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。     

无数据辅助软判决信噪比估计

现有的无数据辅助信噪比估计算法基于接收信号的硬判决信息。在低信嗓比时,这种估计算法出现较大偏差,为此提出了一种基于软判决的估计算法,并通过仿真和原有的算法在估计性能上进行了比较。仿真结果表明,该算法在低信噪比下具有良好的性能。     

Nakagami衰落信道的信噪比估计及其在Turbo译码中的应用

在Turbo译码中，需要精确的信噪比信息来计算译码器生成的外信息，而在无线衰落信道中，Nakagami衰落信道具有通用性，文中对Summer信噪比估计算法进行了改进，使之能够应用于Nakagami衰落信道。最后，对应用了改进Summer信噪比约Turbo译码进行了性能仿真，从结果可以看出，改进的Summer信噪比估计算法能够成功应用到Turbo译码中，使得Turbo译码获得良好的性能。     

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。     

低信噪比下的信号检测与参数估计算法

信号检测与参数估计是低信噪比突发通信研究的关键技术之一,双相关信号检测算法具有良好的性能,但是计算复杂度较高,为方便工程使用,对双相关算法进行了简化。简化的双相关检测算法部分运算结果可以直接用于频偏与相位估计,减少运算量。对简化的双相关算法进行了MATLAB仿真,同时采用经典算法进行频偏相位估计,仿真结果显示简化的算法在低信噪比下具有较宽的动态范围、较大的频偏估计范围以及接近理论界的相位估计性能。     

信噪比估计方法研究

在QPSK调制方式下,分别研究推导了基于辅助数据的极大似然比信噪比估计算法研究、基于矩的信噪比估计算法研究以及基于高阶累积量的信噪比估计算法。通过仿真比较了信噪比估计算法的性能,着重分析比较了采用的迭代次数及数据长度等参数对算法性能的影响,最终根据算法各自的特点给出了相应的适用范围。     

子空间盲信噪比估计算法研究

信号子空间维数估计是影响子空间信噪比估计算法性能的重要因素。针对利用最小描述长度(MDL)准则估计维数时,只能在有限信噪比范围内实现精确估计这一情况,采用噪声功率(NP)法与加权平均信息(WIC)准则以及归一化比值法对信号子空间维数进行估计,改善了原算法在低信噪比时估计性能变差的问题。仿真结果显示在加性高斯白噪声信道条件下,实际信噪比在-10~10 d B范围内时,噪声功率(NP)法以及加权平均信息(WIC)准则比原方法有显著的优势。     

一种SSB信号频域信噪比估计算法

文中提出了一种在频域估计单边带（SSB）信号信噪比的算法,并给出了详细的理论分析。同时在同一系统模型中和现有几种典型的时域信噪比估计方法进行了比较,最后对算法进行了计算机仿真。结果表明,此方法估计精度高,性能稳定,从而说明了其有效性。而且,频域信噪比估计方法利用样点数少,实现非常简单,特别适合在突发通信系统中使用。     

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。     

改进的Summer算法及其在Turbo译码中的应用

由于Summer信噪比算法采用的信道模型为AWGN信道,他对衰落信道并不适用。通过在接收信号中增加了衰落因子,提出了一种能够应用于Nakagami衰落信道的改进Summer信噪比估计算法。仿真表明,运用改进的算法获得的信道信噪比信息非常接近实际的信噪比信息,同时,改进的Summer在线估计器使得Turbo译码性能得到明显的改善,而且不影响Turbo译码过程的总复杂度。     

一种与前向纠错结合的判决指向SNR估计方法

通过最大似然方法导出了MPSK信号在加性高斯白噪声信道的判决指向(DD)信噪比估计算法,并将这种算法与前向纠错算法结合得到了一种新的信噪比估计方法。分析和仿真的结果表明,该方法的估计性能不但比判决指向算法好得多,而且也优于最近出现的其他信噪比估计算法。     

