一種降低fbmc-oqam峰均值比的pts雙層搜索算法
【專利摘要】本發(fā)明請(qǐng)求保護(hù)一種降低FBMC?OQAM系統(tǒng)峰均值比的算法，涉及無(wú)線通信系統(tǒng)。該算法在傳統(tǒng)PTS進(jìn)行子序列化分的基礎(chǔ)之上對(duì)已劃分的子序列再次進(jìn)行分組，形成雙層的子序列劃分結(jié)構(gòu)，為實(shí)現(xiàn)快速搜索本文進(jìn)行分層搜索。首先，對(duì)FBMC?OQAM每個(gè)數(shù)據(jù)塊按照與PTS相同的方法分為V個(gè)子序列，并對(duì)這V個(gè)子序列進(jìn)行分組，共分成D組，每組V/D個(gè)子序列；其次，在搜索時(shí)針對(duì)不同的層次進(jìn)行分層查找，對(duì)于底層算法目的是降低該數(shù)據(jù)塊的PAPR，對(duì)于頂層算法目的是處理相鄰數(shù)據(jù)塊的相互影響，從而降低FBMC?OQAM整體信號(hào)的PAPR。由于采用了分層搜索方式，在每一層內(nèi)的搜索序列長(zhǎng)度均較小，在一定程度上降低了搜索次數(shù)，且不會(huì)引起信號(hào)畸變。
【專利說(shuō)明】
一種降低FBMC-OQAM峰均值比的PTS雙層搜索算法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及無(wú)線通信領(lǐng)域，尤其涉及濾波器組多載波技術(shù)中的降低峰均值比的技 術(shù)。
【背景技術(shù)】
[0002] 隨著第五代移動(dòng)通信(5G)的技術(shù)研究是業(yè)界高度關(guān)注課題，而5G的多址與復(fù)用方 案設(shè)計(jì)正在深入開(kāi)展。盡管正交頻分復(fù)用（0FDM)技術(shù)已經(jīng)被很多無(wú)線標(biāo)準(zhǔn)采用，但是由于 0FDM具有很強(qiáng)的帶外輻射，并且對(duì)載波的頻譜偏移十分敏感，因此，0FDM不再適合5G的發(fā)展 需要?；?FDM的改進(jìn)，目前已經(jīng)提出了濾波器組多載波(FBMC)、通用濾波器多載波(UFMC) 等有效的多址與復(fù)用技術(shù)。
[0003] FBMC是一種多載波技術(shù)，通過(guò)具有較小的旁瓣的濾波器緩解了載波頻率偏移對(duì) 0FDM傳輸?shù)挠绊?，與0QAM(正交幅度調(diào)制)結(jié)合可使頻譜帶外泄露非常低，同時(shí)，由于未使用 循環(huán)前綴，F(xiàn)BMC-0QAM的傳輸速率較高。然而，F(xiàn)BMC-0QAM在傳輸信號(hào)的過(guò)程中，其多個(gè)子信 道疊加，會(huì)產(chǎn)生較大峰值，導(dǎo)致峰均值比(PAPR)較高。因此，降低FBMC-0QAM系統(tǒng)的PAPR是其 應(yīng)用的一個(gè)重要問(wèn)題。自從0FDM系統(tǒng)提出來(lái)，其降低其峰均值比的問(wèn)題一直都是研究的重 點(diǎn)，在過(guò)去的一些年里面，已有很多優(yōu)秀的降低PAPR的技術(shù)被提出[Rahmatallah Y，Mohan S.Peak-T0-Average Power Ratio Reduction in OFDM Systems:A Survey And Taxonomy [J]. IEEE Communications Surveys&Tutorials ,2013,15(15): 1567-1592.]，但對(duì)于 FBMC-0QAM系統(tǒng)降低PAPR的方法還較少。
[0004] 設(shè)FBMC-0QAM含有N個(gè)子載波，經(jīng)過(guò)0QAM調(diào)制、串并轉(zhuǎn)換后，轉(zhuǎn)化為數(shù)據(jù)矩陣X定義 為X^X'X1，. . .，XM-〇，其中，Xm表示第m個(gè)數(shù)據(jù)塊，Μ表示數(shù)據(jù)塊大小。FBMC-0QAM傳輸系統(tǒng) 如圖1所示。
[0005] Xm定義為X111 =(Χ『,ΧΓ,...,Χ^)Τ，:其中Τ定義為轉(zhuǎn)置，X【為第m個(gè)數(shù)據(jù)塊上，第k個(gè) 載波上的數(shù)據(jù)。對(duì)于復(fù)信號(hào)，X?定義為"，其中<，￥分別表示第m個(gè)數(shù)據(jù)塊上， 第k個(gè)載波上的數(shù)據(jù)的實(shí)部信號(hào)和虛部信號(hào)，且實(shí)部信號(hào)與虛部信號(hào)之間在時(shí)域上相差T/ 2，其中T是碼元寬度。通過(guò)原型濾波器h (t)即可得到：
