CN101110809B - 一种多载波数据传输的方法 - Google Patents

Abstract

本发明公开了一种多载波数据传输方法，预先从坐标空间的单位圆中选择互相关性小的候选相位因子序列，该方法包括：A.利用全部候选相位因子序列处理发射端中的待传输数据，计算处理结果的PAPR值并进行比较，将PAPR最小值对应的候选相位因子序列确定为被选相位因子序列；B.将PAPR最小值对应的处理结果作为主信息，连同被选相位因子序列的组号一起发送给接收端；C.接收端根据接收到的组号确定被选相位因子序列，将接收到的主信息还原为待传输数据。本发明通过选取互相关较小的相位因子来提高PAPR抑制效果，在相同相位因子组数条件下可获得更好的PAPR抑制效果；在相同PAPR抑制性能下计算复杂度和副信息量较小。

Description

一种多载波数据传输的方法

技术领域

本发明涉及无线通信中的多载波技术，尤其涉及一种多载波数据传输方法。

背景技术

近年来，随着无线通信技术的不断发展和成熟，诸如正交频分复用(OFDM)等多载波技术由于所具有的抗多径能力强、数据传输率大、资源分配灵活等优点，而受到广泛关注，并将成为继码分多址(CDMA)之后的又一核心技术。

多载波技术的核心思想在于在频域内将给定的信道分成若干个独立的子信道，在每个子信道上使用一个子载波进行调制，并且各子载波并行传输。可见，多载波信号由一系列子信道信号在时域累加后而重叠起来，这样会在某些时刻出现较大的尖峰脉冲，很容易造成较大的峰平比PAPR，即信号的最大峰值功率与平均功率之比较大。由于现有的功率放大器无法对频率范围较大的信号进行线性放大，因此存在较大PAPR的信号在通过功率放大器时会产生较大的频谱扩展和严重的带内失真。

目前常用的降低PAPR的方法包括选择性映射(SLM)、部分传输序列(PTS)和直接限幅法等。其中SLM是预先在发送端和接收端设置多组相位因子序列，发射端将经过调制的数据信号乘以多组相位因子序列，计算每组结果的PAPR，并选择PAPR最小的一组信号发送给接收端，同时将PAPR最小的信号对应的相位因子序列的组序号作为副信息发送给接收端，以便接收端还原信号。PTS与SLM的区别在于，预先将信号分组，每组信号乘以一个相位因子，这样每组相位因子的维数显著地减少，计算复杂度也明显降低。直接限幅法是设置PAPR门限，将超过该门限的数值默认为同一的数值，该方法虽然可以有效地降低PAPR，但是会导致信号的畸变，在数据传输过程中带来较大的误码率(BER)。由于具有较好的性能和较低的计算复杂度，PTS是最为常用的降低PAPR的方法。

为了避免PTS方式下每次进行数据传输时都要进行相位因子序列的选择，通常情况下预先根据待传输信号的组数确定候选相位因子序列，并在实际的传输过程中从候选相位因子序列中确定带来最小PAPR的被选相位因子序列。为了降低计算复杂度，通常在集合{1，-1}或者{1，-1，j，-j}中选取相位因子序列中的元素。例如，待传输数据中包括1024个子载波，分为4组后，每组包括256个子载波，则每组相位因子序列中需要包括4个数值。若相位因子取自集合{1，-1}，则存在16组候选相位因子序列：1，1，1，1；1，1，1，-1；1，1，-1，1；1，1，-1，1......-1，-1，-1，-1。由上述的相位因子序列可见，现有的基于PTS的多载波数据传输方法中，相邻组相位因子序列的互相关性较大，降低PAPR的效果不明显，因此为了确定实际使用的被选相位因子序列所需的计算量较大，这将消耗更多的硬件资源或时间资源，降低了系统的效率。

