复杂通信信号的非数据辅助信噪比估计研究

通信信号的信噪比值是反映其质量信息的一个重要指标，随着通信信号处理技术的快速发展，很多新研究的通信信号处理方法都需要信噪比信息支持，当前对信号信噪比估计的需求几乎涵盖了通信信号处理的所有领域，对通信信号信噪比估计特别是对高阶调制及衰落信道的复杂通信信号信噪比估计方法进行系统研究具有重要意义和迫切性。本项目将在综合吸收前信噪比估计研究成果的基础上，针对当前数字通信信号信噪比估计存在的问题，从以下三个方面进行重点研究：一是利用结合纠错编码的迭代信噪比估计技术对复杂调制信号的准确信噪比估计问题进行研究；二是改进当前未知调制信息的非判决域信噪比估计算法，进行不依赖于调制信息的衰落信号信噪比估计研究；三是采用信道特性参数和信噪比值联合估计的方法、非数据辅助的判决域子空间信干比估计方法，进行未知衰落信道特性的判决域信号信噪（干）比估计研究。

针对高阶调制信号进行信噪比估计的各种方法都只能在较小的一段信噪比范围内实现准确估计，特别是多数算法在低信噪比条件下的估计性能较差，实际应用受限大，项目研究了以下几种解决方法：（1）提出了一种综合利用高阶统计量信息的信噪比估计新算法，该方法推导出信噪比与不同的高阶统计量运算之间的线性关系式，并利用全回归模型算法得到精确的系数，该算法对恒模的MPSK信号和非恒模的MQAM信号都能进行准确的信噪比估计，性能优于以前文献提出的类似算法。（2）提出了一种基于相关向量机（Relevance Vector Machine，RVM）的信噪比估计新算法，这是一种新的数学工具在信噪比估计中的应用。该方法通过建立起信噪比与二阶、四阶矩之间关系，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。（3）项目提出了一种应用统计量、BP神经网络进行信噪比估计的新算法，该算法首先计算接收信号的统计量，以统计量直接作为输入，以信噪比值作为输出，建立BP神经网络模型，选择LM快速学习算法对网络进行训练，利用训练得到的网络模型估计信噪比值。与其他统计量信噪比估计算法相比，新算法将信噪比估计范围扩大到-15 ~30dB，估计精度提高到0.3dB，通过对任意一类调制信号训练得到的权值可适用于多类调制信号。.针对衰落信道的信噪比估计问题，项目还提出了一种新的基于接收信号样本特征函数的平坦衰落信道盲信噪比估计方法，采用综合考虑信号的实部和虚部，利用样本特征函数的导数求取估计信噪比值，该方法的运算量小、适用信号种类广，可估计的信噪比范围大，尤其在低信噪比下的估计性能优异。在不依赖于调制信息的信噪比估计方面，项目提出了一种基于Otsu准则的子空间信噪比估计算法。该算法首先构造接收信号的自相关矩阵，然后利用图像中用于分离目标与背景的Otsu准则将含噪信号空间精确分成信号子空间和噪声子空间，最后求得信噪比。与基于最小描述长度MDL准则或Akaike 信息准则的算法相比能适应更短的数据长度。.项目还在统一的理论框架下，构建了具有一致性的编码辅助方法和非编码辅助方法结构，明确的指出其中的差异并给出了编码辅助方法的简化方法。