论文部分内容阅读
正交频分复用(Orthogonal Frequency Division Multiplexing,简称OFDM)是一种能有效对抗频率选择性衰落和具有较高频谱利用率的技术,目前已被广泛应用于无线通信系统中。然而OFDM系统中存在信号高峰均功率比(Peak to Average Power Ratio,简称PAPR)的现象。当OFDM信号出现同相位时,峰值功率过高对高功率放大器的线性范围要求也很高。此时,若线性范围不能满足信号变化,就造成信号畸变和频谱变化,破坏子信道间的正交性,产生相互干扰,使系统性能急剧恶化。为此,本文设计了三种抑制信号PAPR的算法,保证系统的通信性能。同时,改进了子载波预留(Tone Reservation,简称TR)方法抑制信号PAPR的方法,即选择低复杂度的峰值减少序列集作为空闲子载波。本文围绕以上问题展开研究,并取得如下成果:(1)针对传统基于TR抑制信号PAPR的方法具有高复杂度的问题,提出平行禁忌搜索算法来改进TR抑制算法。该改进算法的搜索峰值减少序列复杂度低,且可以有效提高峰值减少序列的搜索效率,已经可以明显抑制信号的PAPR。仿真结果表明,所提出的算法比遗传算法、粒子群算法、侵略性野草优化算法和快速迭代阈值收缩算法有着更低的计算复杂度,也能更好地抑制信号的PAPR,而且有效地减少误码率(Bit Error Rate,简称BER)。(2)为了能快速搜索最佳的峰值减少序列,引入基于增强学习思想的离散广义追踪算法,设计了一种能够自学习的抑制信号PAPR算法。将机器学习中的算法结合TR方法运用到抑制高PAPR的问题中,可使该算法能够根据周围环境来调整学习的方向和速度。仿真结果表明,与传统的自适应缩放算法和自适应幅度切削算法相比,该算法可更快地抑制信号的PAPR。(3)设计了基于加速近端梯度方法的TR算法来搜索峰值减少序列集。与快速迭代阈值收缩算法和自适应缩放算法进行对比,所提出的算法具有复杂度较低和抑制PAPR性能更好的特点。仿真结果表明,该算法处理后信号的BER效果较好,可有效抑制信号的PAPR。