CN103107971A - 一种降低ofdm信号papr的相位因子优选对方法 - Google Patents

Abstract

本发明公开了一种降低OFDM信号PAPR的相位因子优选对方法，采用对相位因子矩阵进行迭代优化的方式获得最优相位因子序列：随机生成Q×V相位因子矩阵，其中Q＝P²，P为用户设置数，V为相位因子个数，对相位因子矩阵进行划分，分成两个分矩阵，将分矩阵中的相位因子分向量分别与数据频域信号矩阵点乘后得到相位旋转结果，将相位旋转结果PAPR按从小到大排序，选择前P个PAPR所对应的分向量，从两个分矩阵共计可得到两组分向量，将第一组的每个分向量分别与第二组的每个分向量相加，重新构成Q×V相位因子矩阵。经多次迭代可实现相位因子矩阵的优化，在优化相位因子矩阵中选择使传输信号PAPR最低的相位因子向量作为最优相位因子序列。采用本发明可以更快速有效地获得较优的相位因子，降低OFDM系统的PAPR。

Description

一种降低OFDM信号PAPR的相位因子优选对方法

技术领域

本发明属于无线通信技术领域，更为具体地讲，涉及一种降低OFDM信号PAPR的相位因子优选对方法。

背景技术

随着通信技术发展，人们对通信宽带化、个人化和移动化的需求越来越高。OFDM（Orthogonal Frequency Division Multiplexing，正交频分复用）技术作为一种多载波传输系统，以其较高的频谱利用率、良好的抗多径衰落、抗干扰性能，在无线通信领域得到了广泛的应用，成为未来移动多媒体通信的主要候选技术之一。

尽管OFDM技术具有许多优点，但是OFDM系统具有高PAPR（Peak toAverage Power Ratio，峰值平均功率比，简称峰均比）的缺点。由于OFDM系统是多载波系统，它将数据信号串并变换为多个子信道传输，当多个信号相位一致时，所得到的叠加信号的瞬时功率会远远大于信号的平均功率，导致较高的峰均比。高峰均比会导致信号畸变，引入子载波间干扰及带外辐射，降低系统性能，降低功率放大器的效率。

现在已经存在很多降低PAPR的方法，例如限幅法、编码方法、选择性映射、PTS（Partial Transmit Sequences，部分传输序列）等等。其中PTS方法是一种有效的抑制PAPR算法。PTS方法首先在IFFT（Inverse Fast Fourier Transform快速傅里叶逆变换）调制前将频域数据分割成V个子块，各子载波数据只在一个数据子块中出现，而在其他数据子块中为零；然后对V组信号分别进行IFFT变换，生成V组时域信号；将各组时域信号与相位因子相乘，得到不同相位旋转结果；将得到的各组结果叠加产生备选信号；发送端从中选取最小PAPR的备选信号发送。PTS方法的关键在于如何选最佳相位因子组合。如果使用传统的全面搜索来选择相位因子，虽然效果好但是计算复杂度非常高。目前PTS中搜索相位因子组合的算法有很多，智能算法已经被广泛应用在搜索最佳相位因子组合上，智能算法中的GA-PTS算法（Genetic Algorithm，遗传算法）、粒子群算法都是有效的搜索最优相位因子方法，但是仍然存在易陷入局部最优化的缺点，并且要取得好的优化效果需要的迭代次数较高，不能完全满足OFDM系统中抑制PAPR的需求。

发明内容

本发明的目的在于克服现有技术的不足，提供一种降低OFDM信号PAPR的相位因子优选对方法，对GA-PTS算法进行改进，能够搜索最优相位因子组合、抑制OFDM系统的PAPR，减少寻找最优相位因子的迭代次数。

为实现上述发明目的，本发明降低OFDM信号PAPR的相位因子优选对方法，其特征在于包括以下步骤：

（1）、接收OFDM信号，对信号进行串并转换，得到数据频域信号X；采用PTS方法中分割子块的任意分割方法，将数据频域信号X分成V块，记为X_v,v＝0,1,…,V-1；

（2）、将V块数据频域信号X_v分别进行IFFT变换，得到V块数据时域信号Y_v,v＝0,1,…,V-1，构成数据时域信号矩阵为Y＝[Y₀,Y₁,…,Y_v,…Y_V-1]，V块数据时域信号Y_v的相位因子相互独立，分别记为b_v，相位因子序列记为向量形式B_Y＝[b₀,b₁,...,b_v,...,b_V-1]^T；

