重要性采样的最大似然多径信道估计算法

提出了一种基于重要性采样方法的最大似然多径信道估计方法。该方法将时延与幅度估计解耦,利用蒙特卡罗算法(MC)对未知参数的分布函数抽样,计算样本均值直接得到多径时延和幅度估计结果,避免了耗时较长的多维网格搜索和对初值较为敏感的迭代算法。仿真结果表明,对于多径路数分别为5、15的情况,均能获得较好的信道估计。相比于现有的其他一些算法,该算法不仅能够同时获得时间延迟估计,同时也能对幅度精确估值。