OFDM系统中高峰均比（PAPR）以及DFT-S-OFDM

1. 高峰均比（PAPR）的数学分析

OFDM信号的时域波形由多个正交子载波的叠加产生，当多个子载波在某一时刻相位对齐时，信号幅度会达到极大值，导致高PAPR。以下是关键公式推导：

---

(1) OFDM时域信号

假设OFDM符号有 $N$ 个子载波，调制符号为 $X_k$（如QPSK或QAM），则时域离散信号为：
$$x[n]=\frac{1}{\sqrt{N}}\sum _{k=0}^{N-1}{X}_k{e}^{j\frac{2\pi kn}{N}},n=0,1,\dots ,N-1$$
其中，归一化因子 $1/\sqrt{N}$ 保证信号平均功率为1。

---

(2) PAPR定义

峰均比（PAPR）定义为信号的峰值功率与平均功率的比值：
$$\text{PAPR}=\frac{{\max }_n|x[n]{|}^2}{E\left[|x[n]{|}^2\right]}$$
其中，分母为平均功率，分子为瞬时峰值功率。

---

(3) PAPR的理论上限

若所有子载波相位对齐（$X_k$ 均为同相位），时域信号幅度达到最大：
$$\max |x[n]|=\frac{1}{\sqrt{N}}\sum _{k=0}^{N-1}|X_k|$$
假设 $X_k$ 为归一化调制符号（如QPSK，$|X_k|=1$），则：
$$\max |x[n]|=\sqrt{N}\Rightarrow {\text{PAPR}}_{\text{理论}}=N$$
实际中，所有子载波相位对齐的概率极低，但PAPR仍随 $N$ 增大而显著升高。

---

---

单载波与OFDM系统的PAPR对比分析

1. 数学原理对比

• 单载波系统：
  单载波信号（例如QPSK或QAM）的时域幅度恒定（假设无脉冲成形），因此其峰均比理论值为0 dB：
  $${\text{PAPR}}_{\text{单载波}}=10{\log }_{10}\left(\frac{\max |x[n]{|}^2}{E[|x[n]{|}^2]}\right)=10{\log }_{10}(1)=0\text{dB}$$

• OFDM系统：
  OFDM信号的时域波形由多子载波叠加，相位对齐时产生高峰值：
  $${\text{PAPR}}_{\text{OFDM}}\approx 10{\log }_{10}(N)\text{dB}(N=\text{子载波数})$$

---

2. Python代码对比PAPR的CCDF曲线

以下代码生成单载波（QPSK）和OFDM信号的PAPR分布，并绘制对比图：

import numpy as np
import matplotlib.pyplot as plt

def generate_single_carrier(num_symbols, mod_order=4):
    """生成单载波信号（QPSK调制，假设无脉冲成形）"""
    data = np.random.randint(0, mod_order, num_symbols)
    constellation = np.exp(1j * (np.pi/4 + 2 * np.pi * data / mod_order))
    return constellation

def generate_ofdm_symbol(N_subcarrier, mod_order=4):
    """生成OFDM符号（QPSK调制）"""
    data = np.random.randint(0, mod_order, N_subcarrier)
    constellation = np.exp(1j * (np.pi/4 + 2 * np.pi * data / mod_order))
    time_signal = np.fft.ifft(constellation, n=N_subcarrier)
    return time_signal

def calculate_papr(signal):
    """计算PAPR（单位：dB）"""
    peak_power = np.max(np.abs(signal)**2)
    avg_power = np.mean(np.abs(signal)**2)
    return 10 * np.log10(peak_power / avg_power)

def plot_ccdf_comparison(N_subcarrier=64, num_symbols=1000):
    """绘制单载波与OFDM的PAPR对比CCDF曲线"""
    # 生成单载波信号（每个符号对应一个采样点）
    sc_signals = generate_single_carrier(num_symbols)  # 单载波信号
    ofdm_signals = [generate_ofdm_symbol(N_subcarrier) for _ in range(num_symbols)]  # OFDM信号

    # 计算PAPR
    sc_papr = [calculate_papr(sc_signals)] * num_symbols  # 单载波PAPR恒为0 dB
    ofdm_papr = [calculate_papr(signal) for signal in ofdm_signals]

