基于整体经验模态分解的信噪比估计方法

为了提高未知样式信号的信噪比估计性能,提出一种基于噪声辅助的信噪比估计新算法,通过固有模态函数（IMF）分量平均周期的变化判断信号与噪声界限,给出了基于噪声辅助估计法的工作原理和流程图,分析了基于噪声辅助估计法的性能。仿真结果表明,基于噪声辅助估计法能够实现盲信号信噪比估计,在0 dB信噪比下均方误差不超过0.2 dB。     

一种基于序列相关的信噪比估计算法

针对多径信道,提出了一种基于序列相关的信噪比估计算法,利用本地序列与接收信号相关,并采用最小二乘估计法,精确地估计了接收信号幅度和噪声方差,得到了两径信道下信噪比的估计值。仿真结果表明该算法整体估计性能较好,特别适合于低信噪比条件下。在信噪比为-1dB时,与现有的频域和二阶矩四阶矩（M2M4,2-order and 4-order Moments）估计算法相比,该算法的归一化均方误差分别降低了0．09和0．2。     

基于数据辅助的MPSK信号频域信噪比估计

为在载波频率精确恢复前提高多进制数字相位调制（MPSK）信号在低信噪比下的估计精度,提出了一种数据辅助的MPSK信号频域信噪比估计算法。算法在符号定时恢复和帧同步后提取同步段符号,相关运算后在频域进行信噪比估计。仿真结果表明,算法估计均值无偏,不受载波频率误差的影响,在符号长度为512、信噪比为-10 dB时,均方误差与克拉美罗界只有0.15 dB的偏差,特别适合于接收信号包含载波频率误差且要求低信噪比下具有较高信噪比估计性能的应用。     

改进的经验模态分解盲信噪比估计方法

针对经验模态分解信噪比估计方法运算量大、精度低的问题,本文结合概率论提出了改进的算法。利用离散傅里叶变换分析了固有模态函数的功率谱分布情况,确定了3次分解的有效性,简化了运算过程。基于统计数据给出了分量功率谱密度分布关于特征参数的正态分布近似表达式,并分析了分解过程中存在的能量溢出现象,由此给出了由特征参数估计信噪比的方法。针对不同的样本长度和信号调制方式测试了新算法的性能,结果表明新方法的性能优于原始方法,信噪比0dB时新方法的估计误差不高于0.5dB。      

基于经验模态分解重构的二次相关时延估计

针对低信噪比情况下的时延估计,将二次相关( SC)时延估计与经验模态分解( EMD)算法结合,提出了EMD重构二次相关时延估计方法。该方法针对EMD重构时本征模态函数的选择,将倒谱法和谱减法相结合,提出新的本征模态函数中有用信号主导分量和噪声主导分量的区分方案。研究结果表明：EMD重构二次相关法较传统二次相关法抗噪性能更优,更能锐化二次相关峰值;在非高斯有色噪声和高斯白噪声情况下,分别将准确估计时延的信噪比降低了4 dB和2 dB。     

基于稀疏分解和混沌理论的微弱信号检测

针对数字锁定放大器中稀疏分解算法检测精度受限的缺点,结合非线性方法进行补偿,采用混沌检测联合稀疏分解的算法设计了数字锁定放大器。数字锁定放大器借助稀疏分解算法估计信号参数,根据估计得到的参数设计对应混沌系统;利用混沌系统检测信号的过程中产生间歇性混沌状态,并通过测量间歇性混沌状态的周期,精确检测信号。最终,在信号的信噪比低至-20 dB时可以成功检测信号,频率精度达到0.05 Hz,提供了一种非线性微弱信号检测方法。     

一种新的卫星信号调制方式识别方法

根据采样数据恢复信号频谱后,采用频域估计法检测卫星信号中心频率,再利用延 迟相乘法估计卫星信号调制速率。通过内插恢复得到信号星座图,根据星座图特征对无先验 信息的卫星信号调制方式进行识别。利用实测的8PSK和QPSK卫星信号检测了识别的效果, 在信号信噪比低于5 dB时无法得到信号星座图。     

