CN106385291B - 认知无线电中时频重叠信号分量信号的信噪比估计方法 - Google Patents
认知无线电中时频重叠信号分量信号的信噪比估计方法 Download PDFInfo
- Publication number
- CN106385291B CN106385291B CN201611111558.2A CN201611111558A CN106385291B CN 106385291 B CN106385291 B CN 106385291B CN 201611111558 A CN201611111558 A CN 201611111558A CN 106385291 B CN106385291 B CN 106385291B
- Authority
- CN
- China
- Prior art keywords
- signal
- component
- time
- power
- noise ratio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Noise Elimination (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种认知无线电中时频重叠信号分量信号的信噪比估计方法,包括:根据接收信号的二阶时变矩和相关函数的二阶时变矩估计出各个分量信号的功率以及分量信号的功率和;根据接收的混合信号功率和求得的各分量信号功率估计出时频重叠信号中总的噪声功率;根据各分量信号的带宽,计算出各分量信号带内噪声功率,估计出underlay频谱共享方式下时频重叠信号的各分量信号的信噪比。在低信噪比和高频谱重叠率的条件下,对时频重叠信号的分量信号的信噪比具有良好的估计性能。当信号重叠率为50%,信噪比在‑20dB时,信噪比估计的仍具有良好的性能。
Description
技术领域
本发明属于认知无线电技术领域,尤其涉及一种认知无线电中时频重叠信号分量信号的信噪比估计方法。
背景技术
在现代无线通信领域,随着通信技术的发展,频谱资源变得越来越紧张。underlay频谱共享方式能够使主用户和次用户共享同一个频带,是解决频谱资源短缺问题的有效途径。在underlay方式下,只有当授权信道内信号的干扰温度低于信道的干扰温度限的时候,次用户才有被接入的可能。此时,信道内时频重叠信号的功率是计算干扰温度的一个重要参数,而计算信号的功率可以通过估计信号的信噪比得到。因此,研究underlay频谱共享方式下时频重叠信号的信噪比估计有一定的意义和价值。Shree等人利用随机矩阵理论,提出了基于接收信号协方差矩阵的最大特征值的信噪比估计方法(Shree KrishnaSharma. Eigenvalue-based sensing and SNR estimation for cognitive radio inpresence of noise correlation[J].IEEE Transactions on Vehicular Technology,2013,62(8): 3671-3684.),并针对信道相关以及噪声与信道均相关的情况,建立了接收信号协方差矩阵的渐近特征值概率分布函数,从而进行信噪比估计,该方法在信噪比大于3dB时,归一化MSE为0.1%,但在低信噪比下估计效果不理想。(Shree Krishna Sharma.SNRestimation for Multi-dimensional cognitive receiver under correlated Channel/Noise[J].IEEE Transactions on Wireless Communication,2013, 12(12):6392-6405.)。S.Chatzinotas等人针对宽带认知无线电中相关多测量向量和相关噪声两种场景,运用压缩测量的方法有效的对授权用户的信噪比进行估计,但无法估计出分量信号的信噪比。(S.Chatzinotas,B.Ottersten. Compressive SNR Estimation for WidebandCognitive Radio under Correlated Scenarios[C].WCNC,2014:713-718.)。JohannaVartiainen等人提出了一种基于双门限的多个重叠窄带信号信噪比估计,该方法在两个BPSK信号混合且当 0dB<SNR<6dB时,估计偏差接近零,但是该方法仅适应于时域重叠而频域不重叠的信号,不适用于实际的underlay频谱共享方式。(Johanna Vartiainen,HarriSaarnisaari,Janne J.Lehtomaki and Markku Juntti.A blind signal localizationand SNR estimation method[C].Military Communications Conference,2006:1-7)。综上所述,在低信噪比条件下,无法实现underlay频谱共享方式下时频重叠信号的分量信号的信噪比估计。
发明内容
本发明的目的在于提供一种认知无线电中时频重叠信号分量信号的信噪比估计方法,旨在解决在低信噪比条件下underlay频谱共享方式下时频重叠信号的分量信号的信噪比估计性能的问题。
本发明是这样实现的,一种认知无线电中时频重叠信号分量信号的信噪比估计方法,所述认知无线电中时频重叠信号分量信号的信噪比估计方法包括以下步骤:
步骤一,根据接收信号的二阶时变矩和相关函数的二阶时变矩估计出各个分量信号的功率以及分量信号的功率和;
步骤二,根据接收信号功率和求得的各分量信号功率估计出时频重叠信号中总的噪声功率;
步骤三,根据各分量信号的带宽,计算出各分量信号带内噪声功率,估计出underlay频谱共享方式下时频重叠信号的各分量信号的信噪比。
进一步,所述接收信号的信号模型表示为:
其中xi(t)i=1,2L p是时频重叠的分量信号,p为分量信号的个数,t为时间;为方差为N加性高斯白噪声;为分量信号xi(t)的幅度;cik为调制信号; hi(t)(i=1,K,p)为滚降系数α的升余弦成形滤波函数,且 Tsi为各分量信号的码元速率;fci为各分量信号的载波频率,且wi=2πfci;j为虚数的表示形式,且满足j2=-1;各分量信号之间以及分量信号和噪声之间相互独立。
进一步,变矩表示为:
m2y(t;τ)=E{y(t)y*(t+τ)}。
进一步,当τ=0时即为时频重叠信号的功率:
当τ≠0时:
其中为升余弦滤波函数时延为τ的二阶矩。
进一步,二阶时变矩G(τ);
即G(τ)仅与α和时延与码元速率比值有关。
进一步,各分量信号的功率Si(1-α/4)以及总噪声功率的计算方法包括;
构建二阶时变矩方程组如下:
若存在p个分量信号,则构建p个方程联立,求得Si i=1,2,L p,求得分量信号的功率Pi=Si(1-α/4)以及总噪声功率
进一步,根据Ni=(1+α)N/(fsTsi)计算各分量信号中噪声的功率,其中fs为采样频率,根据SNRi=10lg(Si(1-α/4)/Ni)计算各分量信号的信噪比;
在第i个信号的带宽为(1+α)/Tsi,则其频谱区间为 [fci-(1+α)/2Tsi,fci-(1+α)/2Tsi],所以在此区间内的噪声功率为 Ni=(1+α)N/(fsTsi),根据SNRi=10lg(Si(1-α/4)/Ni)求得各分量信号的信噪比。
本发明的另一目的在于提供一种利用所述认知无线电中时频重叠信号分量信号的信噪比估计方法的Underlay频谱共享系统。
本发明的另一目的在于提供一种利用所述认知无线电中时频重叠信号分量信号的信噪比估计方法的认知无线电通信系统。
本发明提供的认知无线电中时频重叠信号分量信号的信噪比估计方法,在低信噪比和高频谱重叠率的条件下,对时频重叠信号的分量信号的信噪比具有良好的估计性能。当信号重叠率为50%,信噪比在-20dB时,信噪比估计的仍然有良好的性能。由此可见,本发明在低信噪比和高频谱重叠率的条件下,对 underlay频谱共享方式下时频重叠信号的分量信号信噪比具有良好的估计性能。
附图说明
图1是本发明实施例提供的认知无线电中时频重叠信号分量信号的信噪比估计方法流程图。
图2是本发明实施例提供的对不同调制类型的时频重叠信号在不同信噪比下的估计性能示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的认知无线电中时频重叠信号分量信号的信噪比估计方法包括以下步骤:
S101:根据接收信号的二阶时变矩和升余弦滤波函数的二阶时变矩估计出各个分量信号的功率以及分量信号的功率和;
S102:根据接收信号功率和求得的各分量信号功率估计出时频重叠信号中总的噪声功率;
S103:根据各分量信号的带宽,计算出各分量信号带内噪声功率,从而估计出underlay频谱共享方式下时频重叠信号的各分量信号的信噪比。
下面结合具体实施例对本发明的应用原理作进一步的描述。
本发明实施例提供的认知无线电中时频重叠信号分量信号的信噪比估计方法为在underlay频谱共享方式下,具有低信噪比和高频谱重叠率的时频重叠信号的分量信号信噪比估计方法,包括以下步骤:
步骤一,采样得到含噪混合信号序列,并计算其在不同时延的二阶时变矩 m2y(t;τ),其中m2y(t;0)为混合信号的功率;
接收信号的信号模型表示为:
其中xi(t)i=1,2L p是时频重叠的分量信号,p为分量信号的个数,t为时间;为方差为N加性高斯白噪声;为分量信号xi(t)的幅度;cik为调制信号; hi(t)(i=1,K,p)为滚降系数α的升余弦成形滤波函数,且 Tsi为各分量信号的码元速率;fci为各分量信号的载波频率,且wi=2πfci;j为虚数的表示形式,且满足j2=-1;各分量信号之间以及分量信号和噪声之间相互独立;
