信号估计算法

⑴ 影响信道的质量有那两个物理原因

作为通信领域的基础，信道是以传输媒质为基础的信号通道，分狭义信道和广义信道。信道对信号的影响可以有失真或畸变以及附加噪声等。一般来说，研究通信问题，实际是研究信道和噪声的问题。

信道是指以传输媒质为基础的信号通路。具体的信道是指由有线或无线电线路提供的信号通路。在通信系统中，信道的作用是用来传输信号，它提供一段频带让信号通过，同时又由于信道中通常存在噪声干扰，经过信道传输后的信号会出现失真等影响。

信道容量作为信道最终的性能衡量指标，反映了信道的传输能力，受到不同传播环境、基站端和接收端天线数量和结构、发端功率分配等因素影响。最简单的通信系统由信源、信道和信宿组成。对于信道来说，在信道固定的前提下， 传输 的信息量当然是越多越 好，因此信道容量问题是信道研究的重点。信道容量是信道传输信息的最 大能力， 由信道特性决定。对于特定的信道，信道容量是个定值。
信道估计，指的是从接收数据中将信道模型的相关参数估计出来的过程。在无线通信中多径信道对通信的影响主要有两个方面：一个是由于多条传输路径，接收端得到的信号表现为多路信号的叠加，实际操作中需要采用均衡技术恢复原始的信息；另一个是由于信道本身具有与时变特性，且存在各种人为和自然噪声及多径带来的码间干扰，每一条路径都受到不同幅度的衰落和相移。因而信号在经过无线传输后会产生严重失真。为了消除信道本身对信号的影响，需要在接收端对信号进行信道估计，并根据估计出的信道对信道进行均衡。[3]
如果信道是线性的话，则信道估计就是对系统冲激响应进行估计。信道估计是信道对输入信号影响的一种数学表示，而衡量信道估计好坏的方法则是考察估计算法能否使得该种估计的误差最小化。

⑵ 经典的数字信号处理的算法主要包括哪些内容

经典数字信号处理的内容，包括离散时间信号与离散时间系统的基本概念、Z变换及离散时间系统分析、离散傅里叶变换、傅里叶变换的快速算法、离散时间系统的相位与结构、数字滤波器设计（IIR、FIR及特殊形式的滤波器）、信号的正交变换（正交变换的定义与性质、K-L变换、DCT及其在图像压缩中的应用）、信号处理中若干典型算法（如抽取与插值、子带分解、调制与解调、反卷积、SVD、独立分量分析及同态滤波）、数字信号处理中的有限字长问题及数字信号处理的硬件实现等；下篇是统计数字信号处理的内容，包括平稳随机信号的基本概念、经典功率谱估计、参数模型功率谱估计、维纳滤波器及自适应滤波器等。

⑶ 都有哪些信号处理算法

你是不是想问通过对信号进行分析，找出规律的方法？如果信号具有一定的周期性或重复性，你可以用最常用的傅立叶变换，即频谱分析。从中可以发现其中主要的幅度高重复频率分量。另外还可试试小波（孤波）变换分析，也在逐渐流行。

⑷ 当满足什么条件时，MMSE估计即为LMS算法

MMSE估计就是最小均方误差估计，通过求得一个合适的信道冲击响应（CIR），使得通过CIR计算出的接收数据与实际数据的误差的均方和最小。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
我上个月刚做过基于块状导频信息的LTE物理层上行信道的频域信道估计以及信道均衡。

部分算法如下（以下是基于单载波的）

假设循环前缀已经消除了实践弥散信道带来的符号间干扰，保证了子载波之间的正交性。并且信道为慢衰落信道，在一个OFDM符号内，可以认为保持不变。

均衡器接收到的信号可以表示为
y(t)=x(t)*h(t)+n(t)

y(t)为均衡器接收到的信号，h(t)为系统等效的冲击响应，x(t)为原始的输入信号，n(t)为系统中的噪声。

信道估计的任务就是在已知发送参考信息的情况下，对接受到的参考信息进行分析，选择合适的算法得到参考信息的信道冲击响应，即h(t),而数据信息的信道冲击响应则可以通过插值得到。

1) 最小二乘估计（LS）
该算法的目的是

有正交性原理，则可得LS估计

该估计为无偏估计，每估计一个新到衰落系数只需一次乘法，缺点是受噪声影响较大。

2) 线性最小均方误差估计（MMSE）
LMMSE估计属于统计估计，需要对信道的二阶统计量进行估计，利用信道相关性可以置信道噪声提高估计性能。以最小均方误差（MMSE）为准则，如下式：

为了降低计算的复杂度，一般将 用它的期望值 代替，信道性能不会产生明显恶化，则上式可变为

其中 为一个仅与调试的星座的大小有关的值， 为平均信噪比。
该算法的复杂度较高，随着X的改变， 须不断更新。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

