高信噪比

2024-05-08

高信噪比（精选四篇）

高信噪比篇1

高动态环境下,载体的飞行速度、加速度等高机动特性将导致接收信号发生较大的载波多普勒频偏、载波多普勒频偏变化率甚至伪码频偏[1]。目前高动态下扩频信号捕获一般通过对载波频率进行分槽来实现整个多普勒频偏范围内的搜索过程,当信噪比低、动态范围大时,捕获时间就会被极大地增加,如果信号的多普勒变化率大到一定程度后,一轮搜索完成后实际信号的频偏和码相位已经发生很大改变,捕获结果失去意义而导致捕获失败。针对这个问题,本文提出了一种基于二次捕获的高动态低信噪比下扩频信号快速捕获方法,该方法在低信噪比、高动态范围的双重条件下,能够提高捕获时间,快速进行扩频伪码相位、载波多普勒频率以及载波多普勒频率变化率的捕获。

1 高动态对扩频捕获的影响

扩频信号捕获一般通过相关运算实现,忽略信息数据的跳变和噪声信号影响,在相关积分的一小段时间内,假定ωd为常数,并忽略对相关结果贡献很小的伪码未对准部分,I路和Q路信号的相关输出[2,3]可表示为

$\begin{array}{l} c o r_{Ι} = \frac{A Τ}{2} {(1 - ε) s i n c [\frac{ω_{d} (1 - ε) Τ_{c}}{2}] s i n c (\frac{ω_{d} Τ}{2})} \cdot \\ \cos {\frac{ω_{d} [Τ + (ε - 1) Τ_{c}]}{2} + φ} (1) \end{array}$

$\begin{array}{l} c o r_{Q} = \frac{A Τ}{2} {(1 - ε) s i n c [\frac{ω_{d} (1 - ε) Τ_{c}}{2}] s i n c (\frac{ω_{d} Τ}{2})} \cdot \\ \sin {\frac{ω_{d} [Τ + (ε - 1) Τ_{c}]}{2} + φ} (2) \end{array}$

式中:Tc为码片长度;ε表示接收伪码信号与本地伪码信号的相位差,单位为Tc;ωd为载波多普勒频移;T为相干积分时间。式(1)和式(2)说明,伪码时延、多普勒频移使得信号幅度下降为伪码完全对准且无载波多普勒的 $(1 - ε) s i n c [\frac{ω_{d} (1 - ε) Τ_{c}}{2}] s i n c (\frac{ω_{d} Τ}{2})$ 倍。由于载波多普勒频移一般都远小于伪码速率,即 $f_{d} ≪ \frac{1}{Τ_{c}}$ ,使得sinc $[\frac{ω_{d} (1 - ε) Τ_{c}}{2}] \approx 1$ ,可忽略不计。由此可得伪码时延造成的相关峰值幅度下降为(1-ε)倍,如图1所示。载波多普勒频移造成的相关峰值幅度下降为sinc $(\frac{ω_{d} Τ}{2})$ ,如图2所示。

高动态对扩频信号捕获的影响主要包括以下5个方面:

1) 载波频偏造成接收伪码和本地伪码产生相干积累损耗,引起捕获性能降低。

2) 伪码频偏除了因相关函数产生如相关峰展开、峰值移位等形变[4]而造成相关处理损耗外,还会使伪码时钟发生抖动,影响伪码相位的捕获。

3) 载波和伪码频偏损耗使得伪码相关峰无法一直随相关积分时间增加而变大,即高动态条件下伪码捕获相关积分时间并非越长越好,需要折中考虑。

4) 多普勒变化率的存在使得一次捕获后伪码相位和载波多普勒频偏估计精度不足,必须改变捕获策略,采取二次捕获。

5) 高动态条件下的捕获输出结果,除了传统的伪码相位和载波多普勒频偏之外,载波多普勒频率变化率也是十分重要的参数结果。

2 频域(载波)并行的高动态捕获算法

2.1 典型的频域(载波)并行多通道捕获算法

频域(载波)并行多通道捕获基本思路如下:首先根据多普勒频偏的最大范围,把捕获的频域搜索范围平均分为若干频率区间,各中心频率点设为fn(n=1,2,…,G),如图3所示。将各个通道频率点fn上的最大相关值进行采集、比较,选择其中最大值,对应的通道即为当前捕获通道。

