申请/专利权人：西安电子科技大学

申请日：2022-03-19

公开（公告）日：2023-05-16

公开（公告）号：CN114826452B

主分类号：H04B17/336

分类号：H04B17/336;H04B17/391;H04L25/02

优先权：

专利状态码：有效-授权

法律状态：2023.05.16#授权;2022.08.16#实质审查的生效;2022.07.29#公开

摘要：本发明属于通信技术领域，公开了一种低SNR下Nakagami‑m参数估计方法、系统、设备及终端，利用Nakagami‑m生成模型和高斯白噪声产生实际中服从Nakagami‑m分布的衰落数据，对INV算法偶数阶矩去掉噪声的影响，定量分析去掉噪声的偶数阶矩对INV算法的影响，对INV算法添加修正项，计算修正项系数，给出算法的表达式和实现形式。本发明重点分析低SNR时影响传统算法性能的因素，并对该因素进行数学建模，该模型取决于SNR和采样点数目M，针对该因素提出改进算法，适用于民用移动通信中衰落参数描述、军事领域散射通信中参数估计以及链路自适应技术，结果表明该算法大大提高了低SNR下的估计精度。

主权项：1.一种低SNR下Nakagami-m参数估计方法，其特征在于，所述低SNR下Nakagami-m参数估计方法包括：步骤一，利用Nakagami-m生成模型形成M个服从Nakagami-m衰落的采样点H，给定信噪比γ，生成10000个高斯白噪声n，得到实际中的衰落步骤二，计算的一阶矩、二阶矩、三阶矩、四阶矩μ1，μ2，μ3，μ4；对INVInverseNormalizedVariance算法偶数阶矩去掉噪声影响，获取接收端系统的平均信噪比步骤三，根据的二阶矩四阶矩展开公式对的二阶矩和四阶矩去掉噪声，计算消除噪声后的的二阶矩和四阶矩步骤四，结合低SNR下一阶矩三阶矩的实际模型，定量分析和对INV产生的影响，并得到推导结果；所述定量分析和对INV产生的影响包括：1理想条件下的INV算法在得到理想二阶矩u2和理想四阶矩u4后，通过下式估计m参数： 2对和进行分析：在低信噪比下，噪声的奇数阶矩服从正态分布： 其中，ni表示噪声样本，Δ1表示噪声的一阶矩，Δ2表示噪声的三阶矩，根据中心极限定理，Δ1和Δ2都服从正态分布，而且Δ1和Δ2是具有一定的相关，经过计算得到Δ1和Δ2的具体分布参数以及相关系数，如下式所示： 和理论分析如下式所示： 通过理论推导得： 3对进行建模： 其中，Δ表示实际中与理想INV估计中之差，当Ω确定时，E[R]随之确定，则Δ是两个正态分布相加，结果为正态分布；实际中Δ服从高斯分布N1，服从高斯分布N2： INV算法如下式所示： 步骤五，结合步骤四中对的分析结果构建修正项模型，推导模型的相关系数，提出利用添加修正项τ的方式消除的影响；步骤六，给出最终的m参数估计器表达式，并给出对应的实现形式，在此基础上检测低SNR下不同参数估计算法的均值和归一化均方误差；首先对实际的二阶矩四阶矩进行去噪得到新的二阶矩四阶矩，分析并建立了噪声在一阶矩三阶矩下的数学模型，并且推导该模型对新得到的二阶矩四阶矩的影响，随后采用激活函数作修正项的方式，最后推导了激活函数的参数，并给出了基于迭代方式的实现形式；利用Nakagami-m生成模型和高斯白噪声产生实际中服从Nakagami-m分布的衰落数据，对INV算法偶数阶矩去掉噪声项带来的影响，定量分析此时新的偶数阶矩对INV算法的影响，对此时的INV算法添加修正项，计算修正项的系数，最后给出算法的表达式和实现形式。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种低SNR下Nakagami-m参数估计方法、系统、设备及终端

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD