提出了一种基于多级维纳滤波(MSWF:Multistage Wiener Filter)的盲信噪比估计算法。结合信号子空间分解理论,该方法利用基于相关相减算法(CSA:Correlation Subtraction Algorithm)的前向递推的多级维纳滤波器实现含噪信号空间分解,避免了传统方法对信号自相关矩阵进行复杂的特征值分解运算,并以此估计信号功率和噪声功率来完成盲信噪比估计。在加性高斯白噪声(AWGN)信道条件下进行信噪比估计仿真,仿真表明,当实际信噪比在-7～25dB范围内时,算法的估计标准偏差小于0.5dB,且性能优于常规方法。设定实际信噪比为10dB,当接收码元数目为100时,对所有仿真的调制方式的信噪比估计标准偏差小于0.35dB,证明了估计算法在小样本支撑环境下实现信噪比快速盲估计的能力。
针对数字通信信号的信噪比盲估计问题,提出了一种基于子空间理论的盲信噪比估计方法。该方法首先根据信号自相关序列构建特定维数的信号自相关矩阵,并根据实际工程应用需求,利用坐标旋转数字计算(Coordinate rotation digital computer,CORDIC)算法实现Jacobi旋转来完成自相关矩阵的特征值分解,避免了实际实现时对硬件乘法器的调用。并以6种常用的数字通信信号为例,在加性高斯白噪声(AWGN)信道条件下,实际信噪比在-10～30dB范围内时对其信噪比估计性能进行仿真分析。仿真表明,当实际信噪比为-5～22dB时,信噪比估计标准偏差小于0.5dB,且提出的信噪比估计器具有渐近无偏特性,证明了该方法是一种进行盲信噪比估计的有效方法。
