现代通信系统建模与仿真第7章仿真中的参数估计.ppt

第7章 仿真中的参数估计 7.1 参数估计的基本概念 7.2 波形平均电平和功率估计 7.3 波形幅度概率密度和分布函数估计 7.4 信号功率谱密度的估计 7.5 时延和相位估计 7.6 性能的目测指标 1、仿真目的 蒙持卡罗(MC)仿真的目的通过实验得出通信信号和系统的性能参数。 2、特性划分 参数：通信信号的各种参数； 系统的性能指标：信噪比和错误概率问题。 3、方法 参数：统计测量当确定的数字特征； 性能指标：推导。 7.1 参数估计的基本概念 7.2 波形平均电平和功率估计 3、估值器的方差 由前面学过的知识可直接得到估计的方差 当N趋于无穷大，采样功率点不相关时，估计器的方差接近于零。 4、基于信号的置信区间 这部分研究难度大，为什么？讨论 从仿真的目的来说，对于波形平均功率估计器只要掌握估计器的方差即可。 7.3 波形幅度概率密度和分布函数估计 7.4 信号功率谱密度的估计 7.5 时延和相位估计 7.6 性能的目测指标 或者表示为： 式中 离散序列的功率谱密度被定义为 式中 实际上完全可以利用离散傅里叶变换(DFT)来对观测数据序列进行处理，使得 和 对应。其中 7.4.2 估计器的修正形式 原因：首先离散序列能够基本反映随机过程的主要特征，其次序列的长度必须有限，否则计算机无法进行处理。 常用的窗函数有两种类型： ①数据窗d(n)，对应频域表达式为W(f)，数据窗用于直接修正观测序列X(n)； ②延迟窗λ(k)，对应频域表达式为Ω(f)，延迟窗用于修正自相关序列 。 应用数据窗d(n)，则有 考虑到数据窗d(n)的影响，可以证明PSD的估值能够写成 ξ是数据窗函数的能量，如果d(n)预先进行归一化处理，即使得ξ=1，则可以不进行该项处理。 应用延迟窗λ(k)，则有 λ(n)是一个延迟窗，因而从统计平均意义上讲，数据窗与延迟窗是等效的，延迟窗是数据窗的自相关函数。 利用频域卷积定理 加窗后序列的有效自相关函数 可以证明 归一化形式为 窗函数通常对频谱有损伤，它的选择取决于估计器的偏差和分辩率，通常在这两者当中，一个性能的提高是以另一个性能的下降为代价。 另外还有一种值得推荐的算法，这就是平均周期图法。 7.4.3 估计器的期望值与方差 1、估计器的期望值 功率谱密度估计器的归一化形式的均值为 周期图是一种有偏估计，然而只是一种渐进的有偏估计，与窗的选择有关，因此 2、估计器的方差 估计器的方差只有高斯随机过程能够求得，其它随机过程比较难求。可以证明有 则有 零均值高斯白噪声的周期图的方差，为 如果把Bartlett或Welch周期图看成是从独立的数据段中获得，则 为了使估计器方差趋于零，N和M都应趋于无穷大，N和M间的恰当选择应为 。 7.4.4 实现PSD的估计器 在进行功率谱密度估计时，为了提高处理速度，大量使用FFT运算来实现DFT。 为了保证离散观测量能够不失真地反映连续随机过程的基本特征，在这里有两个参数需要结合采样定理进行说明，即采样周期和FFT变换的点数Np。 1、Welch周期图方法（直接法） ①采集N个X(n) 样本； ②选择分段和重叠方案（建议50%重叠） ； ③选择并应用一个窗函数（建议使用汉宁窗）； ④计算M个离散谱的平均值。 2、加窗相关图方法（间接法） ①采集合适的方法计算 ； ②构件一个2L+1长的窗； ③利用FFT计算。 系统输入和输出的复包络关系如下 任务就是确定上式中的τ和θ。 无噪声情况下，采用互相关法可以精确的提取出正确的τ和θ。 当噪声存在时，只能进行估计，如基于最大似然准则的估计。 7.5.1 无噪声环境下载波相位和定时同步的估计 提取τ和θ互相关处理方案和典型结果示意图 数学描述： 式中 等式右边取最大值的α ，则 而θ的正确估计为： 当得到τ和θ的估计值 和 以后，就可以得到码元同步和相应的载波相位。 然而在有失真的系统中，上述估计结论是存在问题的，所得到只能是满足某种性能准则的结论。 7.5.2 分组估计器 定义：是一种处理预定长度分段函数的方法。 1、分组时延估计器 假设在高斯噪声，无失