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。