CN104901907B - 一种动态环境下基于数据辅助的稳健信噪比估计方法 - Google Patents

Abstract

本发明请求保护一种动态环境下基于数据辅助的稳健信噪比估计方案，涉及无线通信系统。信噪比是现代通信系统中的重要参数和指标，在很大程度上反映了通信系统的质量，影响各种通信技术和方案的选择。现有文献中，大多数系统模型都假定接收信号已进行多普勒频移补偿，并未考虑多普勒频移带来的影响。然而在高动态环境下，存在随机波动变化的多普勒频移和载波相位偏差，即使对其进行一定的补偿，但仍会存在较大的多普勒频移和载波相位偏差残留。本发明提出一种基于数据辅助的稳健信噪比估计算法，该算法从时域出发，对接收信号进行延迟共轭相乘，将多普勒频移转变成固定的相位因子，克服了相偏和多普勒频移的影响，再利用辅助数据完成信噪比估计。

Description

一种动态环境下基于数据辅助的稳健信噪比估计方法

技术领域

本发明涉及信号处理技术中的参数估计技术，具体为一种动态环境下基于数据辅助的稳健信噪比估计方法。

背景技术

信噪比是现代通信系统中的重要参数和指标，在很大程度上反映了通信系统的质量，影响各种通信技术和方案的选择。对于蜂窝通信系统和卫星通信系统，信号在传输过程中受到复杂传播环境的影响，其信噪比的估计难度较大，因此需要针对不同应用场景设计高效的信噪比估计方法。

在现有文献中，大多数系统模型都假定接收信号已进行多普勒频移补偿，并未考虑多普勒频移带来的影响。然而在高动态环境下，比如蜂窝移动通信、航空导航与通信、卫星定位与通信等，存在随机波动变化的多普勒频移和载波相位偏差，即使对其进行一定的补偿，但仍会存在较大的多普勒频移和载波相位偏差残留。文献[Hua J,Meng L,Xu X,etal.Novel scheme for joint estimation of SNR,Doppler,and carrier frequencyoffset in double-selective wireless channels[J].IEEE Transactions onVehicular Technology,2009,58(3):1204-1217.]给出一种基于谱分析的信噪比估计算法，其主要思想是利用白噪声频谱的平坦性，即任何一个频段中单位带宽噪声功率都是相等的，将接收信号频谱最低的一段认为是不包含信号成分的噪声频谱均值，它不需要准确地计算噪声频带和信号频带的分割点，从而完成信噪比估计。该估计方法从频域出发，通过傅里叶变换避开了多普勒频移的影响，取得了较好的效果。但此方法计算法过程中需要进行傅里叶变换，因此计算量较大、复杂度高，其次对于非窄带通信系统或接收端存在抗混叠滤波器导致噪声功率谱密度非平坦的情况时，谱分析算法的估计性能就会严重下降。

发明内容

针对现有技术中的问题，本发明提供了一种计算量大大减少，实时性高，复杂度低，不需要额外的数据存储的动态环境下基于数据辅助的稳健信噪比估估计方法，本发明的技术方案如下：一种动态环境下基于数据辅助的稳健信噪比估计方法，其包括以下步骤：

101、在通信系统基带模型下，当采用平坦衰落信道时，信号源根据星座映射得到映射后的信号a_n，并依次经过过采样、成型滤波、载波多普勒频移、复高斯白噪声，得出接收端收到的信号r_k；

102、对步骤101接收端收到的信号r_k，进行延迟共轭相乘，将其变换为固定的相位因子：即 表示r_k的延迟共轭；下标k表示第k个接收数据；α_k表示延迟共轭相乘后的第k个数据；

103、计算出总功率P，并对步骤102得到的α_k求其期望值E[α]，然后E[α]取模得到|E[α]|，并根据已知发送数据m_k求出估计信号功率再根据总功率与信号功率求得估计噪声功率最后求出信噪比估计值。