不知道你的是物理模型和数据结构是什么样的，频域估计还是时域估计，基于导频信息还是盲信道估计？

____________________________________________
有点悲剧，Word里面的公式我不知道怎么插进来

⑸ 请问智能天线两种算法EBB和GOB比较仿真要用什么软件，有哪位高手进行过类似的研究实验吗

用Matlab仿真比较好。
目前智能天线的赋形算法主要有以下两种：
一、GOB(Grid Of Beam)算法（又称波束扫描法）：它是基于参数模型（利用信道的空域参数）的算法，使基站实现下行指向性发射。
GOB算法的基本思路如下：
将整个空间分为L个区域，并为每个区域设置一个初始角度。以各个区域的初始角度的方向向量为加权系数，计算接收信号功率，然后找到最大功率对应的区域，再将该区域的初始角度当作估计的到达角。 利用上下行信道对称的特点，确定赋形角度。
二、EBB(Eigenvalue Based Beamforming)算法（即特征向量法）：通过对空间相关矩阵进行特征值的分解来得到权矢量。实现方法就是找到第K个用户的权矢量w^(k) 使得r最大。
EBB算法的基本思路如下：
（1）对于整个波束空间，找到使接收信号功率最大的赋形权矢量。这通过对用户空间相关矩阵进行特征分解，找到最大特征值对应的特征向量即为权矢量。
（2）对用户空间相关矩阵进行特征分解，求得到达角度个数和对应方向。
两种算法的比较：
从算法难度来看，EBB算法的实现难度略高于GOB算法；
EBB算法得到的是全局最优解，而GOB算法得到的是局部最优解；
在低速情况下，EBB算法性能优于GOB；
在高速情况下，EBB算法与GOB算法性能基本相当
在城区，无线的传播环境很恶劣，EBB算法的优势也更加明显

另一种描述：
目前比较常用的波束赋形算法有2种：GOB算法和EBB算法。
GOB算法是一种固定波束扫描的方法，对于固定位置的用户，其波束指向是固定的，波束宽度也随天线阵元数目而确定。当用户在小区中移动时，它通过测向确定用户信号DOA，然后根据信号DOA选取预先设定的波束赋形系数进行加权，将方向图的主瓣指向用户方向，从而提高用户的信噪比。
EBB算法是一种自适应的波束赋形算法，方向图没有固定的形状，随着信号及干扰而变化。其原则是使期望用户接收功率最大的同时，还要满足对其他用户干扰最小。
实际设备中采用了EBB算法，需要说明的一点是，仅下行有波束赋形技术，上行方向，手机天线无法进行波束赋形，基站多个天线此时主要用于分集接收。
简单来说就是一个天线阵的运用，上行信号到达每个天线的时间是不一致的，但天线之间的相差是可以预知的，只要将每个天线上的上行信号做一个加权处理，所得信号将是同相信号，将天线阵上的信号相加，即可增加10logN*N db（此处应为10logN db——本人注）的信噪比； 同理下行时，首先根据上行信号估计空间特性，然后在天线阵上发送具有相差的信号，使各个天线下行信号到达接受机的信号同相。上下行中相位的加权运算就是波束赋形。
注解：波束赋形工作由基站完成

⑹ 基站定位，得到各个基站信号强度及经纬度，估算出最接近实际位置的经纬度，用什么算法

不知道如何进行

⑺ 问一个信号中MUSIC算法的问题：

随机信号的功率谱，描述了信号的功率在频域的分布情况。
如果是实功率谱，那么它应该完整描述了功率所分布的频率范围，以及在不同频率处的功率的相对强度。
而MUSIC作为一种高分辨率的子空间方法，首先其主要应用于离散谱的估计，比如混叠在一起的单频信号；其频谱峰值反映了这些主要信号成分所在的频率位置，但是其并不能反映各信号成分之间的幅度比值（相对强度），也反映不出信噪比水平，所以MUSIC算法所得到的“谱”被称为伪谱。

