CN111614595A - 一种基于能效优化的f-tr峰均比抑制方法 - Google Patents
一种基于能效优化的f-tr峰均比抑制方法 Download PDFInfo
- Publication number
- CN111614595A CN111614595A CN202010477133.3A CN202010477133A CN111614595A CN 111614595 A CN111614595 A CN 111614595A CN 202010477133 A CN202010477133 A CN 202010477133A CN 111614595 A CN111614595 A CN 111614595A
- Authority
- CN
- China
- Prior art keywords
- signal
- time domain
- processing
- peak
- redundant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000005764 inhibitory process Effects 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 83
- 230000000670 limiting effect Effects 0.000 claims abstract description 38
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000003321 amplification Effects 0.000 claims abstract description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 9
- 230000001629 suppression Effects 0.000 claims description 33
- 239000013598 vector Substances 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 239000000969 carrier Substances 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000002829 reductive effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 230000006798 recombination Effects 0.000 claims description 3
- 238000005215 recombination Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 238000004891 communication Methods 0.000 abstract description 6
- 230000000452 restraining effect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241000135164 Timea Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012966 insertion method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2614—Peak power aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
- H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
- H04L27/3405—Modifications of the signal space to increase the efficiency of transmission, e.g. reduction of the bit error rate, bandwidth, or average power
- H04L27/3411—Modifications of the signal space to increase the efficiency of transmission, e.g. reduction of the bit error rate, bandwidth, or average power reducing the peak to average power ratio or the mean power of the constellation; Arrangements for increasing the shape gain of a signal set