发明内容

有鉴于此，本发明提供一种多载波数据传输方法，能够提高多载波数据传输中的系统效率。

为实现上述目的，本发明提供了一种多载波数据传输方法，预先从坐标空间的单位圆中选择互相关性小的候选相位因子序列，该方法包括：

A.利用全部候选相位因子序列处理发射端中的待传输数据，计算处理结果的峰平比PAPR值并进行比较，将PAPR最小值对应的候选相位因子序列确定为被选相位因子序列；

B将PAPR最小值对应的处理结果作为主信息，连同被选相位因子序列的组号一起发送给接收端；

C.接收端根据接收到的组号确定被选相位因子序列，将接收到的主信息还原为待传输数据。

其中，预先设置目标函数f(x)，所述从坐标空间的单位圆中选择互相关性小的候选相位因子序列包括：

A01.初始化迭代次数k、候选相位因子序列x_k和海斯矩阵H_k，并计算目标函数f(x)在x_k处的梯度g_k；

A02.判断梯度g_k的无穷∞范数||g_k||_∞是否小于门限值ε，其中ε＝10^-8(1+||g_k||_∞)，如果是，则将候选相位因子序列确定为等于x_k，并结束本确定候选相位因子序列的流程；否则，继续执行步骤A03；

A03.将搜索方向d_k确定为d_k＝-H_kg_k，并且通过沿d_k方向对目标函数f(x)执行混合2，3次插值来进行一维线性搜索，确定校正步长α_k；

A04.将候选相位因子序列x_k校正为x_k+1＝x_k+α_kd_k，利用x_k+1获得f(x)在x_k+1处的梯度g_k+1，对海斯矩阵H_k+1进行校正，并使得k＝k+1，返回执行步骤A02。

其中，所述候选相位因子序列的组数为U，每组候选因子序列的维数为V，则步骤A01所述初始化迭代次数k、候选相位因子序列x_k和海斯矩阵H_k为：

将迭代次数k初始化为0；

将候选相位因子序列初始化为U×V矩阵，该矩阵中的元素为所述单位圆中的任意数值，并且每V个元素为一组候选相位因子；

将所述海斯矩阵H_k初始化为单位矩阵。

其中，步骤A01所述计算目标函数f(x)在x_k处的梯度g_k为：

$g_k\left(n\right)=\frac{\left[f({\tilde{x}}_n-f\left(x_k\right))\right]}{{\mathrm{Diffx}}_k\left(n\right)},$ 其中 ${\tilde{x}}_n=\left\{\begin{array}{cc}{x}_k\left(i\right),& i\≠n\\ x_k\left(i\right)+{\mathrm{Diffx}}_k\left(i\right),& i=n\end{array}\right.,$ Diffx_k(i)表示对x_k(i)求偏微分，并且0≤i≤U×V-1、0≤n≤U×V-1。

其中，所述候选相位因子序列的组数为U，每组候选因子序列的维数为V，则步骤A01所述目标函数f(x)为：

$f\left(x\right)=\underset{1\&le;i<l\&le;U}{\mathrm{\&Sigma;}}{\left|\underset{v=1}{\overset{V}{\mathrm{\&Sigma;}}}\exp \left(\mathrm{jx}((i-1)U+v)\right){\exp }^{*}\left(\mathrm{jx}((l-1)U+v)\right)\right|}^2,$ 其中j表示虚部。

其中，步骤A04所述对海斯矩阵H_k+1进行校正为：

$H_{k+1}=\left\{\begin{array}{cc}\frac{s_k^T{y}_k}{y_k^T{y}_k}\&times;I,& k=0\\ H_k+(1+\frac{y_k^T{H}_k{y}_k}{s_k^T{y}_k})\frac{s_k{s}_k^T}{s_k^T{y}_k}-\frac{s_k{y}_k^T{H}_k+H_k{y}_k{s}_k^T}{s_k^T{y}_k},& k\&NotEqual;0\end{array}\right.,$

其中，s_k＝α_kd_k，y_k＝g_k+1-g_k。

其中，步骤A所述利用全部候选相位因子序列处理发射端中的待传输数据，计算处理结果的PAPR值包括：

A1.将所述待传输数据分组，从所述候选相位因子序列中选择一组作为当前候选相位因子序列；

A2.每组待传输数据与当前候选相位因子序列中的一个相位因子相乘，并进行累加，计算累加结果的PAPR，作为当前候选相位因子序列对应的PAPR；

A3.判断是否存在未被使用的候选相位因子序列，如果是，则从未被使用的候选相位因子序列中选择一组，作为当前候选相位因子，并返回执行步骤A2；否则，执行步骤A中所述对PAPR值进行比较的操作；