时频重叠的MPSK信号时变矩表示为:
m2y(t;τ)=E{y(t)y*(t+τ)};
当τ=0时即为时频重叠信号的功率:
当τ≠0时:
其中为升余弦滤波函数时延为τ的二阶矩。
步骤二,成型滤波函数的二阶时变矩为根据τ/Ts与α有关的定值,可以求得不同时延下成型滤波函数的二阶时变矩G(τ);
即G(τ)仅与α和时延与码元速率比值有关。
步骤三,构建时变矩方程组,计算求得各分量信号的功率Si(1-α/4)以及总噪声功率
构建二阶时变矩方程组如下:
若存在p个分量信号,则构建p个方程联立,求得Si i=1,2,L p,可以求得分量信号的功率Pi=Si(1-α/4)以及总噪声功率
步骤四,结合信号的带宽,计算各分量信号中噪声的功率Ni=(1+α)N/(fsTsi),其中fs为采样频率,,计算各分量信号的信噪比SNRi=10lg(Si(1-α/4)/Ni)。
在第i个信号的带宽[fci-(1+α)/2Tsi,fci-(1+α)/2Tsi]内,噪声功率为 Ni=(1+α)N/(fsTsi),因此可以求得各分量信号的信噪比SNRi=10lg(Si(1-α/4)/Ni)。
下面结合仿真实验对本发明的应用效果作详细的描述。
为了评估方法的性能,下面的仿真实验采用信号的类型为BPSK信号和 QPSK信号的时频重叠信号,并进行2000次Monte Carlo实验。检测的评估标准为归一化均方误差(NMSE)
为了测试本发明的检验统计量的性能,参数设置如下:升余弦成形滤波函数的滚降系数α=0.5;采样频率为1600Hz;采样点数500000;码元速率分别为 200Hz和160Hz;载波频率分别为400Hz和300Hz;功率比1:1。仿真结果如图2所示,本发明的信噪比估计方法是有效可行的。由此说明本发明在低信噪比和高频谱重叠率条件下,对underlay频谱共享方式下时频重叠信号的分量信号信噪比估计具有较好的估计性能。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种认知无线电中时频重叠信号分量信号的信噪比估计方法,其特征在于,所述认知无线电中时频重叠信号分量信号的信噪比估计方法包括以下步骤:
步骤一,根据接收信号的二阶时变矩和升余弦滤波函数的二阶时变矩估计出各个分量信号的功率以及分量信号的功率和;所述接收信号的信号模型表示为:
其中xi(t)i=1,2…p是时频重叠的分量信号,p为分量信号的个数,t为时间;为方差为N加性高斯白噪声;为分量信号xi(t)的幅度;θi为分量信号xi(t)的相位;cik为调制信号;k为调制信号的符号个数;hi(t)(i=1,…,p)为滚降系数α的升余弦滤波函数,且Tsi为各分量信号的码元速率;fci为各分量信号的载波频率,且wi=2πfci;j为虚数的表示形式,且满足j2=-1;各分量信号之间以及分量信号和噪声之间相互独立;
所述接收信号的二阶时变矩表示为:
m2y(t;τ)=E{y(t)y*(t+τ)};
所述升余弦滤波函数的二阶时变矩表示为:
针对各分量信号,Ts与h(t)选取为相应的Tsi和hi(t);
步骤二,根据接收信号功率和求得的各分量信号功率估计出时频重叠信号中总的噪声功率:
所述各分量信号的功率Si(1-α/4)以及总噪声功率的计算方法包括;
构建二阶时变矩方程组如下:
若存在p个分量信号,则构建p个方程联立,求得Si i=1,2,…p,求得分量信号的功率Pi=Si(1-α/4)以及总噪声功率
步骤三,根据各分量信号的带宽,计算出各分量信号带内噪声功率,估计出underlay频谱共享方式下时频重叠信号的各分量信号的信噪比,具体包括以下步骤:
计算各分量信号中噪声的功率Ni=(1+α)N/(fsTsi),其中fs为采样频率,计算各分量信号的信噪比SNRi=10lg(Si(1-α/4)/Ni)。
2.一种利用权利要求1所述认知无线电中时频重叠信号分量信号的信噪比估计方法的underlay频谱共享方式的认知无线电系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611111558.2A CN106385291B (zh) | 2016-12-06 | 2016-12-06 | 认知无线电中时频重叠信号分量信号的信噪比估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611111558.2A CN106385291B (zh) | 2016-12-06 | 2016-12-06 | 认知无线电中时频重叠信号分量信号的信噪比估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106385291A CN106385291A (zh) | 2017-02-08 |
