一种面向深空天线组阵的信噪比估计方法及系统

本技术涉及数据处理，尤其涉及一种面向深空天线组阵的信噪比估计方法及系统。

背景技术：

1、天线阵列技术和信号处理技术成为无线通信系统中至关重要的组成部分。为了提高通信系统的信号接收质量，减少信号干扰，必须实现对无线信号信噪比精准估计。

2、目前，常见的盲信噪比估计方法主要包括基于最小描述长度准则的子空间类方法、基于加权信息融合准则的子空间估计算法。这两种方法通过对接收信号的自相关矩阵进行分解，能够实现信号和噪声的分离，从而估计信噪比。但是在宽带信号处理场景下，为捕捉足够的信号特征，所需处理的信号维数与数据量急剧增加，导致自相关矩阵的规模显著扩大，从而使得特征分解过程产生巨大的计算负担。当采用传统的串行计算架构时，这一计算过程将耗费大量时间，使得信噪比估计的速率远低于信号数据的输入速率，无法满足实时处理的时效要求。最终，这种估计结果的严重滞后，导致无法基于实时信噪比对天线组阵的合成效果进行快速评估。

技术实现思路

1、本技术提供了一种面向深空天线组阵的信噪比估计方法及系统，目的在于基于实时信噪比快速评估天线组阵的合成效果。

2、为了实现上述目的，本技术提供了以下技术方案：

3、本技术第一方面提供一种面向深空天线组阵的信噪比估计方法，包括：

4、获取一维信号样本和自相关矩阵维度；

5、基于所述一维信号样本和所述自相关矩阵维度，确定自相关矩阵；

6、对所述自相关矩阵进行特征值分解，得到所有特征值；

7、按照特征值由大到小的顺序对所述所有特征值进行排序，得到特征值序列；所述特征值序列包括多个排序后的特征值和每个所述排序后的特征值的索引；

8、利用最小描述长度准则对所有排序后的特征值进行计算，得到多个最小描述长度值；

9、从所有最小描述长度值中筛选出最小的最小描述长度值，并标识为目标最小描述长度值；

10、从所述特征值序列中筛选出所述目标最小描述长度值对应的索引，并确定为拐点；所述拐点为信号空间和噪声空间之间的分界点；

11、对于每个所述特征值，根据所述拐点对所述特征值进行拆分处理，得到噪声特征值和信号特征值；

12、基于所述噪声特征值和所述信号特征值确定信噪比。

13、可选的，所述基于所述一维信号样本和所述自相关矩阵维度，确定自相关矩阵，包括：

14、根据所述自相关矩阵维度对所述一维信号样本并行执行共轭相乘操作，得到多个共轭值；

15、将所有共轭值按照线程块的数量平均划分至线程块中；所述每个线程块存储相同数量的共轭值；

16、对于每个所述线程块，将所述线程块中的共轭值进行归约累加，得到局部累加结果；

17、将所有局部累加结果进行归约累加，得到全局累加结果，并将所述全局累加结果确定为自相关序列；

18、基于所述自相关序列构建自相关矩阵。

19、可选的，所述基于所述自相关序列构建自相关矩阵，包括：

20、将线程块中的二维坐标映射为一维线性索引；所述一维线性索引包括行索引和列索引；

21、根据所述一维线性索引，计算得到自相关矩阵的元素值在一维数组中的位置；

22、当所述列索引不大于所述行索引时，将所述自相关序列中的对应元素的共轭值确定为自相关矩阵值，并按照所述位置将所述自相关矩阵值填充至自相关矩阵中；

23、当所述列索引大于所述行索引时，将所述自相关序列中的对应的元素值确定为自相关矩阵值，并按照所述位置将所述自相关矩阵值填充至自相关矩阵中。

24、可选的，所述基于所述一维信号样本和所述自相关矩阵维度，确定自相关矩阵，包括：

25、利用设备内容分配函数为所述一维信号样本分配gpu内存；

26、当gpu内存分配完成后，利用内存拷贝函数将所述一维信号样本传输到所述gpu内存中；

27、根据一维信号样本的参数信息，调用库函数生成fft执行计划；所述一维信号样本的参数信息至少包括一维信号样本的数据类型和长度；

28、利用所述fft执行计划和并行fft函数，对所述gpu内存中的一维信号样本进行正向快速傅里叶变换，得到变换后的一维信号样本；

29、根据所述自相关矩阵维度对所述变换后的一维信号样本并行执行共轭相乘操作，得到功率谱；

30、对所述功率谱进行傅里叶变换移位，得到频域数据；

31、利用所述并行fft函数对所述频域数据进行逆向正向快速傅里叶变换，得到逆向一维信号样本；

32、对所述逆向一维信号样本进行归一化处理，得到自相关序列；

33、删除所述fft执行计划；

34、当所述fft执行计划删除完成后，基于所述自相关序列构建自相关矩阵。

35、可选的，所述基于所述一维信号样本和所述自相关矩阵维度，确定自相关矩阵，包括：

36、将所述一维信号样本进行倒序排列，得到排列后的一维信号样本；

37、依据所述自相关矩阵维度，对所述排列后的一维信号样本进行补零处理，得到补零后的一维信号样本；

38、基于所述自相关矩阵维度和一维信号样本的数量确定托普利兹矩阵的索引项；

