跳频通信干扰条件下的信噪比估计方法

摘要

本发明公开了一种跳频通信干扰条件下的信噪比估计方法，首先在跳频通信干扰条件下，将接收到的信号通过匹配滤波器进行匹配滤波，再将其传入能量检测器进行能量检测，并预判出干扰跳，再将其解调；将解调后的信号分别送入LDPC迭代译码器和信噪比估计器，经LDPC迭代译码器迭代译码后，将信号的迭代译码信息送入信噪比估计器，结合解调后的信号信息，通过估计算法进行性噪比估计，将估计值送入LDPC迭代译码器，进行下一次迭代译码，重复上述过程，直至达到迭代次数，并将最终估计值输出。本发明解决了在估计精度高、信噪比估计范围广且在低信噪比情况下估计偏差很小条件下的信噪比估计，对于提高慢跳频通信自适应传输时信道状态估计准确性有积极作用。

权利要求

1.一种跳频通信干扰条件下的信噪比估计方法，其特征在于，方法步骤如下：步骤1、在跳频通信干扰条件下，将接收到的信号通过匹配滤波器进行匹配滤波，再将其传入能量检测器进行能量检测，并预判出干扰跳，再将其解调；

步骤2、将解调后的信号分别送入LDPC迭代译码器和信噪比估计器，经LDPC迭代译码器迭代译码后，将信号的迭代译码信息送入信噪比估计器，结合解调后的信号信息，在信噪比估计器中通过估计算法进行性噪比估计，将估计值送入LDPC迭代译码器，进行下一次迭代译码，然后将迭代译码信息送入信噪比估计器，再结合解调后的信号信息，通过估计算法进行性噪比估计，再将估计值送入LDPC迭代译码器，重复上述过程，直至达到迭代次数，并将最终估计值输出；

步骤2中，估计算法为通过最大似然算法估计出信号幅度A和噪声方差2σ2，算法步骤如下：匹配滤波后信号yn的函数为

yn＝Aang0+wn   (1)信号yn的对数似然函数ln p(y/A,σ2)为其中，M为调制阶数，K为估计符号长度，在慢跳频中每跳的符号数应能被K整除，Pr(s(i))为第i个发送符号序列s(i)的先验概率，i＝0,1,2...MK-1，g0是抽样脉冲的峰值，an是发送符号，wn表示经匹配滤波采样后的噪声，p表示概率密度函数；

分别对A和σ2求偏导

条件似然函数lnp(y/s(i),A,σ2)为

将式(6)分别代入式(4)和式(5)得

其中ηk为译码信息期望值， 为ηk的共轭，ρk为后验均方值；

令式(7)和式(8)分别等于零，即可得到A和σ2的估计值，并将所得到的估计值代入ML-NDA估计式，得到估计值再乘以因子(K-3)/K以降低估计偏差，得到修正后的估计值 并将其输出

2.根据权利要求1所述的跳频通信干扰条件下的信噪比估计方法，其特征在于：上述译码信息期望值ηk取值如下：

对于BPSK调制信号，译码信息期望值 L(ak(l))是迭代译码器迭代计算l次后输出的对数域译码信息；

对于QPSK调制信号，ηk为

(l) (l) (l) (l)

上述[ak ,bk ]是映射到第k个QPSK调制符号的两个比特，L(ak )和L(bk )是映射到第k个QPSK调制符号的两个比特对应的迭代译码器迭代计算l次后输出的对数域译码信息。

3.根据权利要求1所述的跳频通信干扰条件下的信噪比估计方法，其特征在于：步骤2中的迭代次数范围为[8，40]。

说明书

跳频通信干扰条件下的信噪比估计方法

技术领域

[0001] 本发明属于跳频自适应传输领域，具体涉及一种跳频通信干扰条件下的信噪比估计方法。

背景技术

[0002] 信噪比是通信系统中的一项重要参数指标，它反映了信号与噪声之间的相对关系，与系统误码率性能有直接的对应关系，可为数据解调、译码等提供必要的依据，是通信系统中经常用到的一种信道状态信息。链路自适应技术就是根据信道的状态对传输信号参数进行自适应的调整，使通信质量达到要求。在慢跳频系统中一种典型的干扰就是部分频带干扰，由于每一跳频时隙中包含多个符号，在这一情况下的干扰检测可视为对每跳频时隙内的信噪比估计。在信噪比估计方面前人已经进行了大量研究，这些研究可以分为两大类：基于数据辅助的方法(DA)和基于非数据辅助的方法(NDA)。数据辅助的方法要求在数据流中插入接收端已知的导频信号或者训练序列。显然，采用这种方法会降低系统传输效率。在很多应用场合，从提高频谱效率的角度来考虑，非数据辅助方法是一种更好的选择。