CN106385291B true CN106385291B (zh) | 2019-03-19 |
Family
ID=57957423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611111558.2A Active CN106385291B (zh) | 2016-12-06 | 2016-12-06 | 认知无线电中时频重叠信号分量信号的信噪比估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106385291B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107456271A (zh) * | 2017-02-20 | 2017-12-12 | 葛亚平 | 一种多功能机电手术系统 |
CN106850102B (zh) * | 2017-02-23 | 2020-06-09 | 西安电子科技大学 | 频谱共享方式下时频重叠ofdm信号信噪比估计方法 |
CN106686006A (zh) * | 2017-03-01 | 2017-05-17 | 湖南财政经济学院 | 一种基于互联网网络安全的大数据实施控制系统 |
CN106953821B (zh) * | 2017-03-29 | 2019-11-29 | 西安电子科技大学 | 一种Underlay频谱共享下时频重叠信号调制识别方法 |
CN106821335A (zh) * | 2017-04-01 | 2017-06-13 | 新乡医学院第附属医院 | 一种麻醉和意识深度监测模块 |
CN107302409B (zh) * | 2017-05-11 | 2020-09-18 | 航天长征火箭技术有限公司 | 一种基于过采样信号信噪比估计的自动增益控制方法 |
CN107579788B (zh) * | 2017-07-29 | 2019-11-05 | 西安电子科技大学 | underlay频谱共享时频重叠信号信噪比估计方法 |
CN107585046A (zh) * | 2017-09-06 | 2018-01-16 | 洛阳市质量技术监督检验测试中心 | 一种并网光伏发电系统的可移动式充电桩 |
CN107755926A (zh) * | 2017-10-17 | 2018-03-06 | 黄振敏 | 一种自动化焊装机 |
CN108030653A (zh) * | 2017-11-30 | 2018-05-15 | 江西科技师范大学 | 一种电动水压按摩系统 |
CN111641571B (zh) * | 2020-05-13 | 2023-06-23 | Oppo广东移动通信有限公司 | 噪声估计方法及装置、终端、计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103888389A (zh) * | 2014-03-31 | 2014-06-25 | 西安电子科技大学 | 一种时频重叠信号的幅度估计方法 |
CN105933257A (zh) * | 2016-04-28 | 2016-09-07 | 西安电子科技大学 | 一种频谱共享方式下时频重叠信号的信噪比估计方法 |
CN105978641A (zh) * | 2016-04-28 | 2016-09-28 | 西安电子科技大学 | 一种认知无线电中时频重叠信号的信噪比估计方法 |
-
2016
- 2016-12-06 CN CN201611111558.2A patent/CN106385291B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103888389A (zh) * | 2014-03-31 | 2014-06-25 | 西安电子科技大学 | 一种时频重叠信号的幅度估计方法 |
CN105933257A (zh) * | 2016-04-28 | 2016-09-07 | 西安电子科技大学 | 一种频谱共享方式下时频重叠信号的信噪比估计方法 |
CN105978641A (zh) * | 2016-04-28 | 2016-09-28 | 西安电子科技大学 | 一种认知无线电中时频重叠信号的信噪比估计方法 |
Non-Patent Citations (2)
Title |
---|
《Moment-Based Estimation of the Signal-to-Noise Ratio》;Wilfried Gappmair .el;《Mobile and wireless communications summit,2007.16th IST》;20070705;全文 |
