CN103916342A - 一种信噪比估计方法 - Google Patents

Abstract

本发明提供一种信噪比估计方法，用于根据接收信号中插入的导频估计接收信号的信噪比，该方法包括以下步骤：步骤S1，从所述接收信号中获取所述导频所在位置的导频数值X_m,k、信道估计值H_m,k和高斯白噪声N_m,k，其中，m,k表示相应所述导频位于第m个数据符号、第k个子载波；步骤S2，根据所述导频数值X_m,k、所述信道估计值H_m,k和所述高斯白噪声N_m,k获取相应所述导频所在位置的导频位置信息Y_m,k；步骤S3，根据所述导频数值X_m,k、所述信道估计值H_m,k和所述导频位置信息Y_m,k获取所述接收信号的信噪比估计值。本发明可以在数据符号中插入的导频数量有限、不能做大量统计的情况下，消除噪声与信号之间的相关项，可以优化算法估计值的准确性和稳定性，并简化计算复杂性。

Description

一种信噪比估计方法

技术领域

本发明涉及通信技术领域，尤其涉及一种信噪比估计方法。

背景技术

在通信系统中，表征信道质量的参数主要有误码率、误包率、信噪比（信干比）、接收信号强度、多普勒频移和信道时延扩展等，其中，误码率和误包率是信号传输质量的直接度量，但它们需要通过大量的统计才能够得到，耗费时间长，不能够反应实时系统性能。而信噪比（Signal to Noise Ratio，SNR）作为通信系统中一项重要的参数，是多种通信技术得以实现的重要依据，包括移动通信中的切换、链路自适应技术、译码算法等等，其直接与误码率、误包率相关，并且可以实时测量，能够更真实的反应系统的实时特性，方便设计人员尽可能的利用有限资源来提升系统性能。

信噪比是指接收信号中平均有用信号功率和干扰噪声的平均功率之比，估计的方法通常可以分为盲估计方法和基于导频符号的估计方法。其中，前者需要进行大量统计和复杂的运算，并且估计精度不如后者精确；后者是指在发送数据符号中插入导频，然后在接收端利用这些已知的导频进行信噪比估计，通常，导频符号是在频域插入的，即和数据符号一样放到不同的子载波上发送。对于导频符号辅助的估计方法，有以下几种经典的方法可以参考：

在文献1【Sandrine Boumard,Novel Noise Variance and SNR EstimationAlgorithm for Wireless MIMO OFDM Systems,GLOBECOM2003,0-7803-7974-8-03/$17.002003,IEEE,1330-1334】中，提供的信噪比估计方法的核心思想是假设相邻子载波的信道近似相等，这样可以通过相邻子载波的相似性减少计算的复乘次数。但是，这种假设也局限了该算法的性能，这是因为：当信道的均方时延扩展增大时，假设条件就越来越得不到满足，引入的误差也越来越大，并且会在低信噪比和高信噪比的情况下出现error floor（错误平层），从而导致信噪比估计性能恶化。因此，虽然该算法的实现方式较简单，但是它只适用于慢衰落信道的环境中。

在文献2【Chenyang Li,Sumit Roy,Subspace-Based Blind ChannelEstimation for OFDM by Exploiting Virtual Carriers,IEEE Transactions onWireless Communications,Vol.2,No.1,January2003,141-150】中，提出了一种基于特征值分解的信噪比估计算法，该算法利用接收信号共轭相乘矩阵的特征值估计信噪比，也就是相当于时间上无延时自相关。这种方法不会随着信噪比的增加而出现平顶效应，并且MMSE（Minimum mean-square error最小均方差）会下降，每一帧的计算波动也比较小。但是，当估计的路径模型与实际的多径数目相差较大的时候，会出现较大误差。并且计算特征值所需的硬件在实现中难度较大。

文献3【蔡梦张科峰邹雪城吴兰春，基于空子载波的信噪比估计算法，华中科技大学学报（自然科学报）第38卷第3期，69-71】提出了基于虚子载波的信噪比估计算法，该算法假设虚子载波上带的是纯噪声，那么信噪比估计是比较准确的。但是，在实际中，虚子载波是要被滤波器滤除的，而且不能保证虚子载波上全是纯噪声，其还会携带频带串扰和本振干扰，这会使噪声功率估计极不准确，波动也比较剧烈。

文献4【REN Guang-liang,ZHANG Hui,CHANG Yi-lin,An SNR blindestimation technique based on virtual carriers in OFDM systems,西安电子科技大学学报第31卷第2期，186-189】提供了一种基于导频时域自相关的算法，但是，该算法每一次的计算结果波动比较大，但在多次计算后的NMSE较小。同时，该算法也存在平顶效应，当信噪比过大或者过小的时候都会出现性能恶化。