39、基于所述托普利兹矩阵的索引项和所述补零后的一维信号样本，构建初始托普利兹矩阵；

40、计算所述初始托普利兹矩阵中每个元素在预设备选数组中的索引位置；

41、对于每个所述元素，从所述预设备选数组中筛选出所述索引位置对应的数值，并将所述数值填充到所述元素中，得到托普利兹矩阵；

42、对所述托普利兹矩阵执行矩阵共轭转置相乘，得到自相关矩阵。

43、可选的，所述对所述自相关矩阵进行特征值分解，得到所有特征值，包括：

44、获取所述自相关矩阵的矩阵指针；

45、基于所述矩阵指针和所述自相关矩阵维度计算工作区空间；

46、根据所述工作区空间，利用内存管理函数在gpu内存中分配临时存储空间；

47、在所述临时存储空间内，利用矩阵特征值函数对所述自相关矩阵进行计算，得到所有特征值。

48、本技术第二方面提供一种面向深空天线组阵的信噪比估计系统，包括：

49、获取单元，用于获取一维信号样本和自相关矩阵维度；

50、第一确定单元，用于基于所述一维信号样本和所述自相关矩阵维度，确定自相关矩阵；

51、分解单元，用于对所述自相关矩阵进行特征值分解，得到所有特征值；

52、排序单元，用于按照特征值由大到小的顺序对所述所有特征值进行排序，得到特征值序列；所述特征值序列包括多个排序后的特征值和每个所述排序后的特征值的索引；

53、计算单元，用于利用最小描述长度准则对所有排序后的特征值进行计算，得到多个最小描述长度值；

54、第一筛选单元，用于从所有最小描述长度值中筛选出最小的最小描述长度值，并标识为目标最小描述长度值；

55、第二筛选单元，用于从所述特征值序列中筛选出所述目标最小描述长度值对应的索引，并确定为拐点；所述拐点为信号空间和噪声空间之间的分界点；

56、拆分单元，用于对于每个所述特征值，根据所述拐点对所述特征值进行拆分处理，得到噪声特征值和信号特征值；

57、第二确定单元，用于基于所述噪声特征值和所述信号特征值确定信噪比。

58、可选的，所述第一确定单元包括：

59、执行子单元，用于根据所述自相关矩阵维度对所述一维信号样本并行执行共轭相乘操作，得到多个共轭值；

60、划分子单元，用于将所有共轭值按照线程块的数量平均划分至线程块中；所述每个线程块存储相同数量的共轭值；

61、第一累加子单元，用于对于每个所述线程块，将所述线程块中的共轭值进行归约累加，得到局部累加结果；

62、第二累加子单元，用于将所有局部累加结果进行归约累加，得到全局累加结果，并将所述全局累加结果确定为自相关序列；

63、构建子单元，用于基于所述自相关序列构建自相关矩阵。

64、可选的，所述构建子单元具体用于：

65、将线程块中的二维坐标映射为一维线性索引；所述一维线性索引包括行索引和列索引；

66、根据所述一维线性索引，计算得到自相关矩阵的元素值在一维数组中的位置；

67、当所述列索引不大于所述行索引时，将所述自相关序列中的对应元素的共轭值确定为自相关矩阵值，并按照所述位置将所述自相关矩阵值填充至自相关矩阵中；

68、当所述列索引大于所述行索引时，将所述自相关序列中的对应的元素值确定为自相关矩阵值，并按照所述位置将所述自相关矩阵值填充至自相关矩阵中。

69、可选的，所述第一确定单元具体用于：

70、利用设备内容分配函数为所述一维信号样本分配gpu内存；

71、当gpu内存分配完成后，利用内存拷贝函数将所述一维信号样本传输到所述gpu内存中；

72、根据一维信号样本的参数信息，调用库函数生成fft执行计划；所述一维信号样本的参数信息至少包括一维信号样本的数据类型和长度；

73、利用所述fft执行计划和并行fft函数，对所述gpu内存中的一维信号样本进行正向快速傅里叶变换，得到变换后的一维信号样本；

74、根据所述自相关矩阵维度对所述变换后的一维信号样本并行执行共轭相乘操作，得到功率谱；

75、对所述功率谱进行傅里叶变换移位，得到频域数据；

76、利用所述并行fft函数对所述频域数据进行逆向正向快速傅里叶变换，得到逆向一维信号样本；

77、对所述逆向一维信号样本进行归一化处理，得到自相关序列；

78、删除所述fft执行计划；

79、当所述fft执行计划删除完成后，基于所述自相关序列构建自相关矩阵。本技术提供的技术方案，基于一维信号样本和自相关矩阵维度，确定自相关矩阵；对自相关矩阵进行特征值分解并排序；对所有排序后的特征值进行计算；从所有最小描述长度值中筛选出目标最小描述长度值；从特征值序列中筛选出目标最小描述长度值对应的索引作为拐点；根据拐点对特征值进行拆分处理，得到噪声特征值和信号特征值；基于噪声特征值和信号特征值确定信噪比。通过对自相关矩阵构建、特征值分解和最小描述长度值计算等关键步骤进行全流程并行优化，实现了高精度与实时性的协同提升。这一优化满足了深空组阵系统对合成信号性能的在线监测需求，并能基于实时信噪比快速评估天线组阵的合成效果。