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.     

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。     

多进制相移键控信号信噪比估计方法

信噪比(SNR)估计是信道估计的重要组成部分,很多先进通信系统和信号处理方法都将信噪比作为先验信息,因此对信噪比估计方法的研究尤为重要。基于多进制相移键控(MPSK)信号模型,对最大似然类、矩估计类和空间分解类算法进行了性能分析和仿真。在一定条件下,上述算法的估计偏差在[0,20] dB区间内均小于1 dB,其中最大似然类算法估计精确度最高,但易受解调误码率影响;矩估计类算法在低信噪比时性能较好,高信噪比时易受算法自噪声影响;空间分解类算法适应性最强,但实时性较差。通过对上述算法一致性和差异性分析,总结了信噪比估计的研究进展和主要问题,明确了复杂调制信号宽范围信噪比估计和空间分解方法的研究方向,为后续研究提供了解决思路和改进措施。     

基于EMD与SSA的语音增强算法研究

针对低信噪比下语音性能不佳及经验模态分解(EMD)在语音增强中的有效应用,文中提出了一种基于奇异谱分析(SSA)与EMD的语音增强算法。将含噪语音信号做EMD分解,对噪声IMF分量及信号IMF分别采用小波变换和SSA去噪处理。在输入信噪比为-10d B到10d B的高斯白噪声环境下进行仿真实验。结果表明文中提出的是一种有效的语音增强算法。     

LTE中一种基于探测参考信号的信噪比估计算法

为了在上行链路支持频率选择性调度,长期演进(LTE)系统定义了探测参考信号(SRS)用于信道质量估计。该文主要研究SRS的信噪比估计方法,针对Boumard方法和传统DFT方法的缺点,提出一种改进的基于DFT的估计方法。该方法通过在时域修正噪声的估计区间,减小高信噪比时有用信号能量泄露对噪声估计的影响,从而获得更准确的信噪比估计。仿真结果表明,所提方法的估计性能优于Boumard方法和传统的DFT方法,提高了高信噪比时的估计精度,在高信噪比区域,平均估计性能提高了约6 dB以上。     

SIMO信道中基于奇异值分解的盲信噪比估计算法

信噪比(SNR)是现代通信信号处理中一个重要参数,许多算法需要它作为先验信息以获取最佳估计性能.针对单输入多输出(SIMO)系统的信噪比估计问题,本文提出了一种盲信噪比估计算法.该算法利用多路信号协方差矩阵的奇异值分解(SVD),通过计算矩阵的最大特征值实现各路信号信噪比估计.该算法无需知道信号的先验信息,能够对加性高斯白噪声信道(AWGN)和多径信道下常用的数字调制信号进行信噪比估计.仿真结果表明该算法具有良好的估计性能.与单路信号中基于SVD信噪比估计算法相比,该算法无需估计信号空间与噪声空间维数,提高了估计精度,同时大大减小计算复杂度.     

基于平滑RAT的多相码信号参数估计

针对Radon-ambiguity变换(RAT)在估计多相码信号(Frank码、P1、P2、P3、P4码)调制参数时受噪声影响严重的问题,提出了基于平滑Radon变换的多相码信号参数估计方法。首先理论上分析了噪声影响多相码信号RAT估计性能的原因,进而通过二次平滑估计出信号RAT的噪声基底包络,最后在去除噪声基底的RAT平面中完成多相码信号调制参数的估计。仿真实验表明,该方法调频率和码元宽度估计的信噪比门限相比传统RAT方法分别降低了1 dB和4 dB。     

总体经验模态细分法提取血流超声多普勒信号的研究

提出基于总体经验模态分解（EEMD）血流细分法提高血流超声多普勒信号提取精度.首先估计辅助分析所需的白噪声幅度,进而用EEMD得到无模态混叠的本征模态函数（IMF）组,最后分离出血流信号的IMF.将本方法应用于计算机仿真和人体实测超声多普勒信号,并与高通滤波器法、原EMD法和EMD细分法比较.结果表明本文方法,提取的血流信号精度最高,特别对WBSR=70dB的混合信号,其精度比上述方法分别提高35%、38%及17%.     

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。     

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0dB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。     

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。     

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。     

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.     

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。     

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.     

基于重复序列DFT信噪比估计的频域均衡技术

针对单载波频域均衡系统,提出一种基于重复序列 DFT 的信噪比估计算法,相比于传统的信噪比估计法性能改善明显,尤其在信噪比为 20 dB 时,信噪比标准差仅为传统相关法的 23.2%。基于该算法的频域均衡技术,相比于传统技术,在误帧率为 1e-3 时有 0.06 dB 的信噪比增益。同时,系统误帧率随平均导频块数增加而减小并趋于稳定,为兼顾误帧率与时延、存储间的关系,信道估计平均导频块数设计为八个,相比于更多数据块仅有 0.02dB 的性能损失。