一种噪声功率主导的噪声估计算法.docxVIP

一种噪声功率主导的噪声估计算法 1 基于da的qpsk信号信噪比估计算法 随着移动通信技术的快速发展和大规模应用，通信测量技术作为一个重要的分支点发挥着越来越重要的作用。信噪比是移动通信测量中的一个重要指标,它跟误码率有直接的对应关系,可以表征整个通信链路的性能,也可以衡量硬件电路设计的好坏。 多年来,对AWGN信道下QPSK信号信噪比估计方法的研究已经产生了很多有意义的成果,文献对这些方法作了详细的介绍。根据在接收端是否有发送数据的先验信息,这些研究的前提简单地分为2类:基于数据辅助(DA,data aided)和非数据辅助的(NDA,non data aided)。文献比较了NDA条件下QPSK信号4种信噪比估计算法,其中最优的一种算法被广泛采用;文献提出了CDMA系统中的一种类似文献中M2M4的新的信噪比估计方法,仿真结果显示,该方法在低信噪比条件下比文献中最优的方法可信度更高;文献采用数据拟合的方法对AWGN信道中的基于NDA的QPSK信号进行SNR估计,低信噪比下的估计性能同样比文献中最优算法好;文献则采用迭代法来改善低信噪比条件下基于NDA的QPSK信号信噪比估计性能。文献提出一种新算法改进了传统M2M4估计方法的性能。这些研究成果使得基于NDA的估计偏差和方差大大降低,但是对于强干扰下微弱信号的信噪比测试,这些结果并不能令人满意。基于辅助数据(DA),可以产生类似扩频增益的效果,对弱信噪比测试非常有用。在通信系统中,同步信道、训练序列等都是辅助数据,虽然会增加传输开销,但是这些数据起着小区搜索、信道估计等作用,对它们的信噪比估计是通信测量的一个重要部分,此时可以采用基于DA的估计方法,来获得更好的估计性能。 根据文献的结论,对基于DA的QPSK信号信噪比估计,最大似然估计(ML-DA)方法具有最优的性能。但是,最大似然估计法是有偏估计,文献对传统的ML-DA公式作了改进,通过乘以一个和数据块长度有关的因子,降低了ML-DA方法的偏离度。同样是为了降低ML-DA的偏离度,文献从ML-DA公式出发,针对BPSK信号,采用迭代算法,使估计出的信号功率更接近实际信号功率,其代价是大大增加了运算量,而且低信噪比条件下仍然是有偏估计。在低信噪比条件下,噪声功率大于信号功率,其误差对信噪比估计精度的影响占主要地位,本文提出一种基于DA的QPSK信号新的信噪比估计算法,利用复数相关等运算,先估计噪声功率,再估计信号功率,从而得到信噪比,性能优于文献和文献中的算法。 下面一节中首先介绍信号模型和信噪比估计公式以及性能评价标准,第3节介绍最大似然估计方法,第4节给出新的估计算法,第5节给出仿真结果,并对ML-DA和新算法的误差来源都作了分析,第6节为结束语。 2 在awgnet通道中，qpsk信号模型和信噪比估算公式 2.1 最佳采样时采样数据的选取 信号经过AWGN信道到达接收机,假设接收机采用匹配滤波,频率误差可以忽略,并且在最佳采样时刻采样,得到复接收数据 其中,mk是功率为1的复信息数据,zk是方差为1的高斯白噪声,S为信号功率系数,N是噪声功率系数。对QPSK信号,式(1)可写成I、Q两路的形式 2.2 信噪比估算公式 这里,K是数据块的长度。 用K个数据的平均来近似统计平均,得到信噪比的估计式为 3 噪声估计值的估计 由于各个接收信号噪声相互独立,所以K个接收数据组成的接收序列r={r0,r1,…,rK-1}的联合概率密度公式为 其对数似然函数 用式(6)对和N求偏导,使得时该对数似然函数的导数等于0,得 所以 文献为了减小该算法的偏离度,对式(9)乘以一个系数 从数学上讲,如果S和N是可以任意取值的变量,那么从式(4)到式(9)就是一个严格的推导,信噪比估计值的均值等于真实信噪比。但是,不能忽略另一个重要的约束条件 S和N是不能任意取值的,本文后面部分将会揭示和S的关系。 4 含随机变量的高斯噪声近似 既然已经获得或者已经判决出发送的信息数据序列,那么就可以利用该序列与接收序列作类似解扩的复数相关运算 对比式(11)和式(7)可以看到,ML-DA中的 e的实部包含了信号幅度分量。对e取模,求平方,有 下面求接收序列r={r0,r1,…,rK-1}模平方的平均值 用式(14)式减去式(13),得 从式(11)到式(16)的数学推导都是严格的,下面对这些包含随机变量的公式作近似。由于取正负值的概率相等,是方差归一化的高斯白噪声。所以ε是均值为0的随机变量,并且随着K的增大,ε越接近0。因此,作第1个近似 于是,根据式(15),得到噪声功率的估计 代入式(14),得到信号功率的估计值 至此可以得出新的无偏(non bias)信噪比估计公式 5 实验的结果和解释 5.1 算法的归一化均方误差 为了考察新算法的偏离度、可信度,