【OFDM中采用选择性映射技术的PAPR降低】用于比较传统的OFDM实现和一种经过修改的OFDM系统,这种修改后的OFDM系统采用了选择性映射技术来降低峰均功率比（PAPR）研究（Matlab代码）-CSDN博客

本文链接：https://blog.csdn.net/weixin_66436111/article/details/145719080

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥1 概述

一、传统OFDM系统的PAPR问题

1. PAPR产生机制

3. 量化指标

二、基于SLM的修改型OFDM系统（A3）

1. SLM技术原理

2. 关键改进方案

3. 性能对比

4. 复杂度优化效果

三、综合对比与局限性

1. 优势

2. 局限性

四、研究趋势与建议

五、总结

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

用于比较传统的OFDM实现和一种经过修改的OFDM系统。这种修改后的OFDM系统采用了选择性映射技术来降低峰均功率比（PAPR）。实现的OFDM系统包含256个子载波，其中前16个子载波携带64-QAM符号。为了比较OFDM系统和单载波系统的性能，进行了误码率（BER）曲线和互补累积分布函数（CCDF）曲线的绘制。通过选择性映射技术设计了一种改进的OFDM系统，以降低传统OFDM系统的峰均功率比。CCDF曲线用于比较改进后的OFDM系统和传统OFDM系统的性能。

以下是对传统OFDM系统（A1）与基于选择性映射技术（SLM）的修改型OFDM系统（A3）在PAPR性能、实现复杂度及系统影响方面的详细对比分析：

一、传统OFDM系统的PAPR问题

1. PAPR产生机制

实例：512个子载波的BPSK-OFDM系统，PAPR可达27 dB。
2. 高PAPR的影响

功率放大器非线性失真：信号超出放大器线性范围时，产生交调失真和带外辐射。
效率与寿命：放大器需回退至线性区工作，导致效率下降（典型效率<30%）和电池寿命缩短。
频谱效率损失：为抑制失真，需预留更大功率裕度，降低有效传输功率。

3. 量化指标

CCDF（互补累积分布函数） ：传统OFDM在N=64N=64时，CCDF=10⁻³对应的PAPR约为10-12 dB。

二、基于SLM的修改型OFDM系统（A3）

1. SLM技术原理

核心思想：生成多组候选信号，选择PAPR最低的一路传输。通过相位旋转向量B(u)=[ejϕ0(u),...,ejϕN−1(u)]B(u)=[ejϕ0(u),...,ejϕN−1(u)]对频域符号XX进行加权，生成UU个候选信号s(u)=IFFT(X⊙B(u))s(u)=IFFT(X⊙B(u))。
改进方向：降低计算复杂度（如减少IFFT次数）或提升候选信号多样性。

2. 关键改进方案

时间域子块转换矩阵（TSCM-SLM）：
- 将频域信号划分为多个子块，每个子块独立应用相位旋转，增加候选信号数量。例如，4子块方案可将候选信号从12扩展至128组。
- 优势：在相同IFFT次数下，PAPR降低效果提升1-2 dB。
混合SLM与压扩技术：
- 结合SLM的相位优化与压扩技术的非线性变换，在保持BER性能的同时，进一步降低PAPR。实验显示，混合方案比纯SLM降低PAPR 0.5-1 dB。
遗传算法优化（GA-SLM）：
- 通过遗传算法搜索最优相位组合，减少穷举计算量。复杂度降低50%以上，但PAPR性能略逊于传统SLM。

3. 性能对比

指标	传统OFDM（A1）	传统SLM	修改型SLM（A3）
PAPR（CCDF=10⁻³）	10-12 dB（N=64）	8-10 dB（U=4）	7.59 dB（U=4, TSCM-SLM）
计算复杂度	1次IFFT	U次IFFT	1次IFFT + 相位转换矩阵
BER（AWGN, SNR=15dB）	10⁻⁴	10⁻⁴（需边信息恢复）	10⁻⁴（无额外损失）
频谱效率损失	无	边信息占用带宽（≈1%）	边信息压缩或嵌入优化