激光多普勒测速雷达高精度频率估计综合算法

为实现对目标速度的高精度测量,该文搭建了激光多普勒测速雷达系统,并对其频率估计算法进行了研究。对基于自相关运算的频率估计算法进行了改进,使其性能达到了最优,并结合Quinn算法的特点,提出了一种对信噪比具备自适应性的频率估计综合算法。Monte Carlo模拟仿真和圆形转台测速实验结果表明:新算法具有更优的性能,且采用该算法后,系统速度的均方根误差小于2 mm/s,相对误差优于0.06 %,实验结果与理论分析和仿真结果一致。     

一种精确的QPSK信号信噪比估计算法

通过使用二阶统计量、数据拟合和对QPSK信号实部和虚部分开考虑的方法得到了一种比较精确的QPSK信号的信噪比估计算法。与现有的另外两种算法相比，不但解决了对低信噪比值无法估计的状况，使估计性能有了明显的提高，而且运算复杂度也可根据需要降低到可以接受的程度。     

MAP译码算法对信道估计偏差敏感度分析

作为MAP译码算法的必要参数,信噪比通常通过信道估计单元得到。相关研究表明,信噪比估计值偏差对Turbo译码器输出性能将造成较大的影响。通过对MAP算法的求解,从理论上解释了MAP译码性能下降的主要因素,并通过理论分析和仿真验证,论证了当估计值较真实值小时译码性能明显降低的原因,同时证明了长帧Turbo码对信噪比参数更为敏感。     

MPSK信号的载波同步参数最大似然估计的研究

运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、判决引导SNR估计方法和一种新的盲信噪比估计方法,对其进行仿真,并与其它一些SNR估计算法进行了比较。通过仿真的结果显示数据辅助的SNR方法性能优越,新的盲SNR估计算法对BPSK信号真有估计范围广、精度高和复杂度小的特点。     

SNR估计误差对BICM-ID系统性能影响的研究

在BICM-ID(Bit-Interleaved Coded Modulation with Iterative Decoding,BICM-ID)系统或其他级联码系统中实现迭代检测接收机需要对信道的信噪比(SNR)进行估计。该文研究信噪比估计误差对BICM-ID系统性能的影响,分析各种译码算法对信噪比估计误差的敏感程度。理论分析和仿真结果表明max-log-APP算法对信噪比估计具有最好的鲁棒性,log-APP及其他简化算法对SNR估计误差的鲁棒性在SNR过估计时比SNR欠估计时好,原因在于各个算法所采用的修正函数不同。满足算法性能没有大的损失的SNR估计误差精度范围随着信道条件的改善而增大,通常在-2dB到+6dB之间。因此在非理想的信道状态信息条件下,max-log-APP算法是BICM-ID系统的最佳译码算法。     

T-TCM系统中的SNR失配分析

该文基于AWGN信道研究了SNR失配对T-TCM系统性能的影响。蒙特卡洛仿真结果表明,SNR欠估计偏差不大于4dB时,T-TCM系统性能基本不受影响,更大的SNR估计偏差则会导致系统性能迅速下降;而SNR过估计始终不会造成系统性能折损。该文结合雅可比对数式及迭代译码算法的特点从理论上给出了解释,进一步提出无需SNR估计的T-TCM译码方案,在保证性能没有损失的前提下降低了T-TCM的应用要求与实现复杂度。     

基于信号高阶统计矩分析的信噪比盲评估算法

正确地进行信噪比(SNR)评估是CDMA系统进行有效通信的基础,也是某些算法实施的基础,如功率控制、多径搜索与跟踪等。传统的方式中,往往以接收到的信号幅度(信号 噪声)的大小来判断接收信号质量,这在SNR较大的情况下是可行的,但在小信噪比条件下,由于噪声干扰严重,接收信号幅度的大小,不能反映接收信号质量水平。只有接收信号SNR的大小,才能反映接收信号的实际质量。本文提出了一种基于信号高阶统计矩分析的SNR盲评估算法,计算机仿真结果表明,该算法较其他算法有更好的适应性。     

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。