OFDM系统中降低峰均比方法研究

针对OFDM系统中存在高峰值平均功率比(PAPR)影响系统性能,而传统的选择性映射(SLM)解决方法具有高复杂度且不能完全避免系统中高峰值信号出现的缺点,在研究映射和限幅算法的基础上,提出了一种S L M-C联合算法,该算法利用选择性映射方法和限幅方法在性能上互补的特性来降低P A P R。Matlab仿真结果表明,该联合算法有效地降低了OFDM系统的峰均比,且具有复杂度低,易实现等优点。     

降低OFDM系统峰均功率的次优 PTS-Clipping联合算法

针对正交频分复用(OFDM)系统的高峰均功率比(PAPR)问题,提出一种联合次优部分传输序列(PTS)与限幅的改进算法。该算法使用次优PTS降低OFDM信号的相关性,并联合限幅处理进一步降低OFDM信号的峰均功率。仿真结果表明,相比传统PTS算法,次优PTS-Clipping联合算法的复杂度降低了近一半,PAPR性能降低了1 dB,表明其能够最大限度地利用现有算法的优势,在降低PAPR的同时,又不会引入很大的计算量和边带噪声。     

利用子块二维优化组合降低MIMO-OFDM系统峰均比

针对MIMO-OFDM系统高峰均比问题,文章提出一种利用频域子块在空时二维进行优化组合的方案.该方案基于时隙中存在多个OFDM符号的系统,将位于不同天线、不同时刻的多个OFDM符号在频域分成多个子块,每个子块变换到时域后,在空时二维进行优化组合,选择具有最低峰均比的组合进行发送.该方案利用空时二维自由度,同时降低MIMO-OFDM系统中多个OFDM符号的峰均比.为了降低计算复杂度,给出了2类低复杂度的次优算法.仿真表明,对于512个子载波的MIMO-OFDM系统.当峰均比降低概率为10~(-4)时,该方案能够获得3.9～4.9 dB的峰均比降低增益,比空间移位算法多获得1～2 dB的性能增益.     

一种改进交织算法降低OFDM系统的PAPR

为有效抑制正交频分复用(OFDM)系统中的高峰均功率比(PAPR)问题,提出了一种基于随机交织分割的部分传输序列(PTS)改进算法。该算法对交织的数据子块进行随机分割,以避免传统交织分割方式导致的相位因子选择遗漏。仿真结果表明,改进的PTS算法不仅能够降低OFDM系统的PAPR,同时可以降低算法的计算复杂度。     

函数优化问题的动态并行量子遗传算法

针对传统量子遗传算法在解复杂连续函数优化中存在的早熟收敛、收敛速度慢、计算时间长的问题,提出一种解复杂连续函数优化问题的动态并行量子遗传算法(DPQGA)。采用多种群协同进化,每个子种群按照各自的进化目标在不同的搜索区域进化,形成并行搜索方式,加快算法收敛速度,避免早熟收敛;同时设计了一种新的动态量子旋转角的更新策略及量子门调整策略,减少算法的迭代次数;在最优解连续数代无变化时引入灾变算子,使种群保持良好的多样性。通过对5个测试函数的仿真,结果表明,该算法搜索到的最优解较QGA算法更优。与已有算法相比,该算法在收敛速度、迭代次数、全局寻优能力上都有了较大的改进和提高。     

一种基于门限的改进OFDM信号压扩方案

为了降低OFDM信号的高峰均功率比,在削波技术简单直接的基础上,应用压扩技术,提出了 一种基于门限的降低峰均功率比的改进压扩方案。门限压扩方案在发射端对幅值低于门限值的小幅度 信号不进行变换,而幅值高于门限值的大幅度信号则利用对数的压缩特性进行压缩。在接收端引入一个 简单的门限判决过程,将被压缩的信号从接收信号中识别出来,然后用相应的解压缩过程将被压缩的信 号恢复为原始信号。仿真结果表明,与削波技术和传统的压扩技术相比,门限压扩以较小的系统复杂度 获得了峰均比性能的改善。     

一种基于门限的改进OFDM信号压扩方案

为了降低OFDM信号的高峰均功率比，在削波技术简单直接的基础上，应用压扩技术，提出了一种基于门限的降低峰均功率比的改进压扩方案。门限压扩方案在发射端对幅值低于门限值的小幅度信号不进行变换，而幅值高于门限值的大幅度信号则利用对数的压缩特性进行压缩。在接收端引入一个简单的门限判决过程，将被压缩的信号从接收信号中识别出来，然后用相应的解压缩过程将被压缩的信号恢复为原始信号。仿真结果表明，与削波技术和传统的压扩技术相比，门限压扩以较小的系统复杂度获得了峰均比性能的改善。     

一种抑制OFDM系统峰均功率比的融合算法

提出了一种抑制正交频分复用（OFDM）系统峰均功率比（PAPR）的融合算法,该算法在OFDM系统发射端对信号先后进行选择映射（SLM）和压扩变换,从而使信号的峰均比得到二次抑制。仿真结果说明了该算法对峰均比的抑制效果比单独使用SLM技术和压扩技术都有明显的改善,并且对于计算复杂度要求不高的OFDM系统,不同参数的综合技术可相互替代以提高系统的误码性能。     

种群多样性的GEP算法在预测中的研究和应用

针对传统的基因表达式编程(Gene Expression Programming,GEP)算法在函数发掘时容易陷入过早收敛和局部最优问题,提出了一种基于种群多样性的GEP(GEP based on population diversity,PD-GEP)算法。该算法提出了简单云改进GEP策略,利用简单云改进了常数创建方法,并设计了云变异算子和云交叉算子动态调整其变异和交叉概率,以保证种群的多样性。同时提出了种群的有效交叉策略,引入新个体更新种群,避免早熟收敛,提高进化效率。最后将其应用于工程实例中,并将其结果与传统GEP算法结果进行比较。研究结果表明:该算法提高了预测精度和收敛速率,具有更好的收敛性。     

基于改进的粒子群算法抑制OFDM的峰均比

针对电力线系统中OFDM(Orthogonal Frequency Division Multiplexing)信号高峰均比的问题,提出了一种改进的粒子群算法。该算法在搜索部分传输序列法的相位因子时将位置更新周期分为两个步骤,第一步粒子的位置受上一次扭曲信息的补偿后搜索位置;第二步获知其他粒子的位置以及适应度函数值,利用扭曲函数获得扭曲信息。算法按此周期进行搜索使其快速收敛。仿真结果表明,此算法与基于种群分类与动态学习因子的粒子群算法相比,搜索的复杂度能有效的降低。