    # 绘制CCDF
    plt.figure()
    # 单载波CCDF（理论值0 dB）
    plt.axvline(x=0, color='r', linestyle='--', label='Single Carrier (QPSK)')
    # OFDM CCDF
    values, base = np.histogram(ofdm_papr, bins=100, density=True)
    ccdf = 1 - np.cumsum(values) * np.diff(base)[0]
    plt.plot(base[:-1], ccdf, label=f'OFDM (N={N_subcarrier})')
  
    plt.xlabel('PAPR (dB)')
    plt.ylabel('Probability (PAPR > x)')
    plt.title('PAPR CCDF Comparison: Single Carrier vs. OFDM')
    plt.grid(True)
    plt.legend()
    plt.show()

# 执行对比
plot_ccdf_comparison(N_subcarrier=64, num_symbols=1000)

---

3. 代码解释

1. 信号生成：
   • 单载波：直接生成QPSK符号，每个符号对应一个采样点。
   • OFDM：通过IFFT生成时域信号，每个符号包含(N=64)个子载波

---

---

4. 直观解释

• 子载波叠加效应：当多个子载波同相位叠加时，时域信号幅度显著增大。
• 统计特性：OFDM时域信号的实部和虚部近似为高斯分布，但其包络分布（幅度）会导致高PAPR。
• 子载波数影响：子载波数 $N$ 越大，出现极端峰值的概率越高。

---

5. 数学与代码结论

参数	数学关系	代码验证
理论PAPR上限	${\text{PAPR}}_{\text{max}}=10{\log }_{10}(N)$	仿真显示PAPR随 $N$ 增大而升高
子载波数 $N$	PAPR与 $N$ 正相关	对比 $N=64$ 和 $N=256$ 结果
信号叠加机制	多子载波同相位叠加导致高峰值	CCDF曲线右移，高PAPR概率增大

---

6. 降低PAPR的常用方法

尽管OFDM天然存在高PAPR，但可通过以下技术缓解：

1. 削峰（Clipping）：直接限制信号幅度，但引入失真。
2. 选择性映射（SLM）：选择PAPR最低的信号版本。
3. 预编码（PTS）：优化相位序列降低峰值。
4. 压扩变换：非线性压缩动态范围。
5. DFT-S-OFDM：对于高功率的 2 级功率应用或者当用户设备位于基站蜂窝的边缘位置，远离信号塔时，DFT-S-OFDM 可能是首选波形。

---

---

DFT-S-OFDM降低PAPR的原理

1. DFT-S-OFDM的基本原理

DFT-S-OFDM（离散傅里叶变换扩频正交频分复用）通过以下步骤降低PAPR：

1. DFT预处理：将多个数据符号通过DFT转换到频域，形成频域扩展符号。
2. 子载波映射：将DFT后的频域符号映射到OFDM子载波的中心位置（类似单载波特性）。
3. IFFT变换：通过IFFT生成时域信号，最终信号表现为类似单载波的低PAPR特性。

2. 降低PAPR的数学解释

假设输入数据符号为 $d_0,d_1,\dots ,d_{M-1}$，经过 $M$-点DFT扩展到频域：
$$D_k=\sum _{m=0}^{M-1}{d}_m{e}^{-j\frac{2\pi km}{M}},k=0,1,\dots ,M-1$$
将 $D_k$ 映射到OFDM的 $N$ 个子载波（通常 $N>M$，未映射的位置填零），再通过IFFT生成时域信号：
$$x[n]=\frac{1}{\sqrt{N}}\sum _{k=0}^{N-1}{D}_k{e}^{j\frac{2\pi kn}{N}}$$
由于频域符号的扩展，时域信号的幅度波动显著降低，PAPR接近单载波系统。

---

3. Python代码实现

以下代码生成传统OFDM和DFT-S-OFDM的时域信号，并对比两者的PAPR分布。

(1) 生成DFT-S-OFDM信号

import numpy as np
import matplotlib.pyplot as plt

def generate_dft_s_ofdm_symbol(M_subcarrier, N_fft, mod_order=4):
    """生成DFT-S-OFDM符号（QPSK调制）"""
    # 生成QPSK数据符号
    data = np.random.randint(0, mod_order, M_subcarrier)
    constellation = np.exp(1j * (np.pi/4 + 2 * np.pi * data / mod_order))
  
    # DFT预处理（M点DFT）
    dft_output = np.fft.fft(constellation, n=M_subcarrier)
  
    # 子载波映射到中心位置（假设N_fft > M_subcarrier）
    subcarrier_mapping = np.zeros(N_fft, dtype=complex)
    start_idx = (N_fft - M_subcarrier) // 2
    subcarrier_mapping[start_idx:start_idx + M_subcarrier] = dft_output
  