LS曲线拟合下的时差估计

针对时差估计（TDE）易受噪声影响产生模糊的问题,推导了单频信号、线性调频（LFM）信号以及二进制相移键控（BPSK）信号的互相关（CC）函数表达式,以最小二乘（LS）曲线拟合细化CC函数的幅度谱,获取精确的时差估计。首先对CC函数的幅度谱进行谱峰搜索,得到时差的粗估计,然后对CC函数的幅度谱以时差的粗估计为界,根据脉内调制类型,选择相应的一次或二次曲线,进行LS曲线拟合,降低噪声项对信号项的影响,可有效排除伪峰和局部最大,获得时差的精确估计。仿真结果显示,在信噪比大于6 dB时,BPSK信号的时差估计均方根误差接近零。     

一种基于平均周期图的频域信噪比估计算法

在信噪比估计算法中,频域估计法是一种经典算法。为了降低算法复杂度并在低信噪比条件下准确估计,在频域估计法的基础上,结合平均周期图的思想,通过分段运算、累加合并的方法,给出一种改进的频域信噪比估计法。仿真结果表明,在实际信噪比为[-16 dB,-6 dB]时,估计均方误差不超过0.4 dB;通过与最大似然法仿真对比可知,该算法不受多普勒频移影响,应用范围更广。同时,该算法运算量少,复杂度低,易于在工程中实现。     

基于多级维纳滤波的盲信噪比估计

提出了一种基于多级维纳滤波(MSWF: Multistage Wiener Filter)的盲信噪比估计算法。结合信号子空间分解理论,该方法利用多级维纳滤波器的相关相减结构(CSA: Correlation Subtraction Algorithm)前向递推实现含噪信号空间分解,避免了传统方法对信号自相关矩阵进行复杂的特征值分解运算,并以此估计信号功率和噪声功率来完成盲信噪比估计。在加性高斯白噪声(AWGN)信道条件下进行信噪比估计仿真,仿真表明,当实际信噪比在-7~25dB范围内时,估计器的估计标准偏差小于0.5dB,且性能优于常规方法。设定实际信噪比为10dB,当接收码元数目为100时,对所有仿真的调制方式信噪比估计标准偏差小于0.35dB,证明了估计器在小样本支撑环境下实现信噪比快速盲估计的能力。      

一种平坦衰落信道下的盲信噪比估计算法

针对基于子空间分解信噪比估计算法中信号子空间维数估计复杂度高、小样本条件下估计偏差大的问题,提出了一种改进的盲信噪比估计算法.该算法首先构造接收信号的自相关矩阵,然后从矩阵奇异值序列的尾部开始,间隔两项依次进行差分得到梯度序列,再以梯度序列相邻两项均值大干特定阈值为条件确定信号子空间的维数,最后求得信噪比.仿真结果表明:信噪比范围为-5～+15 dB时,平坦衰落信道下常用调制信号的信噪比估计标准差小于0.1 dB,与MDL,AIC方法相比,该算法计算量小,且能适应更低的信噪比和更短的数据长度.     

基于自相关和时频分析的跳频参数估计

为解决低信噪比条件下跳频参数估计算法性能低的问题,提出了一种基于自相关和时频分析的跳频参数估计算法。首先,采用基于能量检测的分段自相关算法对接收端信号进行预处理;然后,进行时频变换,得到信号的时频矩阵,通过二值化和形态学滤波完成对信号的降噪提取;最后,通过聚类算法完成参数估计。仿真实验表明,该算法具有较高的估计精度和良好的抗噪声性能,在信噪比最低为-11 dB时估计误差数量级仍为10^-7,同时自相关运算对参数估计算法的抗噪声性能具有明显的提高作用。     