[0007] 其次，<(t),k = 0,1，…,Ν-1和N個(gè)正交子載波正交調(diào)制之后得到：
[0009]然后，5Γ(Λ)在Ν個(gè)子載波信號(hào)上疊加在一起得出FBMC-0QAM在第m個(gè)數(shù)據(jù)塊上的信
[0011] 其中L為原型濾波去h(t)的長(zhǎng)度，顯然Sm(t)的長(zhǎng)度
[0012] 最后，F(xiàn)BMC-0QAM將Μ個(gè)子數(shù)據(jù)塊疊加在一起得出FBMC-0QAM的最終信號(hào)S(t)
[0014]結(jié)合公式(2)和(4)，則
[0016]這里原型濾波器的設(shè)計(jì)采用頻譜抽樣技術(shù)，子載波的數(shù)量為N，重疊因子為k，滾降 因子為α，在未經(jīng)過(guò)上采樣時(shí)，濾波器的長(zhǎng)度L = kN_l，1 = 0，1，. . .，L-1，則
[0019]貝1J濾波器的脈沖響應(yīng)設(shè)計(jì)如下：
[0022]顯然，F(xiàn)BMC-0QAM的原型濾波器的脈沖響應(yīng)的長(zhǎng)度大于T，且輸入信號(hào)的實(shí)部與虛 部之間還有T/2的時(shí)延，故FBMC-0QAM的相鄰數(shù)據(jù)塊是重疊的，相鄰之間的數(shù)據(jù)塊會(huì)相互影 響其的峰均值大小的。
[0023]目前已有的降低PAPR的方法只適用于離散信號(hào)，為了更加的逼近真實(shí)的信號(hào)， FBMC-0QAM信號(hào)S(t)采用T/K的采樣率進(jìn)行采樣，其中Κ = λΝ，其中λ為過(guò)采樣系數(shù)，文獻(xiàn) [Tellado J,Cioffi J M.PEAK TO AVERAGE POWER RATIO REDUCTION IN MULTICARRIER MODULATION SYSTEM:W0,W0/1999/055025[P].1999·]證明，當(dāng)λ彡4時(shí)，采樣后的信號(hào)的PAPR 可以非常的接近連續(xù)信號(hào)的PAPR。本文采用λ = 4。
[0024]于是，復(fù)信號(hào)通過(guò)采樣后的原型濾波器h[n]即可得到
[0026] 其次，<[?|上=0,1,…,Ν-1和N個(gè)正交子載波正交調(diào)制之后得到離散信號(hào)為57[π]β
[0027] 即：
[0028]
[0029]其中h[n]是由連續(xù)原型濾波器h(t)經(jīng)過(guò)采樣之后得到的離散濾波器，其中 >，Lh表示h[n]的長(zhǎng)度，且Lh = XkN-l，其中λ是過(guò)采樣系數(shù)，k是重疊因子，N是子載
波的個(gè)數(shù)。
[0030] 設(shè)A代表與相鄰的數(shù)據(jù)塊的重疊個(gè)數(shù)，顯然J = # +尤/2)尤」&
[0031] PAPR表示信號(hào)的峰值與信號(hào)的均值之比，能夠說(shuō)明信號(hào)的幅度變化的情況。假設(shè) 某個(gè)信號(hào)x n^lJPAPR定義為：
[0033]其中，N表示傳輸信號(hào)χη的長(zhǎng)度。顯然，PAPR的最小值為1 (OdB)。系統(tǒng)的PAPR的性能 可以用互補(bǔ)誤差累積函數(shù)(CCDF)表示，它能計(jì)算出PAPR超過(guò)給出的門限值P〇的概率。
[0034] 為得到分組分層搜索方案，這里先對(duì)FBMC-0QAM信號(hào)的PAPR進(jìn)行分析。傳統(tǒng)的PTS 技術(shù)首先用于0FDM系統(tǒng)中，其主要思路就是先將輸入的數(shù)據(jù)符號(hào)劃分為V個(gè)子組，每個(gè)子組 的長(zhǎng)度仍為N，然后對(duì)每個(gè)子組進(jìn)行系數(shù)最優(yōu)化的求解，最后再合并這些子組，從而達(dá)到降 低整個(gè)系統(tǒng)PAPR的目的[Farhang-Boroujeny B.OFDM versus filter bank multicarrier [J].IEEE Signal Processing Magazine,2011，28(3):92-112·]。傳統(tǒng)的OFDM系統(tǒng)中的PTS 算法框圖如圖2所示。