文献5【张金成彭华赵国庆，信噪比估计算法研究，信息工程大学学报第12卷第5期，535-543】提供了利用导频位置信道估计值进行频域自相关以获得SNR估计的算法，该算法与利用时间自相关的算法是类似的。后者在不同时间同一子载波作能量计算后平均，而前者是在同一时间点不同子载波做能量计算后平均。然而，对于频选信道，频域自相关在做平均时忽略了频率选择衰落。因此当信道出现比较严重的深衰落时，估计性能会出现严重恶化，并且该算法计算量比较大，有相较于时间自相关更多的相关运算。

可见，上述文献1-5中提出的方法虽各有千秋，但也各有不足，本发明针对上述现有技术的不足，拟提供一种更好的信噪比估计方法。

发明内容

本发明的目的在于提供一种信噪比估计方法，以实现稳定、可靠、简单的信噪比估计。

为了实现上述目的，本发明采用如下技术方案：

一种信噪比估计方法，用于根据接收信号中插入的导频估计接收信号的信噪比，该方法包括以下步骤：

步骤S1，从所述接收信号中获取所述导频所在位置的导频数值X_m,k、信道估计值H_m,k和高斯白噪声N_m,k，其中，m,k表示相应所述导频位于第m个数据符号、第k个子载波；

步骤S2，根据所述导频数值X_m,k、所述信道估计值H_m,k和所述高斯白噪声N_m,k获取相应所述导频所在位置的导频位置信息Y_m,k；

步骤S3，根据所述导频数值X_m,k、所述信道估计值H_m,k和所述导频位置信息Y_m,k获取所述接收信号的信噪比估计值。

进一步地，在所述步骤S2中，相应所述导频位置信息Y_m,k根据数学关系式Y_m,k=X_m,kH_m,k+N_m,k计算得到。

进一步地，所述步骤S3包括以下步骤：

将所述导频位置信息Y_mk进行自相关运算得到

将所述导频位置信息Y_m,k与所述导频数值X_m,k的共轭值和所述信道估计值H_m,k的共轭值的乘积相乘得到

将所述导频位置信息Y_m,_k的共轭值与所述导频数值X_m,k和所述信道估计值H_m,k乘积相乘得到 $R_{m,k}^3={Y_{m,k}}^{*}{X}_{m,k}{H}_{m,k};$

将所述导频数值X_m,k和所述信道估计值H_m,k的乘积求取模制平方得到 $R_{m,k}^4={\left|X_{m,k}{H}_{m,k}\right|}^2;$

根据数学关系式 ${\mathrm{SNR}}_{m,k}=\frac{R_{m,k}^4}{R_{m,k}^1-R_{m,k}^2-R_{m,k}^3+R_{m,k}^4}$ 计算得到相应所述导频所在位置的信噪比估计值SNR_m,k，并将SNR_m,k作为所述接收信号的信噪比估计值。

优选地，所述步骤S3包括以下步骤：

将所述导频位置信息Y_m,k进行自相关运算得到

将所述导频位置信息Y_m,k与所述导频数值X_m,k的共轭值和所述信道估计值H_m,k的共轭值的乘积相乘得到

将所述导频位置信息Y_m,k的共轭值与所述导频数值X_m,k和所述信道估计值H_m,k乘积相乘得到 $R_{m,k}^3={Y_{m,k}}^{*}{X}_{m,k}{H}_{m,k};$

将所述导频数值X_m,k和所述信道估计值H_m,k的乘积求取模制平方得到 $R_{m,k}^4={\left|X_{m,k}{H}_{m,k}\right|}^2;$

根据数学关系式 ${\mathrm{SNR}}_{m,k}=\frac{R_{m,k}^4}{R_{m,k}^1-R_{m,k}^2-R_{m,k}^3+R_{m,k}^4}$ 计算得到相应所述导频所在位置的信噪比估计值SNR_m,k；

求取第k个子载波上的全部所述导频所在位置的信噪比估计值SNR_m,k的平均值SNR_k，并将所述平均值SNR_k作为所述接收信号的信噪比估计值。

本发明的信噪比估计方法可以在数据符号中插入的导频数量有限、不能做大量统计的情况下，消除噪声与信号之间的相关项，其最大优点是可以优化算法估计值的准确性和稳定性，并简化计算复杂性；同时可实时反应系统所处信道的环境状况，且所估计的范围有足够宽度的线性区域。

附图说明

图1为本发明一个实施例采用的OFDM接收端的结构框图；

图2-1为梳状导频插入方式示意图；

图2-2为块状导频插入方式示意图；

图2-3为离散导频插入方式示意图；

图3为本发明的信噪比估计方法的流程图；

图4为本发明的信噪比估计方法与现有信噪比估计方法的性能比较示意图。

具体实施方式

为使进一步深入了解本发明的技术手段与特征，谨配合附图再予举例进一步具体说明于后。

本发明的信噪比估计方法可应用于OFDM（Orthogonal Frequency DivisionMultiplexing，正交频分复用）系统，但并不局限于OFDM系统，例如，还可应用于CDMA（Code Division Multiple Access，码分多址）、SC-FDMA（Single-carrier Frequency-Division Multiple Access，单载波频分多址）等系统中。