《SNR Estimation of Time-Frequency Overlapped Signals for Underlay Cognitive Radio》;Jianghong Wang .el;《IEEE Communications Letters》;20151130;第19卷(第11期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106385291A (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106385291B (zh) | 认知无线电中时频重叠信号分量信号的信噪比估计方法 | |
CN105978641B (zh) | 一种认知无线电中时频重叠信号的信噪比估计方法 | |
CN105933257B (zh) | 一种频谱共享方式下时频重叠信号的信噪比估计方法 | |
CN105939188B (zh) | 一种underlay频谱共享下时频重叠MASK信号的载频估计方法 | |
Gokceoglu et al. | Energy detection under IQ imbalance with single-and multi-channel direct-conversion receiver: Analysis and mitigation | |
Chandra et al. | Frequency-domain in-vehicle UWB channel modeling | |
CN105158740A (zh) | 基于高精度频率估计的噪声调幅干扰抑制方法 | |
Kanaa et al. | A robust parameter estimation of FHSS signals using time–frequency analysis in a non-cooperative environment | |
CN104468436A (zh) | 一种通信信号小波域盲源分离抗干扰方法及装置 | |
CN106131949A (zh) | 一种基于能量均值检测的到达时间估计方法 | |
EP2171953A1 (en) | Robust channel estimation for wireless system | |
Malafaia et al. | Adaptive threshold spectrum sensing based on expectation maximization algorithm | |
Zhou et al. | Ricean K-factor measurements and analysis for wideband high-speed railway channels at 2.35 GHz | |
CN102983923B (zh) | 一种基于极化距离方差的频谱感知方法 | |
Kassem et al. | Frequency domain Zadoff-Chu sounding technique for USRPs | |
CN105072063A (zh) | 一种抑制干扰信号的方法和装置 | |
Qian et al. | Results and analysis for a novel 2× 2 channel measurement applied in LTE-R at 2.6 GHz | |
CN104753831B (zh) | 一种检测邻区天线端口数的方法及装置 | |
Qin et al. | Adaptive threshold for energy detector based on discrete wavelet packet transform | |
Jakobsen et al. | Parametric modeling and pilot-aided estimation of the wireless multipath channel in OFDM systems | |
CN101252369B (zh) | 调频类干扰抑制的方法及装置 | |
CN107579788B (zh) | underlay频谱共享时频重叠信号信噪比估计方法 | |
CN114584232A (zh) | 基于信道探测参考信号的无线通信子带信噪比测量方法 | |
Gutiérrez et al. | On the correlation and ergodic properties of the squared envelope of SOC Rayleigh fading channel simulators | |
KR101494966B1 (ko) | 인지 무선에서의 광대역 주파수 검출 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |