SNR估计方法研究

SNR估计方法研究

论文摘要

参数估计是信号与信息处理学科的重要组成部分,是近年来非常活跃、发展迅速的一个研究领域。在时间序列分析中,我们关心的一个重要参数是信号的信噪比(Signal-to-Noise Ratio,SNR)。一方面,系统使用SNR作为通信质量的衡量标准,可以提供功率控制、信道分配等所需的信道质量信息,另一方面通过SNR估计可以自适应的采用更有效的解调算法来提高解调性能,另外,现今很多算法都需要SNR的先验知识来进行性能的优化。随着信号处理的快速发展,人们对参数估计的要求也越来越高,提出精度更高、分辨能力更好、稳健性更强、计算更简单的估计方法一直是人们不断努力的方向。本文将研究加性高斯白噪声(Additive White Gauss Noise,AWGN)信道下的SNR估计算法,提出了色噪声环境下利用双通道模型的SNR估计算法以及AWGN信道下自回归(Auto-Regressive,AR)模型作为输入信号时的SNR估计算法。首先,本文在查阅大量相关文献的基础上,介绍了SNR估计算法的研究背景及国内外现状,阐述了SNR的定义,SNR估计算法的性能评价标准。其次,分别描述了近年来AWGN信道下在该领域具有代表性的算法的原理和特点,并对算法的适用信号和优缺点做了总结,包括时域的最大似然估计法(Maximum Likelihood,ML)、二阶四阶矩估计法(Second-and-Fourth order Moment,M2M4)、四阶累积量信噪分离法、数据拟合方法和频域方法,输入信号限于常用的BPSK(BinaryPhase Shift Keying)等信号,并对经典的频域算法做了改进。改进的算法在AWGN信道下具有更好的估计性能,并适用于色噪声下的窄带信号。然后,针对频域方法仅用于AWGN信道的局限性,本文将双通道模型引入到SNR估计中,提出一种适用于窄带信号的SNR估计算法。该方法利用两路信号的时延信息找到信号带宽,在此带宽内计算信号能量,进一步估计SNR。仿真实验表明,该双通道模型算法在色噪声环境下有良好的性能。最后,本文着重介绍AWGN信道下,AR模型作为输入时的SNR估计算法。以二阶AR过程为例,分析了该输入信号模型的参数信息,给出了基于模型信息的SNR估计方法的公式推导。将改进的频域方法作为比较,仿真表明,基于信号模型的算法具有更精确的估计。然后将该方法推广到M阶AR过程作为输入信号的SNR估计。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景及意义
  • 1.2 国内外研究现状
  • 1.3 论文研究思路及章节结构
  • 第二章 SNR估计基本理论
  • 2.1 SNR估计概述
  • 2.1.1 信号的分类
  • 2.1.2 噪声
  • 2.2 SNR定义
  • 2.3 SNR估计性能评价标准
  • 第三章 经典 SNR估计算法
  • 3.1 时域方法
  • 3.1.1 最大似然估计法
  • 3.1.2 二阶四阶矩估计法
  • 3.1.3 四阶累积量信噪分离估计法
  • 3.1.4 数据拟合估计法
  • 3.2 频域方法
  • 3.2.1 经典频域方法
  • 3.2.2 改进频域方法
  • 3.2.3 两种方法性能比较
  • 3.3 本章小结
  • 第四章 色噪声环境下基于双通道的SNR估计
  • 4.1 问题描述
  • 4.2 双通道模型
  • 4.3 基于双通道模型的SNR估计
  • 4.3.1 双通道模型SNR估计算法主要思想
  • 4.3.2 双通道模型SNR估计算法推导
  • 4.3.3 双通道模型SNR估计算法小结
  • 4.4 两种方法仿真结果及性能分析
  • 4.4.1 仿真结果
  • 4.4.2 性能对比及分析
  • 4.5 本章小结
  • 第五章 自回归模型的SNR估计
  • 5.1 问题描述
  • 5.2 AR模型
  • 5.3 基于模型参数的SNR估计
  • 5.3.1 二阶AR过程的SNR估计
  • 5.3.2 M阶AR过程的SNR估计
  • 5.3.3 AR模型的稳定性
  • 5.4 仿真结果及性能分析
  • 5.4.1 仿真结果
  • 5.4.2 性能对比及分析
  • 5.5 本章小结
  • 第六章 总结与展望
  • 6.1 本文工作的总结
  • 6.2 进一步的工作
  • 致谢
  • 参考文献
  • 攻硕期间取得的研究成果
  • 相关论文文献

    • [1].Parametric SNR Estimation Based on Auto-Regressive Model in AWGN Channels[J]. Journal of Electronic Science and Technology of China 2008(01)
    • [2].利用决策树和神经网络对AWGN信道下的综合调制识别[J]. 现代电子技术 2012(12)
    • [3].AWGN信道下的信号检测联合信噪比估计算法[J]. 军事通信技术 2009(02)
    • [4].AWGN信道中盲源分离的时频联合两步消噪预处理方案[J]. 哈尔滨工程大学学报 2009(04)
    • [5].NEW CONSTRUCTIONS OF LDPC CODES BASED ON CIRCULANT PERMUTATION MATRICES FOR AWGN CHANNEL[J]. Journal of Electronics(China) 2014(02)
    • [6].AWGN信道中一维调制与二维调制的信道容量[J]. 空间科学学报 2008(02)
    • [7].Upper bounds on the capacity for optical intensity channels with AWGN[J]. Science China(Information Sciences) 2017(02)
    • [8].正交信号与双极性信号在AWGN信道中的传输性能比较[J]. 新乡学院学报 2014(12)
    • [9].探讨AWGN信道高阶调制网络编码[J]. 中国新通信 2014(19)
    • [10].WCDMA下行链路AWGN功率估计算法的改进[J]. 通信技术 2009(12)
    • [11].多序列跳频在AWGN信道下抗部分频带干扰分析[J]. 火力与指挥控制 2020(06)
    • [12].基于AWGN多次迭代的Turbo码与卷积码性能比较[J]. 烟台大学学报(自然科学与工程版) 2009(01)
    • [13].多序列跳频系统及其在AWGN信道下误码率性能分析[J]. 信号处理 2013(05)
    • [14].AWGN下差分跳频系统的多用户能力分析[J]. 电子科技 2011(11)
    • [15].基于Polar码的BICM系统在AWGN信道中的性能[J]. 东南大学学报(自然科学版) 2016(01)
    • [16].Optimization of threshold for local spectrum sensing with energy detector[J]. Journal of Shanghai University(English Edition) 2011(02)
    • [17].空间耦合LDPC码在AWGN信道下的性能分析[J]. 无线电通信技术 2020(01)
    • [18].AWGN信道下基于Kite码的多级编码技术[J]. 北京理工大学学报 2017(04)
    • [19].喷泉码差分跳频系统在AWGN中抗部分频带干扰性能研究[J]. 系统工程与电子技术 2016(03)
    • [20].Achievable rate region for the multiple-access channel with multiple cognitive transmitters[J]. The Journal of China Universities of Posts and Telecommunications 2013(03)
    • [21].AWGN信道下小波多速率调制的时钟提取[J]. 信阳农业高等专科学校学报 2009(01)
    • [22].串行级联卷积码在AWGN信道上的性能分析[J]. 通信技术 2009(03)
    • [23].基于AWGN信道的多输入CDSK混沌通信系统性能分析[J]. 南京工业职业技术学院学报 2015(04)
    • [24].AWGN信道下线性分组码的差错概率下界分析[J]. 国防科技大学学报 2010(02)
    • [25].AWGN信道中基于时频分布的超窄带解调算法[J]. 电讯技术 2010(05)
    • [26].AWGN信道下LDPC码的译码算法研究[J]. 半导体光电 2013(04)
    • [27].Turbo码在AWGN信道中的性能仿真[J]. 信息技术 2008(03)
    • [28].正交幅度调制信号在AWGN信道中传输的MATLAB仿真[J]. 河南机电高等专科学校学报 2008(02)
    • [29].AWGN信道高阶调制物理层网络编码的SER性能[J]. 应用科学学报 2013(01)
    • [30].AWGN信道下Turbo码性能分析与仿真[J]. 电脑知识与技术 2011(26)

    标签:;  ;  ;  ;  ;  

    SNR估计方法研究
    下载Doc文档

    猜你喜欢