步骤C所述将接收到的主信息还原为所述待传输数据为：

对接收到的主信息进行分组，将每组主信息除以所述被选相位因子序列中的对应元素或者将每组主信息与被选相位因子序列中的元素共轭相乘。

其中，步骤A1所述对待传输数据分组之后，进一步包括：对每组待传输数据进行快速傅立叶变换；

所述将每组主信息除以所述被选相位因子序列中的对应元素或者将每组主信息与被选相位因子序列中的元素共轭相乘之后，进一步包括：

对除运算获得的结果进行快速傅立叶逆变换。

其中，所述步骤A1之前，进一步包括：对所述发射端中的原始数据进行调制处理，将调制后的数据作为待传输数据；

所述对除运算获得的结果进行快速傅立叶逆变换之后，进一步包括：对快速傅立叶逆变换的结果进行解调操作。

应用本发明，能够提高多载波数据传输中的系统效率。具体而言，本发明具有如下有益效果：

1.本发明中，预先在坐标空间的单位圆范围内选择相位因子，并根据待传输数据的组数，利用梯度确定多组互相关性较小的候选相位因子序列。与现有技术相比，在候选相位因子序列组数相同的情况下，本发明中降低PAPR效果更为显著；在对降低PAPR要求相同的情况下，本发明中需要产生的候选相位因子序列的组数大大减少，从而有效地减少了确定被选相位因子序列所需的计算量，这样在硬件资源一定时，明显缩短了发射端降低PAPR的处理时间，在对处理时间存在要求时，很大程度上节省了硬件资源，有效地提高了系统的效率。

2.由于本发明中只需较少组数的候选相位因子序列就能够获得很好的降低PAPR的性能，这样在确定被选相位因子序列时的计算复杂度大幅度降低；并且携带被选相位因子序列组号的副信息只需所占用较少的字节数，从而在数据传输时节省网络资源，进一步提高系统的效率。

附图说明

下面将通过参照附图详细描述本发明的示例性实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：

图1为本发明中多载波数据传输方法的示例性流程图；

图2为本发明实施例PTS方式下OFDM系统中多载波数据传输的方法流程图；

图3为本发明实施例中确定候选相位因子的方法流程图；

图4为本发明实施例中多载波数据传输的方法流程图。

具体实施方式

为使本发明的目的、技术方案更加清楚明白，以下参照附图并举实施例，对本发明做进一步的详细说明。

本发明为一种多载波数据传输方法，其基本思想是：根据待传输数据的组数，预先在坐标空间为单位圆的范围内确定候选相位因子序列，在进行数据传输之前，利用待传输数据和候选相位因子序列，确定被选相位因子序列。

图1示出了本发明中多载波数据传输方法的示例性流程图，其中已经预先从单位圆中选择了互相关性较小的候选相位因子序列，并在发射端和接收端进行存储。参见图1，该方法包括：

在步骤101中，利用全部候选相位因子序列处理发射端中的待传输数据，计算处理结果的PAPR值并进行比较，将PAPR最小值对应的候选相位因子序列确定为被选相位因子序列；

在步骤102中，将PAPR最小值对应的处理结果作为主信息，连同被选相位因子序列的组号一起发送给接收端；

在步骤103中，接收端根据接收到的组号确定被选相位因子序列，将接收到的主信息还原为待传输数据。

本发明中所选择的候选因子序列的组数可以由管理人员预先确定，确定原则兼顾降低PAPR的效果与计算量等因素。另外，本发明中的待传输数据可以是发射端将原始数据信号经过调制处理后获得的结果，这样接收端在将主信息还原为待传输数据之后，还需执行解调操作。

