技术领域
[0001] 本发明涉及信噪比估计领域，特别涉及一种SNR估计方法、MATLAB软件仿真方法以及SNR估计系统。
相关背景技术
[0002] 信噪比是无线通信系统中信道质量的一个重要影响因子。信噪比估计主要在接收模块中,其在功率控制、解码截止条件的设定、自适应越区切换、自适应编码调制等很多场合，都需要精确的信噪比估计以获得最佳的性能，信噪比估计(SNR)可作为通信系统中信号处理算法高效运行的先验信息。
[0003] 现阶段已有算法中大多采用辅助信息的估计方法，且多数是在低信噪比范围或者高信噪比范围内有较好的估计效果，而在高信噪比与低信噪比范围均有较好估计效果的算法几乎没有。
具体实施方式
[0036] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0037] 在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0038] 基于上述目的，本发明实施例的第一个方面，提出了一种SNR估计方法的实施例。图1示出的是本发明实施例的SNR估计方法的示意图。
[0039] 所述SNR估计方法，可选地，包括以下步骤：
[0040] S101，将输入信号转换为待估计加噪信号；
[0041] S102，通过软件仿真来确定待估计加噪信号的切换阈值；
[0042] S103，通过ECF算法来计算待估计加噪信号的信噪比估计值；
[0043] S104，将估计值与阈值进行比较：
[0044] S105，如果估计值小于阈值，则保留估计值；
[0045] S106，如果估计值不小于阈值，则通过SVR算法来计算待估计加噪信号的信噪比估计值。
[0046] 信噪比估计的两个主要算法如下：
[0047] 1)ECF算法：利用样本特征函数的信噪比估计方法
[0048] SNR＝|r|2/σ2
[0049]
[0050] 其中，SNR为信噪比估计值，|r|2为信号功率；σ2为噪声方差；rIi,rQi为复输入信号的实部与虚部。
[0051] 计算步骤：根据复输入信号计算信号功率与噪声方差，然后求解两者比值得到信噪比估计值。
[0052] 2)SVR算法：信号方差比(Signal-to-VariationRatio)估计算法
[0053]
[0054]
[0055] 其中，Nsym为符号数；yn为输入信号序列，β为信噪比计算中间变量。
[0056] 计算步骤：1)根据输入信号序列计算其二阶四阶矩；2)对求得二阶四阶矩求和取平均获得中间变量；3)通过中间变量求得信噪比估计值。
[0057] 如图1所示，该SNR估计方法在进行软件仿真模拟之前，需要先将输入信号转变为加噪信号。对于输入信号，仿真时用仿真软件(例如，matlab)生成的随机序列，板级调试用信号发生器产生。若输入信号就是符合要求的加噪信号则可以直接输入，若不是则需要通过对信源信号进行加噪来得到相应的加噪信号。之后通过软件仿真模拟得到精确的待估计加噪信号的切换阈值。通过该阈值确定采用哪种估计方法，即对输入信号先通过ECF算法来估计其信噪比：如果信噪比估计值(估计结果)小于阈值，则该估计结果是所需的信噪比估计值，该判断过程结束；如果估计结果大于阈值，则需要对输入信号通过SVR算法来估计其信噪比。这样得出的信噪比估计值，就是通过两种算法估计出的真实信噪比值。
[0058] 该SNR估计方法为一种联合估计算法，即选择一种在低信噪比范围估计效果较好的算法和一种在高信噪比范围估计效果较好的算法结合以满足保证精度前提下的宽信噪比范围需求，即，一种全盲、宽信噪比的信噪比估计方法。其主要解决现有信噪比估计方法仅适用于高信噪比范围或者低信噪比范围的局限以及多数采用辅助信息的估计方法限制，估计范围更广泛、估计精度有一定的保证和提升。算法在实际系统中比较容易实现、准确率较高。
[0059] 在一个优选实施例中，将输入信号转变为待估计加噪信号包括：将加性高斯白噪声添加到信源信号中以生成待估计加噪信号。
[0060] 加性高斯白噪声(AWGN)是白噪声的一种，从统计上而言是随机无线噪声，其特点是其通信信道上的信号分布在很宽的频带范围内。给信源信号加入加性高斯白噪声后生成的待估计加噪信号既是进行仿真模拟的输入信号。在这个过程中，没有利用已知导频的数据辅助而仅利用未知数据的非数据辅助，因此，其可实现全盲估计、不依赖任何辅助信息。
[0061] 在一个优选实施例中，通过软件仿真来确定待估计加噪信号的切换阈值包括：通过MATLAB软件仿真并结合给定的信噪比范围来模拟ECF算法和SVR算法的估计曲线以确定待估计加噪信号基于两种算法的切换阈值。
[0062] 通过经验公式可以得出，给定的信噪比范围为[-10，10]dB，在该范围内较精确的估计出SNR值。通过MATLAB软件仿真并结合ECF算法和SVR算法，能够精确的确定待估计加噪信号基于两种算法的切换阈值，实现了宽信噪比范围有效估计。如上联合算法估计值与参考值比较图，对ECF算法的仿真验证得出在0dB后估计曲线开始偏离参考曲线，为保证估计精度要求，在1dB时切换到SVR算法，最终保证在[-10,10]dB范围内，联合估计算法效果较好，满足指标要求。
