论文部分内容阅读
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。