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Transmitters (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于能效优化的F‑TR峰均比抑制方法,属于无线通信技术领域,用以优化OFDM系统的能量效率;方法包括:对输入的第一时域OFDM信号进行F‑TR迭代处理,得到第二OFDM时域信号;对所述第二OFDM时域信号进行线下训练,训练所述时域限幅处理和频域冗余子载波处理的参数组合,得到算法最佳参数组合;将所述F‑TR迭代处理中时域限幅处理和频域冗余子载波处理中的参数组合更新为所述最佳参数组合;对后续输入的第一时域OFDM信号进行基于最佳参数组合的F‑TR迭代处理,以抑制信号的峰均比。本发明扩展了子载波在频域、时域、空间域的自由度,获得功放效率最大化匹配的信号最佳分布状态,提升了峰均比抑制效果、降低了实现的复杂度。
Description
技术领域
本发明涉及无线通信技术领域,尤其是一种基于能效优化的F-TR峰均比抑制方法。
背景技术
多载波调制对超宽带(Ultra Wide Band,UWB))系统的实现至关重要,当传输带宽达到极限时,模拟调制中的能耗问题更加突出。功放在任何类型的无线通信中都将主导基站能耗,对于任意波形的多载波系统,固有的模拟器件非线性和饱和截止都会引起严重失真,导致功放效率不断下降。高峰均比(Peak-to-Average Power Ratio,PAPR)问题在未来通信系统中更加突出,依靠毫米波、太赫兹等频段,能够实现超宽带的需求,同时也面临超高频功放能量转化率不足的缺陷。
考虑低硬件成本,从信号角度优化功放失真的PAPR抑制技术是目前的主要技术手段。PAPR抑制技术包含:限幅算法、星座图扩展(Active Constellation Extension,ACE)算法、编码算法、冗余子载波法(Tone Reservation,TR)、音频插入法(Tone Injection,TI)、选择性映射法(Selective Mapping,SLM)和部分传输序列法(Partial TransmitSequence,PTS)等。综合来看,预畸变类方法,比如限幅ACE算法在工程领域应用最为广泛,然而随着高阶QAM调制成为5G和未来通信的主流,占比极高的星座图内层矢量挪动受限,无法对峰值优化做出贡献;概率类技术虽然会附加一定的冗余信息,增加计算复杂度,但是综合考虑信号峰均比抑制效果和超宽带高阶M-QAM系统的兼容性,相比于预畸变类和编码类技术,概率类技术被认为是峰均比抑制最具潜力的方向。
超宽带高阶M-QAM调制系统,可兼容的功放优化技术存在空间自由度和频域自由度不足的问题,性能受限。图1为QAM和16QAM星座图扩展示意图,16QAM下ACE的扩张空间和扩张点数大约仅为QAM的1/4,高阶M-QAM调制阶数越高,自由空间越小。必须增加可以自由移动的冗余载波和载波的活动空间来保证功放优化效果。
TR算法是为数不多可以兼容到高阶M-QAM大带宽调制系统的峰均比抑制技术。为克服高阶M-QAM调制时的空间自由度和频域自由度不足的问题,传统TR(冗余子载波)算法通过冗余子载波构造近似脉冲信号在时域维对高PAPR信号进行限幅优化,利用限幅过程中的查表和峰值抵消过程需要消耗极大的复杂度和可观的时间延迟;同时TR峰均比抑制方法,是以降低最高峰值为目标展开的,由于高峰值出现的概率较低,只是影响因素之一,并不能直接全面地改善功放的系统性能,功放效率优化性能有限。
由于超宽带高阶M-QAM调制条件下,占比极大的星座图内层矢量挪动受限,无法对峰值优化做出贡献。为克服峰值优化空间自由度和频域自由度不足导致的性能受限问题,必须增加可以自由移动的冗余子载波和子载波的空间自由度来保证优化效果。传统的TR算法存在高复杂度、长时延和功放效率优化性能受限等问题。
发明内容
鉴于上述的分析,本发明旨在提供一种基于能效优化的F-TR峰均比抑制方法,用以优化OFDM系统的能量效率,解决现有峰均比抑制技术复杂度高、性能受限、效率低的问题。
本发明公开了一种基于能效优化的F-TR峰均比抑制方法,包括如下步骤:
对输入的第一时域OFDM信号进行F-TR迭代处理,得到第二OFDM时域信号;所述F-TR迭代处理为循环迭代处理,单次的F-TR处理包括依次进行的时域限幅处理、频域冗余子载波处理和IFFT变换处理;
对所述第二OFDM时域信号进行线下训练,训练所述时域限幅处理和频域冗余子载波处理的参数组合,得到算法最佳参数组合;
将所述F-TR迭代处理中时域限幅处理和频域冗余子载波处理中的参数组合更新为所述最佳参数组合;
对后续输入的第一时域OFDM信号进行基于所述最佳参数组合的F-TR迭代处理,以抑制信号的峰均比。
进一步地,所述第一时域OFDM信号为加入冗余子载波的时域OFDM信号,具体的生成方法包括:
1)对输入比特信息进行M-QAM映射得到M-QAM数据;