4. 复杂度优化效果

IFFT次数减少：传统SLM需UU次IFFT，而改进方案（如TSCM-SLM）仅需1次IFFT，复杂度降低63.5%（N=2048N=2048, U=4U=4）。
相位序列设计：采用完美序列（Perfect Sequence）或循环移位结构，减少乘法运算量。

三、综合对比与局限性

1. 优势

PAPR降低显著：改进SLM在N=64N=64时，PAPR较传统OFDM降低3.9 dB，较传统SLM降低0.6 dB。
兼容性：无需修改接收机结构，适用于现有OFDM标准（如LTE、5G）。
BER无损失：通过边信息优化（如循环移位嵌入），BER性能与原始OFDM相当。

2. 局限性

边信息传输：传统SLM需传输相位序列索引，占用额外带宽。盲SLM方案可规避此问题，但复杂度增加。
高阶调制影响：在16-QAM及以上调制中，PAPR降低效果减弱，需结合预编码或星座整形。

四、研究趋势与建议

联合优化方案：将SLM与压扩、编码技术结合，平衡PAPR、BER和频谱效率。
硬件实现：基于FPGA的实时SLM方案需优化并行计算架构，降低处理延迟。
机器学习辅助：利用神经网络生成最优相位序列，减少计算量并提升PAPR性能。

五、总结

基于SLM的修改型OFDM系统在PAPR性能上显著优于传统方案，且通过算法优化有效降低了计算复杂度。未来研究需进一步解决边信息传输和高阶调制下的性能瓶颈，以满足5G/6G系统对高频谱效率和低功耗的需求。

📚2 运行结果

部分代码：

%% Declaring OFDM System Properties
M = 64;                        % 64-QAM constellation
k = log2(M);                   % number of bits per symbol
N = k*2^16;                    % number of binary sequence
num_sc = 256;                  % Number of Subcarrier
num_dsc = 16;                  % Number of data subcarrier
block_size = N/(num_dsc*k);    % number of symbols per subcarrier
cp_len = 64;                   % length of cyclic prefix

%% Transmitter side
ran = RandStream('swb2712');
input1 = randsrc(1,N,[0,1],ran);   % Binary Sequence
input = qammod(input1',M,'gray','InputType','bit','UnitAveragePower',true); %64QAM Modulation
% Allocating the 64QAM Symbol to data subcarrier
data_matrix = reshape(input, block_size, num_dsc);   
% ifft to generate 256 subcarriers
ifft_data_matrix = ifft(data_matrix',num_sc)';
% Compute and append Cyclic Prefix
cp_start = block_size-cp_len+1;
actual_cp = ifft_data_matrix(cp_start:end,:);
ifft_data = [actual_cp;ifft_data_matrix];
% Convert parallel to serial for transmission
[rows_ifft_data, cols_ifft_data]=size(ifft_data);
len_ofdm_data = rows_ifft_data*cols_ifft_data;
ofdm_signal = reshape(ifft_data, 1, len_ofdm_data); % Actual OFDM signal to be transmitted

%% Channel
EbNo = [-10:20]; % Eb/No 
errors=zeros(size(EbNo));
for ii = 1:length(EbNo)
snrdB = EbNo(ii) + 10*log10(k);  %Conver Eb/No to snr in dB
s = 1/sqrt(mean(abs(ofdm_signal).^2)); % Normalizer
n = 1/sqrt(2)*(randn(1,len_ofdm_data) + 1i*randn(1,len_ofdm_data)); % normalized guassian noise
% Pass the ofdm signal through the channel
recvd_signal = s*ofdm_signal+10^(-snrdB/20)*n; % linear AWGN

%% Receiver side
% Convert Data back to "parallel" form to perform FFT
recvd_signal_matrix = reshape(recvd_signal,rows_ifft_data, cols_ifft_data);
% Remove CP
recvd_signal_matrix(1:cp_len,:)=[];
% Perform FFT
fft_data_matrix = fft(recvd_signal_matrix',num_sc)';
fft_data_matrix(:,num_dsc+1:end) = [];  %Extract Data Symbols
% Convert parallel to serial and Normalize
y = reshape(fft_data_matrix, 1,[]);