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,该方法利用基于相关相减算法(CSA:Correlation Subtraction Algorithm)的前向递推的多级维纳滤波器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,算法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的信噪比估计标准偏差小于0.35dB,证明了估计算法在小样本支撑环境下实现信噪比快速盲估计的能力.     

用于APSK和QAM信号信噪比估计的改进分段数据拟合算法

为提高幅相键控( APSK)信号和正交调幅( QAM)信号信噪比估计范围和精度,提出了一种改进的信号信噪比估计算法。算法首先计算接收信号平方的均值和绝对值的均值之比,然后根据星座图特征,利用多项式拟合该比值与信噪比的关系。在拟合过程中,对信噪比区间进行分段拟合来提高各段拟合精度,并用蒙特卡洛仿真经验值修正算法的固有偏差,从而得到信噪比的近似无偏估计。仿真结果表明,当信噪比估计区间为-5~20 dB且数据长度合适时,16 APSK和32 APSK信号信噪比估计偏差均值小于0.5 dB,标准差小于2 dB;该算法对16QAM和32QAM信号信噪比估计的标准差小于传统数据拟合算法。该算法运算复杂度较低,便于实时应用和硬件实现,对恒模和非恒模信号均能实现信噪比宽范围精确盲估计。     

连续相位调制信号的信噪比估计

针对连续相位调制（CPM）信号信噪比估计子空间分解算法运算量较大和最大似然估计（MLE）算法信噪比小于0dB时精确度差的问题,提出了一种精确度较高的快速算法。该算法是对常用的最大似然算法的改进,利用接收信号的统计和互相关特性,无需获得信号的初始相位,便可快速准确地估计出信号的信噪比。信噪比在-20dB～20dB之间时,估计误差小于1dB。MATLAB和FPGA仿真验证了该算法的有效性。     

一种三阶多项式相位信号去噪的字典学习算法

在加性高斯白噪声的影响下,对于三阶多项式相位信号(CPS),经典的字典学习算法,如K-means Singular Value Decomposition(K-SVD),递归最小二乘字典学习算法(RLS-DLA)和K-means Singular Value Decomposition Denoising(K-SVDD)得到的学习字典,通过稀疏分解,不能有效去除信号的噪声。为此,该文提出了针对CPS去噪的字典学习算法。该算法首先利用RLS-DLA对的字典进行学习;其次采用非线性最小二乘(NLLS)法修改了该算法对字典更新的部分;最后对训练后的字典通过对信号的稀疏表示得到重构信号。对比其它的字典学习算法,该算法的信噪比(SNR)值明显高于其它算法,而均方误差(MSE)显著低于其它算法,具有明显的降噪效果。实验结果表明,采用该算法得到的字典通过稀疏分解,信号的平均信噪比比K-SVD,RLS-DLS和K-SVDD高出9.55 dB,13.94 dB和9.76 dB。     

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.     

一种基于奇异值分解的改进信噪比盲估计算法

针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高,低信噪比下估计偏差较大的问题,提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的奇异值序列进行后向差分得到梯度序列,对梯度序列每一项与后5项之和的比值进行搜索,最大比值所对应的奇异值序号作为信号子空间维数,最后计算信噪比。合适数据长度下的仿真结果表明：在信噪比-5 dB~20 dB范围内,常规通信信号的信噪比估计平均偏差小于0.5 dB,标准差小于1 dB;该算法提升了低信噪比下的估计性能,运算量较小,无需知道调制方式、载波频率、符号率等先验信息,在低信噪比时对信噪比时变的跟踪估计更为准确,且对复杂高阶调制信号同样适用。     

一种低信噪比TDMA信号的载波同步算法

本文深入研究了基于FFT运算进行相位扩展的宽范围自相关函数法和宽范围L&R算法,分析了这两种载波频偏估计算法的性能.在此基础上,本文结合TDMA信号的前导字和CZT(chirp z-transform)算法的高频率分辨率特性,设计了适于低信噪比信号的宽范围载波同步改进算法.该算法利用TDMA信号的前导字进行数据辅助(DA)型载波同步,有效地缩小了低信噪比信号的频偏范围;再利用CZT算法进一步缩小频偏范围,最后利用非数据辅助型(NDA)自相关函数法得到精确的载波频偏.改进算法的计算复杂度略高于宽范围自相关函数法,而远低于宽范围L&R算法.通过仿真比较,改进算法对低信噪比(SNR)环境(3-6dB)中的信号具有良好且稳定的估计性能.     