下面以采用PTS方式为例，说明本发明的多载波数据传输方法。

图2为本实施例中PTS方式下多载波数据传输过程的示意图。参见图2，假设预先确定了U组候选相位因子序列

则发射端首先对原始数据进行调制操作得到数据s(k)，对s(k)进行分组后形成sⁱ(k)，再分别对每组数据sⁱ(k)进行快速傅立叶变换IFFT，获得数据Sⁱ(k)；而后，利用每组候选相位因子序列对Sⁱ(k)进行处理，即针对每一组候选相位因子序列，将每组Sⁱ(k)乘以不同的相位因子

并进行累加得到数据S_u(n)，由于共有U组候选相位因子序列，因此获得U组数据S_u(n)；然后再计算U组数据S_u(n)的PAPR，将PAPR最小的数据作为主信息进行发送，将主信息对应的候选相位因子序列作为被选相位因子序列，并将被选相位因子序列的组号携带于副信息中发送给接收端。接收端接收到主信息和副信息后，根据副信息确定对应的被选相位因子序列，通过用主信息中的每组数据除以被选相位因子序列中的元素或与被选相位因子序列中的元素共轭相乘来消除相位因子的影响，并对所得到的结果进行快速傅立叶逆变换与解调，从而获得原始数据。

为了能够预先获得互相关性较小的候选相位因子序列，本实施例将相位因子的选择范围从现有技术的集合{1，-1，j，-j}扩大到坐标空间中的单位圆，即相位因子

其中x为取值范围为[0，2π]。

图3示出了本实施例中产生候选相位因子序列的方法流程图。在本实施例中，假设候选相位因子序列的组数为U，每组候选相位因子的维数为V，其中V与经调制处理的信号的分组数目一致。如图3所示，本实施例中按照以下步骤产生候选相位因子：

在步骤301～302中，初始化候选相位因子序列x_k、迭代次数k和海斯矩阵H_k，并计算目标函数f(x)在x_k处的梯度g_k。

这里，将迭代次数初始化为0，并将候选相位因子序列x_k初始化为U×V矩阵，其中的元素为单位圆中的任意数值，并且每V个元素为一组候选相位因子。以U＝2、V＝2为例，可以将x_k的初始值x₀取为[0，0，0，π/2]^T。另外，将海斯矩阵的H_k初始值H₀取为等于单位矩阵。

本实施例中的目标函数的表达式为：

$f\left(x\right)=\underset{1\&le;i<l\&le;U}{\mathrm{\&Sigma;}}{\left|\underset{v=1}{\overset{V}{\mathrm{\&Sigma;}}}{b}_i^v{b}_l^{v*}\right|}^2$

$=\underset{1\&le;i<l\&le;U}{\mathrm{\&Sigma;}}{\left|\underset{v=1}{\overset{V}{\mathrm{\&Sigma;}}}\exp \left(\mathrm{jx}((i-1)U+v)\right){\exp }^{*}\left(\mathrm{jx}((l-1)U+v)\right)\right|}^2$

其中j表示虚部。

本实施例按照如下公式确定目标函数f(x)在x_k处的梯度g_k：

$g_k\left(n\right)=\frac{\left[f({\tilde{x}}_n-f\left(x_k\right))\right]}{{\mathrm{Diffx}}_k\left(n\right)},$

其中 ${\tilde{x}}_n=\left\{\begin{array}{cc}{x}_k\left(i\right),& i\&NotEqual;n\\ x_k\left(i\right)+{\mathrm{Diffx}}_k\left(i\right),& i=n\end{array}\right.,$ Diffx_k(i)表示对x_k(i)求偏微分，并且0≤i≤U×V-1、0≤n≤U×V-1。

例如，在U＝2、V＝2、x₀＝[0，0，0，π/2]^T的情况下，Diffx＝[1e-008，1e-008，1e-008，2.3407e-008]^T，对于第一个变量而言， ${\tilde{x}}_0=\left\{\begin{array}{cc}{x}_0\left(i\right),& i=\mathrm{1,2,3}\\ x_0\left(i\right)+{\mathrm{Diffx}}_0\left(i\right),& i=0\end{array}\right.=[1e-\mathrm{008,0,0},\mathrm{\&pi;}/2],$ 则f(x₀)＝2，

