CN114745243A - 一种适用于中压载波系统的人工蜂群峰均比抑制技术 - Google Patents

一种适用于中压载波系统的人工蜂群峰均比抑制技术 Download PDF

Info

Publication number
CN114745243A
CN114745243A CN202210327840.3A CN202210327840A CN114745243A CN 114745243 A CN114745243 A CN 114745243A CN 202210327840 A CN202210327840 A CN 202210327840A CN 114745243 A CN114745243 A CN 114745243A
Authority
CN
China
Prior art keywords
rotation vector
rotation
vector
peak
bee colony
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.)
Withdrawn
Application number
CN202210327840.3A
Other languages
English (en)
Inventor
徐剑英
王亚梁
汤鑫
刘昭赫
段雪娇
王林涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Topscomm Communication Co Ltd
Original Assignee
Qingdao Topscomm Communication Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Topscomm Communication Co Ltd filed Critical Qingdao Topscomm Communication Co Ltd
Priority to CN202210327840.3A priority Critical patent/CN114745243A/zh
Publication of CN114745243A publication Critical patent/CN114745243A/zh
Withdrawn legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Transmitters (AREA)

Abstract

本发明涉及电力线通信技术领域，公开了一种适用于中压载波系统的人工蜂群峰均比抑制技术，包括：发射端发送的报文经处理后得到待快速傅立叶逆变换的频域序列；利用混沌序列生成旋转向量；以PAPR值为适应度进行人工蜂群算法得到最优旋转向量。本发明优化了原有SLM算法，避免了SLM算法无法对任一输入的OFDM符号都进行理想的PAPR抑制的缺点，通过使用混沌序列生成向量作为人工蜂群算法的基础，进一步改善了人工蜂群算法的高复杂度，使得峰均比抑制带来的系统性能提升更稳定。

Description

一种适用于中压载波系统的人工蜂群峰均比抑制技术
技术领域
本发明属于电力线通信技术领域，具体涉及一种适用于中压载波系统的人工蜂群峰均比抑制技术。
背景技术
中压载波系统通信主要使用的技术为OFDM(orthogonal frequency divisionmultiplexing)即正交频分复用技术，实际上OFDM是MCM(multi carrier modulation)多载波调制的一种，因为其具有较高的频谱利用率、良好的网络结构可扩展性和抗多径干扰能力强等优点得到了普遍应用。但是，OFDM信号是由不同振幅、不同频率的多个子载波信号进行叠加成的，因此会产生很高的峰均功率比(PAPR)。而PAPR过大，则其对线性高功率放大器线性放大的要求也会相应的提高，从而使系统的实现难度和造价大大增加，同时也使得射频功率放大器的效率大幅降低，因此抑制峰均比是提高OFDM性能的重要手段之一。
目前，降低OFDM系统PAPR的方法一般分为3大类：编码类、概率类和限幅类。其中限幅滤波是直接对信号的幅值进行限制，此方法在限制信号峰值的同时也会产生带外频谱泄露和带内失真的问题；编码类方法的带宽效率和编码率比较低，且当子载波数较多的情况编码效率很低；概率类算法能够较好的降低PAPR，而且不会导致浪费带宽及带外频谱泄露等问题。概率类方法中，比较常用的方法有SLM(selective mapping)和PTS(partialtransmit seq uence)，这些方法受限于算法设计者提供的有限数量的选转向量，导致无法稳定的将所有OF DM符号的PARP均抑制在理想范围内。即便选择某些算法进行自适应选择选转向量，但是由于旋转向量维度等限制，难以找到旋转向量的最优解。
发明内容
为解决上述现有技术存在的不足或缺陷，本发明提出一种适用于中压载波系统的人工蜂群峰均比抑制技术，基于SLM方法，结合人工蜂群算法(ABC算法)及混沌序列，从而可以自适应的生成适用于当前OFDM符号的最优旋转向量。
为实现上述目的，本发明提出了一种适用于中压载波系统的人工蜂群峰均比抑制技术，包括以下内容：
加扰、编码、交织、映射处理报文并进行快速傅里叶变换生成时域数据即OFDM符号；
利用混沌序列生成n0个初始旋转向量；
根据时域数据计算峰均比值PAPR，令1/(1+PAPR)作为每个旋转向量的可能度，可能度越大，算法结束后越有可能使用该旋转向量；
雇佣蜂工作模块，利用随机位置的相位翻转结合迭代，生成新的旋转向量，使用可能度高的旋转向量替换可能度低的旋转向量，保持旋转向量总个数为n0个；
更新计算每个旋转向量的可能度；
观察蜂工作模块，利用随机概率与旋转向量的可能度，进一步的更新旋转向量；
侦查蜂工作模块，利用混沌序列生成全新旋转向量，替换原向量中可能度最小的旋转向量；
完成所有迭代后，输出最大可能度的旋转向量。
进一步的，计算OFDM符号的峰均比PAPR，公式为：
Figure BDA0003574157680000021
其中xn为OFDM符号中第n个子载波的幅值，max(|xn|2)表示OFDM符号各个子载波的最大能量值，E(|xn|2)表示OFDM符号的平均功率，PAPR的单位为dB。
进一步的，定义OFDM符号如下：
Figure BDA0003574157680000022
其中f0是信号s(t)的基频，Ak是第k个子载波信号的幅值，Δf0是相邻子载波间的频率间隔，θk是第k个随机相位序列的相位。当子载波信号的幅值在整个时域上相等时，信号s(t)的瞬时功率值为：
Figure BDA0003574157680000023
由此可知功率峰值为EP(t)＝NA2+2A2P0(t)，其中
Figure BDA0003574157680000024
根据PAPR定义可知
Figure BDA0003574157680000025
进一步的，使用混沌序列生成初始旋转向量的具体步骤为：
首先生成n0个随机数：
Figure BDA0003574157680000026
令这n0个随机数作为n0个旋转向量的第一个子载波的相位；然后，利用公式
Figure BDA0003574157680000027
计算得到所有子载波的相位，再对这些相位进行符号提取，得到初始的旋转向量
Figure BDA0003574157680000028
进一步的，旋转向量适应度及可能性计算公式：
第n个旋转向量的适应度公式为：fit(n)＝1/(1+PAPR(φn))，其中PAPR为前述的峰均比；第n个旋转向量的可能性公式为：
Figure BDA0003574157680000029
进一步的，所述ABC算法中雇佣蜂模块内容为：
随机产生m个位置索引，将这m个位置索引对应的相位进行翻转，得到一组新的旋转向量并计算其适应度fit_new，如果fit_new小于原适应度fit，则用新的旋转向量替换原旋转向量。
进一步的，所述ABC算法中观察蜂模块内容为：
首先设定观察路线trail及迭代次数iter，然后逐个向量进行随机判决，如果随机数rand(0<rand<1)小于当前旋转向量的可能性prob，则将当前旋转向量进行雇佣蜂工作，即随机翻转m个相位并保留适应度较小的旋转向量，且iter加1，此时如果新的旋转向量适应度较小，则令trail为0，否则令trail加一；如果随机数rand(0<rand<1)大于当前旋转向量的可能性prob，则对下一组旋转向量进行随机判决，直到满足随机判决的次数达到旋转向量个数后进入下一步。
进一步的，所述ABC算法中侦查蜂模块内容为：利用混沌序列生成一组全新的旋转向量，并替换掉原旋转向量中适应度最高的旋转向量。
本发明的有益效果为：通过对旋转向量进行人工蜂群算法操作，解决了SLM方法无法将任一OFDM符号的峰均比都抑制到理想要求的缺点，更稳定地提升了系统的通信性能；使用混沌序列生成人工蜂群算法的初始值，这使得迭代算法能更快的找到最优解，降低算法复杂度。
附图说明
图1为本发明适用于中压载波系统的人工蜂群峰均比抑制技术的流程图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明的技术方案包含以下步骤：
步骤1：载波机发射端发送的报文经过加扰、编码、交织及映射处理后，得到待IFFT(Inverse Fast Fourier Transform，快速傅立叶逆变换)的频域序列Yi(k)。
其中i代表第i个码元，k代表第k个子载波。
中压载波系统中所使用的调制方式包含BPSK和QPSK两种，进行BPSK(BinaryPhase Shift Keying，二进制相移键控)调制时，各子载波的值从{1，-1}中选择；进行QPSK(Quadrature Phase Shift Keying，四进制相移键控)调制时，各子载波的值从{1+j，1-j，-1+j，-1-j}中选择；
步骤2：按照混沌序列的理论，随机生成n0个初始旋转向量，n0为偶数，混沌序列公式为：
Figure BDA0003574157680000031
其中α、β为固定系数，rand为(0,1)间的随机数，k为OFDM符号中的子载波序号，对混沌序列提取正负即可得到初始的旋转向量
Figure BDA0003574157680000032
步骤3：对步骤1中得到的频域序列的各个码元进行步骤2得到的相位旋转后进行快速傅立叶逆变换，生成时域数据，对生成的时域数据按照PAPR定义计算峰均比值，利用这些峰均比的值计算初始旋转向量的个体适应度fit；
步骤4：对步骤2中生成的相位逐个进行雇佣蜂工作，雇佣蜂工作具体表现为：随机产生m个位置索引，将这m个位置索引对应的相位进行翻转，得到一组新的旋转向量并计算其适应度fit_new，如果fit_new小于原适应度fit，则用新的旋转向量替换原旋转向量，每完成一次雇佣蜂工作后iter加1；
步骤5：计算所有旋转向量的可能性prob；
步骤6：对旋转向量进行观察蜂工作，观察蜂工作具体表现为：首先设定观察路线trail及迭代次数iter，然后逐个向量进行随机判决，如果随机数rand(0<rand<1)小于当前旋转向量的可能性prob，则将当前旋转向量进行雇佣蜂工作，即随机翻转m个相位并保留适应度较小的旋转向量，且iter加1，此时如果新的旋转向量适应度较小，则令trail为0，否则令trail加一；如果随机数rand(0<rand<1)大于当前旋转向量的可能性prob，则对下一组旋转向量进行随机判决，直到满足随机判决的次数达到旋转向量个数后进入下一步；
步骤7：完成所有观察蜂工作后，如果iter小于迭代次数限制limit1后且全部观察路线最多的trail大于观察限制limit2，则进行侦查蜂工作，否则结束本轮工作，侦查蜂工作具体表现为：利用混沌序列生成一组全新的旋转向量，并替换掉原旋转向量中适应度最高的旋转向量；
步骤8：如果iter达到迭代次数限制limit1后，则输出适应度最小的旋转向量作为最终输出。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (5)