[0003] 由于非数据辅助的信噪比估计技术在节省系统资源上显现出的巨大优势，让其在众多学者中得到了更多的青睐。目前常用的NDA信噪比估计算法有一阶二阶矩和二阶四阶矩(M2M4)估计算法。其中一阶和二阶来估计信噪比的方法比M2M4算法精度高，在低信噪比时估计偏差更小。但是实际应用中受查找表大小限制，高信噪比时估计性能会随着信噪比增加而下降。文献“Non-data-aid SNR estimation method for APSK exploting rank discrimination test”采用一致最大功效检验的方法针对APSK信号的NDA方法进行了研究，在高信噪比时其性能要优于M2M4估计算法。文献“Signal-to-noise ratio estimation algorithm for adaptive coding and modulation in advanced digital video broadcasting–radar cross sectionsatellite systems”针对MPSK调制系统提出了一种短突发SNR估计算法，高信噪比时性能优于M2M4估计算法，但其需要准确的相位信息，对相位估计提出了较高的要求。以上是针对高信噪比时的信噪比估计进行的研究，且未与编码系统相结合。针对低信噪比估计文献“Non-data-aided signal-to-noise-ratio estimation”提出了一种迭代似然函数期望最大化NDA算法。文献“How to use a priori information of data symbols for SNR estimation”提出了如何将数据符号的先验信息用于SNR估计。文献“Robust frequency hopping for interference and fading channels”在解调器和译码器之间增加一个信道估计器，它采用期望最大(EM－Expectation maximization)算法，利用每次译码反馈的后验信息得到信道估计值。这种方法具有良好的性能，在每跳包含一定数量符号的条件下与已知信道边信息的情况十分接近，但是由于EM算法的计算量很大，这种方法的复杂度较高，不利于实际应用。

[0004] “Robust frequency hopping for interference and fading channels”(IEEE Transactions on Communications,vol.56,no.8,pp.1343-1351,2008.)在解调器和译码器之间增加一个信道估计器，它采用期望最大(EM－Expectation maximization)算法，利用每次译码反馈的后验信息得到信道估计值。这种方法具有良好的性能，在每跳包含一定数量符号的条件下与已知信道边信息的情况十分接近，但是由于EM算法的计算量很大，这种方法的复杂度较高，不利于实际应用。

[0005] 综上所述，传统的信噪比估计方法估计精度低、信噪比估计范围窄、在低信噪比情况下估计偏差很大，在信号长度很短且信噪比很低的情况下，很多信噪比估计方法都会出现较大估计偏差。

发明内容

[0006] 本发明的目的在于提供一种跳频通信干扰条件下的信噪比估计方法，用于解决在估计精度高、信噪比估计范围广且在低信噪比情况下估计偏差很小条件下的信噪比估计。

[0007] 实现本发明目的的技术解决方案为：一种跳频通信干扰条件下的信噪比估计方法，方法步骤如下：

[0008] 步骤1、在跳频通信干扰条件下，将接收到的信号通过匹配滤波器进行匹配滤波，再将其传入能量检测器进行能量检测，并预判出干扰跳，再将其解调；

[0009] 步骤2、将解调后的信号分别送入低密度奇偶校验码(LDPC)迭代译码器和信噪比估计器，经LDPC迭代译码器迭代译码后，将信号的迭代译码信息送入信噪比估计器，结合解调后的信号信息，在信噪比估计器中通过估计算法进行性噪比估计，将估计值送入LDPC迭代译码器，进行下一次迭代译码，然后将迭代译码信息送入信噪比估计器，再结合解调后的信号信息，通过估计算法进行性噪比估计，再将估计值送入LDPC迭代译码器，重复上述过程，直至达到迭代次数，并将最终估计值输出。

[0010] 上述步骤2中，估计算法为通过最大似然算法估计出信号幅度A和噪声方差2σ2，算法步骤如下：

[0011] 匹配滤波后信号yn的函数为

[0012] yn＝Aang0+wn             (1)

[0013] 信号yn的对数似然函数ln p(y/A,σ2)为

[0014]

[0015] 其中，M为调制阶数，K为估计符号长度，在慢跳频中每跳的符号数应能被K整除，Pr(s(i))为第i个发送符号序列s(i)的先验概率，i＝0,1,2...MK-1，g0是抽样脉冲的峰值，ak是发送符号，wk表示经匹配滤波采样后的噪声，p表示概率密度函数；

[0016] 分别对A和σ2求偏导

[0017]

[0018]

[0019] 条件似然函数ln p(y/s(i),A,σ2)为

[0020]

[0021] 将式(6)分别代入式(4)和式(5)得

[0022]

[0023]

[0024] 其中ηk为译码信息期望值， 为ηk的共轭，ρk为后验均方值；

[0025] 令式(7)和式(8)分别等于零，即可得到A和σ2的估计值，并将所得到的估计值代入基于最大似然的非数据辅助(ML-NDA)估计式，得到估计值

[0026]

[0027] 再乘以因子(K-3)/K以降低估计偏差，得到修正后的估计值 并将其输出[0028]

[0029] 上述译码信息期望值ηk取值如下：

[0030] 对于BPSK调制信号，译码信息期望值 L(ak(l))是迭代译码器迭代计算l次后输出的对数域译码信息；

[0031] 对于QPSK调制信号，ηk为

[0032]

[0033]

