广义SSME算法(GSSME:Generalized Split-Symbol Moment Estimator)是在SSME算法的基础上把每个符号均匀分成多段而得来的。本文提出了复数加性高斯白噪声中基于迭代GSSME算法的MPSK信号盲信噪比估计算法,推导了每符号采样点数和分段数...广义SSME算法(GSSME:Generalized Split-Symbol Moment Estimator)是在SSME算法的基础上把每个符号均匀分成多段而得来的。本文提出了复数加性高斯白噪声中基于迭代GSSME算法的MPSK信号盲信噪比估计算法,推导了每符号采样点数和分段数之间的关系。分别对BPSK、QPSK和8PSK信号进行了计算机仿真,并与常规SSME算法进行了比较。结果表明当信噪比高于一定值时,迭代的GSSME算法能达到更小的偏差和均方误差,并且估计性能与MPSK信号的调制阶数M无关。展开更多
针对小样本条件下的盲信噪比估计误差较大问题,结合信号子空间分解方法,提出一种基于有限样本信息准则(finitesample information criterion,FSIC)的盲信噪比估计算法,并推导出基于FSIC盲信噪比估计算法的最大似然形式。在小样本情况下,...针对小样本条件下的盲信噪比估计误差较大问题,结合信号子空间分解方法,提出一种基于有限样本信息准则(finitesample information criterion,FSIC)的盲信噪比估计算法,并推导出基于FSIC盲信噪比估计算法的最大似然形式。在小样本情况下,FSIC的引入克服了传统信息论方法产生的过拟合和欠拟合问题,降低计算复杂度。在不需要已知信号调制方式、载波频率、波特率等先验知识的前提下,能够在加性高斯白噪声信道(AWGN)和多径信道(Rayleigh)下对常用调制信号进行有效的信噪比估计。在信噪比-25 dB～25 dB范围内,其平均估计误差小于1 dB,表明该算法可有效应用于小样本盲信噪比估计。展开更多
针对经验模态分解信噪比估计方法运算量大、精度低的问题,本文结合概率论提出了改进的算法。利用离散傅里叶变换分析了固有模态函数的功率谱分布情况,确定了3次分解的有效性,简化了运算过程。基于统计数据给出了分量功率谱密度分布关于...针对经验模态分解信噪比估计方法运算量大、精度低的问题,本文结合概率论提出了改进的算法。利用离散傅里叶变换分析了固有模态函数的功率谱分布情况,确定了3次分解的有效性,简化了运算过程。基于统计数据给出了分量功率谱密度分布关于特征参数的正态分布近似表达式,并分析了分解过程中存在的能量溢出现象,由此给出了由特征参数估计信噪比的方法。针对不同的样本长度和信号调制方式测试了新算法的性能,结果表明新方法的性能优于原始方法,信噪比0 d B时新方法的估计误差不高于0.5 d B。展开更多
文摘广义SSME算法(GSSME:Generalized Split-Symbol Moment Estimator)是在SSME算法的基础上把每个符号均匀分成多段而得来的。本文提出了复数加性高斯白噪声中基于迭代GSSME算法的MPSK信号盲信噪比估计算法,推导了每符号采样点数和分段数之间的关系。分别对BPSK、QPSK和8PSK信号进行了计算机仿真,并与常规SSME算法进行了比较。结果表明当信噪比高于一定值时,迭代的GSSME算法能达到更小的偏差和均方误差,并且估计性能与MPSK信号的调制阶数M无关。
文摘针对经验模态分解信噪比估计方法运算量大、精度低的问题,本文结合概率论提出了改进的算法。利用离散傅里叶变换分析了固有模态函数的功率谱分布情况,确定了3次分解的有效性,简化了运算过程。基于统计数据给出了分量功率谱密度分布关于特征参数的正态分布近似表达式,并分析了分解过程中存在的能量溢出现象,由此给出了由特征参数估计信噪比的方法。针对不同的样本长度和信号调制方式测试了新算法的性能,结果表明新方法的性能优于原始方法,信噪比0 d B时新方法的估计误差不高于0.5 d B。