从而 $g_0\left(0\right)=\frac{\left[f({\tilde{x}}_0-f\left(x_0\right))\right]}{{\mathrm{Diffx}}_0\left(0\right)}=\frac{1.99999998-2}{1e-8}=-2.$

按照同样的计算过程，可以确定f(x)在x₀处的梯度g₀的其他三个元素分别为：2，2和-2。这样，g₀＝[2，2，2，-2]^T。

在步骤303～304中，判断梯度g_k的无穷∞范数||g_k||_∞是否小于门限值ε，其中ε＝10^-8(1+||g_k||_∞)，如果是，则将候选相位因子序列确定为等于x_k，并结束本确定候选相位因子序列的流程；否则，继续执行步骤305。

本实施例中，无穷∞范数的定义为：

并且x＝{x_i}，这里在计算||g_k||_∞时，只需将无穷∞范数的定义公式中的x和x分别替换为g_k和g_k即可。另外，门限值ε＝10^-8(1+||g_k||_∞)，可见ε在每次得到||g_k||_∞时均有所变化。当||g_k||_∞很小时，表明找到此时x_k中各行数据的互相关性很小，因此可以将其作为用于降低PAPR的候选相位因子序列。当然，门限值ε的表达式可以根据实际情况进行调整。

在步骤305～306中，将搜索方向d_k确定为d_k＝-H_kg_k，并且通过沿d_k方向对f(x)执行混合2，3次插值来进行一维线性搜索，确定校正步长α_k。

在步骤307～309中，将x_k校正为x_k+1＝x_k+α_kd_k，利用x_k+1获得f(x)在x_k+1处的梯度g_k+1，对H_k+1进行校正，并使得k＝k+1，返回执行步骤303。

这里的三个步骤是利用搜索方向d_k和校正步长α_k，确定f(x)在x_k+1处的梯度g_k+1并获得H_k+1的过程。

具体而言，在根据搜索方向d_k和校正步长α_k确定x_k+1之后，按照与步骤302相同的方法计算梯度g_k+1。然后，按照如下公式确定H_k+1：

$H_{k+1}=\left\{\begin{array}{cc}\frac{s_k^T{y}_k}{y_k^T{y}_k}\&times;I,& k=0\\ H_k+(1+\frac{y_k^T{H}_k{y}_k}{s_k^T{y}_k})\frac{s_k{s}_k^T}{s_k^T{y}_k}-\frac{s_k{y}_k^T{H}_k+H_k{y}_k{s}_k^T}{s_k^T{y}_k},& k\&NotEqual;0\end{array}\right.,$

其中，s_k＝α_kd_k，y_k＝g_k+1-g_k。

在完成了H矩阵的校正之后，将k+1附值给k，这样，x_k、α_k、d_k、g_k以及H_k分别更新为x_k+1、α_k+1、d_k+1、g_k+1以及H_k+1的内容，则在返回步骤303中后，若确定梯度小于门限值，则完成了候选相位因子的确定。

仍以U＝2、V＝2、x₀＝[0，0，0，π/2]^T、g₀＝[2，2，2，-2]^T为例，各轮迭代后获得结果为：

第一轮迭代：校正步长α₁＝0.1595，x₁＝[0.3191，-0.3191，-0.3191，1.8899]^T，g₁＝[0.4511，-0.4511，-0.4511，0.4511]^T，H₁＝0.2248×I_4×4；

第四轮迭代：到校正步长α₄＝1，x₄＝[0.3927，-0.3927，-0.3927，1.9635]^T，g₄＝1.302e-5×[1，-1，-1，1]^T， $H_4=\left[\begin{array}{c}\mathrm{0.1988,0.0249,0.0249},-0.0249\\ \mathrm{0.0249,0.1988},-\mathrm{0.0249,0.0249}\\ 0.0249,-\mathrm{0.0249,0.1988,0.0249}\\ -\mathrm{0.0249,0.0249,0.0249,0.1988}\end{array}\right];$

