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。     

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。     

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。      

改进白化的MDL快速独立分量分析算法

采用主分量分析法(PCA)进行的白化处理,可能会错误估计信号子空间维数,且未考虑噪声影响。提出了一种基于最小描述长度(MDL)准则信源个数估计改进白化的盲分离算法。通过信源个数估计确定信号子空间的维数,区分信号与噪声子空间,并估计噪声平均方差,对信号特征值进行修正,进而减小噪声影响,提高算法分离性能。仿真表明,在信噪比高于5 dB时,MDL估计正确估计概率趋近于1,改进白化的MDL快速独立分量分析(FastICA)算法比经典FastICA算法分离性能有较为明显的提高。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

非协作通信中的盲信噪比估计算法

为解决调制识别前端的信噪比估计问题,首先给出了一种新的基于子空间分解的盲信噪比估计算法,新算法通过利用信号的过采样率信息构造特定维数的自相关矩阵,避免了原算法中对信号和噪声空间维数的估计.同时为了降低算法计算复杂度,以及更好地跟踪信噪比的变化,给出了另一种基于PASTd的子空间跟踪算法来进行信噪比的跟踪估计.仿真结果表明,与经典的子空间分解算法相比,改进算法在性能上有着显著的优势;同时基于PASTd的信噪比估计算法相比基于子空间分解的估计算法更好地跟踪了信噪比的时变.     

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。     

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。     

一种改进的DSSS信号扩频码估计算法研究

在低信噪比条件下检测出直接序列扩频(DSSS)信号后,要恢复出原始信息,估计出扩频码序列是非常关键的,因此有必要研究DSSS信号的扩频码序列估计算法。提出了一种基于改进的协方差矩阵迭代算法应用于估计扩频码序列。理论分析和计算机仿真实验都表明了该算法能在低信噪比下估计出扩频码序列,与其他一些扩频码序列估计算法如基于投影子空间的算法、基于神经网络的算法相比,具有运算量更小等优势。     

窄带干扰下基于子空间跟踪的扩频序列估计

针对窄带干扰条件下低信噪比直扩信号扩频序列（Direct Sequence Spread Spectrum,DSSS）的盲估计问题,提出了一种基于子空间跟踪的扩频波形估计算法.该方法避开了直接的特征分解求解,利用滑动窗技术取得码同步,根据求解结果可以估计出信号所夹杂的窄带干扰特征波形,并进一步消除窄带干扰估计出信号的扩频码序列.结果表明,该算法在低信噪比条件下能完成对PN码序列的精确估计,降低了数据的存储量,易于硬件实现.     

基于MMSE 信道估计的VRVP-MQAM 方法性能研究

信道估计对于VRVP-MQAM系统的整体性能至关重要,论述了VRVP-MQAM方法在实际应用中遇到的问题,针对假定CSI已知的传统研究方法,该文通过采用MMSE算法进行信道估计,研究了MMSE估计误差对VRVP-MQAM方法的ASE性能影响,并在Rayleigh衰落信道下进行了仿真,仿真结果表明:与信道状态已知(=1)相比,MMSE估计误差(=0.9时)会产生1~3 dB左右的ASE性能差距;当平均SNR为20 dB时,MMSE算法下信道状态的平均频谱效率为0.3 bps/Hz,比理想信道状态的平均频谱效率低。因此,VRVP-MQAM方法的应用将会越来越广泛。     

空时分组码系统的盲信道估计

空时编码是实现宽带无线数据通信的一种极有潜力的技术,随着发射天线个数的增加,对空时编码进行信道估计时,所需训练符号的个数也将增加,减少了传输数据的有效时间.本文将子空间方法同空时分组码的特性有机地结合,提出了无需训练序列,直接进行信道估计的方法.它充分利用空时分组码的特性,使得接收信号中,表示信道衰落影响的矩阵各向量间存在一定联系,利用这些联系,结合子空间方法,从接收信号中解得信道信息.Monte-Carlo仿真表明,在信噪比较低时,本文算法带来的信道估计误差对于解码性能影响较小.     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

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。     

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。     

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.     

基于相关向量机的信噪比估计算法

为了使已有PSK信号信噪比估计算法在平坦衰落信道下,能够同时满足估计范围大、估计精度高的要求,提出了一种基于相关向量机（RVM, relevance vector machine）的信噪比估计新算法。该方法在建立起信噪比与二阶、四阶矩之间关系的基础上,应用相关向量机建立估计模型,并通过训练学习,得到可靠的模型权值。实验表明,利用测试数据对信号信噪比进行估计时,相对于其他算法,该算法具有使用数据量少,估计范围广,在有效的估计范围内,估计精度较高,且适用于多种调制信号的特点。     

空时编码多载波码分多址MIMO系统下行频率选择性信道盲估计

基于子空间方法的无线信道盲估计由于其算法的固有特性,使得估计结果与实际信道之间存在一个不确定复系数,无法得到无线信道的精确估计。在利用子空间分解方法对空时编码多输入多输出MC-CDMA系统下行频率选择性信道盲估计的基础上,利用发射符号的有限码集特性,将单载波系统下的模糊复系数盲辨识方法推广到多载波多输入多输出系统,从而得到信道的精确估计。Monte-Carlo仿真表明,在信噪比较低的情况下,本方法的信道估计误差仍然较小。