2)确定OFDM信号子载波数量N;其中,包括L个冗余子载波和N-L个M-QAM数据子载波;
进一步地,所述F-TR迭代处理具体包括以下步骤:
1)对第i次迭代的输入信号即上一次迭代的输出信号进行限幅处理得到时域限幅信号 fi(x)为第i次迭代的限幅函数;Ai为第i次迭代的限幅门限; 为的第n个采样点的时域信号,q为采样率;为时域信号的相位;为限幅信号的第n个采样点;
进一步地,所述线下训练将OFDM发射机系统的功放效率最大化作为优化目标,对所述时域限幅处理和频域冗余子载波处理的参数组合进行多元优化,获得最优参数集合。
进一步地,以Rapp模型作为功率放大器模拟函数,所述功放效率最大化的目标函数为:
其中,表示放大信号时的功放效率关键指标IBOn[dB]测量值,评价指标IBOn[dB]=Pin,max-Pin,av-PF-TR;式中,Pin,av为平均输入功率,Pin,max为饱和截止功率,PF-TR为F-TR峰均比抑制的功率增益;满足的信号质量关键指标,
带内失真评价指标:
进一步地,所述多元优化用拟牛顿搜索法实现多元参数全局最佳化。
进一步地,所述拟牛顿搜索法包括:
(Gl+μlI)dl=-gl
得到dl作为下一步迭代的参数组合更新方向;
4)设定搜索步长γl,根据线搜索方法不断减小步长,当搜索的结果接近最优值时,γl近似为0;
令s(l+1)=s(l)+γldl作为拟牛顿法参数优化的更新结果,l=l+1,返回步骤2)。
进一步地,所述线下训练,拟合出的功放效率和导频率的函数关系包括:
1)冗余子载波的导频率和IBO的近似线性关系:
IBO=p1ξ+p0;式中导频率ξ=L/N,p0和p1为拟合线性函数的系数;
2)功放效率和导频率的函数关系:
式中,Pa和Pa,max分别为输入信号平均功率和饱和截止功率,ηmax为理想状态的最高功放效率,β∈[0,1]为功放状态调整因子。
进一步地,采用能量效率作为评价函数,得到的最佳冗余开销:
其中E[·]为期望函数,Tu为OFDM数据体周期,Ts为OFDM总长度,ξ为导频率,κ等效为扣除保护间隔和冗余子载波开销;功放效率ηa为拟合导频率和功放效率函数关系,为激活天线数,Pcir为链路功耗,Psta为电源功耗;H[k]为第k个子载波的MIMO信道矩阵,N0为噪声谱密度,B为有效带宽。
本发明可以实现以下有益效果:
本发明扩展了子载波在频域、时域、空间域的自由度,获得功放效率最大化匹配的信号最佳分布状态,提升了峰均比抑制效果、降低了实现的复杂度。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1是本发明实施例中的QAM和16QAM星座图扩展示意图;
图2是本发明实施例中的基于能效优化的F-TR峰均比抑制方法示意图;
图3为本发明实施例中的基于能效优化的F-TR峰均比抑制方法流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。
本发明的一个具体实施例公开了一种基于能效优化的F-TR峰均比抑制方法,如图2所示,包括如下步骤:
步骤S1、对输入的第一时域OFDM信号进行F-TR迭代处理,得到第二OFDM时域信号;
所述F-TR(Frequency Tone Reservation)迭代处理为循环迭代处理,单次F-TR处理包括依次进行的时域限幅处理、频域冗余子载波处理和IFFT变换处理;循环迭代的次数M可根据需求设定。
步骤S2、对所述第二OFDM时域信号进行线下训练,训练所述时域限幅处理和频域冗余子载波处理的参数组合,得到最佳参数组合;
步骤S3、将所述F-TR迭代处理中时域限幅处理和频域冗余子载波处理中的参数组合更新为所述最佳参数组合;
步骤S4、对后续输入的第一时域OFDM信号进行基于所述最佳参数组合的F-TR迭代处理,以提升OFDM系统的能量效率。
上述方法中,通过F-TR峰均比抑制和智能增强型信号分布的线下优化思路,可通过加性扰码的方式扩展了子载波在频域、时域、空间域的自由度,获得功放效率最大化匹配的信号最佳分布状态,并获得了能量效率指标的极大提升。
具体的,所述第一时域OFDM信号为加入冗余子载波的时域OFDM信号;
大规模MIMO系统中包括MT根发射天线和MT根接收天线。MIMO天线系统每根天线独立实施OFDM峰均比抑制过程,在相同位置设置冗余子载波,且采用相同的峰均比优化制式和参数。
以第t根发射天线为例,用来进行F-TR迭代处理的第一时域OFDM信号具体的生成方法包括:
1)对输入第t根发射天线OFDM调制的比特流信息进行M-QAM映射得到M-QAM数据。
2)确定OFDM信号子载波数量N;其中,包括L个冗余子载波和N-L个M-QAM数据子载波;
具体的,可在原始OFDM信号频域位中均匀分配L个冗余子载波和其他N-L个数据子载波;所有的发射天线预留相同的冗余位和有效数据位。
初次迭代的原始输入信号,预留位R={k0,k1,…,kL-1}初始值置0,并在迭代处理过程中不断更新抑制峰值的有效数据;
