目錄

1.算法概述

2.部分程序

3.算法部分仿真結果圖

4.完整程序獲取

1.算法概述

? ? ? ? 隨著信息技術的飛速發展，信息戰逐漸成為戰爭的一個重要方式。因此，掌握戰場的信息控制權是贏得戰爭的重要因素。在信息戰中，為了干擾和破壞對方的通信系統，首先需要獲得對方通信系統的通信方式、通信系統的參數等信息。因此，需要對對方的通信信息進行分析和參數估計，從而達到干擾敵對通信系統的目的。在通信信號的參數估計過程中，對信號的信噪比估計是一個重要環節，通過對信號的信噪比估計奠定了信號的調制識別，解調，譯碼的基礎。因此，研究信噪比估計方法最優十分重要的意義。

? ? ? ?目前，關于信噪比估計方法有較多成熟的技術，根據其估計方式，現有的技術可以分為兩大類：第一種是基于輔助數據的估計方法，通過在發送數據中周期性的插入可識別的訓練數據，并在接收端根據訓練數據進行信噪比估計的方法。第二種是盲估計方法，這種方法無需借助輔助數據。通信信號信噪比的盲估計是指在不獲取通信先驗信息的情況下對信號的信噪比進行估計。在軍事對抗通信中，往往無法獲取敵方通信的先驗信息，因此只能采用信噪比的盲估計。

? ? ? ? 基于信號子空間（SB，subspace-based）的信噪比盲估計算法，其無需借助任何信道的參數信息，直接通過特征值分解的方式，將接收信號中的有效信號與噪聲干擾相分離，從而計算出信噪比的估計值。因此，信號子空間的信噪比盲估計算法具有較強的信道適應能力，具有較為廣泛的應用前景。

? ? ? ?針對基于高階累積量的信噪比盲估計方法和基于信號子空間的信噪比盲估計方法進行研究。其中，基于高階累積量的信噪比盲估計方法，其主要原理是通過計算接收信號的高階累積量來獲得信號矩，繼而估計出信號能量和噪聲能量，并最終獲得信噪比的估計值。基于信號子空間的信噪比盲估計方法，其主要通過計算信號的協方差，將信號和噪聲進行分離，并得到信噪比估計值的方法。最后通過MATLAB仿真軟件對基于高階累積量的信噪比盲估計方法和基于信號子空間的信噪比盲估計方法兩種算法進行仿真分析。

?

? ? ? ?高階統計量，通常是指信號的高階矩，高階累積量等信號統計信息的統稱。在這些高階統計量中，高階累積量具有十分重要的重用，不同階數的累積量可以反映出信號的不同特征，因此高階累積量往往應用在信號分類，信號調制方式識別等領域。高階累積量中的二階累積量和四階累積量可以有效抑制高斯白噪聲的干擾，且對相位偏移具有一定的容錯能力，其數學表達式為：?

?

2.部分程序

clc;
clear;
close all;
warning off;

%MPSK調制
%參數說明
% y         輸出序列
% x         輸入序列
% fc        載波頻率
% fs        采樣頻率
% rc        碼元速率
% M         調制模式M=2，4，8

x      = rand(1,200)>=0.5;
fc     = 16e6;
fs     = 4*fc;
rc     = 2e6;
M      = 4;
detafy = 0*pi/6;

[y0,y_test] = func_MPSKgen(x,fc,fs,rc,M,detafy);

%%
%通過信號子空間估計信噪比
%通過高階累積量估計信噪比
SNR    = [0:0.5:20];
R1     = zeros(size(SNR));
R2     = zeros(size(SNR));
for sj = 1:length(SNR)
    sj
    y         = awgn(y0,SNR(sj),'measured');
    [c21,c42] = func_csum(y);%高階累積量
    SNRset1   = sqrt(abs(c42)/2)/(c21-0.965*sqrt(abs(c42)))+4;
    
    SNRset2   = func_snr_est(y);
    R1(sj)    = SNRset1;
    R2(sj)    = SNRset2;
end
 
figure;
subplot(121)
plot(SNR,SNR,'r');
hold on
plot(SNR,R1,'o');
grid on
xlabel('SNR');
ylabel('高階累積量');
legend('標準SNR','估計SNR');
title('高階累積量估計信噪比');
subplot(122)
plot(SNR,SNR,'r');
hold on
plot(SNR,R2,'o');
grid on
xlabel('SNR');
ylabel('高階累積量');
legend('標準SNR','估計SNR');
title('信號子空間估計信噪比');

sqrt(sum((SNR-R1).^2)/length(R1))
sqrt(sum((SNR-R2).^2)/length(R2))

3.算法部分仿真結果圖

?

?

4.完整程序獲取

使用版本matlab2022a

解壓密碼：C+123456

獲得方式1：

m基于高階累積量和信號子空間的信噪比估計方法的matlab仿真

獲取方式2：

如果下載鏈接失效，加博主微信，或私信。