目前扩频信号捕获一般采用前级分段部分相关、后级FFT的方法,通过采用频域(载波)并行多通道捕获,可以在高动态环境下快速获取多普勒频移信息,以达到缩短捕获时间的目的,实质是利用硬件资源的并行能力来提高捕获时间。典型的频域(载波)并行多通道捕获流程如图4所示。

2.2 算法改进

高动态条件下载波多普勒频偏范围和多普勒频率变化率都很大,因此捕获时间是关键。图4所示的典型捕获结构受限于硬件资源,不可能无限拓展和增加并行通道数目来提高捕获时间。如果信号的多普勒变化率大到一定程度后,一轮搜索完成时实际信号的频偏和码相位已经发生很大改变,捕获结果失去意义而必须构造新一轮的搜索进程。本文通过对典型频域(载波)并行多通道捕获流程做改动,在不增加硬件资源消耗的前提下,提高了捕获时间,同时增加二次捕获的过程,依据一次捕获得到的多普勒频偏预估计值,构造该频点附近小范围的二次捕获,避免大多普勒变化率带来的捕获失效影响,如图5所示。

改进后的捕获算法做了以下4方面的改动:

1) 典型的捕获流程在下变频的同时完成载波多普勒补偿,并对数据进行2倍码时钟的降采样处理,不同的频率槽降采样的速率是不同的,因此对于不同的频率槽需要进行不同的数据采样和存储。改进后将输入信号下变频到零中频,并对数据进行标准2倍码时钟的降采样处理和存储,把多普勒频率补偿模块移到部分相关前,后续的频率槽搜索全部利用该采样存储数据,这样可以避免对数据进行反复采样,一次捕获只做一次数据采样,从而节省采样时间。

2) 降采样率补偿转移到接收端的PN码上进行,本地PN码按照不同的频率槽降采样的速率预先生成不同的PN序列并存储,不同的频率槽做相关时选取对应的PN序列。

3) 利用第一次捕获得到的多普勒频偏结果,加上左右相邻几个频率槽构成新一轮的捕获频偏搜索范围,重新启动并行多通道捕获流程。

4) 利用前后两次捕获得到的多普勒频偏估计结果差值和二次捕获耗费的捕获时间,计算得到多普勒变化率估计值,同时该变化率估计值也能修正最终输出的多普勒频偏。

3 算法仿真、实现及验证

系统环境参数为:以扩频码速率B=10.23 Mbit/s、码长L=1 023、多普勒范围±1 MHz、最大多普勒变化率±200 kHz/s、硬件资源最大支持10路并行为例,评估算法的效果。算法的MATLAB仿真结果如图6所示。

算法实现时选取前级分段部分相关点数N=256,后级FFT点数M=2 048,第一级相关积分时间为T=N/(2B)≈12.5 μs,根据相关积分时间与载波多普勒分辨范围的关系T≤1/4(Δfd),可得多普勒分辨范围Δfd≤±20 kHz。对于±1 MHz的载波多普勒频偏范围,如果按±17 kHz为一个频率槽宽带,共需要划分60个频率槽。

算法完成一次捕获的时间可分为两个部分:数据采样时间Ts和捕获算法处理时间Tp[5]。

数据采样时间为

Ts=M×N/(2B)=

(2 048×256/(20.46×106)) s≈26 ms (3)

捕获处理时间为

$\begin{array}{l} Τ_{p} = Ν \times Μ / F_{c l k} \times \frac{L \times 2}{Ν} = \\ (2 048 \times 2 046 / (100 \times 10^{6})) s \approx 42 m s (4) \end{array}$

硬件资源最大支持10路并行,完成60个频率槽搜索需要顺序6次,因此算法总的捕获时间为

T=Ts+Tp×6≈278 ms (5)

表1是改进前后两种方法的捕获时间对比情况,可以看出改进后的方法能够有效缩短捕获时间。

在一轮捕获完成后,最恶劣情况下多普勒变化率导致的频偏改变值为

fΔdop=0.278×(±200×103) Hz=±55.6 kHz (6)

这明显超出了后续载波跟踪环的捕获范围,还需要再进行二次捕获才能得到比较准确的载波多普勒频偏值,同时利用前后两次捕获得到的多普勒频偏估计结果差值和二次捕获耗费的捕获时间,计算得到多普勒变化率估计值。二次捕获时间由式(3)和式(4)可得,仅需68 ms。

本算法已在高动态扩频接收机硬件电路上进行了实际应用和测试,其可靠性和正确性得到验证。表2给出了算法的实测结果,可以看出二次捕获对于获得多普勒频率变化率和提高多普勒频偏估计精度产生了重要作用。

4 结论

对于高动态低信噪比下的扩频信号捕获,提高捕获时间是关键。本文提出的方法只做一次数据采样存储完成后续全部频率分槽的搜索,能够有效提高捕获时间。二次捕获过程的加入能够在大多普勒变化率条件下快速完成捕获,并同时得到多普勒频率变化率的估算,有效提高多普勒频偏估计精度。该算法经工程验证完全满足高动态低信噪比下的扩频信号捕获要求,特别适用于大动态下扩频信号的捕获。

参考文献

[1]黄烈超,张天骐,谭方青,等.高动态多进制扩频信号的载波跟踪技术研究[J].电视技术,2012,36(3):114-117.

[2]王立冬,胡卫东,郁文贤.时延—多普勒频移对伪码捕获影响的性能分析[J].系统工程与电子技术,2001(6):79-86.

[3]徐晓艳,李署坚,邵定蓉,等.高动态环境下扩频通信系统信号快速捕获的研究[J].遥测遥控,2005,26(2):22-27.

[4]李春霞.高动态条件下伪码相关特性及其应用研究[D].长沙:国防科学技术大学,2007.

高信噪比篇2

2.1电路设计与器件选择

本电路主要由模/数转换器ADC、输入电路、输出屯路、时钟电路和电源电路组成，如图2所示。

2.1.1时钟电路

时钟电路的设计主要包括AD6644AST-65采样时钟相位噪声指标的确定以及PECL差分时钟的实现。

2.1.2ADC输入电路

ADC输入电路多采用运放直流耦合或变压器交流耦合方式，为输入信号提供增益、偏置和缓冲。

由于运放为有源器件，除具有一定的谐波失真外，还存在主要集中在低频段的1/f噪声和较宽频带内的白噪声。这些噪声和谐波失真都降低了运放的信噪比SNR和有效位数ENOB。当运放的SNR不明显优于甚至低于ADC的SNR时，它带来的噪声是不容忽视的，对于高分辨率ADC电路，甚至是不能接受的。而作为无源器件的变压器，一般认为它的噪声和谐波失真是微乎其微、可以忽略的。因此，本电路的输入电路采用变压器交流耦合方式，选用Mini-Circuits公司的变压器T4-6T。

为进行比较，同时也提供运放直流耦合方式，采用ADI公司的低噪运放AD8138。根据AD8138的关参数，计算得到的A

D8138输出的.总谐波失真和热噪声之和大于1LSB。该指标可能导致无法满足电路热噪声不大于1.50LSB的设计要求，并带来更大的谐波失真。因此可预知，采用AD8138时，ADC电路的有效位数ENOB会比采用变压器时的有效位数ENOB有所下降，甚至达不到设计要求。

2.1.3ADC输出电路

ADC的模拟输入和数据输出之间存在少量的寄生电容，ADC数据输出线上的噪声会通过这些寄生电容耦合到模拟输入端，导致ADC的SNR和有效位数ENOB下降。为解决这一问题，可在ADC数据输出端接一锁存器。

为减小ADC电源的波动，应尽量降低ADC输出端的负载电容和输出电流。在ADC数据输出端接一锁存器可避免将其直接连在数据总线上，有效限制了其输出端的负载电容;在ADC每一个数据输出端都串联一个电阻，可限制其输出电流。

本电路采用74LC574作为AD6644AST-65的输出数据锁存器，同时每一个数据输出端都串联一个100Ω的电阻。

2.1.4电源、地和去耦电路

AD6644AST-65的电源抑制比PSRR≈±lmV/V，当外接电源的纹波为峰-峰值100mV时，等效于在AD6644AST-65输入端产生100μV(0.77LSB)大小的噪声，这相对于设计指标而言是不能接受的。为减小外接电源对电路的影响，本电路采用Linear公司的低压差LDO线性稳压器LTl086-5和LTlll7-3.3(两个芯片的PSRR均大于60dB)对外接稳压电源进行稳压，为AD6644AST-65等模拟电路提供5V电源和3.3V电源。

时钟、ADC的输出信号以及后级数字电路的数字信号的跳变都会引起电源电流的急剧变化，由于印刷电路板的电源线和地线上存在分布电阻、电容和电感，当有变化的电流经过时，其上的压降也随之变化;频率较高时，就表现为电地间的高频杂波。为降低这类杂波干扰，本电路采取以下措施：

・时钟电路的5V电源，由VCC_5VA串联一磁珠FB得到;

・AD6644AST-65后级数字电路的3.3V电源，由VCC_3.3VA串联一磁珠FB得到;

・模拟地和数字地分开布线，并在一点用磁珠FB相连;

・ADC的所有电源管脚都就近对地接去耦电容。

图3

磁珠对MHz级以上的信号有较好的吸收作用，能有效降低时钟电源、数字电源对AD6644AST-65模拟电源的影响，以及数字地对模拟地的影响。

去耦对于高速高分辨率ADC电路尤为重要。为此，本电路采用0.01μF的NPO材料(属低损耗、超稳定的电容材料，电气特性基本上不随温度、电压、时间的变化而变化，自谐振频率较高，适用于高频场合)自01206封装的贴片电容和0.1μF的X7R材料(属稳定性电容材料，电气特性随温度、电压、时间变化不明显，适用于中、低频场合)的0805封装的贴片电容并联，有效地滤除电地间较宽频带的杂波。

2.1.5电路板的布局布线

ADC界于模拟电路和数字电路之间，且通常被划归为模拟电路。为减小数字电路的干扰，应将模拟电路和数字电路分开布局;为减小信号线上的分布电阻、电容和电感，应尽量缩短导线长度和增大导线之间的距离;为减小电源线和地线的阻抗，应尽量增大电源线和地线的宽度，或采用电源平面、地平面。本电路在设计印刷电路板时，都遵循了以上原则。

2.2电路测试结果

采用信号发生器HP8640B产生0~15MHz的单频正弦信号，经相应带通滤波器滤波(各次谐波均小于-90dBc)后作为本电路的输入信号，滤波后信号在AD6644AST-65输入端幅度为-ldBFs。

AD6644AST-65输出数字信号经74LC574锁存后，存储于逻辑分析仪HPl6702A中。HPl6702A状态分析时钟取自AD6644AST-65的DRY管脚，该信号频率和AD6644AST-65采样时钟频率一致，为40MHz。

通过对逻辑分析仪HPl6702A每次存储的数字信号进行16384点FFT分析，可得到奈奎斯特带宽内总功率PΣ、输入信号功率只以及总谐波失真与噪声功率之和Pn+THD=PΣ-Ps。经计算得到电路的有效位数ENOB=[SINAD(dB)-1.76]/6.02=[Ps(dB)-Pn+THD(dB)-1.76]/6.02。

图3(a)、(b)、(c)为在三种不同测试条件下，AD6644AST-65输出数字信号的FFT分析频谱图和有效位数ENOB。

图3(c)表明，当fin=0.96MHz、AD6644AST-65输入端采用运放AD8138直流耦合时，电路热噪声和谐波失真明显增加，电路的有效位数ENOB约为10.74bit，比图3(a)的ENOB小0.6bit左右。由此可见，有源器件对高速高分辨率ADC电路性能的影响是很大的。

高信噪比篇3

语音增强所关心的问题是改善加噪语音的感性性能,目的是提高加噪语音的质量和可懂度。在长时间听一段语音时,听者的疲劳度会增加,提高语音质量可以降低听者的疲劳度。所以到目前为止,很多算法(包括谱减法、维纳滤波算法、统计模型算法及子空间法)都致力于提高语音的质量,且它们都能在一定程度上提高语音的质量。但它们都不能有效地提高语音的可懂度[1],因为它们都是使用最小均方误差的方法来抑制噪声。实际上,增强后的语音与纯净语音相比存在两种畸变:放大畸变和衰减畸变。放大畸变指的是语音增强后的幅度谱大于相对应的纯净语音的幅度谱;衰减畸变正相反,指的是语音增强后的幅度谱小于相对应的纯净语音的幅度谱。研究表明[2],不同的畸变类型对可懂度的影响不同。最小均方误差的方法把放大畸变和衰减畸变混在一起计算平均误差,忽略了不同的畸变类型给可懂度带来的影响。

近年来,很多研究都致力于通过减少语音畸变来提高语音增强的性能,包括改进的子空间法[3]、改进的谱减法[4]、改进的维纳滤波算法[5]、基于统计的方法(包括使用压缩感知[6]和非负矩阵分解[7]等)以及深度神经网络(DNN)的方法[8]。文献[3,4,5][3,4,5]是基于传统子空间法、谱减法和维纳滤波方法的改进,这些方法能在一定程度上提高语音的可懂度,但均只考虑了放大畸变大于6.02 d B时对可懂度的影响。经实验验证,这些方法只有在实验数据量较少时能够提高少量加噪语音的平均可懂度,在实验数据较多时并没有明显提高语音的平均可懂度。而文献[6-8]中的方法虽然采用了先进的技术,但复杂度明显提高且可懂度并没有很大程度提高。

本文利用“直接判决”法[10,11]估计先验信噪比,在估计先验信噪比时会存在两种不同类型的误差[9,12]:高估和低估。高估指的是使用增强算法时估计的先验信噪比高于理想条件下的先验信噪比,低估指使用增强算法估计时先验信噪比低于理想条件下的先验信噪比。在文献[9]中采用聚类的方法减少“直接判决”法引入的高估和低估,但复杂度也明显提高。在文献[12]中通过限制先验信噪比小于-10 db区域的高估同样能有效提高语音的可懂度。

为了减少复杂度,本文提出了一种改进的基于子空间的方法。但不同于文献[3,4,5]中的方法,本文讨论了所有放大畸变对可懂度的影响,并采用文献[12]中的方法,对先验估计信噪比进行修正,从而获得更高可懂度的语音增强算法。在实验中使用大量的实验数据证明本文提出的算法能够更有效提高可懂度。

1 子空间语音增强算法

假设噪音信号为x,纯净语音信号为s,噪声信号为n,且s与n互不相关,即:

其中x、s、n都是K维的信号矢量。

定义:

其中R·表示相应的信号矢量的协方差矩阵。对Σ进行特征分解:

式中V和ΛΣ分别代表Σ的特征向量和特征值。此处假设Σ的特征值按照λΣ(1)≥λΣ(2)≥…≥λΣ(k)排序,估计语音信号子空间的维度定义为:

令表示增强的语音信号,H为K×K的线性评估器,由子空间法的空间投影法可以得到:

条件:

通过特征值分解以及代换处理[13,14],可以得到第m帧的增益矩阵的第k个对角线元素为:

其中μ可以通过如下公式计算得到[15]:

其中μ0=4.2,s0=6.25。SNRd B(k,m)为第m帧第k个谱分量的信噪比,记相应的后验信噪比为γ(k,m),则SNRd B(k,m)=10lgγ(k,m),其中:

记先验信噪比为ξ(k,m),可以由“直接判决”法[10,11]计算:

其中:a表示平滑系数,一般为0.8~1,此处取0.98。

2 修正

在估计先验信噪比时,存在高估和低估,文献[9,12]中对高估和低估产生的区域及其对可懂度产生的影响进行了实验说明。通过对比真实信噪比和先验信噪比的值,得出在小于-10 d B时,高估的情况较多。并通过试听测试,对比说明了高估时对可懂度的影响较大。

本文充分利用该技术,先对本算法的增益矩阵进行修正,即通过文献[12]的人工引入偏差方法对先验信噪比小于-10 d B区域的增益矩阵进行修正,来提高可懂度:

其中,B为引进的修正系数。在本文中,分别对B取0.1、0.2、0.3、0.5、0.6、0.7、0.9,结果显示B取0.2时得到的效果最好。

3 高可懂度算法

正如本文引言部分所述,增强后的语音存在放大畸变和衰减畸变,不同的畸变类型对可懂度的影响不同。文献[16]指出,整体信噪比为0 d B,当时,绝大多数输入频带信噪比为负数;而当时,所有输入频带信噪比都为负值。所以我们做出大胆猜想:只要是放大畸变,就会对可懂度造成一定程度的影响。为了验证猜想,对算法进行了如下改变,再通过实验的方式证明猜想的正确性。

设第m帧第k个谱分量的纯净信号与增强信号比为:

由式(12)可以判断是否成立。当0.5≤SNRs/e<1时,放大但不超过两倍;当SNRs/e<0.5时,放大两倍以上,此时需要对不同的放大倍数分放大0 d B(20lg1=0)及放大6.02 d B(20lg2≈6.02)两种情况进行幅度谱限制。

将式(12)进行推导:

根据不同的放大区域对幅度谱进行限制:

实验中,根据不同放大倍数对ρ(k,m)进行了从0.5~1的以0.05为增幅的递增取值,共进行了10×10,即100组实验。根据实验显示,当0.5<SNRs/e≤1时,取ρ(k,m)=0.9,当SNRs/e≤0.5时,取ρ(k,m)=0.8的实验结果最好。经过限制后,第m帧的增益矩阵:

至此,可得增强后的语音信号为:

根据本文所述的思路,可以通过如下步骤得到增强后的语音信号:

(1)计算出后验信噪比γ(k,m),见式(9);

(2)计算出系数μ,见式(8);

(3)计算出修正高估后增益矩阵的第m帧第k个对角元素gw(k,m),见式(7)和式(11);

(4)估计先验信噪比ξ(k,m),见式(10);

(5)估计纯净信号与噪音信号比SNRs/e,见式(13);

(6)计算出调整后的增益矩阵的第m帧第k个对角元素g'w(k,m),见式(14);

(7)计算出调整后的增益矩阵G'1,见式(15);

(8)计算出增强后的语音信号,见式(16)。

4 实验结果及分析

本文使用Matlab仿真验证语音可懂度算法的增强效果。噪声信号来源于Noisex-92噪声库中的4种噪音,分别为babble、car、street、train。纯净句子语音信号来自IEEE句子语音库的全部720组句子,纯净辅音信号来自IEEE辅音库的全部30组辅音。纯净语音及噪音的采样率均为8 KHz,量化精度为16 bit。

研究表明,经过增强算法增强过的语音与加噪未增强的语音相比,可懂度会降低,最好的情况就是持平,且子空间法是所有增强算法中效果最好的一种增强算法[1]。所以本文选用子空间法和加噪未增强与本文的增强算法进行对比。

本文对720组纯净句子语料分别在信噪比为-5 d B,0 d B及5 d B的情况下进行加噪。在同一组信噪比条件下,分别使用加噪未增强、子空间算法和本文算法对加噪语音进行处理。同一种信噪比下的同一种类型噪声经过同一种降噪处理可以得到1种测试条件,再将这种测试条件下的720组句子的客观可懂度的平均值作为最终的可懂度值。这样的测试条件共有3×4×3,即36种。本文对30组纯净辅音语料分别在-15、-10、-5及5 d B的情况下进行加噪。与句子相同,在同一组信噪比条件下,分别使用加噪未增强、子空间算法和本文算法对加噪语音进行处理。这样,测试条件共有4×4×3,即48种。

本文的可懂度测试采用NCM(归一化协方差法)[17]。该方法对于句子来说,与主观可懂度评价的相关度系数值r=0.89,标准偏差σe=0.07。相关系数值越大,说明与主观可懂度评价越相近,评价越精确。对于辅音来说,与主观可懂度评价的相关系数值r=0.77,标准差σe=0.08。相对于PESQ来说,对于句子而言,该方法整体优于PESQ,对于辅音而言,该方法与PESQ持平,所以最终选择NCM方法。

句子和辅音的客观评价结果分别如表1、表2所示。

NCM值越大,可懂度越高。由表1和表2可以看出,对高估先验信噪比进行修正,对不同放大区域进行分段限制对于信噪比较低,尤其是信噪比为负值的加噪语音影响较大,这也进一步验证了猜想。与传统的子空间方法相比,本文提出的算法能够在负信噪比时较大程度提高语音的可懂度,且与加噪未增强的噪音相比,可懂度也明显提高。

5 结语