优选的,可在第一频域OFDM信号频域位中均匀分配L个预留子载波,将L个预留子载波置0和其他N-L个数据子载波组成频域有效数据信息,产生N点的OFDM调制信号。
本实施例在OFDM峰均比抑制的基础上,扩张到了大规模MIMO系统结构,通过整个MIMO-OFDM系统的MT根天线均进行综合优化资源配置和峰均比抑制,获得整个基站端的功耗优化和能效优化。并可以选择最为高效、简单和适配的均匀化的冗余子载波频域分布方式,提升了峰均比抑制效果、降低了实现的复杂度。
具体的,步骤S1中的F-TR迭代处理具体包括:
其中,LPF低通滤波器可采用凯尔曼窗函数。
在上述F-TR迭代处理过程中,其中迭代次数M,预留子载波个数L,限幅门限Ai,凯尔曼窗函数,ACE扩张系数λi,以及冗余子载波扩张系数ρi构成时域限幅处理和频域冗余子载波处理的参数组合。该参数组合中参数的调整会影响OFDM峰均比抑制效果;本实施例采用线下训练的方法,将OFDM发射机系统的功放效率最大化作为优化目标,对该参数组合进行多元优化,获得最优参数集合。
本实施例的F-TR峰均比抑制手段可以极大的降低峰均比抑制的复杂度,同时开拓了利用冗余子载波在频域、空间域优化的自由度,并结合智能增强型的手段获得空间域、频域和时域的最佳分布状态,匹配最高功放效率而不仅仅是抑制最大峰值。
通过最大化星座空间的活动空间,以保留限幅对峰值优化的贡献,获得更高的峰均比抑制最佳分布的空间自由度以及功放效率的改进效果。信号子载波受到欧式距离的约束优化空间自由度有限,冗余子载波没有约束空间的限制可以尽可能扩大活动范围,并利用迭代收敛的手段,加速和提升接近最高功放效率分布状态的效果。
步骤S2中的线下训练将OFDM发射机系统的功放效率最大化作为优化目标,对所述时域限幅处理和频域冗余子载波处理的参数组合进行多元优化,获得最优参数集合。
当载波数足够大、OFDM样本足够多时,多载波信号的峰值分布和统计结果趋于稳态,峰均比抑制算法和参数适配往往是恒定的,利用智能优化的手段,进行线下训练,获得最高功放效率匹配的方法选择和参数设置,而训练得到的参数值和峰均比抑制优选算法可以在峰均比抑制模块中直接调用,得以实施目标函数下的抑制效果。
其中,Asat表示功率放大器截止电压,即功放直流电压,p为平滑因子表述功放不同线性度的工作状态,p越大线性度越好。通常采用可变动态范围的IBO作为评价功放效率的主要指标:
在本实施例中,频域冗余子载波扩张和信号子载波ACE扩张产生的功率增益对IBO的实际测算有很大的影响。为了在IBO评估中不考虑频域冗余子载波的功率增益,对IBO定义进行重新调整:
IBOn[dB]=Pin,max-Pin,av-PF-TR
其中Pin,av为平均输入功率,Pin,max为饱和截止功率,PF-TR为F-TR峰均比抑制的功率增益。为了更直观地描述IBO净增益,在F-TR策略中要从IBO测量值中减去额外的功率增益。
本实施例统计信号MER时,F-TR处理中将ACE扩张空间内的子载波和预留子载波看作非失真信号,不做失真统计:
其中Ik和Qk为频域信号实部和虚部的理想点,ΔIk和ΔQk分别为信号离散部分的实部和虚部;D为前述数据子载波在OFDM频谱栅中的位置向量。
本实施例设定特定信号质量条件下,最大化功放效率作为F-TR优化的目标函数:
优选地,步骤S2中,利用拟牛顿最优化方法对F-TR峰均比抑制算法的线下训练,获得OFDM发射机系统功放效率最大化的优化目标。υ值可根据发射机进行具体设置,通信和广电数字发射机通常设置υ=40。
拟牛顿最优化方法设置F-TR分布信号在特定MER条件的Rapp功率放大器模型中获得最小IBO作为目标函数:f(s(k))=IBO(s(k));将第k次搜索结果对应的F-TR方案测得的IBO赋予f(s(k))。
利用拟牛顿法进行多元变量的最优化,可以获得全局最优解,获得最佳的参数组合;通过最优化的手段可以加速收敛、利用算力资源突破现有的理论和技术瓶颈。功放智能化通过智能计算的手段优化信号分布状态获得功放效率的适应性提升,从全局能耗的角度增强能量转化率。
具体的拟牛顿最优化方法包括如下步骤:
(Gl+μlI)dl=-gl
得到dl作为下一步迭代的参数组合更新方向;
4)设定搜索步长γl,根据线搜索方法不断减小步长,当搜索的结果接近最优值时,γl近似为0;
令s(l+1)=s(l)+γldl作为拟牛顿法参数优化的更新结果,l=l+1,返回步骤2)。
优选地,步骤S2中,利用拟牛顿最优化方法对F-TR峰均比抑制算法的线下训练,获得OFDM发射机系统功放效率最大化的优化目标,进一步拟合出功放效率和导频率的函数关系,包括如下步骤:
1)基于F-TR峰均比抑制方法,通过增加冗余子载波提升频域自由度和空间自由度,可以获得更好的峰均比抑制效果,通过线下训练结果分析,可以拟合出冗余子载波的导频率和IBO的近似线性关系:
其中,导频率ξ=L/N,p0和p1为拟合线性函数的系数。
2)典型的甲乙类功放模型的功放效率与IBO直接相关:
其中Pa和Pa,max分别为输入信号平均功率和饱和截止功率,ηmax为理想状态的最高功放效率,β∈[0,1]为功放状态调整因子。
优选地,利用拟牛顿最优化方法对F-TR峰均比抑制算法的线下训练,通过拟合的功放效率和导频率的函数关系代入能效优化模型,反馈最佳冗余子载波开销。F-TR方法中选择更高的冗余开销,可以获得更高频域自由度和空间自由度,获得功放效率的进一步优化,同时也导致频谱效率的降低,所有冗余开销需要从传输容量扣除,需要容量和功放之间进行折中,本发明通过能量效率作为评价函数,优选出最佳的冗余开销:
其中E[·]为期望函数,Tu为OFDM数据体周期,Ts为OFDM总长度,κ等效为扣除保护间隔和冗余子载波开销;功放效率ηa=[f(ξ)]-βηmax为拟合导频率和功放效率函数关系,≤M为激活天线数,Pcir为链路功耗,Psta为电源功耗;H[k]为第k个子载波的MIMO信道矩阵,N0为噪声谱密度,B为有效带宽。
通过上述的以OFDM发射机系统的功放效率最大化作为优化目标,通过拟牛顿最优化方法对F-TR迭代处理过程中的参数组合进行多元优化,获得最优参数集合。
将F-TR迭代处理过程中的参数组合更新为最佳参数组合;对后续输入的第一时域OFDM信号进行所述F-TR迭代处理,以抑制信号的峰均比。
具体包括:
2)通过低通滤波方法滤除限幅处理结果中限幅引起的带外噪声。
综上所述,本实施例提供的方法有效地克服了5G大规模MIMO、大带宽高阶M-QAM调制中现有峰均比抑制技术复杂度高、性能受限、效率低的问题。采用优化后的峰均比抑制技术可以极大地提高功率放大器的效率,且IBO的增益与预留子载波的增长呈近似线性的关系,预留子载波导频率ξ=5%的F-TR信号相较于原始OFDM信号IBO增益约为2.9dB,相当于满足特定的信号输出功率情况下,抵消原发射机两个功放的损耗,基本解决了高阶M-QAM调制下多载波发射机的峰均比问题。将功放优化指标引入全局能效优化模型中进行资源配置,有望获得能量效率提升1倍的效果,进一步突破能效极限边界。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于能效优化的F-TR峰均比抑制方法,其特征在于,包括如下步骤:
对输入的第一时域OFDM信号进行F-TR迭代处理,得到第二OFDM时域信号;所述F-TR迭代处理为循环迭代处理,单次的F-TR处理包括依次进行的时域限幅处理、频域冗余子载波处理和IFFT变换处理;
对所述第二OFDM时域信号进行线下训练,训练所述时域限幅处理和频域冗余子载波处理的参数组合,得到算法最佳参数组合;
将所述F-TR迭代处理中时域限幅处理和频域冗余子载波处理中的参数组合更新为所述最佳参数组合;
对后续输入的第一时域OFDM信号进行基于所述最佳参数组合的F-TR迭代处理,以抑制信号的峰均比。
2.根据权利要求1所述的基于能效优化的F-TR峰均比抑制方法,其特征在于,所述第一时域OFDM信号为加入冗余子载波的时域OFDM信号,具体的生成方法包括:
1)对输入比特信息进行M-QAM映射得到M-QAM数据;
2)确定OFDM信号子载波数量N;其中,包括L个冗余子载波和N-L个M-QAM数据子载波;
3.根据权利要求2所述的基于能效优化的F-TR峰均比抑制方法,其特征在于,所述F-TR迭代处理具体包括以下步骤:
1)对第i次迭代的输入信号即上一次迭代的输出信号进行限幅处理得到时域限幅信号 fi(x)为第i次迭代的限幅函数;Ai为第i次迭代的限幅门限; 为的第n个采样点的时域信号,q为采样率;为时域信号的相位;为限幅信号的第n个采样点;
5.根据权利要求1所述的基于能效优化的F-TR峰均比抑制方法,其特征在于,
所述线下训练将OFDM发射机系统的功放效率最大化作为优化目标,对所述时域限幅处理和频域冗余子载波处理的参数组合进行多元优化,获得最优参数集合。
7.根据权利要求5所述的基于能效优化的F-TR峰均比抑制方法,其特征在于,所述多元优化用拟牛顿搜索法实现多元参数全局最佳化。
8.根据权利要求7所述的基于能效优化的F-TR峰均比抑制方法,其特征在于,所述拟牛顿搜索法包括:
2)计算gk=▽f(s(l)),μk=||gl||1+τ。若||gl||≤ε成立,则算法结束,s(l)为近似极小点;否则,转步骤3);
3)计算Gl=▽2f(s(l)),并求解线性方重组:
(Gl+μlI)dl=-gl
得到dl作为下一步迭代的参数组合更新方向;
4)设定搜索步长γl,根据线搜索方法不断减小步长,当搜索的结果接近最优值时,γl近似为0;
令s(l+1)=s(l)+γldl作为拟牛顿法参数优化的更新结果,l=l+1,返回步骤2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010477133.3A CN111614595B (zh) | 2020-05-29 | 2020-05-29 | 一种基于能效优化的f-tr峰均比抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010477133.3A CN111614595B (zh) | 2020-05-29 | 2020-05-29 | 一种基于能效优化的f-tr峰均比抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111614595A true CN111614595A (zh) | 2020-09-01 |
