非协作通信中的信噪比估计算法

研究基于信号协方差矩阵分解的信噪比估计算法.该算法使用最小描述长度准则实现了信号空间维数的估计,进而实现信噪比估计.在此基础上,提出了基于信号功率谱的信噪比估计算法.由该方法计算出接收信号的功率谱,估计出有用信号的带宽,在有用信号频带外的噪声频带上估计出噪声的功率,从而估计出信噪比值.仿真实验表明,当信噪比小于3dB时,基于信号功率谱的信噪比估计算法优于基于信号协方差矩阵分解算法.     

基于有限样本信息准则的非协作盲信噪比估计算法

针对小样本条件下的盲信噪比估计误差较大问题,结合信号子空间分解方法,提出一种基于有限样本信息准则( finite sample information criterion,FSIC)的盲信噪比估计算法,并推导出基于FSIC盲信噪比估计算法的最大似然形式.在小样本情况下,FSIC的引入克服了传统信息论方法产生的过拟合和欠拟合问题,降低计算复杂度.在不需要已知信号调制方式、载波频率、波特率等先验知识的前提下,能够在加性高斯白噪声信道(AWGN)和多径信道(Rayleigh)下对常用调制信号进行有效的信噪比估计.在信噪比-25 dB～25 dB范围内,其平均估计误差小于1 dB,表明该算法可有效应用于小样本盲信噪比估计.     

改进的子空间盲信噪比估计方法

基于子空间分解的信噪比估计方法广泛的适用于各类调制方式,但是存在低信噪比条件下信号子空间维度计算误差过大,从而导致估计性能下降的问题。通过对有限长度数据样本条件下子空间方法的分析和仿真,确定了信号子空间维度估计不准的原因,并提出一种新的适用于短数据的子空间信噪比估计方法,并分别针对不同的样本长度和信号调制方式进行实验验证。实验结果表明,低信噪比条件下,新方法能将估计误差降低了了0.3~2dB。     

一种信号数目估计的小波包分解优化算法

分析了入射信号数目估计的信息理论准则·针对在低信噪比以及数据快照数目较小的情况下,Akaike信息准则(AIC)和最小描述长度MDL都不能正确估计入射信号数目的问题,提出了采用小波包分解方法对MDL准则进行优化的算法,称之为wpMDL算法·考虑子带分解具有预测偏差小和模式隔离等特点,采用基于一维小波包分解的"伪二维"子带分解算法,不仅有效地改善了MDL准则的估计性能,而且计算量比二维分解降低了·仿真结果验证了提案算法的有效性,无论是对信噪比的变化还是数据快照数目的变化,wpMDL算法都能正确地估计入射信号的数目·     

基于WR分解的多用户多天线OFDM系统半盲信道估计

在多用户多天线OFDM上行信道的模型下,提出一种改进的基于WR分解的半盲信道估计算法。改进算法利用接收信号的统计特性和子空间分解法直接估计白化矩阵W,避免了对导频信号的依赖和模糊矩阵的求解问题。在已知W矩阵后,根据正交导频的设计方案,由最小均方误差准则得到Q矩阵。计算机仿真结果表明,系统的信道冲击响应可以被很好的跟踪,且当信噪比达到20 dB时,改进算法的RMSE比LS算法降低约1～1.5 dB。与此同时,正交导频的长度对于改进算法的性能具有较大的影响,当导频信号的长度达到整个OFDM符号块长度的1/5时,改进算法的RMSE比LS算法降低约1～2 dB。     

基于盖氏圆方法的宽带信源数目估计

针对低信噪比和小快拍数情况下宽带信号源数目较难精确估计的问题,提出了一种基于盖氏圆方法的宽带信号源数目估计算法(GDECSM)。盖氏圆方法通过利用盖氏半径对矩阵特征值范围的限定关系,能有效区分信号子空间与噪声子空间,在宽带信号源数目估计中能够产生良好的检测效果。仿真实验表明,与基于AIC准则的宽带信源数目估计算法(AICCSM)相比,GDECSM算法在低信噪比和小快拍数时都具有更高的检测概率,运算复杂度也有所降低。     

柱面共形阵列DOA与极化参数高效联合估计算法

针对共形阵列天线信源方位与极化状态联合估计算法计算量大的问题,给出了一种基于多级维纳滤波器前向递推的柱面共形阵列天线信源方位与极化参数高效联合估计算法.新算法推导了柱面共形阵列天线多级维纳滤波器的前向递推.算法以某一期望信号的训练信号为已知条件,通过多级维纳滤波器的前向递推,来实现信号子空间和噪声子空间的快速估计,避免了协方差矩阵估计与特征值分解,大大减少了已有联合估计算法的运算量,使计算量由原来的O(N3+N2L)降低到O(N2L).仿真实验表明:算法在降低算法复杂度的同时,可保证算法的估计精度,在信噪比大于10 dB时,与已有算法具有近似相同的估计精度,证明了算法的有效性.     

OFDM系统中基于子空间加权的时延估计算法

针对低信噪比条件下正交频分复用（orthogonal frequency division multiplexing，OFDM）系统利用MUSIC算法（multiple signal classification）进行时延估计时，特征值分解得到的信号子空间和噪声子空间不能完全正交导致算法性能下降的问题，提出一种基于子空间加权的时延估计算法——WMUSIC算法（weighted multiple signal classification）。算法对信道频域响应估计的协方差矩阵进行特征分解，利用噪声特征值的幂级数对噪声子空间进行加权处理，同时采用信号特征值的倒数对信号子空间进行加权处理，以修正MUSIC算法的伪谱，通过谱峰搜索得到时延估计值。仿真结果表明，与MUSIC算法相比，WMUSIC算法具有更高的时延估计精度，在信噪比为－8 dB时，估计精度在两径条件下提升71.46%，三径条件下提升19.48%。WMUSIC算法有效解决了低信噪比条件下MUSIC 算法伪谱谱峰存在混叠导致谱峰搜索误差较大的问题，可以完成较为准确的时延估计任务，提高了低信噪比条件下OFDM系统的时延估计性能。     

一种多分辨率DOA估计的小波包算法

根据MUSIC算法在信号波达方向(DOA)较近或相干时性能迅速下降的情况,提出了一种多分辨率信号波达方向估计的小波包算法基于子带分解的MUSIC算法(SB MUSIC)·算法对全带信号进行子带分解,并根据最优基选取准则选择最优叶节点,然后对每个叶节点应用MUSIC算法进行谱估计·研究表明子带分解具有提高信噪比(SNR)和放大频率间隔等优点·考虑到算法应用时只有全带频率才有意义,提出了子带频率向全带频率映射的方法·仿真证明,SB MUSIC不仅提高了特征子空间方法的分辨率,而且在子带划分适当时,具有一定的信号去相关能力,并且子带谱的估计成功率和谱平度都高于全带谱·     

无线数字通信的盲信噪比估计

在无线数字通信中,许多算法都需要知道信噪比以获取最优性能.该文提出了一种盲信噪比估计算法.该算法基于接收信号自相关矩阵的特征值分解和信息论中最小描述长度原理,在不需要预先知道接收信号的具体调制方式,也不需要知道信号的波特率和载波频率的前提下,能够对加性高斯白噪声信道(AWGN)和多径信道下常用数字调制信号的信噪比作出估计,因此是一种盲估计算法.计算机仿真表明在信噪比为0～25 dB时,估计误差均值小于1 dB,这表明该算法是一种有效的算法.     

一种基于扩频信号的散射通信信噪比估计方法

针对散射多径衰落信道下信噪比估计误差较大的问题,提出一种基于扩频信号的信噪比估计方法,该方法在散射通信信道模型的基础上,给出散射通信信噪比估计方案并设计数据帧结构,提出基于扩频信号的信噪比估计方法并给出合路信噪比计算公式,同时提出采用特定接收信号处理算法的等效信噪比计算方法,用于准确表征散射通信中的有效信噪比.仿真结果表明该信噪比估计方法估计准确,等效信噪比计算方法正确有效,相比其他信噪比估计方法,估计范围更宽,可有效解决多径信道信噪比准确估计问题.      

时域同步正交频分复用系统的频偏估计

针对时域同步正交频分复用系统现有的频偏估计精度低的问题,提出了一种精确频偏估计算法(FFDE).该算法将接收信号中相邻的2个帧头分别与对应的本地PN序列作相关运算,将相关结果共轭相乘,再取相乘结果的辐角,最后再除以帧头间的时间间隔,即可得到频偏估计值.FFDE算法具有复杂度低,精度高,抗噪声、抗多径能力强等优点.理论分析表明,FFDE算法具有极低的性能界,在高斯白噪声信道条件下,在合理的信噪比范围内,其归一化估计值的方差在10叫.以下.仿真结果与理论分析完全一致,即使在多径环境下,在信噪比为15 dB时,FFDE算法的绝对估计误差的标准差只有0.5 Hz,仅为子载波间隔的0.03%,是传统方法的1%.     

一种快速高精度的改进Fitz频率估计算法

针对Fitz频率估计算法频率估计方差在高信噪比情况下仍与克拉美劳下限存在着较大差距问题,提出了一种改进的Fitz频率估计算法。首先定义一种广义Kay窗函数加权的修正自相关函数,然后计算修正自相关函数相位的加权和,最终得到复正弦信号的频率估计值。仿真实验结果表明:当数据长度N＝24,信噪比sNr ＝20 dB时,改进算法的频率估计方差降低了约2 dB,且改进算法的计算复杂度与Fitz算法相当。因此,改进算法在满足实时性要求的同时,取得了更高的频率估计精度。     

低信噪比、高动态环境突发信号检测与估计

针对高动态环境下突发信号检测问题,提出基于高阶项逐级消去的非线性调频 (non-linear frequency modulation,NLFM) 信号参数估计算法,利用合理近似,将其转化为相对简单的线性调频 (linear frequency modulation,LFM) 信号参数估计问题,并提出两级调频率逼近法用于LFM信号参数估计,具有原理简明、计算复杂度低等特点,便于实际工程应用. 针对接收信号功率动态变化的问题,提出自适应快速傅里叶变换 (fast Fourier transform,FFT)峰均比门限信号检测算法. 仿真结果表明,所提算法能够在信噪比为-27dB的高动态环境下准确实现信号检测与参数估计.      

一种基于Toeplitz矩阵重构的波达方向估计新算法

为了提高空间谱中信号与噪声的区分度以及改善传统Toeplitz矩阵重构算法在进行波达方向(direction of arrival,DOA)估计时的精度,本文提出一种新的基于Toeplitz矩阵重构的DOA估计算法。首先将观测数据估计的自相关矩阵预处理得到数据向量,并基于数据向量进行Toeplitz矩阵重构;再对重构后的矩阵进行奇异值分解,得到信号子空间和噪声子空间;最后同时利用信号子空间和噪声子空间进行空间谱估计。结果表明:无论是相干源还是非相干源的DOA估计,该算法估计精度均优于传统Toeplitz算法,在非相干源的DOA估计精度性能与多重信号分类(multiple signal classification,MUSIC)算法一致,并在处理相干信源个数能力与传统Toeplitz算法相同。     

二相编码信号载频盲估计快速算法研究

讨论二相编码信号载频盲估计快速算法.在没有接收信号先验知识的情况下,首先粗略估计出二相编码信号的载频(fc)和3 dB带宽(△f3dB),然后以(fc)为中心,以4(△f3dB)为带宽对BPSK信号滤波,再对滤波后信号平方得到一个准正弦波信号,估计出该信号的频率,最后将该频率除以2就得到BPSK信号的载频精确估计值.理论分析证明本算法的合理性,并给出算法的应用门限.仿真结果表明本算法在没有先验知识的情况下可以对BPSK信号载频进行精确估计,特别是在低信噪比条件下依然能够取得良好的估计性能,且本算法简单易行,运算量小,适合实时处理.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

无参考输入的双话筒噪声抵消

介绍了一种双通道的噪声抵消系统 .传统的频谱减法的语音增强需要预先知道噪声的特性 .但是 ,噪声的平稳性和可分离性在许多实际应用场合都无法满足要求 .提出采用两路话筒输入 ,以便动态获得噪声频谱的方法 .采用自适应校正滤波的同步算法 ,利用语音信号的相关性同步两路信号中的语音 ,通过抵消其中的语音成分获得噪声的频谱特性 .实验证明该方法能够获得很好的同步效果 .在获得噪声频谱的基础上用频谱减和维纳滤波两种方法进行了噪声抵消的对比实验 .对 0dB信噪比输入的信号可以获得约 9dB信噪比的提高 .用维纳滤波处理后的语音比频谱减法残留较低的“音乐声” .在非平稳条件下对噪声仍具有一定的跟踪能力