目录
1. 选择性映射(Sleceted Mapping,SLM)
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。