[0063] 在一个优选实施例中，MATLAB软件仿真包括：
[0064] 构造物理层帧并且设置模拟参数；
[0065] 根据ECF算法和SVR算法建立估计模型进行信噪比估计，并且根据所得阈值建立两种算法切换模型；
[0066] 通过若干倍上采样和滤波处理信号后加入频偏和噪声进行下采样处理；
[0067] 提取添加噪声的信号的数据部分；
[0068] 提取噪声的数据部分；
[0069] 计算信噪比估计值。
[0070] 进一步地，模拟参数包括：信噪比参考值范围、符号率、频偏、调制方式、仿真的帧数目、仿真次数、脉冲成型和匹配滤波的滚降系数、上采样和下采样的倍数。
[0071] 其中，图2示出的是SNR估计方法的MATLAB软件仿真流程的示意图。图3示出的是采用ECF算法的信噪比估计值与真实值的比较示意图。图4示出的是采用SVR算法的信噪比估计值与真实值的比较示意图。
[0072] 如图2-4所示，构造物理层帧并且设置模拟参数包括如下参数设置：
[0073] 符号速率fs＝3.84*10^5；
[0074] 频偏fd＝0；(频偏加1％与3*10^(-5)倍符号速率)
[0075] RR1＝2.84；调制方式(QPSK)
[0076] RR2＝5.27；
[0077] 用来仿真的帧数目N＝5；短帧16200bit
[0078] 蒙特卡洛仿真次数MT＝2；
[0079] 脉冲成型和匹配滤波的滚降系数alpha＝0.15；
[0080] 上采样和下采样的倍数sampling＝1；
[0081] 在MATLAB软件仿真的过程中，通过设置上述参数得到信噪比估计值。
[0082] 在一个优选实施例中，将在信源处产生的随机二进制比特信号调制并输入信道，在信道中经加性高斯白噪声作用将信号生成待估计加噪信号。
[0083] 如图2所示，信源信号，即在信源处产生的随机二进制比特信号，通过调制输入信道，在信道处加入加性高斯白噪声，在其作用下生成待估计加噪信号。从而不需采用辅助信息进而实现全盲估计。
[0084] 在一个优选实施例中，信噪比估计值与信噪比参考值进行比较并且进行逐次迭代以提高估计精度。
[0085] 如图3-4中所示，横坐标为信噪比参考值范围，纵坐标为信噪比估计值范围。图3中的斜线为信噪比真实值曲线，离散点组成的曲线为信噪比采用ECF算法的算法估计值曲线。图4中的斜线也为信噪比真实值曲线，离散点组成的曲线为信噪比采用SVR算法的算法估计值曲线。通过两个图比较可以很清楚的看出两种算法的估计值偏离真实值的情况。估计方法采用两种算法联合，一种在低信噪比范围估计效果较好，另一种在高信噪比范围可精确估计，二者级联可实现宽信噪比范围的较精确估计。根据给定值与MATLAB仿真的结果不断比对分析确定算法切换的阈值以及对应给定范围的适用方法，从而保证较精确的估计出信噪比值。也就是说，通过设置不同的参数值，利用两个公式进行迭代，最终得到最接近的估计值，提高了估计精度，算法估计偏差小于0.2dB，算法估计均方误差0.01。
[0086] 在一个优选实施例中，通过ECF算法来计算所述待估计加噪信号的信噪比估计值包括：采用信噪比估计样本特征函数方法求解信号功率与噪声方差，并且根据信号功率与噪声方差之比求解信噪比估计值。ECF算法在低信噪比范围内的估计效果较好。
[0087] 需要特别指出的是，上述SNR估计方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减，因此，这些合理的排列组合变换之于SNR估计方法也应当属于本发明的保护范围，并且不应将本发明的保护范围局限在所述实施例之上。
[0088] 以上是本发明公开的示例性实施例，上述本发明实施例公开的顺序仅仅为了描述，不代表实施例的优劣。但是应当注意，以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子，在不背离权利要求限定的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
[0089] 基于上述目的，本发明实施例的第二个方面，提出了一种SNR估计系统，该系统包括SNR估计模块，该SNR估计模块在信源信号中添加加性高斯白噪声，并且结合ECF算法和SVR算法得出信噪比估计值。
[0090] 该系统使用上述SNR估计方法，通过将输入信号转变为加噪信号，实现了全盲估计，通过MATLAB软件仿真得出待估计加噪信号的更精确的切换阈值，并且通过联合ECF算法和SVR算法实现宽的信噪比估计范围并且提高了估计精度。
[0091] 在一个优选实施例中，SNR估计模块位于接收链路前端的匹配滤波后部。
[0092] 因此，无需先验参考信息。
[0093] 所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。