（3）、设置最大迭代次数G和相位因子向量数Q＝P²，P为正整数，随机生成Q个初始相位因子向量B_i＝[b_i0,b_i1,...,b_iv,...,b_i(V-1)]^T,i＝0,1,...,Q-1，由Q个相位因子向量B_i构成Q×V的初始相位因子矩阵B＝[B₀,...,B_i,...B_Q-1]^T；

（4）对相位因子进行迭代优化：

4.1）、第g,1≤g≤G次迭代时，将相位因子矩阵

中每个相位因子向量按同样方式划分为两个分向量

且

与

正交；共计得到2Q个相位因子分向量，其中Q个相位因子分向量

构成相位因子分矩阵另外Q个相位因子分向量构成相位因子分矩阵 $B_{\mathrm{\β}}^g={[B_{0,\mathrm{\β}}^g,...,B_{i,\mathrm{\β}}^g,...B_{Q-1,\mathrm{\β}}^g]}^T;$

4.2）、将Q个相位因子向量

分别与数据时域信号矩阵Y点乘得到Q个相位旋转结果

$y_i^g=B_i^g\·Y=\underset{\mathrm{\ν}=0}{\overset{V-1}{\mathrm{\Σ}}}{b}_{\mathrm{i\ν}}^g\×Y_v=\underset{\mathrm{\ν}=0}{\overset{V-1}{\mathrm{\Σ}}}{b}_{\mathrm{i\ν},\mathrm{\α}}^g\×Y_{\mathrm{\ν}}+\underset{\mathrm{\ν}=0}{\overset{V-1}{\mathrm{\Σ}}}{b}_{\mathrm{i\ν},\mathrm{\β}}^g\×Y_{\mathrm{\ν}}=y_{i,\mathrm{\α}}^g+y_{i,\mathrm{\β}}^g$

其中，

为第g次迭代中相位因子向量

中的第v个相位因子，

为第g次迭代中相位因子分向量

中的第v个相位因子，

为第g次迭代中相位因子分向量

中的第v个相位因子；

为相位因子分向量

与数据时域信号矩阵Y的相位旋转结果，为相位因子分向量

与数据时域信号矩阵的相位旋转结果；

计算并保存本次迭代中Q个和Q个

的PAPR；

4.3）、将步骤4.2）中的得到Q个

的PAPR从低到高进行排序，在相位因子分矩阵

中选取前P个PAPR对应的相位因子分向量记为

1≤m≤P，根据Q个

的PAPR在相位因子分矩阵

中选取得到P个相位因子分向量记为

1≤n≤P，构成P对

优选对；将每个

分别与每个

相加，获得Q＝P²个新的相位因子向量

构成新的Q×V的相位因子矩阵 $B^{g+1}={[B_0^{g+1},...,B_i^{g+1},...,B_{Q-1}^{g+1}]}^T;$

（5）、当迭代次数达到最大迭代次数G时，相位因子迭代优化结束，最终获得P对优化相位因子组合

（6）、将P对优化相位因子组合中每个分别与每个

相加得到Q＝P²个相位因子向量构成优化相位因子矩阵

在Q个相位因子向量

中找出使传输信号PAPR值最低的相位因子向量作为最优相位因子序列，得到最优相位旋转结果并输出。

其中，步骤4.1）中相位因子向量划分为两个子向量的方法为：

随机选取V/2个元素位置，对于每个相位因子向量

提取这V/2个元素构成相位因子分向量

且元素位置不变，

中其余元素为0；相位分子分向量

为

中除去

外剩余的V/2个元素，且元素位置不变，其余元素为0。

进一步地，本发明还包括以下步骤：

（7）、将最优相位因子序列作为边带信息输出。

本发明降低OFDM信号PAPR的相位因子优选对方法，随机生成Q×V相位因子矩阵，其中Q＝P²，P为用户设置数，V为相位因子个数，对相位因子矩阵进行划分，分成两个分矩阵，将分矩阵中的相位因子分向量分别与数据频域信号矩阵点乘后得到相位旋转结果，将相位旋转结果PAPR按从低到高排序，选择前P个PAPR所对应的分向量，从两个分矩阵共计可得到两组分向量，将第一组的每个分向量分别与第二组的每个分向量相加，重新构成优化的相位因子矩阵。经多次迭代可实现相位因子矩阵的优化，在优化相位因子矩阵中选择使传输信号PAPR最低的相位因子向量作为最优相位因子序列，从而得到最优的相位旋转结果。采用本发明降低OFDM信号PAPR的相位因子优选对方法，可以更快速有效地获得较优的相位因子，降低OFDM系统的PAPR。

附图说明

图1是本发明降低OFDM信号PAPR的相位因子优选对方法的一种具体实施方式的系统框图；

图2是本发明中相位因子迭代优化的一种具体实施方式流程图；

图3是本发明一个具体实施例的仿真PAPR曲线图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明降低OFDM信号PAPR的相位因子优选对方法的一种具体实施方式的系统框图。如图1所示，本发明降低OFDM信号PAPR的相位因子优选对方法包括以下步骤：

步骤1：接收OFDM信号，对信号进行串并转换，得到数据频域信号X。

步骤2：采用PTS方法中分割子块的任意分割方法，将数据频域信号X分成V块，记为X_v,v＝0,1,…,V-1。

步骤3：将V块数据频域信号X_v分别进行IFFT变换，得到V块数据时域信号Y_v,v＝0,1,…,V-1，构成数据时域信号矩阵为Y＝[Y₀,Y₁,…,Y_v,…Y_V-1]，V块数据时域信号Y_v的相位因子相互独立，分别记为b_v，相位因子序列记为向量形式B_Y＝[b₀,b₁,...,b_v,...,b_V-1]^T。

步骤4：设置最大迭代次数G和相位因子向量数Q＝P²，P为正整数，随机生成Q个初始相位因子向量B_i＝[b_i0,b_i1,...,b_iv,...,b_i(V-1)]^T,i＝0,1,...,Q-1，由Q个相位因子向量B_i构成Q×V的初始相位因子矩阵B＝[B₀,...,B_i,...B_Q-1]^T，初始化迭代次数g＝1。

步骤5：对相位因子进行迭代优化。

图2是本发明中相位因子迭代优化的一种具体实施方式流程图。如图2所示，相位因子迭代优化包括以下步骤：

步骤501：第g,1≤g≤G次迭代时，将相位因子矩阵中每个相位因子向量按同样方式划分为两个分向量

且

与

正交。

本实施例中采用的具体划分方式为：随机选取V/2个元素位置，对于每个相位因子向量

提取这V/2个元素构成相位因子分向量

且元素位置不变，

中其余元素为0；相位因子分向量

为

中除去外剩余的V/2个元素，且元素位置不变，其余元素为0。例如在第g次迭代时，V＝4，

随机选择两个元素位置为第1、3个元素，那么

那么

按相同方式对其他相位因子向量

进行划分。

由Q个相位因子向量

得到2Q个相位因子分向量，其中Q个相位因子分向量

构成相位因子分矩阵

另外Q个相位因子分向量

构成相位因子分矩阵 $B_{\mathrm{\β}}^g={[B_{0,\mathrm{\β}}^g,...,B_{i,\mathrm{\β}}^g,...B_{Q-1,\mathrm{\β}}^g]}^T.$

步骤502：将相位因子向量

分别与数据时域信号矩阵Y点乘得到Q个相位旋转结果

$y_i^g=B_i^g\·Y=\underset{\mathrm{\ν}=0}{\overset{V-1}{\mathrm{\Σ}}}{b}_{\mathrm{i\ν}}^g\×Y_v=\underset{\mathrm{\ν}=0}{\overset{V-1}{\mathrm{\Σ}}}{b}_{\mathrm{i\ν},\mathrm{\α}}^g\×Y_{\mathrm{\ν}}+\underset{\mathrm{\ν}=0}{\overset{V-1}{\mathrm{\Σ}}}{b}_{\mathrm{i\ν},\mathrm{\β}}^g\×Y_{\mathrm{\ν}}=y_{i,\mathrm{\α}}^g+y_{i,\mathrm{\β}}^g$

