Underlay频谱共享方式下的信噪比估计

摘要

随着车联网、物联网带来海量终端和数据的接入，以及人们对应用软件的体验要求越来越高，庞大的数据信息高速涌入无线通信网络，频谱资源显得格外珍贵。为了解决用户日益激增的频谱需求和有限频谱资源之间的矛盾，越来越多的学者投身于频谱共享技术的研究。Underlay频谱共享技术作为解决频谱资源紧张问题的有效手段之一，受到通信领域广泛的关注。当授权用户受到的干扰在某一阈值之下时，该技术允许授权用户和认知用户同时使用授权频段，从而提高了频谱的利用率。其中，干扰温度作为衡量干扰程度的核心依据，是实现频谱共享最关键的先验信息，而信噪比是计算干扰温度的重要参数。因此，本文主要对Underlay频谱共享方式下，授权频道中多个同频分量信号混合时的信噪比估计算法进行了研究，具体内容如下： 1.本文提出了一种基于归一化高阶累积量的信噪比估计方法，该方法通过样本信号计算不同阶数的归一化高阶累积量的值，并证明了信号的归一化高阶累积量与信号功率无关，只与信号的调制类型、滚降系数等参数有关。通过查表法可以得到归一化高阶累积量具体的值，根据高斯白噪声的高阶累积量为零的特性，构建方程组。求解出各个分量信号的功率与接收信号功率之间的比值，进一步求解出分量信号和时频重叠信号的信噪比。本文还推导了分量信号信噪比的克拉美罗界(CRB)，并以归一化克拉美罗界(NCRB)与实际估计出来的信号信噪比归一化均方误差(NMSE)进行对比，对本文所提出的信噪比估计方法的估计性能做出评价。通过在不同信源个数、不同调制类型、不同重叠率和不同功率比等条件下对Underlay频谱共享方式下的信噪比估计方法进行Matlab仿真验证和深入分析，发现该方法能在较低信噪比的情况下，对时频重叠接收信号的信噪比进行有效估计，也能对每个分量信号的信噪比进行准确估计，并对分量信号的调制类型组合和频谱重叠率具有稳健性。 2.为了降低计算难度，本文还提出了一种基于二阶时变矩的信号信噪比估计算法。该方法推导出成型滤波函数的二阶时变矩，发现其只与滚降系数、时延与码元周期的比值有关，并通过信号样本计算接收信号的不同时延的二阶时变矩，得到分量信号的功率估计值，求出各分量信号信噪比和时频重叠信号的总信噪比。实验仿真结果表明，该方法对信号源个数和功率比具有较好的稳健性，并且在混合高斯噪声环境下也能得到精确的估计结果。通过与其他估计方法的对比可知，基于二阶时变矩的信噪比估计方法在低信噪比时估计性能更加出色，而且计算简单，避免了复杂的多元高阶方程组的求解过程。

目录

第一个书签之前