基于功率谱FFT的BPSK信号参数估计

针对低信噪比环境下二相编码(BPSK)信号参数估计的问题,该文提出一种基于功率谱 FFT 的信号参数估计算法.该算法根据信号功率谱傅里叶变换得到的幅度谱和相位谱与各参数之间的关系,实现 BPSK 信号的码元宽度、载频和码长估计.该算法对功率谱继续做傅里叶变换可以进一步消除噪声对估值的影响,更适合在低信噪比环境下实现参数的估计,且计算简单易于实现.仿真试验证明了该算法的准确性和抗噪性,在信噪比为-10 dB时BPSK信号的载频和码元宽度估计正确率分别比循环谱算法提高了9.9%和190.9%.     

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.     

一种联合特征参数的信号调制识别算法

针对信号调制类型识别的问题,提出一种新的基于分形盒维数和归一化峰度的信号调制类型识别算法.该算法具有计算复杂度低、抗噪性能强的优点.仿真实验结果表明该算法在高斯白噪声环境下信噪比大于-5 dB时,实验使用的几种信号的平均分类正确率超过97％,信噪比大于0 dB时,分类正确率均接近100％.     

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.     

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。     

高斯白噪声信道下8PSK信号信噪比估计

针对高斯白噪声信道下传统信噪比(Signal to Noise Ratio,SNR)估计算法适用的相位键控(PSK)调制阶数低、信噪比估计过程中数值计算系数大的问题,提出了一种新的8PSK信号盲信噪比估计算法。该算法理论分析了高斯白噪声信道下8PSK信号信噪比与中间观测量的数值关系,采用多项式拟合和观测量归一化处理的方式推导了二者的解析关系式。数值仿真表明该算法在-6~10 dB范围内,可取得良好的信噪比估计效果。     

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。     

负信噪比直扩信号伪码盲估计方法

给出了一种采用延迟相关积累和信号子空间分析实现对负信噪比直扩（DSSS）信号伪码盲估计的方法。计算机仿真结果表明，该方法可以在-15dB信噪比条件下检测信号并估计出伪码、载波频率等参数，估计结果可以实现非合作解扩解调。     

一种基于经验模态分解的信噪比盲估计新算法

为了增强未知样式信号的信噪比估计性能,提出了一种基于经验模态分解（EMD） 的信号信噪比估计新算法,通过固有模态函数（IMF）分量平均周期判断信号与噪声界限。 给出了经验模态分解估计法的工作原理和流程图,分析了经验模态分解估计法的性能。仿真 结果表明,与信号空间分解法一样,经验模态分解估计法能够实现盲信号信噪比估计,后者 估计均方误差比前者要小,在0 dB信噪比下均方误差不超过0.3 dB。     

基于多通道的跳频信号欠采样频率估计

为实现跳频信号频率跟踪估计,本文提出一种基于多通道的跳频信号欠采样频率估计方法。基于快速傅里叶变换（FFT）,提出了一种3谱线方程的频率校正算法,提高了基于中国余数定理的频率估计方法对短序列信号的频率估计精度,与现有的两种基于离散傅里叶变换（DFT）的频率校正算法相比,序列补零数量灵活。给出了一种频率估计检错机制,可以提高算法可靠性。仿真结果表明,本文所提频率估计算法的精度优于现有算法,增加序列补零数量可进一步提高算法的估计精度和信噪比阈值,降低误差平台;检错机制在-23 dB至8 dB信噪比范围内的准确率高于95.5%。      

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。