一种基于级联最优相位的PAPR抑制方法与流程

本发明涉及一种papr抑制方法，特别是一种基于级联最优相位的papr抑制方法。

背景技术：

ofdm是一种高速数据传输技术，将高速串行数据变换成多路相对低速的并行数据并对不同的载波进行调制。这种并行传输体制大大扩展了符号的脉冲宽度,提高了抗多径衰落等恶劣传输条件的性能。

然而，与单载波系统相比，ofdm系统的输出容易导致出现较大的峰值平均功率比(peaktoaveragepowerratio，papr)。高papr对发射机功率放大器的线性度提出了很高的要求。如果功率放大器的动态范围不能够满足信号的变化，则信号通过放大器后波形会发生畸变，使叠加的信号频谱发生变化，从而导致各个子载波之间的正交性遭到破坏。

因此，近年来很多人研究papr的抑制方法。

信号预畸变技术是直接降低峰均比的办法，经过非线性处理预畸变，使其基本限制在放大器的动态范围之内。信号在经过非线性器件之前进行限幅，可以使得峰值信号低于所期望的最大电平值。但是，限幅引起信号的畸变，使得整个系统的误码(ber)性能有所下降，限幅的门限越低，信号失真越明显，系统的ber性能就越差。

第二类为编码类技术，这种方法的基本原理是利用不同编码产生papr较小的ofdm符号，也就是避免使用那些会生成大峰值功率信号的编码图样。但是这种方法的缺点在于可供使用的编码图样比较少，编码效率随着子载波数增加而降低。

第三类是概率类技术，通过对ofdm符号加入不同的加扰序列来选择具有最小papr的ofdm信号进行传输。概率类方法通常有slm和pts。slm方法是先产生包含相同信息并独立的多个ofdm信号，选择其中papr小的信号发送，如果经过逆傅里叶(ifft)变换后产生的传输序列越多则性能越好。部分传输序列技术(pts)方法是将输入的数据向量划分成多个相互不重叠的子向量，给子向量中的子载波乘以一个相同的旋转因子，通过选择旋转因子来降低papr。

对于限幅法来说，信号过高的部分被限幅，使得信号失真。编码方式在载波数很多时，复杂度很高而且有着很高的冗余。概率类方法不会影响信号的误码率，而且复杂度在接受范围内，而且没有很高的冗余，其中包含两种方式slm和pts。另外，slm的计算复杂度要小于pts的复杂度。因此slm被广泛的用在ofdm信号papr的抑制中。

在ofdm系统中，ofdm信号是由多个独立的、经过调制的子载波信号叠加而成，这样所合成的叠加信号有可产生很大的峰值功率，由此会带来较大的峰均功率比(papr)。

ofdm信号的峰均功率比定义为

传统的slm方法，通过产生多组相同数据信息的信号，乘以不同相位序列，产生新的信号，选择具有最低papr的信号进行传输。传统的slm结构框图如图1所示。在图3左边方框中，方框上面部分为ofdm频谱图，下面为时域波形图。不同方框代表相同数据信息的信号。这些信号分别与一组各不相同的随机相位序列相乘p(i)，其中i＝1,2…,u。u为随机相位序列数。p(i)可表示为[π/2,-π/2,-π/2….π/2],[-π/2,π/2,…,π/2]，[π,π,…,-π]等，有u种随机相位序列，每个序列中有着和载波数相同的相位元素，这些相位元素主要由±π/2或者±π组成的。这样原来相同数据信息的信号经过不同随机相位序列相乘后，变成新的互不相同的信号，然后再经过ifft变换后，其时域波形如图1中蓝色及红色曲线表示。最后计算每个新产生信号的papr值，选择具有最低papr的一组信号进行发送，其时域波形图如图3中红色曲线表示。

但是，如果想要papr更低，对于slm算法来说只能通过增加相位序列的个数，才能有较高的概率获得更低papr的相位，然而papr的降低并不是随着相位的增长成线性关系，因此对于slm来说，大量的相位序列对papr的抑制效果可能并不理想。

技术实现要素：

本发明所要解决的技术问题是提供一种基于级联最优相位的papr抑制方法，有效地提高低papr出现的概率。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于级联最优相位的papr抑制方法，其特征在于包含以下步骤：

步骤一：初始化slm算法的阶数，每一阶算法的相位序列个数；

步骤二：判断是否大于当前slm阶数下给定的相位序列数，若是，则程序结束，若否，则进行步骤三；

步骤三：判断是否计算过最优相位，若是则进行步骤五，若否则进行步骤四；

步骤四：计算最优相位；

步骤五：slm算法模块进行计算，并返回步骤二循环。

进一步地，所述步骤四具体为把[0,π]之间的相位，平均分为若干份，分别计算这些相位情况下，不同相位对应的papr值，选择最小papr值对应的相位为最优相位。

进一步地，所述步骤五中，在相同的载波数和相同的相位序列下，只需要进行计算一次最优相位，第二阶slm算法的最优相位计算是在第一次的基础上，第n次则是在第n-1次的基础上，直到所有阶数的slm算法都获得最优的相位。

进一步地，所述相位序列数和对应的载波数将会被保存在多级slm算法中，计算过一次后，以后只要是给定相同的相位序列数和载波数，都不需要重新计算最优相位。

进一步地，所述papr值为ofdm信号的峰均功率比，

进一步地，所述步骤一中，接收来自调制后的信号，并进行串并转换。

进一步地，所述步骤四将[0,π]之间的相位平均分为100份，具体过程如下

forphase＝[π/100:π/100:π]

初始化：相位序列个数l，载波数；

最优papr值用p0表示，最优解下标用i表示；

在给定phase下，计算papr；

在每阶slm算法之前执行一次，其中i为最优相位的下标，其对应的phase为最优相位。

本发明与现有技术相比，具有以下优点和效果：本发明通过msop-slm算法，可以有效地提高低papr出现的概率，在3阶优化slm算法情况下，10db以下的相位序列出现的概率相对于传统的slm算法有着接近47％提高幅度。另外，我们通过10000个ofdm符号仿真了slm算法和本发明提出的msop-slm算法，在阶数为3和相位序列个数为360的情况下msop-slm算法相对于slm算法有着0.5db的增益。

附图说明

图1是本发明的一种基于级联最优相位的papr抑制方法的流程图。

图2是本发明的计算最优相位的流程图。

图3是现有技术的示意图。

图4是本发明实施例的不同阶段对papr的抑制作用分析图。

图5是本发明实施例的在120个相位序列情况下的papr抑制系统在msops-slm的不同级数下发生概率。

图6是本发明实施例的在ccdf均在10-3情况下，c-ofdm(三角标记)、c-slm(圆形标记)和msop-slm(方形标记)的ccdf性能。

具体实施方式

下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。

如图1和2所示，一种基于级联最优相位的papr抑制方法，包含以下步骤：

步骤一：初始化slm算法的阶数，每一阶算法的相位序列个数；接收来自调制后的信号，并进行串并转换。

步骤二：判断是否大于当前slm阶数下给定的相位序列数，若是，则程序结束，若否，则进行步骤三；

步骤三：判断是否计算过最优相位，若是则进行步骤五，若否则进行步骤四；

步骤四：计算最优相位；

把[0,π]之间的相位，平均分为若干份，分别计算这些相位情况下，不同相位对应的papr值，选择最小papr值对应的相位为最优相位。

papr值为ofdm信号的峰均功率比，

步骤五：slm算法模块进行计算，并返回步骤二循环。

在相同的载波数和相同的相位序列下，只需要进行计算一次最优相位，第二阶slm算法的最优相位计算是在第一次的基础上，第n次则是在第n-1次的基础上，直到所有阶数的slm算法都获得最优的相位。相位序列数和对应的载波数将会被保存在多级slm算法中，计算过一次后，以后只要是给定相同的相位序列数和载波数，都不需要重新计算最优相位。

信号首先接受来自调制之后的型号，经过串并转换，经过多阶slm，然后输出。slm的阶数，可根据papr抑制的要求进行选择。比如，对于一个n阶的级联优化slm算法，在接受来自调制和串并装换之后的信号。如果是第一个ofdm符号执行该算法，我们首先需要先计算当前阶数的情况下slm算法的最优相位值。接着，在第一阶的基础上，计算第二阶的最优相位，以此类推，直到计算出所有阶数下的最优相位。当第二ofdm符号可以不必再次计算每阶的slm的最优相位，只需要直接执行对应阶数的slm算法。

下面通过具体仿真实施例来对本发明进一步进行说明：

本次仿真使用的matlab模拟了一个ofdm的发射端。信号源是采用的是15阶伪随机码(prbs15)，调制格式采用的是16阶的正交振幅调制(16qam)。使用的载波数是1024条，采用3阶的slm优化算法，对于每阶slm设置有120条不同的相位序列。

为了更加准确的找到最优相位，对于0到π直接我们平均分为100份。因此在每一级slm算法之前，将相位[0,π]划分为100等分。并分别计算这100情况下，对应的papr的值，如图4(a)所示，是第一级slm算法之前测试的100种相位下对应的papr值，红色圈内标注出了最优相位所在的范围。如图4(b),仿真出了在第二级slm算法之前，100种相位下papr对应的值，同样使用红色圈标识出了最优相位的范围。如图4(c),仿真了第三级slm算法情况下的100种相位对应的papr，红色圈内的是最优相位范围。

为了能够观测出不同阶数情况下msop-slm算法相对了c-slm的低papr相位序列出现的概率，使用10000个不同的相位序列将被用来测试不同阶数下，不同papr的出现概率。

如图5(a)所示，展示了第一级slm算法的所对应的概率分布图，其中相位选择和传统的slm算法相同，所以第一张图同样代表着传统的slm算法对应的概率分布，其中papr大于10db的概率达到了71.67％。如图5(b)所示，经过一级slm算法，我们重新选择了最优相位，其中papr大于10db的只有28.02％。如图5(c)所示，其中papr大于10db的只有23.55％。随着阶数的不断提高，可以明显看出低papr的相位序列的概率在不断提高。

最后,10000个ofdm信号被用来测试在传统的slm算法和本发明提出的多级优化slm算法两种情况下ccdf曲线，在总的相位序列数均为360时的情况下，本发明提出的算法相对于传统的slm算法有着0.5db的增益。

本发明通过msop-slm算法，可以有效地提高低papr出现的概率，在3阶优化slm算法情况下，10db以下的相位序列出现的概率相对于传统的slm算法有着接近47％提高幅度。另外，我们通过10000个ofdm符号仿真了slm算法和本发明提出的msop-slm算法，在阶数为3和相位序列个数为360的情况下msop-slm算法相对于slm算法有着0.5db的增益。

本说明书中所描述的以上内容仅仅是对本发明所作的举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代，只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。