1.一种适用于中压载波系统的人工蜂群峰均比抑制技术，其特征在于，具体包括以下步骤：
步骤1：加扰、编码、交织、映射处理报文并进行快速傅里叶变换生成时域数据；
步骤2：利用混沌序列生成n0个初始旋转向量；
步骤3：根据公式计算旋转向量的适应度；
步骤4：初始旋转向量配对；
步骤5：对旋转向量进行结合了雇佣蜂、观察蜂及侦查蜂三种不同寻优方式的人工蜂群算法进行最优旋转向量生成；
步骤6：最优旋转向量输出。
2.根据权利要求1所述的一种适用于中压载波系统的人工蜂群峰均比抑制技术，其特征在于，初始旋转向量由混沌序列生成，其步骤为：
Figure FDA0003574157670000011
其中α、β为固定系数，rand为(0,1)间的随机数，k为OFDM符号中的子载波序号，对混沌序列提取正负即可得到初始的旋转向量φn。
3.根据权利要求2所述的一种适用于中压载波系统的人工蜂群峰均比抑制技术，其特征在于，所述雇佣蜂工作模式包含以下内容：
随机产生m个位置索引，将这m个位置索引对应的相位进行翻转，得到一组新的旋转向量并计算其适应度fit_new，如果fit_new小于原适应度fit，则用新的旋转向量替换原旋转向量。
4.根据权利要求2所述的一种适用于中压载波系统的人工蜂群峰均比抑制技术，其特征在于，所述观察蜂工作模式包含以下内容：
首先设定观察路线trail及迭代次数iter，然后逐个向量进行随机判决，如果随机数rand(0<rand<1)小于当前旋转向量的可能性prob，则将当前旋转向量进行雇佣蜂工作，即随机翻转m个相位并保留适应度较小的旋转向量，且iter加1，此时如果新的旋转向量适应度较小，则令trail为0，否则令trail加一；如果随机数rand(0<rand<1)大于当前旋转向量的可能性prob，则对下一组旋转向量进行随机判决，直到满足随机判决的次数达到旋转向量个数后进入下一步。
5.根据权利要求2所述的一种适用于中压载波系统的人工蜂群峰均比抑制技术，其特征在于，所述侦查蜂工作模式包含以下内容：
利用混沌序列生成一组全新的旋转向量，并替换掉原旋转向量中适应度最高的旋转向量。
CN202210327840.3A 2022-03-31 2022-03-31 一种适用于中压载波系统的人工蜂群峰均比抑制技术 Withdrawn CN114745243A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210327840.3A CN114745243A (zh) 2022-03-31 2022-03-31 一种适用于中压载波系统的人工蜂群峰均比抑制技术

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210327840.3A CN114745243A (zh) 2022-03-31 2022-03-31 一种适用于中压载波系统的人工蜂群峰均比抑制技术

Publications (1)