下面以OFDM系统信噪比估计为例详细介绍本发明的信噪比估计方法。

OFDM系统包括OFDM发送端和OFDM接收端，且OFDM接收端的结构一般如图1所示，包括依次连接的同步模块1、FFT变换模块2、均衡模块3、软解调模块4和译码模块5，还包括依次连接在FFT变换模块2与均衡模块3之间的信道估计模块6和信噪比估计模块7。其中，同步模块1主要用于符号定时和频率同步；FFT变换模块2完成快速傅立叶变换；均衡模块3用于削除信道衰落对信号的影响；软解调模块4用于将均衡后的信号依据发射端的映射方式进行解调，并输出软信息；译码模块5用于完成译码工作，以恢复发射端原始数据流；信道估计模块6用于估计信道的频率响应；信噪比估计模块7用于估计接收信号的信噪比，本发明的目的即在于对信噪比估计模块7所采用的估计方法进行改进，为其提供一种稳定、可靠、简单的信噪比估计方法。

本实施例提供的信噪比估计方法是基于导频的估计方法，即，利用OFDM发送端在数据符号中插入的导频进行信噪比估计。通常，在OFDM数据符号中插入导频的方式有以下三种：

第一种，如图2-1所示的梳状导频插入方式，导频在所有子载波上发送，时域的最小单元是一个包含导频信息的OFDM数据符号，系统每隔若干个数据符号传送一个导频符号。第二种，如图2-2所示的块状导频插入方式，导频在时域上持续发送，在频域上只占用少数特定的预留子载波，每隔若干子载波发送一个导频子载波。第三种，如图2-3所示的离散导频插入方式，这种插入方式是前两种方式的结合，即，在频域上，每隔若干子载波插入一个导频子载波，在时域上，每隔若干个符号插入一个导频符号，这种插入方式可以充分利用频域和时域上的相关性，用尽可能小的导频开销，支持高精度的信道估计。在此，本发明优选采用离散导频插入方式，但不局限于该方式。

当OFDM接收端接收到信号后，采用如图3所示的步骤估计接收信号的信噪比：

步骤S1，从接收信号中获取各插入导频所在位置的导频数值X_m,k、信道估计值H_m,k和高斯白噪声N_m,k，其中，m表示相应导频位于第m个数据符号，k表示相应导频位于第k个子载波；导频数值X_m,k即为在OFDM发送端播入第m个数据符号、第k个子载波处的导频的数值；信道估计值H_m,k即为OFDM接收端求取的第m个数据符号、第k个子载波处的导频位置的信道估计值，其可以通过LS（Least Square，最小平方）、MMSE以及其他信道估计方法获取；高斯白噪声N_m,k即为OFDM接收端求取的第m个数据符号、第k个子载波处的导频位置的高斯白噪声，其求取方法为现有技术。

步骤S2，根据导频数值X_m,k、信道估计值H_m,k和高斯白噪声N_m,k获取相应导频所在位置的导频位置信息Y_m,k=X_m,kH_m,k+N_m,k。

步骤S3，根据导频数值X_m,k、信道估计值H_m,k和导频位置信息Y_m,k获取接收信号的信噪比估计值，具体通过如下步骤实现：

将导频位置信息Y_m,k进行自相关运算得到在本发明中，将导频位置信息Y_m,k进行自相关运算是指将导频位置信息Y_m,k与其共轭值相乘；

将导频位置信息Y_m,k与导频数值X_m,k的共轭值和信道估计值H_m,k的共轭值的乘积相乘得到

将导频位置信息Y_m,k的共轭值与导频数值X_m,k和信道估计值H_m,k乘积相乘得到 $R_{m,k}^3={Y_{m,k}}^{*}{X}_{m,k}{H}_{m,k};$

将导频数值X_m,k和信道估计值H_m,k的乘积求取模制平方得到 $R_{m,k}^4={\left|X_{m,k}{H}_{m,k}\right|}^2;$

根据数学关系式 ${\mathrm{SNR}}_{m,k}=\frac{R_{m,k}^4}{R_{m,k}^1-R_{m,k}^2-R_{m,k}^3+R_{m,k}^4}$ 计算得到相应导频所在位置的信噪比估计值SNR_m,k，则SNR_m,k即为接收信号的信噪比估计值。至此，接收信号的信噪比估计算法完成。