CN111614595B CN111614595B (zh) | 2023-05-16 |
Family
ID=72205518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010477133.3A Active CN111614595B (zh) | 2020-05-29 | 2020-05-29 | 一种基于能效优化的f-tr峰均比抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111614595B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362793A (zh) * | 2020-10-13 | 2022-04-15 | 中兴通讯股份有限公司 | 信号处理装置及信号处理方法 |
CN114884793A (zh) * | 2022-07-08 | 2022-08-09 | 清华四川能源互联网研究院 | 基于凸优化的ofdm信号峰均比抑制算法、系统、设备及介质 |
CN115996167A (zh) * | 2023-03-22 | 2023-04-21 | 中国人民解放军国防科技大学 | 混合参数集系统的峰均比抑制方法、系统、装置及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070140101A1 (en) * | 2005-12-15 | 2007-06-21 | Nortel Networks Limited | System and method for reducing peak-to-average power ratio in orthogonal frequency division multiplexing signals using reserved spectrum |
CN107528806A (zh) * | 2017-05-03 | 2017-12-29 | 重庆邮电大学 | 一种降低fbmc‑oqam峰均值比的saci‑tr算法 |
CN109088843A (zh) * | 2018-10-22 | 2018-12-25 | 中国传媒大学 | 一种基于ofdm信号幅度最佳分布的峰均比抑制方法 |
-
2020
- 2020-05-29 CN CN202010477133.3A patent/CN111614595B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070140101A1 (en) * | 2005-12-15 | 2007-06-21 | Nortel Networks Limited | System and method for reducing peak-to-average power ratio in orthogonal frequency division multiplexing signals using reserved spectrum |
CN107528806A (zh) * | 2017-05-03 | 2017-12-29 | 重庆邮电大学 | 一种降低fbmc‑oqam峰均值比的saci‑tr算法 |
CN109088843A (zh) * | 2018-10-22 | 2018-12-25 | 中国传媒大学 | 一种基于ofdm信号幅度最佳分布的峰均比抑制方法 |
Non-Patent Citations (1)
Title |
---|
胡峰等: "基于功放效率的OFDM信号幅度的最佳分布――峰均比抑制", 《电子学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362793A (zh) * | 2020-10-13 | 2022-04-15 | 中兴通讯股份有限公司 | 信号处理装置及信号处理方法 |
CN114884793A (zh) * | 2022-07-08 | 2022-08-09 | 清华四川能源互联网研究院 | 基于凸优化的ofdm信号峰均比抑制算法、系统、设备及介质 |
CN115996167A (zh) * | 2023-03-22 | 2023-04-21 | 中国人民解放军国防科技大学 | 混合参数集系统的峰均比抑制方法、系统、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111614595B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4436410B2 (ja) | クリッピングおよび修正されたコンステレーションを使用するofdmにおけるピーク低減 | |