Publication Number Publication Date
CN114745243A true CN114745243A (zh) 2022-07-12

Family

ID=82278388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210327840.3A Withdrawn CN114745243A (zh) 2022-03-31 2022-03-31 一种适用于中压载波系统的人工蜂群峰均比抑制技术

Country Status (1)

Country Link
CN (1) CN114745243A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109787931A (zh) * 2018-03-20 2019-05-21 中山大学 一种基于改进人工蜂群算法的ofdm信号峰均比降低方法
CN109905344A (zh) * 2019-03-25 2019-06-18 西安电子科技大学 基于部分传输序列的ofdm信号峰均比抑制方法
CN112291174A (zh) * 2020-10-24 2021-01-29 青岛鼎信通讯股份有限公司 一种应用于中压载波通信的峰均比抑制方法
CN112583449A (zh) * 2020-12-04 2021-03-30 青岛鼎信通讯股份有限公司 一种适用于中压载波系统的自适应抑制峰均比的方法
CN113410864A (zh) * 2021-05-08 2021-09-17 南昌大学 一种基于改进人工蜂群算法的三相逆变器控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109787931A (zh) * 2018-03-20 2019-05-21 中山大学 一种基于改进人工蜂群算法的ofdm信号峰均比降低方法
CN109905344A (zh) * 2019-03-25 2019-06-18 西安电子科技大学 基于部分传输序列的ofdm信号峰均比抑制方法
CN112291174A (zh) * 2020-10-24 2021-01-29 青岛鼎信通讯股份有限公司 一种应用于中压载波通信的峰均比抑制方法
CN112583449A (zh) * 2020-12-04 2021-03-30 青岛鼎信通讯股份有限公司 一种适用于中压载波系统的自适应抑制峰均比的方法
CN113410864A (zh) * 2021-05-08 2021-09-17 南昌大学 一种基于改进人工蜂群算法的三相逆变器控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程星: "多载波系统峰均比抑制及信道估计与均衡新方法研究", 中国石油大学（北京）博士学位论文, pages 3 *

Similar Documents

Publication Publication Date Title
CN110945846A (zh) 近恒模合成(storm)波形的高效设计与实现
CN109274629B (zh) Ofdm系统中峰值功率优化方法及发射系统
Zhang et al. A hybrid PAPR reduction scheme for OFDM systems using perfect sequences
Liang et al. The modified artificial bee colony-based SLM scheme for PAPR reduction in OFDM systems
CN112995089B (zh) 基于混沌映射的低复杂度选择映射法改进方法
CN113347131A (zh) 一种改进的slm-pts峰均比抑制方法
CN114745243A (zh) 一种适用于中压载波系统的人工蜂群峰均比抑制技术
Ekengwu et al. Improving Peak to Average Power Ratio of OFDM Signal Using DCT Precoding with Combined Distortion Techniques
Fathy et al. C8. SLM technique based on particle swarm optimization algorithm for PAPR reduction in wavelet-OFDM systems
Lekouaghet et al. Improved SLM technique with a new phase factor for PAPR reduction over OFDM signals
Haque et al. An algorithm for PAPR reduction by SLM technique in OFDM with hadamard matrix row factor
CN112968855B (zh) 一种基于空间优选的pts峰均比抑制方法及数据处理系统
Tian et al. PAPR reduction of OFDM signals using modified partial transmit sequences
Wang et al. Improved SLM for PAPR reduction in OFDM systems
Jirajaracheep et al. A PAPR Reduction in FBMC-OQAM System via Overlapping-PTS with Artificial Bee Colony Phase Optimization
CN114567531A (zh) 一种适用于中压载波系统的遗传退火峰均比抑制方法
Xu et al. Improved elitist genetic algorithm optimization based PTS to PAPR reduction for multi-carrier signals
Bozkurt et al. PAPR Reduction in OFDM Systems using Partial Transmit Sequence combined with Cuckoo Search Optimization Algorithm (ICAT16-0286)
Nair et al. LFDMA PAPR minimization using advanced selective mapping-based phase factor optimization
Wen et al. Coding schemes applied to peak-to-average power ratio (PAPR) reduction in OFDM systems
Nair et al. PAPR reduction in LFDMA systems using Modified Selective Mapping
Ning et al. An exhaustive entropy based SLM method for PAPR reduction of OFDM systems
Zhou et al. An effective constellation extension method for PAPR reduction in OFDM system
Wang et al. A PAPR reduction scheme for OOFDM system with optimized constellation extension
Li et al. Improved Interference Cancellation Method in FBMC/OQAM system on PAPR reduction

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20220712