一种降低多用户MIMO-OFDM系统峰均比及带外辐射的方法

一种降低多用户mimo-ofdm系统峰均比及带外辐射的方法
技术领域
1.本发明涉及无线通信技术领域，具体是一种降低多用户mimo-ofdm系统峰均比及带外辐射的方法。


背景技术：

2.在下一代通信系统中，通过对基站配置大规模天线阵列可以使无线通信系统的吞吐量、频谱效率、安全可靠性和稳定性得到显著提升。由于大规模天线技术的应用使得基站的功耗增加，因此在大规模多用户mimo-ofdm系统中需使用低功耗、低成本的射频链路。
3.在实际的无线通信系统中存在着频率选择性衰落，而最好的对抗频率选择性衰落的技术是ofdm技术，因此mimo技术和ofdm技术都成为物理层中关键技术。ofdm技术作为一种多载波调制技术，将多个正交的子载波叠加在一起，这会导致基站发射信号的包络具有较大的动态波动，从而导致信号具有较高的峰值平均功率比。高峰均比信号通常需要经过线性功率放大器进行传输，然而线性功放的价格十分昂贵且工艺要求更高，这会产生较高的硬件花费。高峰均比信号经过非线性功率放大器时会产生严重的非线性失真，由此会导致信号畸变，导致系统性能的严重恶化，因此我们需使用有效的方法来降低大规模多用户mimo-ofdm系统的峰均比。


技术实现要素：

4.发明目的：针对以上缺点，本发明提供一种降低多用户mimo-ofdm系统峰均比及带外辐射的方法，抑制系统发射信号的峰均比问题建立凸优化模型，通过fista算法求解模型从而有效抑制系统的峰均比、带外辐射、带内干扰和基站发射功率，同时保持良好的误符号率。
5.技术方案：为解决上述问题，本发明提供一种降低多用户mimo-ofdm系统峰均比及带外辐射的方法，具体包括以下步骤；
6.(1)配置基站天线数量与ofdm子载波数目；设定接收端用户数量，生成用户传输的数据信号；
7.(2)对生成用户传输的数据信号进行预编码；
8.(3)将预编码后的信号经过重排序处理后调制至发射天线上；
9.(4)建立凸优化模型对发射天线上的发射信号进行峰均比抑制；所述的凸优化模型公式为：
[0010][0011][0012]
式中，α为设定参数；为调制至发射天线上的时域信号，为所有用户数据的组成的序列；为块对角矩阵，μ
t
为重排矩阵的转置；m
t
为基站天线数目；
[0013]
(5)采用fista算法求解凸优化模型，获得抑制峰均比后的发射信号；
[0014]
(6)将抑制峰均比后的发射信号经过功率放大器进行功率放大后传输至无线信道，接收端接受自无线信道传输的信号经过时频域转换后获得最终输出的频域信号。
[0015]
进一步的，步骤(5)中的采用fista算法来求解凸优化模型具体包括以下步骤：
[0016]
(5.1)令函数计算的逼近算子的公式为：
[0017][0018]
其中，
[0019]
(5.2)初始化向量z1＝y0；设定参数β、最大的迭代次数k
max
，设定更新步长δ1＝1；
[0020]
(5.3)对输出向量进行迭代；其中，k＝1,2,
…
,k
max
；δ
k+1
为迭代第k+1次的步长；δk为迭代第k次的步长；
[0021]
(5.4)当达到最大的迭代次数，结束循环迭代，输出向量z
k+1
；即当凸优化模型中的取得输出向量z
k+1
时，整个凸优化模型取得最小值。
[0022]
进一步的，步骤(2)中选用迫零预编码的方式进行预编码。
[0023]
进一步的，步骤(3)具体包括：
[0024]
(3.1)利用重排序矩阵对于预编码后的信号进行重排序处理，公式为；
[0025][0026]
式中，为预编码后的信号进行重排序处理后的信号；μ为重排序矩阵；为预编码后的信号归一化的信号；
[0027]
(3.2)将重排序处理后的信号通过idft变换进行调制，调制后传输至发射天线上。
[0028]
进一步的，步骤(6)中抑制峰均比后的发射信号传输至无线信道前，在发射的时域信号中间或者两端添加循环前缀编码；接收端接受自无线信道传输的信号进行时频域转换前去除发射时添加的循环前缀信号。通过添加前缀编码来避免码间干扰。
[0029]
进一步的，最大迭代次数设置为2000次。
[0030]
此外，本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述方法的步骤。
[0031]
有益效果：本发明所述一种降低多用户mimo-ofdm系统峰均比及带外辐射的方法相对于现有技术，其显著优点是：将多用户mimo-ofdm系统抑制峰均比问题建立凸优化模型，通过设计的fista算法求解该模型得到抑制峰均比的发射信号从而减少系统的峰均比、带外散射、多用户间干扰和基站功耗。
附图说明
[0032]
图1所示为本发明中大规模多用户mimo-ofdm系统的下行链路模型图；
[0033]
图2所示为本发明所述中fista算法收敛效果图；
[0034]
图3所示为不同算法优化后的时域信号幅度图；
[0035]
图4所示为不同算法优化后的频域信号幅度图；
[0036]
图5所示为不同算法的papr抑制性能图；
[0037]
图6所示为不同算法的ser性能图；
[0038]
图7所示为本发明所述方法在不同发射天线下的系统性能；图7(a)为平均峰均比性能；图7(b)为平均带外散射性能；图7(c)为平均多用户间干扰性能；图7(d)为平均功率增量性能；
[0039]
图8所示为本发明所述的方法在不同迭代次数下的系统性能；图8(a)是平均峰均比性能；图8(b)是平均带外散射性能；图8(c)是平均多用户间干扰性能；图8(d)是平均功率增量性能。
具体实施方式
[0040]
下面结合附图对本发明的技术方案进一步说明。
[0041]
如图1所示，本发明采用一种降低多用户mimo-ofdm系统峰均比及带外辐射的方法，具体包括以下步骤；
[0042]
步骤一：设定mu-mimo-ofdm系统，生成用户传输的用户数据信号；
[0043]
具体的，设置多用户mimo-ofdm系统中的基站天线数目为m
t
，单天线用户数为mr；且始终满足天线数目大于用户数目，即m
t
＞＞mr；设定ofdm子载波设为n＝128个，其中有λ＝108个子载波为数据载波，用于传输数据，λc＝20个子载波为空闲载波，放于频带两端和中间保护频带。根据某个星座集φ生成用户信息用户信息集为
[0044]
步骤二：对生成用户传输的用户数据信号进行预编码；
[0045]
具体的，将用户信号按照迫零预编码的方式进行预编码预编码后的用户生成信号集为了避免预编码信号收到信道状态信息的影响，将预编码后的信号进行归一化处理得到频域信号
[0046]
步骤三、将预编码后的信号经过重排序处理后调制至发射天线上；
[0047]
(3.1)利用重排序矩阵对于预编码后的信号进行重排序处理，公式为；
[0048][0049]
式中，为预编码后的信号进行重排序处理后的信号；μ为重排序矩阵，具体为：
[0050][0051]
其中m
m,n
是一个维度为m
×
n的子矩阵，其内部元素除了第(n,m)为1外，其余都为0，
具体形式如下：
[0052][0053]
根据重排序矩阵的定义，有
[0054]
(3.2)将重排序处理后的信号通过idft变换进行调制，变换成时域信将调制后信号传输至发射天线上。
[0055][0056]
步骤四：对发射天线上的发射信号进行峰均比抑制，将抑制峰均比问题建立凸优化模型；所述的凸优化模型公式为：
[0057][0058]
其中，为了去除终端多用户间的干扰，用于数据传输的信号应满足用作频带保护的载波应满足将上述两个约束集成为单个约束具体写为其中是块对角矩阵，其主对角线上包含hn,n∈λ和,n∈λ和是用户数据和空闲数据的集合；将优化模型公式(4)进行转换如公式(5)的形式：