第五轮迭代：α₅＝1，x₅＝[0.3927，-0.3927，-0.3927，1.9635]^T，g₅＝2.59e-9×[1，-1，-1，1]^T。

由于梯度g₅已经小于门限值ε＝10^-8(1+||g_k||_∞)，因此此时的候选相位因子序列等于x₅的内容，即第一组候选相位因子序列为[0.3927，-0.3927]^T，第二组候选相位因子序列为[-0.3927，1.9635]^T，并且上述两组候选相位因子的互相关性非常小。

至此，完成本实施例中确定候选相位因子的流程。

通过上述的步骤301～309可见，本实施例中通过对梯度值的控制，确定候选相位因子。由于梯度的物理意义在于表示函数的收敛性，即梯度值很小时，接近函数的最小值，本实施例中利用梯度对搜索方向进行校正，并根据搜索方向确定每次搜索的步长，因此能够较快地找到使得f(x)函数值较小的x_k，此时中x_k各行之间的互相关性很小，即每组候选相位因子序列之间的互相关性很小。那么，在利用上述候选相位因子序列确定PAPR时，各组候选相位因子序列所带来的PAPR差异较大，降低PAPR的效果较为明显。并且在对降低PAPR的性能要求相同的情况下，本实施例中的候选相位因子序列的组数与现有技术相比大大减少。另外，本实施例确定了候选相位因子序列之后，对候选相位因子序列进行编号，即每组候选相位因子序列均具有唯一的组号。并且，发射端和接收端中均保存有内容一致的全部候选相位因子序列。

另外，如果利用上述步骤301～309在单位圆中的特殊范围{1，-1}中选取候选相位因子序列，在U＝V＝4时互相关最小的4组相位因子是：1，1，1，1；1，-1，1，-1；1，1，-1，-1；1，-1，-1，1。可见，与现有方案对16组候选因子序列进行处理相比，此时仅处理4组候选相位因子，很大程度上降低了所需的计算复杂度。并且，在存在16组候选因子序列时，当采用二进制相移键控(BPSK)调制时，副信息需4比特，而在存在4组候选因子序列的情况下，采用BPSK调制时副信息只需2比特，可见本发明降低了所需传输的副信息量。基于同样的原理，本发明也可在单位圆中的{1，-1，j，-j}范围内选取互相关最小的V组相位因子，并利用这些互相关小的相位因子，取得较好的PAPR抑制效果。

在确定了候选相位因子序列的前提下，本实施例按照图4所示的流程，进行多载波数据传输。结合图1和图4，本实施例中多载波数据传输的方法包括：

在步骤401～403中，发送端对原始数据进行调制处理，并进行分组，而后对经过分组的每组数据进行IFFT处理，并从预先确定的候选相位因子序列中选择一组作为当前候选相位因子序列。

在PTS方式下，对数据进行分组，每组数据乘以一个相同的相位因子，以降低计算量。这里采用相邻、随机或者交织等方式进行分组。实践证明，如果数据间的互相关性较小，在经过IFFT之后，如果再经过子载波随机分组，所获得的各组数据间的互相关性会更小。如果各组数据都与不同的相位因子相乘，则所得数据的PAPR就会较小。可见，采用随机方式的分组能够带来较小的PAPR值。

在步骤404～405中，将每组IFFT处理结果与当前候选相位因子序列中的一个相位因子相乘并进行累加；计算累加结果的PAPR，作为当前候选相位因子序列对应的PAPR。

例如，IFFT处理结果中包括两组数据S¹(n)和S²(n)，当前的候选相位因子序列中包括两个相位因子b¹和b²，则这里首先计算S¹(n)*b¹+S²(n)*b²，再求出对应的PAPR。

在步骤406～407中，判断是否存在未被使用的候选相位因子序列，如果是，则从未被使用的候选相位因子序列中选择一组，作为当前候选相位因子，并返回执行步骤404；否则，执行步骤408。

