这里我选择的算法是PTS算法。
关于创新点，我初步考虑在PTS基础上，适当的引入些TR的思想。并对PTS做一些改进。
传统PTS > 一般性能
自适应+PTS > 较1有所提高
自适应+PTS 结合 限幅法 > 较2略有提高
“自限幅适应PTS” +“分段预留子载波” >较3进一步提高
传统的PTS算法，理论比较多，现成的资料也比较多，这里就不多做介绍了，通过仿真，对比PTS和没有PTS下。
在做整体的复杂度分析的时候，发现这么做，系统过于复杂，虽然性能略有提高，但复杂度大大提高了，所以这里我修改了方法，使用门限的PTS，从而减少了系统的复杂度。
同时，加入限幅的思想，使得简化的PTS性能优于同参数的PTS。从而实现，不仅简化了系统，还提高了系统性能的目的。
这里，基本原理如下所示：
在PTS全局搜索的时候，预先设定好一个门限值，如果搜索到
那么就直接退出搜索。
所以使用这个方法，可以进行快速的搜索，而不用像全局搜索那样，全部搜索一遍，这种门限法仅仅是抑制了高于门限值的出现的概率，而并没有抑制低于门限值。
但是使用这个方法，可以大大降低PTS算法的复杂度。
然后针对这个方法存在的局限，加入限幅的思想，从而抑制高于门限的值。
限幅器的设计如下所示：
C限幅门限PTS分段预留子载波
这个算法，我的方法是适当的引入了TR的思路到改进后的PTS算法中，引入的意义为：先预留出若干子载波来加载削峰信号，然后利用优化过的PTS算法对OFDM符号的PAPR进行抑制，之后再利用改进的TR算法对符号的PAPR进行进一步的抑制。
这么干的目的，就是使得，算法在复杂度较低的情况下，进一步提高系统的性能。虽然传统的PTS和TR算法比较复杂，但是本方法，结合了两种算法的优势，并使用其中的简化方法，进行优势互补，从而在算法复杂度较低的情况下，进一步提高系统的性能。
这里，我们使用改进后的PTS和TR进行结合，整个算法的流程如下所示：
步骤一：加入门限，降低PTS算法的复杂度（但是这样会降低性能）
当满足要求：
的时候
算法就停止搜索，这样的话，就降低的算法的复杂度，但是会影响性能。
步骤二：加入限幅的方法
通过这个方法，可以在步骤一的基础上，提高性能，使其在复杂度降低的前提下，保存系统的性能不变。
步骤三：改进PTS和TR的结合
为了和TR结合，首先，PTS分组必须为随机分组，并随机的保留一定的预留子载波，然后先执行PTS，再执行TR。
步骤四：执行TR
将得到的频域信号X进行IFFT变换得到时域信号x，对x的每个子载波上的数据限幅，对取反后的限幅差值进行N点FFT变换，得到的频域反向限幅差值信号的预留子载波上的数据即为削峰数据，用其替代X中预留子载波上的数据即可有效地消除峰值信号。
通过仿真，我们的算法的仿真结果如下所示：
CCDF：
从上面的仿真结果可知，改进后的PTS-TR算法，其误码率性能最佳，并且解决理论误码率曲线。
复杂度统计：
第一种，算法的复杂度最大，第二种复杂度最小，第三种算法，性能进一步提高了，而复杂度略微提高。
从上面的仿真结果可知，改进后的PTS算法，在性能上和传统的PTS算法相似，但是其复杂度大大降低了，只有原算法的1/7。