用于多种信号的信噪比估算方法技术

本发明专利技术公开了一种用于多种信号的信噪比估算方法，包括生成第一信号训练数据并处理得到第二信号训练数据；提取第二信号训练数据的时域特征并处理得到第二信号训练特征数据；搭建原始信号特征提取模型并采用第二信号训练数据进行训练得到第二信号训练数据特征和预训练信号特征提取模型；融合第二信号训练特征数据和第二信号训练数据特征得到第一组合特征；对第一组合特征进行岭回归训练得到岭回归信噪比估算模型；采用岭回归信噪比估算模型进行信噪比估算。本发明专利技术能够有效提高预测精度，加大了预测信噪比值的范围，增加了预测信号种类，防止了过拟合，可靠性高、稳定性好，适用的信噪比范围较广、信号类型多而且在较低信噪比下有较好的估算性能。下有较好的估算性能。下有较好的估算性能。

【技术实现步骤摘要】
用于多种信号的信噪比估算方法


[0001]本专利技术属于通信测量领域，具体涉及一种用于多种信号的信噪比估算方法。

技术介绍

[0002]信噪比即信号功率和噪声功率的比值，是衡量信号质量、通信系统电路设计好坏的重要指标。现代社会离不开通信技术的应用，通信技术的发展大大促进了人类生活水平的提高。在传统通信技术中，信噪比估算是其中一个重要的课题，它能够帮助人们合理地设计或者选用恰当的通信元器件，以提取到质量更好的信号。良好的信噪比估算模型或方法，能够帮助人们更好地控制信号发射功率，也有助于通信公司在资源控制与信号服务之间获取更好的平衡。在量子通信领域，误码率是判断通信是否被窃的重要标准，而误码率的估计也需要信噪比估算的先验知识。
[0003]现有的信噪比估算技术，如最大似然信噪比估计、M2M4估计器等，其所估计的信噪比范围普遍在0dB以上，且适用的信号类型有限(仅针对一类信号)，如M2M4估计器仅对低阶PSK调制有效。这使得现有的信噪比估算技术，其适用范围较窄，通用性较差；而且随着量子通信技术的发展，现有的信噪比估算技术也不适用于量子通信领域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于多种信号的信噪比估算方法，包括如下步骤：S1.根据所需研究的信号及信道模型，生成第一信号训练数据；S2.对步骤S1获取的第一信号训练数据进行处理，从而得到第二信号训练数据；S3.提取第二信号训练数据的时域特征并进行处理，从而得到第二信号训练特征数据；S4.搭建原始信号特征提取模型；S5.将第二信号训练数据作为训练样本对步骤S4搭建的原始信号特征提取模型进行训练，从而得到第二信号训练数据特征和预训练信号特征提取模型；S6.将步骤S3获取的第二信号训练特征数据和步骤S5获取的第二信号训练数据特征融合得到第一组合特征；S7.对步骤S6得到的第一组合特征进行岭回归训练，从而得到岭回归信噪比估算模型；S8.采用步骤S7得到的岭回归信噪比估算模型，对目标信号进行信噪比估算。2.根据权利要求1所述的用于多种信号的信噪比估算方法，其特征在于还包括如下步骤：S9.生成第一信号测试数据并进行处理，从而得到第二信号测试数据；S10.提取第二信号测试数据的时域特征并进行处理，从而得到第二信号测试特征数据；S11.采用步骤S5得到的预训练信号特征提取模型，提取步骤S9得到的第二信号测试数据的特征，从而得到第二信号测试数据特征；S12.将步骤S10得到的第二信号测试特征数据和步骤S11得到的第二信号测试数据特征进行融合，从而得到第二组合特征；S13.采用步骤S7得到的岭回归信噪比估算模型对步骤S12获取的第二组合特征进行测试，从而对岭回归信噪比估算模型进行性能评价。3.根据权利要求1或2所述的用于多种信号的信噪比估算方法，其特征在于步骤S1所述的根据所需研究的信号及信道模型，生成第一信号训练数据，具体为采用如下步骤生成数据：A.采用Matlab编写程序生成数据；B.对于MPSK/MQAM调制信号，设置的调制阶数M包括2、4、8、16、32和64；对于高斯脉冲信号，无需设置调制阶数；C.根据感兴趣的研究范围，自行设定估算的SNR范围；D.符号上采样频率N
ss
设置为信号频率的2倍及以上；E.设置一次性发送信号的个数N
sym
和每个SNR对应的样本数numTrials；F.设置成型滤波器阶数orderRcos。4.根据权利要求3所述的用于多种信号的信噪比估算方法，其特征在于步骤S3所述的提取第二信号训练数据D2的时域特征并进行处理，从而得到第二信号训练特征数据F1，具体为采用如下步骤进行提取并处理：a.对于高斯脉冲信号，提取的时域特征包括：最大值、最小值、平均值、峰
‑
峰值、整流平均值、方差、标准差、峭度、均方根、波形因子、峰值因子、峭度因子、脉冲因子和裕度因子；b.对于MPSK/MQAM类调制信号，将信号分割为实部和虚部，并针对实部数据和虚部数据，分别提取的时域特征包括：最大值、最小值、平均值、峰
‑
峰值、整流平均值、方差、标准
差、峭度、均方根、波形因子、峰值因子、峭度因子、脉冲因子和裕度因子；c.对步骤a和步骤b提取的时域特征进行0
‑
1归一化处理，得到最终的第二信号训练特征数据F1。5.根据权利要求4所述的用于多种信号的信噪比估算方法，其特征在于步骤S4所述的搭建原始信号特征提取模型，具体为采用如下步骤搭建原始信号特征提取模型：采用卷积神经网络模型作为特征提取模型；模型的网络结构包括卷积层、池化层、展平层和全连接层；卷积层采用一维卷积进行数据运算，数学模型为式中O
i
为网络的第i层输出，W
i
为第i层的权重矩阵，b
i
为第i层的偏置；表示卷积运算；所有卷积层的激活函数均采用线性激活函数；池化层用于进行二次特征提取或融合；池化层将感受野内的值降维为1个值，然后逐步经过固定步长的移动获取下一个池化值；展平层用于配合全连接层进行拟合网络训练，以及将特征降为1维特征；全连接层用于进行回归拟合；全连接层共有三个全连接子层，第一全连接子层包括128个神经元，第二全连接子层包括32个神经...

【专利技术属性】
技术研发人员：张航，陆道鑫，黄端，秦亮亮，
申请(专利权)人：中南大学，
类型：发明
国别省市：