这里对是否存在未被使用的候选相位因子序列进行判断的目的在于，确定是否利用了全部的候选相位因子。

在步骤408～409中，比较所有候选相位因子序列对应的PAPR，将PAPR最小值对应的相位因子序列作为被选相位因子序列，并且将PAPR最小值对应的累加结果作为主信息，将被选相位因子序列的组号作为副信息，发送给接收端。

本实施例中在对降低PAPR的性能要求相同的情况下，候选相位因子序列的组数与现有技术相比大大减少，即被选相位因子序列的组号的取值范围明显缩小，那么这里副信息所占用的字节数也较少。从而本实施例会减少副信息所占用的系统带宽。

以上的步骤401～409中的操作均在发射端完成。

在步骤410～411中，接收端根据接收到的副信息确定被选相位因子序列，利用所确定的被选相位因子序列来消除相位因子对主信息的影响，而后对消除相位因子影响的数据进行快速傅立叶逆变换和解调处理，获得原始数据。

这里，接收端所执行的操作与发射端相逆。换言之，发射端对数据依次进行IFFT、与被选相位因子序列相乘以及累加等处理，则接收端对接收到的主信息依次进行分组、除以被选相位因子以及快速傅立叶逆变换等处理，以便获得原始信号。

另外，由于接收端中保存了与发射端相同的候选相位因子序列，因此，只要接收端获取到组号，就能够从自身读取到发射端实际使用的被选相位因子序列的全部内容。

至此，完成本实施例中多载波数据传输流程。

本实施例中，预先在坐标空间的单位圆范围内选择相位因子，并根据待传输数据的组数，利用梯度确定多组互相关性较小的候选相位因子序列。与现有技术相比，在候选相位因子序列组数相同的情况下，本实施例的数据传输方法中的PAPR大大降低；在对降低PAPR要求相同的情况下，本实施例的数据传输方法中需要产生的候选相位因子序列的组数大大减少，从而有效地减少了确定被选相位因子序列所需的计算量，这样在硬件资源一定时，明显缩短了发射端降低PAPR的处理时间，在对处理时间存在要求时，很大程度上节省了硬件资源。一言以蔽之，本实施例的多载波数据传输有效地提高了系统的效率。

另外，由于本实施例中只需较少组数的候选相位因子序列就能够获得很好的降低PAPR的性能，这样在确定被选相位因子序列时的计算复杂度大幅度降低；并且携带被选相位因子序列组号的副信息只需所占用较少的字节数，从而在数据传输时节省网络资源，进一步提高系统的效率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种多载波数据传输方法，其特征在于，预先从坐标空间的单位圆中选择互相关性小的候选相位因子序列，该方法包括：

A.利用全部候选相位因子序列处理发射端中的待传输数据，计算处理结果的峰平比PAPR值并进行比较，将PAPR最小值对应的候选相位因子序列确定为被选相位因子序列；

B.将PAPR最小值对应的处理结果作为主信息，连同被选相位因子序列的组号一起发送给接收端；

C.接收端根据接收到的组号确定被选相位因子序列，将接收到的主信息还原为待传输数据。

2.如权利要求1所述的方法，其特征在于，预先设置目标函数f(x)，所述从坐标空间的单位圆中选择互相关性小的候选相位因子序列包括：

A01.初始化迭代次数k、候选相位因子序列x_k和海斯矩阵H_k，并计算目标函数f(x)在x_k处的梯度g_k；

A02.判断梯度g_k的无穷∞范数||g_k||_∞是否小于门限值ε，其中ε＝10^-8(1+||g_k||_∞)，如果是，则将候选相位因子序列确定为等于x_k，并结束本确定候选相位因子序列的流程；否则，继续执行步骤A03；

A03.将搜索方向d_k确定为d_k＝-H_kg_k，并且通过沿d_k方向对目标函数f(x)执行混合2，3次插值来进行一维线性搜索，确定校正步长α_k；

A04.将候选相位因子序列x_k校正为x_k+1＝x_k+α_kd_k，利用x_k+1获得f(x)在x_k+1处的梯度g_k+1，对海斯矩阵H_k+1进行校正，并使得k＝k+1，返回执行步骤A02。

