发射信号，接收信号和信道矩阵之间的关系可以用数学形式建模，如下所示。
在此等式中，我们知道值x1，x2（已知的发射信号）和y1，y2（检测/接收的信号）。我们不知道的部分是H矩阵和噪声（n1，n2）。
为简单起见，我们假设该信道中没有噪声，这意味着我们可以将n1，n2设置为0。（当然，在实际信道中总会存在噪声，估计噪声是信道估计中非常重要的一部分，但是我们在此示例中假设没有噪音，只是为了使其简单。稍后，当我有更好的知识以通俗的语言描述案件时，我将在案件中添加噪音）。
由于我们具有数学模型，因此下一步是传输已知信号（参考信号）并从参考信号中找出信道参数。
假设我们仅通过一个天线发送了幅度为1的已知信号，而另一个天线现在处于关闭状态。由于信号通过空气传播，并且接收方的两个天线都会检测到该信号。现在，假设第一个天线接收幅度为0.8的参考信号，第二个天线接收幅度为0.2的参考信号。有了这个结果，我们可以得出如下所示的一行信道矩阵（H）。
假设我们仅通过另一个（第二个）天线发送了幅度为1的已知信号，并且第一个天线现在处于关闭状态。由于信号通过空气传播，并且接收方的两个天线都会检测到该信号。现在，假设第一个天线接收到幅度为0.3的参考信号，第二个天线接收到幅度为0.7的参考信号。有了这个结果，我们可以得出如下所示的一行信道矩阵（H）。
够简单吗？我认为理解这个基本概念没有任何问题。但是，如果完全按照上述方法使用此方法，则可能会导致效率低下。根据上面解释的概念，应该有一个时刻，仅发送参考信号而没有实际数据，只是为了估计信道信息，这意味着由于信道估计过程，数据速率将降低。为了消除这种效率低下的问题，实际的通信系统会同时发送参考信号和数据。
现在的问题是“如何在同时传输参考信号和数据的同时实现上述概念？”。可以有几种不同的方法来执行此操作，并且不同的通信系统将使用一些不同的方法。
以LTE为例，我们使用如下所示的方法。在LTE中为2 x 2 MIMO的情况下，每个子帧具有用于每个天线的参考信号的不同位置。天线0的子帧发送了分配给天线0的参考信号，不发送分配给天线1的参考信号的信号。天线1的子帧发送了分配给天线1的参考信号的信号，不发送给参考天线的任何信号。为天线0分配的信号。因此，如果在两个接收器天线上解码为天线0的参考信号分配的资源元素，则可以估计h11，h12。（在这里，为了简单起见，我们还假设没有噪音）。如果在两个接收器天线上解码分配给天线1参考信号的资源元素，则可以估计h21，h22。
上面说明的过程是针对LTE OFDMA符号中的频域中的一个特定点测量 \(H\) 矩阵。如果您在对符号的其他部分进行解码的过程中照原样应用测量的H值，则解码的符号的准确性可能不尽人意，因为上一步中使用的测量数据会包含一定程度的噪声。因此，在实际应用中，对通过上述方法测得的 \(H\) 值进行某种后处理，在此后处理过程中，我们可以找出噪声的总体统计属性(例如，噪声的均值，方差和统计分布))。要记住的一件事是，在此过程中获得的特定噪声值本身并没有太多意义。从参考信号获得的特定值将与用于解码其他数据的噪声值（非参考信号）不同，因为噪声值是随机变化的。然而，那些随机噪声的总体特性可以是重要的信息（例如，在SNR估计等中使用）。
在继续之前，让我们再次简单地考虑一下数学模型。即使我们将系统方程式描述如下，其中包括噪声项，但这并不意味着您可以直接测量噪声。是不可能的。该方程式仅表明检测到的信号（y）包含噪声分量的某些部分。
因此，当我们测量信道系数时，我们使用了没有噪声项的设备，如下所示。