其中，

为第g次迭代中相位因子向量

中的第v个相位因子，

为第g次迭代中相位因子分向量

中的第v个相位因子，

为第g次迭代中相位因子分向量中的第v个相位因子；

为相位因子分向量

与数据时域信号矩阵Y的相位旋转结果，

为相位因子分向量

与数据时域信号矩阵的相位旋转结果；

计算并保存本次迭代中Q个

和Q个

的PAPR。

步骤503：将步骤502中得到Q个

的PAPR从低到高进行排序，在相位因子分矩阵

中选取前P个PAPR对应的相位因子分向量记为

1≤m≤P，根据Q个

的PAPR在相位因子分矩阵

中选取得到P个相位因子分向量记为

1≤n≤P，构成P对

优选对；将每个

分别与每个

相加，获得Q＝P²个新的相位因子向量

构成新的Q×V的相位因子矩阵

$B^{g+1}={[B_0^{g+1},...,B_i^{g+1},...,B_{Q-1}^{g+1}]}^T.$

步骤6：判断迭代次数g是否达到最大迭代次数G，如果结果为是则结束相位因子迭代优化，输出最终获得的P对优化相位因子组合

如果结果为否则迭代次数g＝g+1，返回步骤5继续进行相位因子最优化。

步骤7：将P对优化相位因子组合中每个

分别与每个

相加得到Q＝P²个相位因子向量

构成优化因子矩阵

在Q个相位因子向量

中找出使传输信号PAPR值最低的相位因子向量

作为最优相位因子序列，得到相位旋转结果并输出。

步骤8：将最优相位因子序列作为边带信息输出。

图3是本发明一个具体实施例的仿真PAPR曲线图。通常采用CCDF(Complementary Cumulative Distribution Function,互补累计分布函数)来衡量OFDM系统内的PAPR分布，定义OFDM信号PAPR大于某一门限PAPR0的CCDF为：CCDF(PAPR(x(t)))=Pr(PAPR(x(t))>PAPR0)。图3中给出了分别使用传统GA-PTS方法和本发明相位因子优选对方法的OFDM系统PAPR的CCDF曲线图。

本实施例的仿真参数为：10000个随机生成的独立OFDM信号，信号分块数V=8，子载波数128，相位因子从{±1,±j}中取值、最大迭代次数G为30，图3分别绘制了迭代次数g分别为5、10、20、30时的CCDF曲线。传统GA-PTS每次迭代的基因数相当于优选对方法中的相位因子向量数，优选对方法的相位因子数量Q＝4²＝16，传统GA-PTS方法的种群基因数也是16，其交叉概率为1，突变概率为0.05。

表1为在CCDF＝10^-3处的PAPR性能。

迭代次数	传统GA-PTS方法	相位因子优选对方法	PAPR性能差值
				g＝5	7.19dB	7.03dB	0.16dB
g＝10	7.11dB	6.88dB	0.23dB
				g＝20	7.02dB	6.81dB	0.21dB
g＝30	6.93dB	6.77dB	0.16dB

表1

根据表1可知：在迭代次数g=5时，使用相位因子优选对方法的OFDM系统的PAPR性能优于使用传统GA-PTS方法的系统的PAPR性能0.16dB；在迭代次数g=10时，使用相位因子优选对方法的系统的PAPR性能优于使用传统GA-PTS方法的系统的PAPR性能0.23dB；在迭代次数g=20时，使用相位因子优选对方法的系统的PAPR性能优于使用传统GA-PTS方法的系统的PAPR性能0.21dB；在迭代次数g=30时，使用相位因子优选对方法的系统的PAPR性能优于使用传统GA-PTS方法的系统的PAPR性能0.16dB。经本实施例仿真可以说明在相同条件下，使用相位因子优选对方法的系统其PAPR性能优于使用传统GA-PTS方法0.2dB左右。

本发明降低OFDM信号PAPR的相位因子优选对方法，在GA-PTS算法基础上进行改进，在降低系统PAPR时，生成多个具有低PAPR的序列并且有更大的概率获得具有较低PAPR的序列，从而实现将相位因子序列分块行选择、优化。本发明的复杂度与传统GA-PTS方法大致相等，但经仿真验证得出，本发明能够使传输信号获得低于传统GA-PTS方法的PAPR值，并且收敛速度快，可以改进传统GA-PTS方法迭代次数多的缺点。本发明可以应用于使用相位因子元素降低多载波系统PAPR的方法。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种降低OFDM信号PAPR的相位因子优选对方法，其特征在于包括以下步骤：