CN111614595B (zh) | 一种基于能效优化的f-tr峰均比抑制方法 | |
CN109088843B (zh) | 一种基于ofdm信号幅度最佳分布的峰均比抑制方法 | |
CN109951412B (zh) | 深度神经网络抑制信号立方度量的方法 | |
CN107222446B (zh) | 一种大规模mimo-ofdm的峰均功率比降低系统及其方法 | |
Mowla et al. | Performance improvement of PAPR reduction for OFDM signal in LTE system | |
Huleihel et al. | Low PAPR waveform design for OFDM systems based on convolutional autoencoder | |
Liu et al. | A low complexity improved tone reservation method based on ADMM for OFDM systems' PAPR reduction | |
US9008223B1 (en) | Transmitter and method for reducing the peak-to-average power ratio of a digitally modulated communication signal | |
Mountassir et al. | Precoding techniques in OFDM systems for PAPR reduction | |
Tuna et al. | Tone injection with aggressive clipping projection for OFDM PAPR reduction | |
Akurati et al. | PAPR reduction in OFDM using hybrid companding for 5G wireless communications | |
Saicharan et al. | Performance Analysis of Clipping Techniques for 5G NR higher-order UFMC-QAM Systems | |
CN112564799A (zh) | 一种可见光mimo-ofdm系统峰均比抑制方法 | |
Hassaneen et al. | Reducing the peak to average power ratio in MIMO OFDM systems | |
CN113890811B (zh) | 基于比例化贪心算法和ace-pts的子载波分配方法 | |
Merah et al. | PAPR reduction in MIMO (2× 2)-FBMC-OQAM systems using attenuating QAM symbols | |
Cuteanu et al. | Hybrid PAPR reduction scheme using Walsh Hadamard precoding and signal companding | |
Al et al. | A novel scheme ufmc-dsnt for papr reduction in 5g systems | |
Nayak et al. | A review on PAPR reduction techniques in OFDM system | |
Prasad et al. | Hanowa Matrix based SLM Technique for PAPR Reduction in OFDM Systems | |
Han et al. | Joint PAPR reduction method base on ACE POCS and peak clipping | |
CN115102587B (zh) | 一种降低mimo-ofdm系统papr的方法 | |
Varahram et al. | Low complexity ADRG-PTS scheme for PAPR reduction in OFDM systems | |
Aboul-Dahab et al. | PAPR reduction for downlink LTE system based on DCT and Hyperbolic Tangent Companding noise cancellation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |