具体步骤是这样的：

1. 提取导频位置：从接收到的OFDM符号中，把导频子载波上的值取出来
2. 计算LS估计：对每个导频子载波，用接收值除以已知的导频值
3. 插值：导频位置的信道估计出来了，但数据位置还没有。需要用插值算法把整个信道的响应补全

我给大家看一段简单的MATLAB代码：

function H_ls = ls_channel_estimation(Y, X_pilot, pilot_indices)
    % Y: 接收的OFDM符号（频域）
    % X_pilot: 已知的导频序列
    % pilot_indices: 导频子载波索引
    
    % 提取导频位置的接收信号
    Y_pilot = Y(pilot_indices);
    
    % LS估计：接收值除以导频值
    H_pilot = Y_pilot ./ X_pilot;
    
    % 插值得到所有子载波的信道响应
    % 这里用最简单的线性插值
    H_ls = interp1(pilot_indices, H_pilot, 1:length(Y), 'linear', 'extrap');
end

4.4 LS算法的优缺点

咱们客观地说，LS算法有优点也有缺点。我列个表给大家看：

优点	缺点
实现简单，计算量小	没有考虑噪声的影响
不需要信道统计信息	低信噪比下性能较差
对导频设计要求低	估计精度有限
适合硬件实现	对导频数量敏感

说白了，LS算法就是个"裸估计"。它假设噪声是零，但实际上噪声永远存在。所以在信噪比高的时候，LS效果不错；信噪比低的时候，误差就大了。

4.5 知识体系：一张图看懂

下面我用一张SVG图，把LS信道估计的核心逻辑串起来：

4.6 实际应用中的注意事项

最后，我分享几个实际项目中积累的经验：

• 导频功率问题：导频的功率一般比数据高2-3dB。为什么？因为导频是用来做信道估计的，它的准确性直接影响整个系统的性能。我见过一个项目，导频功率和数据一样，结果信道估计误差大，整个链路都跑不起来。
• 边缘子载波处理：OFDM符号两边的子载波，信道变化往往比较剧烈。插值时要注意边界效应。我习惯在边缘加几个虚拟导频，或者用外插法处理。
• 时变信道：如果信道变化很快，一个OFDM符号内的信道就不能认为是恒定的。这时候LS估计的误差会增大。解决办法是缩短符号长度，或者用更复杂的估计算法。

好了，LS信道估计就讲到这里。这个算法虽然简单，但它是理解更复杂算法的基础。你把它吃透了，后面学MMSE、LMMSE就会轻松很多。

---

公众号:蓝海资料掘金营，微信deep3321