[0035] 在FBMC-0QAM系統(tǒng)中，將第m個(gè)數(shù)據(jù)塊的輸入信號(hào)分成V個(gè)互不重疊的子序列，設(shè)第 v個(gè)子數(shù)據(jù)的時(shí)域序列為
[0036] ,[nj] Π 0)
[0037] 其中，
[0039] 然后構(gòu)造合適的相位旋轉(zhuǎn)因子0"=仏'盡，.…,V}
[0040] 則第m個(gè)離散數(shù)據(jù)塊經(jīng)過(guò)旋轉(zhuǎn)因子加權(quán)后為
[0042]若將傳統(tǒng)的PTS算法(C-PTS)直接運(yùn)用于FBMC-0QAM系統(tǒng)中則為依次各個(gè)數(shù)據(jù)塊尋 找0'"=(/^/。..../：〇/使得>[?]的?厶?1?最小，即，
[0044]很明顯，我們需要遍歷Wv個(gè)相位因子才能使第m個(gè)數(shù)據(jù)塊的峰值最小。然而由于 FBMC-0QAM相鄰數(shù)據(jù)塊的疊加性，這種方法的性能并不好。后文的仿真可以證明，傳統(tǒng)的PTS 算法不適合FBMC-0QAM系統(tǒng)，我們需要對(duì)其進(jìn)行改進(jìn)。
[0045] 考慮到FBMC-0QAM信號(hào)的特性，根據(jù)公式(4)和(9)可以推出FBMC-0QAM離散信號(hào)表 示為
[0049] 若尋找最佳旋轉(zhuǎn)因子向量組0=(#，妒，· · ·，?^1)使得|[?]的PAPR最小，則尋找旋 轉(zhuǎn)因子向量組的0=(#，妒，...，?^1)可使系統(tǒng)的PAPR顯著降低。
[0050] 然而若采用這種算法則需要遍歷WMV個(gè)相位因子，其中W為總共可選的相位旋轉(zhuǎn)因 子的個(gè)數(shù)，其復(fù)雜度高達(dá)〇(W MV)。我們把這種算法稱為FBMC-0QAM的理想PTS算法(I-PTS)，這 個(gè)驚人的復(fù)雜度是不能讓人接受的，在實(shí)際中是無(wú)法實(shí)現(xiàn)的。我們必須對(duì)這個(gè)算法的思路 進(jìn)行改進(jìn)，才能運(yùn)用于FBMC-0QAM系統(tǒng)中。
[0051 ]首先我們分析FBMC-0QAM信號(hào)的特征。其信號(hào)圖、數(shù)據(jù)塊關(guān)系和單個(gè)數(shù)據(jù)塊信號(hào)圖 分別如圖3、圖4和圖5所示：
[0052]由于原型函數(shù)h(t)的特點(diǎn)，以及FBMC-0QAM中實(shí)部與虛部時(shí)延的問(wèn)題，我們可以發(fā) 現(xiàn)其峰值主要集中在(Lh-K/2)/2~MK+(Lh-K/2)/2這MK個(gè)點(diǎn)之中，如圖3所示。我們?cè)O(shè)這段區(qū) 域?yàn)镻。
[0053] 然后由圖5得出，第m個(gè)數(shù)據(jù)塊位于mK~mK+K/2+Lh之間，然而其峰值主要位于[mK+ (Lh-K/2)/2，（m+l)K+(Lh-K/2)/2)。
[0054]從圖3、4、5可以看出，F(xiàn)BMC-0QAM信號(hào)在各個(gè)數(shù)據(jù)塊峰值以外的部分出現(xiàn)峰值，則 是由于相鄰的數(shù)據(jù)塊相互疊加相互影響造成的。此時(shí)，對(duì)FBMC-0QAM信號(hào)分析，得出其峰均 值比的影響主要有以下兩個(gè)方面:一是單個(gè)數(shù)據(jù)塊由于不同相位的載波的疊加造成的較大 的峰值，二是相鄰的數(shù)據(jù)塊之間的相互影響造成的較大的峰值。
[0055]結(jié)合FBMC-0QAM系統(tǒng)的特點(diǎn)，以及高峰值的影響方式，發(fā)明一種雙層相位序列搜索 算法(D-PTS)，并結(jié)合FBMC-0QAM系統(tǒng)進(jìn)行改進(jìn)。

【發(fā)明內(nèi)容】

[0056]針對(duì)以上現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種新的基于PTS的雙層搜索算法(D-PTS)，能以較小的復(fù)雜度降低FBMC-0QAM信號(hào)的PAPR的降低FBMC-0QAM峰均值比的PTS雙層 搜索算法。