[0059][0060]
由排序矩阵定义可以得到又由idft变换矩阵可以得到其中，为块对角矩阵，模型公式(5)中相关约束可以写为：
[0061][0062]
结合上式可以将模型公式(5)写为以下形式：
[0063][0064]
由于模型公式(7)中的目标函数是非凸的，直接求解会很困难，因此本发明使用
来进行替代，而其他发明使用进行替代；其他发明求得的解只是一个截断解，而本发明使用求得的解为精确解。将模型公式(7)转化为：
[0065][0066]
继续对于模型公式(8)进行变换获得：
[0067][0068]
其中，是一个很小的均方误差阈值，通过选择合适的正则参数α，模型公式(9)也可以写为以下形式：
[0069][0070]
步骤五：采用fista算法来求解上述的凸优化模型，获得抑制峰均比后的发射信号；具体的步骤包括：
[0071]
(1)使用fista算法求解前，还需给出逼近算子的求解过程，令函数和函数的逼近算子可以写为：
[0072][0073]
其中，
[0074]
其中，公式(11)的逼近算子一般计算步骤如下所示：
[0075]
a、输入向量u，设定参数α、参数β；
[0076]
b、令e＝|u|；对e按照降序的方式进行排序，其中ek表示e中第k大的元素；
[0077]
c、对进行迭代循环，当j达到最大的迭代次数lm
t
n时，结束迭代，输出proxu(；其中，j＝1,2,,lm
t
n；n；
[0078]
(5.2)初始化向量z1＝y0；设定参数β、最大的迭代次数k
max
，设定更新步长δ1＝1；
[0079]
(5.3)对输出向量进行迭代；其中，进行迭代；其中，
[0080]
(5.4)当达到最大的迭代次数，结束循环迭代，输出向量z
k+1
；即当凸优化模型中的取的输出向量z
k+1
时，整个凸优化模型取得最小值。
[0081]
步骤六：将抑制峰均比后的发射时域信号经过功率放大器进行功率放大；同时，在发射时域信号的中间或两端添加循环前缀来避免码间干扰，接着将信号进行数模转换器后经射频链路传输到无线信道中；接收端对收到的信号进行模数转换，去除发送时添加的循环前缀，将信号进行dft变换成频域信号，发送到用户设备中。
[0082]
基于上述为设计的用于抑制大规模多用户mimo-ofdm系统下行链路中峰均比及带外散射的fista算法，通过仿真实验来验证本发明方法的有效性，在软件matlab 2018a中进行仿真实验，设定基站天线数为100，终端用户数为10，ofdm子载波数为128，其中108个载波用于数据传输，20个载波用作保护频带。具体的仿真结果分析如下：
[0083]
为验证设计的fista算法能够达到收敛，定义残余误差值为如图2中横坐标为fista算法的迭代次数，纵坐标为算法的残差值，从图中可以看出在前20次迭代中fista算法的残差曲线下降的非常迅速，残差值低于了10-5
数量级；而在20次迭代之后fista算法的残差曲线下降的比较缓和，逐渐达到收敛效果。仿真中，设定fista算法的最大迭代次数为2000次，对应着约10-7
数量级的残差值，完全能够满足工程实际中的应用。
[0084]
如图3和图4分别展示了不同算法优化后的信号幅度；图3中可以看到fista算法、fbs算法和匹配滤波方法优化后的信号具有较小的幅值，而迫零预编码方法和削波方法优化后的时域信号具有较高的幅值。图4中可以看到本发明所述方法在优化后的频域信号没有产生带外散射，而削波方法则产生了比较严重的带外散射，这是因为削波方法仅仅削去了信号中较大的峰值部分，在削峰的同时没有进行相应的补偿。
[0085]
根据ccdf曲线特性来对比不同算法抑制papr的效果，其中ccdf(value)＝prob(papr》value)表示峰均比值大于给定阈值value的概率。图5中可以观察到在ccdf(value)＝10-3
时，本发明所述方法经过1000次迭代能够将峰均比值降低到6.6db，经过2000次迭代后能够将峰均比值降到4.5db。而削波方法将papr值降到4.9db，fbs算法经过5000次迭代后将峰均比值降到9.8db，zf预编码方法和mf预编码方法的papr值分别为13db左右。与削波方法、fbs算法、zf预编码方法和mf预编码方法相比，经过2000次迭代的fista算法峰均比值分别降低了0.4db、5.3db、8.5db和8.5db。
[0086]
如图6所示，比较不同算法的ser性能，横坐标为信噪比值，纵坐标为ser值。在ser＝10-3
时，与理想的迫零预编码方法相比，本发明所述方法在1000次迭代后信噪比损失0.24db，经过2000次迭代后信噪比损失0.34db，fbs算法经过5000次迭代后信噪比损失0.28db，削波方法信噪比损失约7db，而mf预编码方法信噪比损失超过10db。与削波方法和mf预编码方法相比，2000次迭代后的fista算法信噪比损失分别减少6.6db和10db以上。
[0087]
如图7所示，本发明所述方法在基站配置的不同天线数目下具有不同的性能，图7(a)中随着基站天线数量的增加则系统的峰均比值会出现略微升高；图7(b)中随着基站天线数量的增加则系统的带外散射值会逐渐降低；当基站天线数目为100时，系统的带外散射值约为-65.5db；图7(c)中随着基站天线数量的增加则系统中多用户干扰值也会随着降低，当基站天线数目为100根时，系统的多用户干扰值约为-109db；图7(d)中随着基站天线数量的增加则基站功率增量值也会随着降低，当基站天线数目为100根时，系统的功率增量约为0.41db。
[0088]
如图8所示，本发明所述方法在不同迭代次数下具有不同的效果，图8(a)中随着迭代次数的增加则系统的峰均比值会会随着降低，当迭代次数为100次时系统的峰均比值为9.2db，当迭代次数为2500次时系统的峰均比值最低，为3.1db；图8(b)中随着迭代次数的增加，系统的带外散射值会逐渐降低，当迭代次数为2000次时，系统的带外散射值约为-66db；图8(c)中随着迭代次数的增加，系统中多用户干扰值也会随着降低，当迭代次数为2000时，系统的多用户干扰值约为-109db；图8(d)中随着迭代次数的增加，基站功率增量值会随着增加，因为迭代次数的增加会增加基站的功耗，当迭代次数为2000时，此时系统的功率增量约为0.41db。