进一步的，步骤101中的通信系统基带模型中，A1、依次包括对信号源信号进行映射得到映射后的多进制数字相位调制(MPSK)信号a_n，其中N_sym为原始符号个数，然后过采样过程对每个符号进行N_ss倍的过采样得到过采样后的信号b_k；A2、然后进行脉冲成型滤波，脉冲成型滤波器采用滚降系数为α、长度为L的归一化根升余弦滤波器，h_k为成型滤波器系数，满足m_k是发送数据；A3、加入载波多普勒频移，△θ表示相位偏差，f_d为载波多普勒频移，T_s是采样时间间隔；A4、加入复高斯白噪声z_k；S和N分别是信号和噪声的功率因子，得到接收端收到的信号：

进一步的，步骤102中对r_k进行延迟共轭相乘，将其变换为固定的相位因子具体为：

对式(2)求期望，得到：

其中：

由于m_k是等概率的MPSK复信息数据，z_k是零均值单位方差的复高斯白噪声，且m_k与z_k相互独立，因此随着K的增大，接近于0；

接着对式(3)取模，消除相位因子的影响：

令：

由于系统模型中辅助数据m_k是已知的，便可以计算出因子μ的具体值，从而得到估计信号功率为：

总功率为：

最后，噪声功率通过总功率与信号功率之差得到：

至此，可以得到基于数据辅助的信噪比估计值为：

本发明的优点及有益效果如下：

本发明对长度为K的数据序列进行信噪比估计需要约6K次乘法运算，其中常数因子μ值可以事先由辅助数据计算存储起来，估计信噪比时不需再做计算，而文献[Hua J,Meng L,Xu X,et al.Novel scheme for joint estimation of SNR,Doppler,andcarrier frequency offset in double-selective wireless channels[J].IEEETransactions on Vehicular Technology,2009,58(3):1204-1217.]中提出的谱分析估计法需要进行约40K次乘法运算，相比而言本文给出的新算法计算量小很多，实时性高，特别适用于高动态环境。此外，从硬件实现的角度出发，本文算法复杂度低，不需要额外的数据存储，相比于需要进行傅里叶变换的谱分析算法，实现更为简单，效果更好。

附图说明

图1通信系统基带模型；

图2QPSK信号信噪比估计均值；

图3QPSK信号信噪比估计归一化均方误差；

图4 8PSK信号信噪比估计均值；

图5 8PSK信号信噪比估计归一化均方误差。

具体实施方式

以下结合附图，对本发明作进一步说明：

针对高动态环境下的平坦衰落信道，采用附图1所示的通信系统基带模型。图中，a_n为映射后的信号，过采样过程对每个符号进行N_ss倍的过采样，b_k为过采样后的信号，脉冲成型滤波器采用滚降系数为α、长度为L的归一化根升余弦滤波器，h_k为成型滤波器系数，满足N_sym为原始符号个数，m_k是多进制数字相位调制(MPSK)数据，z_k是零均值单位方差的复高斯白噪声，S和N分别是信号和噪声的功率因子，△θ表示相位偏差，f_d为载波多普勒频移，T_s是采样时间间隔。因此，接收端收到的信号可以表示为：Equation Section(Next)

注意，对于平坦衰落信道，由于本算法考虑数据辅助下的估计，估计时使用观察数据较少，因此假设在估计周期内信道增益保持不变，可看作是一个已知常数，在式(1)中省略。

为了消除多普勒频移的影响，对r_k进行延迟共轭相乘，将其变换为固定的相位因子：

对式(2)求期望，实际中用时间平均来代替统计平均：

其中：

由于m_k是等概率的MPSK复信息数据，z_k是零均值单位方差的复高斯白噪声，且m_k与z_k相互独立，因此随着K的增大，接近于0。

接着对式(3)取模，消除相位因子的影响：

令：

由于系统模型中辅助数据m_k是已知的，因此可以通过辅助数据直接计算出因子μ的具体值，从而得到估计信号功率为：

总功率为：

最后，噪声功率通过总功率与信号功率只差得到：

至此，可以得到基于数据辅助的信噪比估计式为：

事实上，根据式5、9、10可知，对长度为K的数据序列进行信噪比估计需要约6K次乘法运算，其中常数因子μ值可以事先由辅助数据计算存储起来，估计信噪比时不需再做计算，而文献[Hua J,Meng L,Xu X,et al.Novel scheme for joint estimation of SNR,Doppler,and carrier frequency offset in double-selective wireless channels[J].IEEE Transactions on Vehicular Technology,2009,58(3):1204-1217.]中提出的谱分析估计法需要进行约40K次乘法运算，相比而言本文给出的新算法计算量小很多，实时性高，特别适用于高动态环境。此外，从硬件实现的角度出发，本文算法复杂度低，不需要额外的数据存储，相比于需要进行傅里叶变换的谱分析算法，实现更为简单，效果更好。