优选地，为了获得更为准确的接收信号的信噪比估计值，还可以对当前用户占用资源中第k个子载波上的所有导频位置信噪比估计值求取平均，并将求取的平均值SNR_k=E[SNR_m,k]作为为接收信号的信噪比估计值。

为了测试本实施例的信噪比估计算法的性能，下面通过仿真进行验证。仿真参数设置如下：采样间隔32.55ns，系统带宽20MHz，子载波间隔15kHz，FFT点数为2048点，时域导频间隔为6个符号，频域导频间隔为6个子载波。

图4比较了本实施例的信噪比估计算法与现有信噪比估计算法的估计结果，包括文献【1】提供的算法（图4中示出为带有三角形的曲线）、文献【2】提供的算法（图中4示出为带有空心圆形的曲线）、文献【3】提供的算法（图4中示出为带有方形的曲线）、文献【4】提供的算法（图4中示出为带有菱形的曲线）、理想信噪比估计算法（图4中示出为带有实心圆形的曲线）、本实施例算法（图4中示出为带有*的曲线）。从图4可以看出，本实施例在导频数量有限、不能做大量统计的情况下，消除了噪声与信号之间的相关项，可实时反应系统所处信道环境状况，估计范围有足够宽度的线性区域，并且计算简便，方便硬件实现。

以上所述的，仅为本发明的较佳实施例，并非用于限定本发明的范围，本发明的上述实施例还可以做出各种变化。即凡是依据本发明申请的权利要求书及说明书内容所做的简单的、等效变化与修饰，皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。

Claims (4)

1.一种信噪比估计方法，用于根据接收信号中插入的导频估计接收信号的信噪比，其特征在于，该方法包括以下步骤：

步骤S1，从所述接收信号中获取所述导频所在位置的导频数值X_m,k、信道估计值H_m,k和高斯白噪声N_m,k，其中，m,k表示相应所述导频位于第m个数据符号、第k个子载波上；

步骤S2，根据所述导频数值X_m,k、所述信道估计值H_m,k和所述高斯白噪声N_m,k获取相应所述导频所在位置的导频位置信息Y_m,k；

步骤S3，根据所述导频数值X_m,k、所述信道估计值H_m,k和所述导频位置信息Y_m,k获取所述接收信号的信噪比估计值。

2.根据权利要求1所述的信噪比估计方法，其特征在于，在所述步骤S2中，相应所述导频位置信息Y_m,k根据数学关系式Y_m,k=X_m,kH_m,k+N_m,k计算得到。

3.根据权利要求2所述的信噪比估计方法，其特征在于，所述步骤S3包括以下步骤：

将所述导频位置信息Y_m,k进行自相关运算得到

将所述导频位置信息Y_m,k与所述导频数值X_m,k的共轭值和所述信道估计值H_m,k的共轭值的乘积相乘得到

将所述导频位置信息Y_m,k的共轭值与所述导频数值X_m,k和所述信道估计值H_m,k乘积相乘得到 $R_{m,k}^3={Y_{m,k}}^{*}{X}_{m,k}{H}_{m,k};$

将所述导频数值X_m,k和所述信道估计值H_m,k的乘积求取模制平方得到 $R_{m,k}^4={\left|X_{m,k}{H}_{m,k}\right|}^2;$

根据数学关系式 ${\mathrm{SNR}}_{m,k}=\frac{R_{m,k}^4}{R_{m,k}^1-R_{m,k}^2-R_{m,k}^3+R_{m,k}^4}$ 计算得到相应所述导频所在位置的信噪比估计值SNR_m,k，并将SNR_m,k作为所述接收信号的信噪比估计值。

4.根据权利要求2所述的信噪比估计方法，其特征在于，所述步骤S3包括以下步骤：

将所述导频位置信息Y_m,k进行自相关运算得到

将所述导频位置信息Y_m,k与所述导频数值X_m,k的共轭值和所述信道估计值H_m,k的共轭值的乘积相乘得到

将所述导频位置信息Y_m,k的共轭值与所述导频数值X_m,k和所述信道估计值H_m,k乘积相乘得到 $R_{m,k}^3={Y_{m,k}}^{*}{X}_{m,k}{H}_{m,k};$

将所述导频数值X_m,k和所述信道估计值H_m,k的乘积求取模制平方得到 $R_{m,k}^4={\left|X_{m,k}{H}_{m,k}\right|}^2;$

根据数学关系式 ${\mathrm{SNR}}_{m,k}=\frac{R_{m,k}^4}{R_{m,k}^1-R_{m,k}^2-R_{m,k}^3+R_{m,k}^4}$ 计算得到相应所述导频所在位置的信噪比估计值SNR_m,k；

求取第k个子载波上的全部所述导频所在位置的所述信噪比估计值的平均值SNR_k，并将所述平均值SNR_k作为所述接收信号的信噪比估计值。