基于OFDM系统PAPR抑制算法,对比SLM和PTS

目录

1. 选择性映射（Sleceted Mapping，SLM）

1.1 SLM原理

1.2 SLM的MATLAB实现

2. 部分传输序列（PTS）

2.1 PTS原理

2.2 PTS的MATLAB实现

3.仿真结果

---

         OFDM（正交频分复用）是一种多载波调制技术，广泛应用于无线通信系统，如WLAN，4G，5G等。然而，OFDM信号的一个主要缺点是高峰均功率比（PAPR），它可能导致功率放大器的非线性失真，从而降低系统性能。为了克服这个问题，研究人员提出了许多降低PAPR的算法，其中包括选择性映射（SLM）和部分传输序列（PTS）。

1. 选择性映射（Sleceted Mapping，SLM）

1.1 SLM原理

       SLM是一种非常有效的PAPR降低技术，其基本思想是通过引入不同的相位旋转因子来生成多个候选OFDM信号，然后选择PAPR最小的信号进行传输。

SLM算法的原理如下：

       slm算法就是对QAM信号乘以U组相位因子序列，再进行ifft得到 U组ofdm信号，选择papr最小的那一组进行发送。因为对于ofdm信号而言，高PAPR出现的概率很小，一般1000个ofdm信号只会有个位数papr过高的值。那SLM方法对同一个QAM信号乘以N组相位后得到U个ofdm信号，从中选择PAPR最小的进行发送，就用概率的方法将高PAPR的ofdm信号滤出在外。

       首先，对原始的OFDM信号进行相位旋转。这通过乘以一个复数相位旋转因子实现，该因子通常是一个具有单位幅度、不同相位的复数。
       生成多个候选信号：通过改变相位旋转因子，可以生成多个不同的OFDM候选信号。
       PAPR计算：对每个候选信号计算PAPR。
       选择最佳信号：选择PAPR最小的候选信号进行传输。
        SLM算法能有效降低OFDM信号的PAPR，但其主要缺点是计算复杂度较高，因为需要生成并计算多个候选信号的PAPR。此外，由于需要传输边带信息（例如选择的相位旋转因子），因此会存在一定的带宽开销。

1.2 SLM的MATLAB实现

.。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
X     = zeros(N,K);
Index = zeros(N,K);
for nSymbol=1:MAX_SYMBOLS
    Index(1,:)   = floor(length(QPSK_Set)*rand(1,K))+1;
    Index(2:N,:) = floor(length(Phase_Set)*rand(N-1,K))+1;
    
    X(1,:) = QPSK_Set(Index(1,:));                                          % Orignal Frequency domain signal
    Phase_Rot = Phase_Set(Index(2:N,:));
    X(2:N,:) = repmat(X(1,:),N-1,1).*Phase_Rot;                             % Phase roated Frequency domain signal
    
    x = ifft(X,[],2);                                                       % Time domain signal
    Signal_Power = abs(x.^2);
    Peak_Power   = max(Signal_Power,[],2);
    Mean_Power   = mean(Signal_Power,2);
    
    PAPR_temp = 10*log10(Peak_Power./Mean_Power);
    PAPR_Orignal(nSymbol) = PAPR_temp(1);
    PAPR_SLM(1,nSymbol)     = min(PAPR_temp(1:2));
    PAPR_SLM(2,nSymbol)     = min(PAPR_temp(1:4));
    PAPR_SLM(3,nSymbol)     = min(PAPR_temp(1:8));
    
end

[cdf1, PAPR1] = ecdf(PAPR_Orignal);
[cdf2, PAPR2] = ecdf(PAPR_SLM(1,:));
[cdf3, PAPR3] = ecdf(PAPR_SLM(2,:));
[cdf4, PAPR4] = ecdf(PAPR_SLM(3,:));

%--------------------------------------------------------------------------
semilogy(PAPR1,1-cdf1,'-k',PAPR2,1-cdf2,'-r',PAPR3,1-cdf3,'-b',PAPR4,1-cdf4,'-m')
legend('Orignal (N=1)','SLM (N=2)', 'SLM (N=4)', 'SLM (N=8)')
xlabel('PAPR0 [dB]');
ylabel('CCDF (Pr[PAPR>PAPR0])');
grid on
3065

2. 部分传输序列（PTS）

2.1 PTS原理

       PTS算法是另一种有效降低PAPR的方法。与SLM不同，PTS不是生成多个候选信号，而是将OFDM信号分成几个子块，然后对每个子块分别应用不同的相位旋转因子。部分传输序列算法(PTS)最初是由S.H.Muller和J.B.Huber于1997年提出。PTS算法的核心思想是将具有N个符号的输入序列按照一定的分割方式分割成V个子数据块，并且保持每个子数据块仍含有N个符号。然后对V个子数据块进行相位加权与合并处理，选择具有最小PAPR的一组符号进行传输，达到降低OFDM信号PAPR的目的。传统的PTS算法理论比较多，现成的资料也比较多，这里就不多做介绍了，通过仿真，对比PTS和没有PTS下。目前OFDM的PAPR主要算法有信号预畸变，信号扰码，编码三个方向来解决。在本课题中，我们将在传统PTS算法基础上引入了TR的思路到改进后的PTS算法中，引入的意义为：先预留出若干子载波来加载削峰信号，然后利用优化过的PTS算法对OFDM符号的PAPR进行抑制，之后再利用改进的TR算法对符号的PAPR进行进一步的抑制。

PTS算法的原理如下：

       分块：首先将OFDM信号划分为几个不相交的子块。
       相位旋转：对每个子块独立地应用不同的相位旋转因子。
       PAPR优化：选择合适的相位旋转因子，使得整个OFDM信号的PAPR最小。
       相比于SLM，PTS的计算复杂度通常较低，因为不需要生成和检查所有可能的候选信号。然而，PTS的性能（在PAPR降低能力上）通常略逊于SLM。同SLM一样，PTS也需要额外的带宽来传输边带信息。

2.2 PTS的MATLAB实现

for ij=1:Lens
    % 随机生成一个索引 
    Ks          = floor(length(QPSK_map)*rand(1,L_fft))+1;
    % 原始频率域信号  
    X           = QPSK_map(Ks(1,:));  
    % 时域信号
    x           = ifft(X,[],2);                                                       
    X_pow       = abs(x.^2);
    X_max_pow   = max(X_pow,[],2);
    X_avg_pow   = mean(X_pow,2);
    % 计算PAPR  
    PAPR0(ij)   = 10*log10(X_max_pow./X_avg_pow);
    
    %PTS (交织分割/相邻分割)  
    Vpts        = zeros(V,L_fft);
    for v=1:V
         Vpts(v,(1+(v-1)*L_fft/4):1:v*L_fft/4) = X((1+(v-1)*L_fft/4):1:v*L_fft/4);
    end
    a    = ifft(Vpts,[],2);

    Vmin = 10;% 门限
% 此处为遍历寻找最优辅助信息，可以用迭代法寻求次优辅助信息，以减小计算量，以V=4为例，可以由16次减少到V次迭代；参见Paper
    for n=1:Num% 循环次数取决于选择的长度  
        phase0 = Phase_map(Phase_set(n,:)).'; % 取出选择的相位并转置  
        phase1      = repmat(phase0,1,L_fft);% 将相位矩阵复制K次，形成一个新的矩阵b  
        phase2      = a.*phase1;% 矩阵a和b进行元素级的乘法运算，结果存储在c中 
        phase3      = sum(phase2); % 对矩阵c的每一列求和，结果存储在向量d中  
        phase4      = abs(phase3);% 求向量d的绝对值，结果存储在向量e中  
        phase_max   = max(phase4);% 求向量e的最大值，结果存储在temp_max中
        if phase_max<Vmin% 如果temp_max小于当前最小值  
            Vmin = phase_max;% 更新最小值 
            Best_n = n;% 记录当前循环次数n，这是找到最小值的位置  
        end
    end
    % 用最佳选择的相位与a进行元素级的乘法运算，然后求和  
    asum        = sum(a.*repmat(Phase_map(Phase_set(Best_n,:)).',1,L_fft));
    % 计算信号功率        
    X_pow       = abs(asum.^2);
    X_max_pow   = max(X_pow,[],2);
    X_avg_pow   = mean(X_pow,2);
    PAPR1(ij)   = 10*log10(X_max_pow./X_avg_pow);
end
% 计算PAPR_Orignal的经验累积分布函数（CDF）和对应的PAPR值
[cdf1, PAPR1] = ecdf(PAPR0);
% 计算PAPR_PTS的经验累积分布函数（CDF）和对应的PAPR值
[cdf2, PAPR2] = ecdf(PAPR1);

3.仿真结果

       总的来说，SLM和PTS都是有效的降低OFDM系统PAPR的算法。SLM通过生成并选择PAPR最小的候选信号，而PTS则是通过将信号分成子块并分别进行相位旋转来降低PAPR。这两种方法都有其优缺点：SLM通常能提供较低的PAPR，但计算复杂度较高；而PTS则在计算复杂度和PAPR降低能力之间取得了折衷。在实际应用中，需要根据具体需求和限制来选择适合的算法。