3.如权利要求2所述的方法，其特征在于，所述候选相位因子序列的组数为U，每组候选因子序列的维数为V，则步骤A01所述初始化迭代次数k、候选相位因子序列x_k和海斯矩阵H_k为：

将迭代次数k初始化为0；

将候选相位因子序列初始化为U×V矩阵，该矩阵中的元素为所述单位圆中的任意数值，并且每V个元素为一组候选相位因子；

将所述海斯矩阵H_k初始化为单位矩阵。

4.如权利要求3所述的方法，其特征在于，步骤A01所述计算目标函数f(x)在x_k处的梯度g_k为：

$g_n\left(n\right)=\frac{\left[f({\tilde{x}}_n-f\left(x_k\right))\right]}{{\mathrm{Diffx}}_k\left(n\right)},$ 其中 ${\tilde{x}}_n=\left\{\begin{array}{cc}{x}_k\left(i\right),& i\&NotEqual;n\\ x_k\left(i\right)+{\mathrm{Diffx}}_k\left(i\right),& i=n\end{array}\right.,$ Diffx_k(i)表示对x_k(i)求偏微分，并且0≤i≤U×V-1、0≤n≤U×V-1。

5.如权利要求2所述的方法，其特征在于，所述候选相位因子序列的组数为U，每组候选因子序列的维数为V，则步骤A01所述目标函数f(x)为：

$f\left(x\right)=\underset{1\&le;i<l\&le;U}{\mathrm{\&Sigma;}}{\left|\underset{v=1}{\overset{V}{\mathrm{\&Sigma;}}}\exp \left(\mathrm{jx}((i-1)U+v)\right){\exp }^{*}\left(\mathrm{jx}((l-1)U+v)\right)\right|}^2,$ 其中j表示虚部。

6.如权利要求2所述的方法，其特征在于，步骤A04所述对海斯矩阵H_{k +1}进行校正为：

$H_{k+1}=\left\{\begin{array}{cc}\frac{s_k^T{y}_k}{y_k^T{y}_k}\&times;I,& k=0\\ H_k+(1+\frac{y_k^T{H}_k{y}_k}{s_k^T{y}_k})\frac{s_k{s}_k^T}{s_k^T{y}_k}-\frac{s_k{y}_k^T{H}_k+H_k{y}_k{s}_k^T}{s_k^T{y}_k},& k\&NotEqual;0\end{array}\right.,$

其中，s_k＝α_kd_k，y_k＝g_k+1-g_k。

7.如权利要求1所述的方法，其特征在于，步骤A所述利用全部候选相位因子序列处理发射端中的待传输数据，计算处理结果的PAPR值包括：

A1.将所述待传输数据分组，从所述候选相位因子序列中选择一组作为当前候选相位因子序列；

A2.每组待传输数据与当前候选相位因子序列中的一个相位因子相乘，并进行累加，计算累加结果的PAPR，作为当前候选相位因子序列对应的PAPR；

A3.判断是否存在未被使用的候选相位因子序列，如果是，则从未被使用的候选相位因子序列中选择一组，作为当前候选相位因子，并返回执行步骤A2；否则，执行步骤A中所述对PAPR值进行比较的操作；

步骤C所述将接收到的主信息还原为所述待传输数据为：

对接收到的主信息进行分组，将每组主信息除以所述被选相位因子序列中的对应元素或者将每组主信息与被选相位因子序列中的元素共轭相乘。

8.如权利要求7所述的方法，其特征在于，步骤A1所述对待传输数据分组之后，进一步包括：对每组待传输数据进行快速傅立叶变换；

所述将每组主信息除以所述被选相位因子序列中的对应元素或者将每组主信息与被选相位因子序列中的元素共轭相乘之后，进一步包括：

对除运算获得的结果进行快速傅立叶逆变换。

9.如权利要求8所述的方法，其特征在于，所述步骤A1之前，进一步包括：对所述发射端中的原始数据进行调制处理，将调制后的数据作为待传输数据；

所述对除运算获得的结果进行快速傅立叶逆变换之后，进一步包括：对快速傅立叶逆变换的结果进行解调操作。

Images