一种基于奇异值分解的改进信噪比盲估计算法-太赫兹科学与电子信息.pdfVIP

第 14 卷 第 5 期 太赫兹科学与电子信息学报 Vo1．14，No．5 2016 年 10 月 Journal of Terahertz Science and Electronic Information Technology Oct．，2016 文章编号：2095-4980(2016)05-0771-07 一种基于奇异值分解的改进信噪比盲估计算法 许维伟，叶江峰，胡茂海 ( 中国工程物理研究院 电子工程研究所，四川 绵阳 621999) 摘 要 ：针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高，低信噪比下估 计偏差较大的问题，提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的 奇异值序列进行后向差分得到梯度序列，对梯度序列每一项与后 5 项之和的比值进行搜索，最大 比值所对应的奇异值序号作为信号子空间维数，最后计算信噪比。合适数据长度下的仿真结果表 明：在信噪比-5 dB~20 dB 范围内，常规通信信号的信噪比估计平均偏差小于 0.5 dB ，标准差小于 1 dB ；该算法提升了低信噪比下的估计性能，运算量较小，无需知道调制方式、载波频率、符号率 等先验信息，在低信噪比时对信噪比时变的跟踪估计更为准确，且对复杂高阶调制信号同样适用。 关键词 ：信噪比估计；奇异值分解；差分准则；维数估计；信噪比跟踪 中图分类号 ：TN911 文献标识码 ：A doi ：10.11805/TKYDA201605.0771 Improved blind SNR estimation algorithm based on singular value decomposition XU Weiwei，YE Jiangfeng，HU Maohai (Institute of Electronic Engineering，China Academy of Engineering Physics，Mianyang Sichuan 621999，China) Abstract： Signal Noise Ratio(SNR) estimation algorithms adopting subspace decomposition exhibit some disadvantages such as high complexity of estimating dimension of subspace and large deviation under low SNR region. An improved algorithm to estimate the dimension of subspace is proposed. Firstly, autocorrelation matrix of receiving signals is constructed to decompose the singular values. Then the gradient array is obtained from singular values through backward deviation. The ratio of each element to the sum of next five elements in gradient array is searche