[0057]本發(fā)明的技術(shù)方案如下：
[0058] 一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其包括以下步驟：
[0059] 101、進(jìn)行濾波器組多載波-正交幅度調(diào)制系統(tǒng)FBMC-0QAM的初始化步驟，采用PTS 序列搜索算法獲得的Μ個(gè)數(shù)據(jù)塊，這些數(shù)據(jù)塊是相互疊加的發(fā)送信號(hào)數(shù)據(jù)塊，并將Μ個(gè)數(shù)據(jù) 塊進(jìn)行雙層分割，頂層分割成V組，底層的每組劃分成D組，最后初始化旋轉(zhuǎn)相位矢量為1;
[0060] 102、對(duì)將每個(gè)數(shù)據(jù)塊下的V個(gè)子序列劃分成D組，每個(gè)組中含有E = V/D個(gè)子序列， 對(duì)這E個(gè)子序列采用PTS搜索算法，調(diào)整對(duì)應(yīng)的旋轉(zhuǎn)因子，使得每個(gè)數(shù)據(jù)塊的峰均值比最小， 此時(shí)得出調(diào)整完畢的旋轉(zhuǎn)因子矩陣β，將這些旋轉(zhuǎn)因子加權(quán)到信號(hào)上后得出I丨
[0061] 103、對(duì)于頂層中，求出頂層旋轉(zhuǎn)因子矩陣d，其中當(dāng)?shù)趍個(gè)數(shù)據(jù)塊為 5m[/7],0 < /? S Μ -1，第m個(gè)數(shù)據(jù)塊之前的數(shù)據(jù)塊，經(jīng)過(guò)頂層旋轉(zhuǎn)因子加權(quán)之后的信號(hào)分別為 5K分K.. ;得出雙層搜索算法的旋轉(zhuǎn)因子底層β頂層d，從而得出此時(shí)的
，求出此時(shí)系統(tǒng)的信號(hào)的峰值與信號(hào)的均值之比PAPR，完成PTS雙層搜索。
[0062]進(jìn)一步的，所述求出頂層旋轉(zhuǎn)因子矩陣d滿足條件：使得
> 表示頂層數(shù)據(jù)庫(kù)分組的子序列，if表示頂層加權(quán)旋轉(zhuǎn)因 子，分經(jīng)過(guò)頂層加權(quán)旋轉(zhuǎn)因子后的修正信號(hào)。
[0063]進(jìn)一步的，所述步驟101對(duì)Μ個(gè)數(shù)據(jù)塊下每個(gè)數(shù)據(jù)塊中的N個(gè)子載波以相鄰分割的 方式分割成V個(gè)子序列，每個(gè)子序列表不為〇]，" = 1二…，?Μ = (Μ，..··Μ -1，然后將所有 的旋轉(zhuǎn)相位矢量賦值為1，即0=(##1，...，1^1)初始化為￥\1的元素全為1的矩陣。
[0064] 進(jìn)一步的，步驟102調(diào)整對(duì)應(yīng)的旋轉(zhuǎn)因子，使得每個(gè)數(shù)據(jù)塊的峰均值比最小具體 為:對(duì)第〇數(shù)據(jù)塊下的第1個(gè)子序列組，對(duì)這Ε個(gè)子序列采用PTS搜索算法，修改#中這V個(gè)元 素中第1子序列組的值，即前Ε個(gè)元素，使得第0個(gè)數(shù)據(jù)塊峰均值最小，然后依次對(duì)剩余的數(shù) 據(jù)塊下的每個(gè)子序列組對(duì)應(yīng)的旋轉(zhuǎn)因子調(diào)整，直到所有子序列組的旋轉(zhuǎn)序列調(diào)整完畢;直 至將Μ個(gè)數(shù)據(jù)塊調(diào)整完畢，此時(shí)得出調(diào)整完畢的旋轉(zhuǎn)因子矩陣f W 1，...，β/Μ<)，將 這些旋轉(zhuǎn)因子加權(quán)到信號(hào)上后得出
表示第m個(gè)數(shù)據(jù) 士夬亡Η的頂層D組子序列(< W,，[?]"·'Φ])
[0065] 進(jìn)一步的，當(dāng)m = 0,即第0個(gè)數(shù)據(jù)塊的f|Xj的頂層D組子序列. 行PTS搜索算法，使得FBMC-0QAM第0個(gè)數(shù)據(jù)塊信號(hào)的峰值最小，此時(shí)的第0個(gè)數(shù)據(jù)塊的旋轉(zhuǎn) 相位因子為，=(<,<，，<廣，則經(jīng)過(guò)頂層加權(quán)旋轉(zhuǎn)因子后的修正信號(hào)為
[0066] 進(jìn)一步的，當(dāng)?shù)趍個(gè)數(shù)據(jù)塊為Μ -1，第m個(gè)數(shù)據(jù)塊之前的數(shù)據(jù)塊，經(jīng)過(guò) 頂層旋轉(zhuǎn)因子加權(quán)之后的信號(hào)分別力# 夕1Μ，若頂層旋轉(zhuǎn)因子 ，使得，

[0069] 此時(shí)，第m個(gè)數(shù)據(jù)塊經(jīng)過(guò)頂層加權(quán)旋轉(zhuǎn)因子后的修正信號(hào) 其頂層旋轉(zhuǎn)因子為，=，<f。
[0070] 本發(fā)明的優(yōu)點(diǎn)及有益效果如下：
[0071]本發(fā)明通過(guò)對(duì)PTS算法進(jìn)行改進(jìn)，提出了一種新的基于PTS的雙層搜索算法(D-PTS)，能以較小的復(fù)雜度降低FBMC-0QAM信號(hào)的PAPR。該算法在傳統(tǒng)PTS進(jìn)行子序列化分的 基礎(chǔ)之上對(duì)已劃分的子序列再次進(jìn)行分組，形成雙層的子序列劃分結(jié)構(gòu)，為實(shí)現(xiàn)快速搜索 本文進(jìn)行分層搜索。首先，對(duì)FBMC-0QAM每個(gè)數(shù)據(jù)塊按照與PTS相同的方法分為V個(gè)子序列， 并對(duì)這V個(gè)子序列進(jìn)行分組，共分成D組，每組V/D個(gè)子序列;其次，在搜索時(shí)針對(duì)不同的層次 進(jìn)行分層查找，對(duì)于底層算法目的是降低該數(shù)據(jù)塊的PAPR，對(duì)于頂層算法目的是處理相鄰 數(shù)據(jù)塊的相互影響，從而降低FBMC-0QAM整體信號(hào)的PAPR。由于采用了分層搜索方式，在每 一層內(nèi)的搜索序列長(zhǎng)度均較小，在一定程度上降低了搜索次數(shù)，且不會(huì)引起信號(hào)畸變。
【附圖說(shuō)明】
[0072]圖1是本發(fā)明提供優(yōu)選實(shí)施例FBMC-0QAM傳輸系統(tǒng)框圖；
[0073]圖2 0FDM中部分傳輸序列框圖；
[0074] 圖3 FBMC-0QAM信號(hào)圖形；
[0075] 圖4 FBMC-0QAM數(shù)據(jù)塊關(guān)系；
[0076] 圖5 FBMC-0QAM單個(gè)數(shù)據(jù)塊信號(hào)圖形；
[0077]圖6雙層搜索算法分塊示意圖；
[0078] 圖7傳統(tǒng)PTS方法在0FDM和FBMC-0QAM系統(tǒng)中PAPR降低效果對(duì)比圖；
[0079] 圖8 V = 4本文算法和傳統(tǒng)PTS算法在FBMC-0QAM降低PAPR效果對(duì)比圖；
[0080] 圖9當(dāng)V、D取不同值時(shí)本文算法的PAPR降低效果對(duì)比圖；
[0081] 圖10當(dāng)V、D取不同值時(shí)本文算法與其他算法的復(fù)雜度對(duì)比圖。
【具體實(shí)施方式】
[0082] 以下結(jié)合附圖，對(duì)本發(fā)明作進(jìn)一步說(shuō)明：
[0083]初始化
[0084] ①將Μ個(gè)數(shù)據(jù)塊下每個(gè)數(shù)據(jù)塊中的N個(gè)子載波以相鄰分割的方式分割成V個(gè)子序 列，每個(gè)子序列表示為.νΓ??]，ν=1二…= …U，然后將所有的旋轉(zhuǎn)相位矢量賦值 為1，即0=妒，01，...，曠1)初始化為￥\1的元素全為1的矩陣。
[0085] ②將每個(gè)數(shù)據(jù)塊下的V個(gè)子序列進(jìn)行進(jìn)一步的分組，分成D組，則每個(gè)組中含有E = V/D個(gè)子序列，其分割方式如圖6所不：
[0086]底層算法
[0087] ③對(duì)第0數(shù)據(jù)快下的第1個(gè)子序列組，對(duì)這E個(gè)子序列采用PTS搜索算法，修改Μ中 這V個(gè)元素中第1子序列組的值，即前Ε個(gè)元素，使得第0個(gè)數(shù)據(jù)塊峰均值最小。
[0088] ④重復(fù)第③步，依次對(duì)該數(shù)據(jù)塊下的每個(gè)子序列組對(duì)應(yīng)的旋轉(zhuǎn)因子調(diào)整，直到所 有子序列組的旋轉(zhuǎn)序列調(diào)整完畢。
[0089] ⑤重復(fù)第③和④步，依次對(duì)每個(gè)數(shù)據(jù)塊進(jìn)行調(diào)整，直至將Μ個(gè)數(shù)據(jù)塊調(diào)整完畢，此 時(shí)得出調(diào)整完畢的旋轉(zhuǎn)因子矩陣f二⑴^，"1，...，β /Μ<)，將這些旋轉(zhuǎn)因子加權(quán)到信號(hào)上 后得出：
[0091] 頂層算法
[0092] ?當(dāng)111 = 0，即第0個(gè)數(shù)據(jù)塊的1|°(?]的頂層0組子序列（;^[/?]，.〇],...〇^[/?])進(jìn)行 PTS搜索算法，使得FBMC-0QAM第0個(gè)數(shù)據(jù)塊信號(hào)的峰值最小，此時(shí)的第0個(gè)數(shù)據(jù)塊的旋轉(zhuǎn)相 位因子為，二(<，<，...，則經(jīng)過(guò)頂層加權(quán)旋轉(zhuǎn)因子后的修正信號(hào)
[0093] ⑦當(dāng)?shù)趍個(gè)數(shù)據(jù)塊為左>]，0 < /? S Μ -1，第m個(gè)數(shù)據(jù)塊之前的數(shù)據(jù)塊，經(jīng)過(guò)頂層旋 轉(zhuǎn)因子加權(quán)之后的信號(hào)分別為，若頂層旋轉(zhuǎn)因子 dm 使得，

[0096] 此時(shí)，第m個(gè)數(shù)據(jù)塊經(jīng)過(guò)頂層加權(quán)旋轉(zhuǎn)因子后的修正信號(hào) 其頂層旋轉(zhuǎn)因子為f =(<，<，.
[0097] ⑧重復(fù)步驟⑦，直至將Μ個(gè)數(shù)據(jù)塊全部遍尋。此時(shí)得到頂層旋轉(zhuǎn)因子矩陣 d==(d'!,dl,,.,,dAi_1) 〇
[0098] 至此，我們得出雙層搜索算法的旋轉(zhuǎn)因子底層β頂層d。從而得出此時(shí)的
[0099]其復(fù)雜度為： 1并求出此時(shí)系統(tǒng)的PAPR，仿真表明能顯著降低系統(tǒng)的PAPR。
[0102]仿真結(jié)果與分析。
[0103]這里對(duì)仿真的參數(shù)進(jìn)行說(shuō)明。首先，本文仿真中FBMC-0QAM的子載波數(shù)目均為N = 64，采用4QAM的調(diào)制方式，原型濾波器的k = 4，且FBMC-0QAM的數(shù)據(jù)塊M= 16。其次，仿真中不 考慮子載波的邊帶信息，PTS的旋轉(zhuǎn)因子的集合為使用過(guò)采樣系數(shù)為4的過(guò)采樣， PTS的數(shù)據(jù)分塊的劃分采用交織法分塊。
[0104] 接下來(lái)，通過(guò)與傳統(tǒng)PTS算法(C-PTS)、理想PTS算法（I-PTS)、S-PTS算法[Ye C，Li Z,Jiang T,et al.PAPR Reduction of 0QAM-0FDM Signals Using Segmental PTS Scheme With Low Complexity[J]. IEEE Transactions on Broadcasting，2014,60(60): 141-147.]等對(duì)比仿真，說(shuō)明本文算法降低PAPR的效果;進(jìn)一步，也通過(guò)不同參數(shù)選取對(duì)本 文算法性能的影響進(jìn)行仿真分析。
[0105] 圖7顯示V = 4時(shí)采用傳統(tǒng)PTS算法，直接運(yùn)用于FBMC-0QAM系統(tǒng)中的降低PAPR的效 果。為了進(jìn)行比較，本文同時(shí)仿真了 0FDM系統(tǒng)使用傳統(tǒng)PTS算法的效果圖進(jìn)行比較。
[0106] 從圖中我們可以看出，將傳統(tǒng)的PTS算法直接運(yùn)用于FBMC-0QAM系統(tǒng)時(shí)，當(dāng)V = 4時(shí)， 在CCDF = 0.001時(shí)，PAPR的性能改善了約0.7dB，然而，(FDM系統(tǒng)中，直接使用傳統(tǒng)PTS算法 時(shí)，能改善2.5dB。由此我們可以得出結(jié)論，傳統(tǒng)PTS算法直接運(yùn)用于FBMC-0QAM系統(tǒng)降低其 PAPR的效果并不明顯，需要對(duì)傳統(tǒng)PTS算法進(jìn)行改進(jìn)。
[0107] 圖8中我們將V = 4的傳統(tǒng)PTS算法直接運(yùn)用于系統(tǒng)和本文V4D4與V4D2的雙層搜索 算法降低FBMC-0QAM系統(tǒng)的PAPR的效果進(jìn)行對(duì)比。從圖中可以看出本文搜索算法均遠(yuǎn)優(yōu)于 傳統(tǒng)的PTS算法。在V4D2時(shí)，雖然在CCDF = 0.001數(shù)量級(jí)上的PAPR僅僅優(yōu)化約0.2dB，但是算 法的復(fù)雜度跟傳統(tǒng)的PTS算法相比，大大降低。在V4D4時(shí)，本文的搜索算法計(jì)算復(fù)雜度跟傳 統(tǒng)PTS算法相同，但是PAPR的優(yōu)化再次提高了 1.9dB。由此我們可以得出結(jié)論，本文的雙層搜 索算法性能優(yōu)于傳統(tǒng)的PTS算法，而且能降低系統(tǒng)算法的復(fù)雜度。
[0108] 圖9給出了 V、D取不同值的雙層搜索算法在FBMC-0QAM系統(tǒng)中降低PAPR的效果。圖 10給出了 V、D不同值時(shí)，系統(tǒng)的復(fù)雜度分析。由圖分析可知，算法的性能主要由V、D影響，當(dāng)D 一定時(shí)，V值越大，系統(tǒng)的復(fù)雜度越高。結(jié)合圖9，系統(tǒng)的PAPR性能也就越好。然而，當(dāng)V-定 時(shí)，附近時(shí)系統(tǒng)的復(fù)雜度越小。在圖10中可以看出當(dāng)V= 16時(shí)，D = 4時(shí)，系統(tǒng)的復(fù)雜 度最低。當(dāng)D值越大，系統(tǒng)的PAPR性能也就越好。V16D8較V16D4在CCDF = 0.001數(shù)量級(jí)上的 PAPR優(yōu)化1.2dB。這是由于FBMC-0QAM系統(tǒng)相鄰數(shù)據(jù)塊相互作用對(duì)峰值的影響要高于單個(gè)數(shù) 據(jù)塊峰值影響，另外，從圖10可以看出，理想PTS算法的復(fù)雜度，隨V的增大急劇上升，這種復(fù) 雜度在實(shí)際應(yīng)用中不可忍受。當(dāng)V取較大值(V>8)時(shí)，與傳統(tǒng)PTS算法、文獻(xiàn)[19]中的S-PTS算 法比較，該算法的復(fù)雜度明顯更低。當(dāng)V= 16時(shí)，本文算法明顯優(yōu)于S-PTS算法。
[0109] 從而得出結(jié)論：
[0110] 1.當(dāng)V值較大時(shí)，系統(tǒng)的復(fù)雜度優(yōu)化越好且PAPR系能越好。
[0111] 2. D值取值范圍在之間時(shí)，算法的性能更好。
[0112] 3. D值越大系統(tǒng)復(fù)雜度越大，但系統(tǒng)的PAPR性能越好。
[0113] 4. #值附近處，系統(tǒng)復(fù)雜度最低。
[0114] 以上這些實(shí)施例應(yīng)理解為僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的保護(hù)范圍。在 閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等效變 化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。
【主權(quán)項(xiàng)】
1. 一種降低FBMC-OQAM峰均值比的PTS雙層搜索算法，其特征在于，包括以下步驟： 101、 進(jìn)行濾波器組多載波-正交幅度調(diào)制系統(tǒng)FBMC-0QAM的初始化步驟，采用PTS序列 搜索算法獲得的M個(gè)數(shù)據(jù)塊，這些數(shù)據(jù)塊是相互疊加的發(fā)送信號(hào)數(shù)據(jù)塊，并將M個(gè)數(shù)據(jù)塊進(jìn) 行雙層分割，頂層分割成V組，底層的每組劃分成D組，最后初始化旋轉(zhuǎn)相位矢量為1; 102、 對(duì)每個(gè)數(shù)據(jù)塊下的V個(gè)子序列劃分成D組，每個(gè)組中含有E = V/D個(gè)子序列，對(duì)這E個(gè) 子序列采用PTS搜索算法，調(diào)整對(duì)應(yīng)的旋轉(zhuǎn)因子，使得每個(gè)數(shù)據(jù)塊的峰均值比最小，此時(shí)得 出調(diào)整完畢的旋轉(zhuǎn)因子矩陣β，將這些旋轉(zhuǎn)因子加權(quán)到信號(hào)上后得H103、 對(duì)于頂層中，求出頂層旋轉(zhuǎn)因子矩陣d，其中當(dāng)?shù)趍個(gè)數(shù)據(jù)塊為左_>]，0< m SM-I， 第m個(gè)數(shù)據(jù)塊之前的數(shù)據(jù)塊，經(jīng)過(guò)頂層旋轉(zhuǎn)因子加權(quán)之后的信號(hào)分別為得出雙層搜索算法的旋轉(zhuǎn)因子底層β頂層d，從而得出此時(shí)的求出此時(shí)系統(tǒng)的信號(hào)的峰值與信號(hào)的均值之比PAPR，完成PTS雙層搜索。