    # IFFT变换生成时域信号
    time_signal = np.fft.ifft(subcarrier_mapping, n=N_fft)
    return time_signal

def calculate_papr(signal):
    """计算PAPR（单位：dB）"""
    peak_power = np.max(np.abs(signal)**2)
    avg_power = np.mean(np.abs(signal)**2)
    return 10 * np.log10(peak_power / avg_power)

def plot_papr_comparison(M_subcarrier, N_fft, num_symbols=1000):
    """绘制OFDM与DFT-S-OFDM的PAPR对比CCDF曲线"""
    ofdm_papr = []
    dfts_ofdm_papr = []
  
    for _ in range(num_symbols):
        # 传统OFDM（占用全部子载波）
        ofdm_symbol = generate_ofdm_symbol(N_fft)
        ofdm_papr.append(calculate_papr(ofdm_symbol))
      
        # DFT-S-OFDM（占用M个子载波）
        dfts_symbol = generate_dft_s_ofdm_symbol(M_subcarrier, N_fft)
        dfts_ofdm_papr.append(calculate_papr(dfts_symbol))
  
    # 计算CCDF
    def compute_ccdf(papr_list):
        values, base = np.histogram(papr_list, bins=100, density=True)
        ccdf = 1 - np.cumsum(values) * np.diff(base)[0]
        return base[:-1], ccdf
  
    plt.figure()
    # 传统OFDM
    x_ofdm, y_ofdm = compute_ccdf(ofdm_papr)
    plt.plot(x_ofdm, y_ofdm, label=f'OFDM (N={N_fft})')
  
    # DFT-S-OFDM
    x_dfts, y_dfts = compute_ccdf(dfts_ofdm_papr)
    plt.plot(x_dfts, y_dfts, label=f'DFT-S-OFDM (M={M_subcarrier}, N={N_fft})')
  
    plt.xlabel('PAPR (dB)')
    plt.ylabel('Probability (PAPR > x)')
    plt.title('PAPR CCDF: OFDM vs. DFT-S-OFDM')
    plt.grid(True)
    plt.legend()
    plt.show()

# 参数设置：M为有效子载波数，N_fft为OFDM的总子载波数
M_subcarrier = 64  # DFT-S-OFDM有效子载波数
N_fft = 256        # OFDM总子载波数
plot_papr_comparison(M_subcarrier, N_fft)

---

4. 代码说明与结果分析

1. DFT预处理：

   • 输入数据符号通过 $M$-点DFT扩展，映射到OFDM的 $N$ 个子载波中心位置。
   • 代码中 M_subcarrier=64 和 N_fft=256 表示DFT-S-OFDM仅使用64个子载波，而OFDM使用全部256个子载波。

2. PAPR对比：

   • 传统OFDM：高PAPR（例如，当 $N=256$ 时，理论PAPR为 $10{\log }_{10}(256)\approx 24$ dB）。
   • DFT-S-OFDM：通过频域扩展和子载波映射，信号类似单载波，PAPR显著降低（接近单载波的0 dB）。

3. 仿真结果：
   

   • 传统OFDM的CCDF曲线位于右侧（高PAPR概率大），DFT-S-OFDM的曲线左移，显示PAPR改善明显。

---

5. DFT-S-OFDM的优缺点

优点	缺点
PAPR接近单载波，适合功率受限场景	频谱效率略低于传统OFDM（需预留保护子载波）
兼容OFDM接收机设计	复杂度略高（需DFT预处理）

---

通过上述分析，DFT-S-OFDM通过频域扩展和子载波映射，在保持OFDM优势的同时显著降低PAPR，适用于上行链路等对功率效率要求高的场景。
（DFT-S-OFDM通过DFT预处理生成类似单载波的低PAPR信号，降低终端功率放大器（PA）的非线性失真风险，使PA能高效工作在接近饱和区，从而延长电池寿命并提升发射效率，尤其适合移动终端功率受限的上行链路场景，同时保留OFDM抗多径衰落和频域调度的优势。）

• 传统OFDM，因为峰值功率很高，PA必须工作在远离饱和区的线性区域，以避免峰值部分被削波，从而产生失真。（对应下图前面）但这样效率低下，因为PA在低功率输出时效率较低。

• DFT-S-OFDM，通过预编码技术，将信号转换成类似单载波的特性，PAPR较低，接近0 dB。这样PA可以工作在接近饱和区的非线性区域，此时PA的效率更高，因为饱和区附近是PA转换效率最高的区域。