中频通信信号信噪比的快速盲估计

信噪比是通信信号处理中的一个重要参数,许多算法都以它作为先验信息来获取最佳性能。该论文通过确定中频通信信号的频谱范围来计算信号能量,进而根据定义估计信噪比,由此提出了一种中频通信信号的信噪比快速盲估计方法。对BPSK,QPSK,16QAM等常用线性调制通信信号的仿真表明:该方法性能稳定,在数据样点长度为4096且信噪比变化范围为-5 dB到25 dB时,估计值的偏差和均方根误差基本都小于0.5 dB。与基于特征值分解的方法相比,在得到精确估计结果的同时具有计算复杂度小、适应动态范围广等优点。     

AWGN信道中非恒包络信号SNR估计算法

本文提出一种利用信号自相关矩阵的奇异值分解(SVD)对加性高斯白噪声(AWGN)信道下非恒包络信号信噪比的盲估计算法,并作了详细理论分析.通过对该算法进行计算仿真,结果表明:该算法性能稳定,对MPSK、MQAM信号在实际信噪比为1~20dB时,估计误差小于0.5dB.     

一种新的基于改进PASTd的中频信号盲信噪比估计算法

该文提出一种加性高斯白噪声信道下基于改进的紧缩投影近似子空间跟踪(PASTd)的中频信号盲信噪比估计算法。将Gram-Schmidt正交化过程引入到PASTd中,使计算得到的特征向量相互正交,从而保证算法具有更好的收敛性能。对MPSK(M=2,4,8)信号和MQAM(M=16,64,128,256)信号进行了大量计算机仿真,结果表明该算法性能稳定,并且当信噪比变化范围为5dB到25dB时,所得到的估计偏差小于1dB,估计标准差在0.3以内。与基于特征值分解的算法相比,能够在得到精确估计结果的同时,大大减小运算复杂度。     

MPSK信号的最大似然SNR估计方法

该文利用最大似然准则分别推导了对于MPSK信号的数据辅助SNR估计方法、判决指向SNR估计方法和一种新的盲信噪比估计方法。文章对这些算法的性能进行了分析和计算机仿真,并与其它一些SNR估计算法进行了比较。分析和仿真的结果显示数据辅助的SNR方法性能优越,很好地符合了信噪比估计性能下限(CRLB)。判决指向算法性能依赖于判决的准确程度,在高信噪比时性能较好;而在低信噪比条件时,特别是小于OdB以后其估计有较大偏差。新的盲SNR估计算法对于BPSK信号具有估计范围广、精度高和复杂度小的特点,但是当M增加时性能会明显下降。     

基于SC-FDMA系统的噪声估计算法研究

为了提高单载波频分多址接入(SC-FDMA)系统的性能,一种简单且有效的基于探测参考信号(SRS)的噪声估计算法是必要的.针对传统基于离散傅里叶变换(DFT)算法的缺陷,提出了一种改进的基于DFT的算法.另外,在该改进的基于DFT的算法的基础上,又通过增加汉宁窗进行修正,减小了高信噪比下信号能量的泄露.仿真结果表明,在低信噪比下,改进的基于DFT的算法的性能相比传统的算法性能上有4 dB的改善.但是,在高信噪比下,改进的基于DFT的算法的性能逐渐变差,而通过添加汉宁窗却能修正这一缺陷,使其性能得到至少4 dB的改善.     

基于多通道数据融合的跳频信号频率跳变时刻估计算法

针对低信噪比条件下宽带高速跳频信号的参数估计问题,提出一种多通道数据融合跳频信号频率跳变时刻估计算法。该算法利用无盲区数字信道化预处理实现宽带跳频信号的全概率、全盲接收,通过数据融合得到一路包含全部频率跳变信息的参考信号,并利用该参考信号进行最大似然估计得到频率跳变时刻精确估计值。给出了所提出跳变时刻估计算法的Cramer-Rao下界并进行实验仿真。理论推导和仿真结果表明:针对一定的输入信噪比,适当选择信道化数和估计时间可实现较高的估计精度。在0dB信噪比条件下,采用16通道数字信道化处理,估计方差小于10-3。