2. 根據(jù)權(quán)利要求1所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其特征在 于，所述求出頂層旋轉(zhuǎn)因子矩陣d滿足條件:使彳，％m表示頂 層數(shù)據(jù)庫(kù)分組的子序列，表示頂層加權(quán)旋轉(zhuǎn)因子，r表示經(jīng)過(guò)頂層加權(quán)旋轉(zhuǎn)因子后的修 正信號(hào)。3. 根據(jù)權(quán)利要求1所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其特征在 于，所述步驟101對(duì)M個(gè)數(shù)據(jù)塊下每個(gè)數(shù)據(jù)塊中的N個(gè)子載波以相鄰分割的方式分割成V個(gè)子 序列，每個(gè)子序列表示為)'!"[?]^=1，2，...^;/? = 〇.1，...，/1//-1，然后將所有的旋轉(zhuǎn)相位矢量賦 值為1，即0=(必|31，...，曠 1)初始化為￥\1的元素全為1的矩陣。4. 根據(jù)權(quán)利要求1或2或3所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其 特征在于，步驟102調(diào)整對(duì)應(yīng)的旋轉(zhuǎn)因子，使得每個(gè)數(shù)據(jù)塊的峰均值比最小具體為:對(duì)第0個(gè) 數(shù)據(jù)塊下的第1個(gè)子序列組，對(duì)這E個(gè)子序列采用PTS搜索算法，修改妒中這V個(gè)元素中第1子 序列組的值，即前E個(gè)元素，使得第0個(gè)數(shù)據(jù)塊峰均值最小，然后依次對(duì)剩余的數(shù)據(jù)塊下的每 個(gè)子序列組對(duì)應(yīng)的旋轉(zhuǎn)因子調(diào)整，直到所有子序列組的旋轉(zhuǎn)序列調(diào)整完畢;直至將M個(gè)數(shù)據(jù) 塊調(diào)整完畢，此時(shí)得出調(diào)整完畢的旋轉(zhuǎn)因子矩陣f = (WW \ ,^m+1)，將這些旋轉(zhuǎn)因子 加權(quán)到信號(hào)上后得出《!表 示第m個(gè)數(shù)據(jù)塊的頂層D組子序列：5. 根據(jù)權(quán)利要求4所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其特征在 于，當(dāng)m=0,即第0個(gè)數(shù)據(jù)塊的的頂層D組子序列對(duì)進(jìn)行PTS搜索算法， 使得FBMC-0QAM第0個(gè)數(shù)據(jù)塊信號(hào)的峰值最小，此時(shí)的第0個(gè)數(shù)據(jù)塊的旋轉(zhuǎn)相位因子為經(jīng)過(guò)頂層加權(quán)旋轉(zhuǎn)因子后的修正信號(hào)為6. 根據(jù)權(quán)利要求4所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其特征在 于，當(dāng)?shù)趍個(gè)數(shù)據(jù)塊為第m個(gè)數(shù)據(jù)塊之前的數(shù)據(jù)塊，經(jīng)過(guò)頂層旋轉(zhuǎn)因子加 權(quán)之后的信號(hào)分別戈若頂層旋轉(zhuǎn)因丨￡得，(16) 其中P位于[(Lh-K/2)/2，MK+ (Lh-K/2)/2]』此時(shí)，第m個(gè)數(shù)據(jù)塊經(jīng)過(guò)頂層加權(quán)旋轉(zhuǎn)因子后的修正信號(hào)， 其頂層 旋轉(zhuǎn)因子：
【文檔編號(hào)】H04L27/34GK106027452SQ201610339064
【公開(kāi)日】2016年10月12日
【申請(qǐng)日】2016年5月19日
【發(fā)明人】謝顯中, 吳壘, 張苗, 姚鑫凌
【申請(qǐng)人】重慶郵電大學(xué)