[0034] 上述[ak(l),bk(l)]是映射到第k个QPSK调制符号的两个比特，L(ak(l))和L(bk(l))是[0035] 映射到第k个QPSK调制符号的两个比特对应的迭代译码器迭代计算l次后输出的对数域译码信息。

[0036] 步骤2中的迭代次数范围为[8，40]。

[0037] 本发明与现有技术相比，其显著优点：(1)本发明解决了在估计精度高、信噪比估计范围广且在低信噪比情况下估计偏差很小条件下的信噪比估计；(2)通过分析估计算法的的偏差特性，当采用SNV-SRT算法时，虽然用于估计的数据个数仅有64个，但在信噪比低至-2dB依然可以保持很小的估计偏差；(3)在慢调频通信中，每一跳的数据个数往往较少，因此这种修正方法特别适用于慢调频通信，对于提高慢跳频通信自适应传输时信道状态估计准确性有积极作用。

附图说明

[0038] 图1是一种LDPC编码辅助信噪比估计结构框图。

[0039] 图2是BPSK调制信号在实AWGN信道中归一化偏差曲线，K＝64。

[0040] 图3是BPSK调制信号在实AWGN信道中归一化均方误差曲线，K＝64。

[0041] 图4是QPSK调制信号在复AWGN信道中归一化偏差曲线，K＝64。

[0042] 图5是QPSK调制信号在复AWGN信道中归一化均方误差曲线，K＝64。

具体实施方式

[0043] 下面结合附图对本发明作进一步详细描述。

[0044] 1、系统模型

[0045] 本例考虑MPSK调制信号在复信道中传输的情况，其系统模型如图1所示。假设在接收端已实现精确的载波和符号定时恢复，用于信噪比估计的符号长度为K，在慢跳频中每跳的符号数应能被K整除，调制阶数是M，过采样率为Nss。成型滤波器和匹配滤波器均采用根升余弦滤波器，滤波器长度为L。

[0046] 匹配滤波输出判决量

[0047]

[0048] 其中g0是抽样脉冲的峰值，ak是发送符号，wk表示经匹配滤波采样后的噪声，噪声方差为2σ2。由此得到信噪比表达式为

[0049]

[0050] 对滤波器抽头系数平方和进行归一化操作可使信噪比与信道独立，此时仅通过调2
整A和σ就可以设置信噪比，式(2)可简化为

[0051]

[0052] 这样，就将信噪比估计转化为对参数A和σ2的估计。

[0053] 2、估计算法

[0054] a)通过最大似然算法估计出信号幅度A和噪声方差σ2。

[0055] 接收信号y的对数似然函数ln p(y/A,σ2)为

[0056]

[0057] 对式(3)分别对A和σ2求偏导

[0058]

[0059]

[0060] 其中i＝0,1,2...MK-1。

[0061] 条件似然函数ln p(y/s(i),A,σ2)为

[0062]

[0063] 将式(6)代入式(4)和式(5)得

[0064]

[0065]

[0066] 其中ηk为译码信息期望值， 为ηk的共轭，ρk为后验均方值。

[0067] 分别令式(7)、式(8)等于零，即可得到A和σ2的估计值，并将所得到的估计值代入ML-NDA估计式，得到估计值

[0068]

[0069] 并乘以因子(K-3)/K以降低估计偏差，得到修正后的估计值

[0070]

[0071] b)通过译码器得到对数域译码信息

[0072] 对于BPSK调制信号，译码信息期望值 其中，L(ak(l))是译码器迭代计算l次后输出的对对数域译码信息。

[0073] 对于QPSK调制信号，ηk可取为

[0074]

[0075]

[0076] 其中[ak(l),bk(l)]是映射到第k个QPSK调制符号的两个比特，L(ak(l))和L(bk(l))是[0077] 映射到第k个QPSK调制符号的两个比特对应的迭代译码器迭代计算l次后输出的对数域译码信息，称该修正算法为SRT。将ηk用译码硬判决结果 替换就得到对应的硬判决辅助估计方法，记为HRT。在复信道中很容易将本算法扩展到高阶调制情况。

[0078] 图2给出了BPSK调制在实信道中几种信噪比估计算法在信噪比-10dB到20dB范围内的归一化偏差。可见，除发端数据辅助估计算法TxDA外，我们提出的SRT算法性能最好，HRT算法的偏差小于传统的RxDA算法，但是略大于M2M4和SVR算法。可见，采用对数译码信息对信息比特求均值可有效减低估计偏差。

[0079] 为进一步分析估计算法的偏差特性，图3给出了几种算法的归一化均方误差曲线。可见，采用SRT算法时，虽然用于估计的数据个数仅有64个，但是在信噪比低至-2dB依然可以保持很小的估计偏差，相较于其他几种非数据辅助信噪比估计算法性能提升了至少4dB。
在慢跳频通信中，每一跳的数据个数往往较少，因此这种修正方法特别适用于慢跳频通信。

[0080] 图4和图5给出了几种估计算法在QPSK调制信号复信道中的归一化偏差和归一化均方误差曲线。可见，在各种信噪比下我们提出的修正方法性能都要优于传统的几种非数据辅助估计算法，特别是SRT算法的归一化方差最小，性能最好。