在信道满足整数点采样的情况下，时域内，能量只集中在几个来样点上。利用此性质，可用离散傅里叶(DFT)变化，将LS估计器得到的信道传输函数先通过反离散傅里叶变换(IDFT)变换到时域，再进行线性变换通过选取不同的信道响应抽样点，降低线性变换的复杂度。最后通过DFT变换到频域。如果只考虑信道冲激响应的前L个采样点，可以得到新的LS信道估计方案：

   
其中，Q’LS=(THXHXY)-1，T表示离散傅里叶矩阵F的前L列构成的N×L阶矩阵。
    这种改进提高了估计性能，原因在于最初的LS算法没有考虑信道噪声的影响，而在改进算法中，通过去掉信道冲激响应h中能量较低的若干个点，从一定程度上补偿了不考虑信道噪声的影响所带来的缺点。

4 仿真结果
    本文采用matlab7．0对LS算法以及改进的LS算法进行仿真，衡量信道估计效果的准则是均方误差(MSE，MeanSquare Error)和误码率(SER，Symbol Error Rate)。仿真中采用的OFDM系统参数如下：OFDM系统采样周期为0．5μs，循环前缀数16，系统带宽20MHz；子载波数N=64，子载波频率间隔20MHz／64，采用16QAM调制，多径瑞利衰落信道的最大时延τmax=O．2μs，多径数为4。

    图2(a)给出了LS以及改进的LS信道估计的MSE随信噪比变化的仿真曲线。由图可见，在信噪比值较小时LS估计有较大误差，说明该算法对噪声比较敏感。改进的LS算法要优于LS算法。图2(b)给出了LS以及改进的LS算法信道估计的误码率随信噪比变化的仿真曲线。由图可见，随着信噪比的提高，改进的LS算法估计性能要比LS估计有较大的改善。

5 结论
    本文分析了OFDM系统中LS和MMSE以及改进的LS信道估计算法，利用MATLAB程序仿真实现了LS以及改进的LS算法的信道估计，给出了两者的最小均方误差及误码率随信噪比变化的曲线。仿真结果表明，改进的LS算法估计精度要优于LS估计。但是改进的算法增加了计算复杂度。