一种基于频域噪声拟合算法的SNR估计技术

刘俊凯 张刚强 张俊清

(水声对抗技术重点实验室，上海，201108)

水声信号参数估计是水声对抗的前提，同时水声信号参数的估计精度和置信度又是水声对抗策略选取的依据，水声信号参数的估计精度和置信度与截获信号的信噪比（SNR）密切相关。信噪比估计方法可分为时域方法和频域方法。目前时域算法理论分析比较成熟的经典信噪比估计算法有最大似然估计法（Maximum Likelihood，ML）、二阶四阶矩阵（M2M4）估计法和自相关矩阵奇异值分解（Singular Value Decomposition，SVD）估计法等。ML法利用训练序列或判决反馈序列来构造似然函数，属于一种自适应算法。这种算法获得的信噪比估计是有偏差的，Thomas引入了修正因子可以减少这一偏差[1]。M2M4应用在高斯噪声背景下，利用信号的二阶和四阶矩的相互关系来进行SNR估计，且信噪比估计公式随信号调制方式和信道变化，在实际应用中受限较大[2]。SVD是根据信号空间分解法将接收信号自相关矩阵分解为信号子空间和噪声子空间，通过计算信号和噪声功率求取SNR。此方法对高斯白噪声背景下单频信号的SNR估计性能较好，但水声信道中SNR估计效果较差[3]。频域方法是利用白噪声频谱平坦的特点，将接收信号频谱最低的一段认为是噪声的频谱均值，该方法特别适用于窄带信号。但其噪声功率计算过于简单，在实际应用中效果不佳[4]。电子科技大学的白丹萍对频域方法进行了改进，对于 AWGN（Additive White Gaussian Noise）信道下的窄带信号，改进频域算法的估计性能优于传统频域算法[5]。本文根据水声信道条件对频域方法进行了适应性改进，提出对去除信号频带的频域噪声信号进行拟合，重建噪声频域信号，提升噪声功率估计的精度。……