无线信道的随机可变性较大，多径效应使信号产生频率选择性衰落[1]，多普勒效应导致信号频率发生扩展，进而产生时间选择性衰落，最终使得信号在幅度、相位、频率上均有不同程度的失真。通过信道估计算法，可以获得信道的冲激响应。
针对ITU的目标，LTE-A的峰值速率目标是下行，上行是，更高的峰值速率要求接收端能够高效准确的将获得的信道信息反馈给发送端，所以简单而精确的信道估计方法在LTE-A系统中发挥着关键作用[2]。
从算法先验的角度，信道估计算法大体上可以分为两类：基于导频信号的估计和盲估计[3]。基于导频的信道估计算法常用的有LS、MMSE[4]、LMMSE[5]，其中LS信道估计算法计算简单易于实现，但算法性能较差；MMSE信道估计算法性能较好，算法复杂度高，LMMSE信道估计算法拥有较好的性能且降低了MMSE算法的计算复杂度。本文对信道估计算法进行分析，通过仿真对比，验证了低复杂度的LMMSE算法的可行性，并提出一种DSP[6]的实现方案。
1 信道估计算法
1,1 LS算法
LS估计算法又称为迫零估计算法，不考虑噪声的影响，其表达式为：
（1）
LS算法仅用一次乘法就可实现，该算法简单、复杂度低。在传播信道不够好的条件下，也能保证一定的性能，是实际工程中复杂度与性能较为折中的一种选择。然而LS算法没有考虑到噪声和子载波干扰的影响，在信道环境比较差的情况下，估计的准确性会大大降低。
1.2 MMSE算法
在基于导频位置处的信道估计算法中，MMSE算法是利用信道的相关性来降低噪声的影响[4]。MMSE估计算法要满足MMSE准则，即使得估计值的均方误差在满足一定条件时取得最小，MMSE算法性能是比较理想的，其表达式为：
（2）
其中是高斯白噪声的方差，是本地生成的参考信号的矩阵，是信道频率响应的自协方差矩阵，跟信道的统计特性有关，可以表示为
(3)
(4)
其中m、n代表导频位置，为归一化时延，为最大多径时延，N是导频数目。
MMSE算法比LS算法性能较好，但其缺点是实现复杂度比较高，需要对一个N维矩阵多次复数相乘且求逆，当信道环境发生变化时，需要更新矩阵，且在每一个子帧内需要重新计算，其实现复杂度很高。
1.3 LMMSE算法
为了简化MMSE算法的复杂度，常采用线性MMSE算法来降低MMSE估计算法的复杂度。用各个子信道的平均功率代替每一帧的瞬时功率[7]，即用来代替求逆矩阵的方法来降低MMSE估计的计算复杂度，称之为LMMSE算法。在各子信道的调制方式相同，且数据符号在星座图上的各点出现的概率相同时，有
（5）
是单位矩阵，并且信噪比为
（6）
因此LMMSE算法的表达式：

（7）
其中是LS算法的信道估计矩阵，是由调制信号的星座图决定的常量，在QPSK调制方式中。
LMMSE算法较MMSE算法在实现复杂度上有所降低，但当子载波数量较大时，的计算量仍然较大，计算的复杂程度仍然较高。
1.4 低复杂度的LMMSE算法
为了进一步降低实现的复杂度，本文改进了一种低复杂度的LMMSE算法。该算法基于常用的解线性方程组的Gauss-Seidel迭代算法[8]。