图2、3给出了公式(10)对QPSK信号进行信噪比估计时的估计均值与归一化均方误差。仿真中，f_d＝60KHz，T_s＝0.5μs，△θ＝60°，仿真5000次取均值得到如图所示的结果。从图2中可以看到，公式(10)对存在多普勒频域环境的QPSK信号进行信噪比估计时偏差较低，这说明该算法对多普勒频域不敏感，其次通过较少的数据量完成了低信噪比下较高精度的估计，且随着数据量的增加性能逐步提高，说明了估计算法的性能较好。图3给出了公式(10)对存在多普勒频域环境的QPSK信号进行信噪比估计时的归一化均方误差，可以看到高信噪比时的均方误差非常低，随着信噪比的降低，均方误差逐渐增大，但是随着数据量的增大均方误差会降低，也就是说对于精度要求高的场合，可以通过增加数据量来达到要求，由此可以得出该算法可信度较高。

图4、5给出了公式(10)对8PSK信号进行信噪比估计时的估计均值与归一化均方误差。仿真中，f_d＝65KHz，T_s＝0.5μs，△θ＝125°，仿真5000次取均值得到如图所示的结果。从两图中可以看出，公式(10)对8PSK信号进行信噪比估计同样有较好的性能。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (3)

1.一种动态环境下基于数据辅助的稳健信噪比估计方法，其特征在于，包括以下步骤：

101、在通信系统基带模型下，当采用平坦衰落信道时，信号源根据星座映射得到映射后的信号a_n，并依次经过过采样、脉冲成型滤波、载波多普勒频移、复高斯白噪声，得出接收端收到的信号r_k；

102、对步骤101接收端收到的信号r_k，进行延迟共轭相乘，将其变换为固定的相位因子：即 表示r_k的延迟共轭；k表示第k个接收数据；α_k表示延迟共轭相乘后的第k个数据；

103、计算出总功率P，并对步骤102得到的α_k求其期望值E[α]，然后E[α]取模得到|E[α]|，并根据已知发送数据m_k求出估计信号功率令：由于系统模型中辅助数据m_k是已知的，便可以计算出因子μ的具体值，K表示数据序列的长度，从而得到估计信号功率

再根据总功率P与估计信号功率求得估计噪声功率最后求出信噪比估计值。

2.根据权利要求1所述的动态环境下基于数据辅助的稳健信噪比估计方法，其特征在于，步骤101中的通信系统基带模型中，A1、依次包括对信号源信号进行映射得到映射后的多进制数字相位调制信号a_n，其中N_sym为原始符号个数，然后过采样过程对每个符号进行N_ss倍的过采样得到过采样后的信号b_k；A2、然后进行脉冲成型滤波，脉冲成型滤波器采用滚降系数为α、长度为L的归一化根升余弦滤波器，h_k为脉冲成型滤波器系数，满足m_k是发送数据；A3、加入载波多普勒频移，Δθ表示相位偏差，f_d为载波多普勒频移，T_s是采样时间间隔；A4、加入复高斯白噪声z_k；S和N分别是信号和噪声的功率因子，得到接收端收到的信号：

3.根据权利要求1所述的动态环境下基于数据辅助的稳健信噪比估计方法，其特征在于，步骤102中对r_k进行延迟共轭相乘，将其变换为固定的相位因子具体为：

对式(2)求期望，得到：

其中：

由于m_k是等概率的MPSK复信息数据，z_k是零均值单位方差的复高斯白噪声，且m_k与z_k相互独立，因此随着K的增大，接近于0；

接着对式(3)取模，消除相位因子的影响：

令：

由于系统模型中辅助数据m_k是已知的，便可以计算出因子μ的具体值，从而得到估计信号功率为：

总功率为：

最后，噪声功率通过总功率与估计信号功率之差得到：

至此，可以得到基于数据辅助的信噪比估计值为：