（1）、接收OFDM信号，对信号进行串并转换；采用PTS方法中分割子块的任意分割方法，将数据频域信号X分成V块，记为X_v,v＝0,1,…,V-1；

（2）、将V块数据频域信号X_v分别进行IFFT变换，得到V块数据时域信号Y_v,v＝0,1,…,V-1，数据时域信号矩阵为Y＝[Y₀,Y₁,…,Y_v,…Y_V-1]，V块数据时域信号Y_v的相位因子相互独立，分别记为b_v，相位因子序列记为向量形式B_Y＝[b₀,b₁,...,b_v,...,b_V-1]^T；

（3）、设置最大迭代次数G和相位因子向量数Q＝P²，P为正整数，随机生成Q个初始相位因子向量B_i＝[b_i0,b_i1,...,b_iv,...,b_i(V-1)]^T,i＝0,1,...,Q-1，由Q个相位因子向量B_i构成Q×V的初始相位因子矩阵B＝[B₀,...,B_i,...B_Q-1]^T；

（4）对相位因子进行迭代优化：

4.1）、第g,1≤g≤G次迭代时，将相位因子矩阵

中每个相位因子向量按同样方式划分为两个分向量

且

与

正交；共计得到2Q个相位因子分向量，其中Q个相位因子分向量

构成相位因子分矩阵

另外Q个相位因子分向量

构成相位因子分矩阵 $B_{\mathrm{\β}}^g={[B_{0,\mathrm{\β}}^g,...,B_{i,\mathrm{\β}}^g,...B_{Q-1,\mathrm{\β}}^g]}^T;$

4.2）、将Q个相位因子向量

分别与数据时域信号矩阵Y点乘得到Q个相位旋转结果y：

$y_i^g=B_i^g\·Y=\underset{\mathrm{\ν}=0}{\overset{V-1}{\mathrm{\Σ}}}{b}_{\mathrm{i\ν}}^g\×Y_v=\underset{\mathrm{\ν}=0}{\overset{V-1}{\mathrm{\Σ}}}{b}_{\mathrm{i\ν},\mathrm{\α}}^g\×Y_{\mathrm{\ν}}+\underset{\mathrm{\ν}=0}{\overset{V-1}{\mathrm{\Σ}}}{b}_{\mathrm{i\ν},\mathrm{\β}}^g\×Y_{\mathrm{\ν}}=y_{i,\mathrm{\α}}^g+y_{i,\mathrm{\β}}^g$

其中，

为第g次迭代中相位因子向量

中的第v个相位因子相位因子向量，

为第g次迭代中相位因子分向量

中的第v个相位因子，

为第g次迭代中相位因子分向量中的第v个相位因子；

为相位因子分向量

与数据时域信号矩阵Y的相位旋转结果，

为相位因子分向量

与数据时域信号矩阵的相位旋转结果；

计算并保存本次迭代中Q个

和Q个

的PAPR；

4.3）、将步骤4.2）中的得到Q个

的PAPR从低到高进行排序，在相位因子分矩阵

中选取前P个PAPR对应的相位因子分向量记为1≤m≤P，根据Q个

的PAPR在相位因子分矩阵

中选取得到P个相位因子分向量记为

1≤n≤P，构成P对

优选对；将与

相加，获得Q＝P²个新的相位因子向量

构成新的Q×V的相位因子矩阵

$B^{g+1}={[B_0^{g+1},...,B_i^{g+1},...,B_{Q-1}^{g+1}]}^T;$

（5）、当迭代次数达到最大迭代次数G时，相位因子迭代优化结束，最终获得P对优化相位因子组合

（6）、将P对优化相位因子组合中每个

分别与每个

相加得到Q＝P²个相位因子向量构成优化相位因子矩阵

在Q个相位因子向量

中找出使传输信号PAPR值最低的相位因子向量

作为最优相位因子序列，得到最优相位旋转结果并输出。

2.根据权利要求1所述的相位因子优选对方法，其特征在于，所述的步骤4.1）中相位因子向量划分为两个子向量的方法为：

随机选取V/2个元素位置，对于每个相位因子向量

提取这V/2个元素构成相位因子分向量

中其余元素为0；相位分子分向量

为

中除去

外剩余的V/2个元素，且元素位置不变，其余元素为0。

3.根据权利要求1所述的相位因子优选对方法，其特征在于，还包括以下步骤：

（7）、将最优相位因子序列作为边带信息输出。

Images