⑻ 正弦信号延时估计方法

在噪声条件下，对正弦波信号的频率估计是信号处理的一个经典课题。近年来，由于基于DFT (Discrete Fourier Transform,离散傅里叶变换,简称DFT)的频率估计算法具有运算速度快、对正弦信号有显着地信噪比增益、算法参数不敏感等优点，所以此类算法受到了国内学者越来越多的关注。
[0003]基于DFT的频率估计算法分为粗估计和精估计两个步骤。在粗估计阶段，就是对信号进行DFT变换，并将其谱峰最大值所对应的位置作为频率粗估计值。在精估计阶段，借助一定的插值策略估计信号真实频率与粗估计值之间的误差。目前该类算法的差异性主要体现在第二步中校正粗估计值时所使用的方法不同。
[0004]Jacobsen 频率估计算法由 E.Jacobsen 等于 2007 年提出[E.Jacobsen andP.Kootsookos, “Fast, accurate frequency estimators [J]，，，IEEE Signal ProcessingMagazine, May2007, 24 (3): 123-125]，该算法利用信号N点DFT频谱中最大的3根谱线校正第一步中的频率粗估计值，在低信噪比时，该算法能够得到较好的估计结果，但是估计的精度仍然不高。
[0005]为了提高频率估计的精度，C.Candan于2011年提出Candan频率估计算法[C.Candan, “A method for fine resolution frequency estimation from three DFTsamples [J]，，，IEEE Signal Processing Letters, 2011，18 (6): 351-354]，它对 Jacobsen 频率估计算法的系数进行了修正。该算法利用信号N点DFT频谱中最大的3根谱线对粗估计中的估计误差进行校正，计算简单，并且较Jacobsen算法精度有所提高。但是，由于在该算法的推导过程忽视了噪声对信号的影响，当I S I较小时处于主瓣内的第二大谱线和第一旁瓣内的第三大谱线的幅度可能会判断错误，从而导致插值方向错误，产生较大的误差。
[0006]2N 点 DFT 频率估计算法由 Fang Luoyang 等于 2012 年提出[FangLuoyang, DuanDongliang and Yang Liuqing, “A new DFT-based frequency estimator for single-tonecomplex sinusoidal signals [C]，，，2012-MILC0M2012.1EEE, Orlando, FL, Oct.2012],该算法通过对信号进行2N点的DFT变换，使更多的谱线处于信号频谱的主瓣内，当信号真实频率与DFT变换最大谱峰较近时，即在频率偏差较小的情况下，|X[km-l]|和|X[km+l]值较大，受噪声干扰的影响很小，从而能得到较高的估计精度，估计方差接近于CRLB(Cramer -Rao lower bound,克拉美罗下限,简称CRLB);但该方法的缺点是当信号频率偏差较大时，IXtkffl-1] I和|X[km+l] I其中之一会减小，受噪声干扰的影响变大，估计精度降低，频率估计方差将偏离CRLB。

【发明内容】

[0007]为了解决上述问题，提供一种在任意频偏下，频率估计的性能都能达到CRLB的频率估计方法，本发明提供了一种基于DFT的正弦信号频率估计方法，主要包括如下步骤:
[0008](a)对信号进行必要的预处理，以便用于频率估计:
[0009]将信号x(t)经过采样频率为fs、采样点为N的采样后，得到离散化的原始信号X [n], (n=0, I, 2,…，N-1)；
[0010](b)用Candan算法对信号x[n]进行频率粗估计:
[0011]对原始信号χ [η]进行N点FFT变换(Fast Fourier Transformation,快速傅里叶变换，简称FFT变换)，得到谱线最大位置km及相邻两点km-l、km+l处的DFT变换值X[km-1]、
XtkJ和X[km+1]，利用这三个值计算初始频率偏差;
[0012](C)修正原始信号:
[0013]利用步骤(b)得到的初始频率偏差'修正原始信号x[n]，使修正后信号X1 [η]
Cx1W为修正后的信号表达式，η=0, I, 2，- ,Ν-1)的频率偏差较小；
[0014](d)用2Ν点DFT算法对信号X1 [η]进行频率精估计:
[0015]对信号X1 [η]进行2Ν点FFT变换，得到谱线最大位置相邻两点km_l、km+l处的DFT变换值X[km-1]和X[km+1]，利用这两个值计算剩余频率偏差式;
[0016](e)频率估计计算:
[0017]根据步骤(b)得到的初始频率偏差$和步骤(d)得到的剩余频率偏差衣计算得到频率估计值/
[0018]本发明中所有的符号定义:
[0019]采样点数:N ;
[0020]采样频率:fs ；
[0021]信号频率:f;
[0022]相对频率偏差:δ ；
[0023]信号频率估计值:}
[0024]信噪比:SNR
[0025]均方根误差:
【权利要求】
1.一种基于DFT的正弦信号频率估计方法，其特征在于，包括如下步骤: Ca)对信号进行预处理，以用于频率估计: 将信号x(t)经过采样频率为fs、采样点为N的采样后，得到离散化的原始信号x[n]； (b)用Candan算法对信号χ[η]进行频率粗估计: 对原始信号X [η]进行N点FFT变换，得到谱线最大位置km及相邻两点km-l、km+l处的DFT变换值X[km-1]、X[km]和X[km+1]，利用这三个值计算初始频率偏差或; (C)修正原始信号: 利用步骤(b)得到的初始频率偏差$修正原始信号x[n]，得到修正后信号X1 [η]； (d)用2Ν点DFT算法对信号X1 [η]进行频率精估计: 对信号X1 [η]进行2Ν点FFT变换，得到谱线最大位置相邻两点km_l、km+l处的DFT变换值X[km-1]和X[km+1]，利用这两个值计算剩余频率偏差式; Ce)频率估计计算: 根据步骤(b)得到的初始频率偏差^和步骤(d)得到的剩余频率偏差5汁算得到频率估计值/。
2.根据权利要求1所述的方法，其特征是所述步骤(a)x[n]中的η的取值范围为:n=0, I,

⑼ 高分悬赏 高精度正弦波信号幅值测量，要求达到1e-4的分辨率

频率多少？
如果是50Hz的，许多仪表都可满足要求，分辨率万分之一不算高，目前技术精度万分之一也可实现。
如果自己做，实现分辨率万分之一，采用16位AD即可。