一種降低FBMC?OQAM系統PAPR的低復雜度SLM算法的制作方法

本發明涉及一種通信技術的優化方法，尤其涉及一種降低FBMC-OQAM系統PAPR的低復雜度SLM算法。

背景技術：

濾波器組多載波(FBMC)是一種頻譜效率高、實現復雜度尚可、無需同步的多載波傳輸方案。偏移正交幅度調制(OQAM)可以消除FBMC系統中各子帶交疊將帶來的載波間干擾(ICI)。FBMC與OQAM結合，具有很多OFDM技術沒有的優勢，例如優秀的頻率定位和較低的功率譜密度(PSD)旁瓣等，比OFDM更適合5G無線接入技術(RAT)。FBMC-OQAM系統日益成為無線電波即將到來的5G無線接入技術(RAT)的領跑者。像正交頻分復用(OFDM)一樣，FBMC-OQAM存在較高的PAPR，這將降低高功率放大器(HPA)的效率，導致信號失真、頻譜擴展、系統性能下降。所以，FBMC-OQAM系統PAPR減小技術是目前研究的一個重大課題。

PAPR減小技術可以分為以下幾種：限幅技術、編碼技術、加擾技術、自適應預失真技術和離散傅立葉變換(DFT)擴頻技術。限幅技術是在峰值附近采用限幅或非線性飽和來減少PAPR，包括塊縮放技術、削波和濾波技術、傅里葉映射技術、以及判決輔助重建技術；編碼技術是選擇能夠使PAPR最小或PAPR減小的碼字，可以使用Colay互補序列、M序列和Hadamard碼；加擾技術是對輸入數據進行加擾，并發射具有最小PAPR的數據塊；自適應預失真技術可以補償OFDM系統中HPA的非線性效應。

FBMC-OQAM由于其重疊結構而無法運用OFDM中很好降低PAPR的方法。目前，有學者討論了PAM符號的FBMC-OQAM系統降低PAPR的方案，但是這些方案僅限于PAM符號且BER性能較差。還有學者實現了運用迭代補償的剪切方案減小FBMC-OQAM系統的PAPR，但是該系統需要設計一個復雜的接收機來滿足剪切噪音的補償。多模塊聯合優化(MBJO)技術和滑動窗口語音預留(SWTR)技術目前也都運用于FBMC-OQAM系統的PAPR降低中，但是它們有一個較高的復雜度。有學者提出了一種重疊的選擇性映射(OSLM)方法，提出連續符號之間的獨立性假設不成立，考慮了FBMC-OQAM的自然重疊，但是有一個巨大的內存和計算復雜度。后來又有學者提出一種色散選擇性映射(DSLM)方法，這種方法與傳統的SLM類似，同時考慮了FBMC-OQAM的重疊性，解決了FBMC-OQAM信號時間色散的性質，但是計算的是[0，4T]區間內的PAPR值，復雜度比較高。基于上述陳述，本發明在SLM算法的基礎上進行改進，合理利用FBMC信號的重疊性質和功率分布規律，提出了一種降低FBMC-OQAM系統PAPR的低復雜度SLM算法，即LD-SLM算法。

技術實現要素：

由對FBMC-OQAM信號的平均功率仿真可知，每個信號周期的能量主要集中分布在[T,3T]內，本發明提出了一種降低FBMC-OQAM系統PAPR的低復雜度SLM算法，即LD-SLM算法。傳統的SLM算法只計算[0，T]區間內所有點數PAPR值，在此區間搜索最小PAPR值，這是無法匹配FBMC-OQAM信號重疊性質的，結果導致不能有效降低FBMC-OQAM系統PAPR，本發明在傳統的SLM的基礎上進行改進，根據FBMC-OQAM信號功率分布集中在中間[T,3T](T為符號周期)區間的特點，計算集中在區間[T,3T]內符號的PAPR值，找出區間[T,3T]內最小PAPR值來選擇最佳旋轉符號。

一種降低FBMC-OQAM系統PAPR的低復雜度SLM算法，包括以下步驟：

S1、首先初始化旋轉矢量，生成U個長度為N的相位旋轉矢量：

其中：n∈[0,N-1]，u∈[0,U-1]；

S2、將當前數據塊與旋轉矢量相乘，每個輸入數據塊X_m都與U個不同的旋轉矢量相乘：

其中：·表示矩陣點對點乘法；

S3、對信號進行采樣、濾波和調制，由于FBMC-OQAM信號的重疊性質，需要考慮當前數據塊之前的信號，從而得到如下信號：

其中：m∈[0,2π]，t∈[0,(m+1/2)T+4T]；

S4、根據下列公式計算信號xu(^t)的PAPR，計算區間為Tc；

S5、根據PAPR計算的結果，選擇最優旋轉方案，得到當PAPR值最小時的旋轉矢量編號，即并將u_min作為邊信息保存在U_SI＝[U_SI u_min]中；

S6、最后更新輸入，根據u_min選擇最佳旋轉矢量，與當前數據塊相乘，更新輸入信號矩陣然后返回步驟S2中，對下一個信號周期的信號X_m+1重復上述步驟，直至m＝M-1。

所述LD-SLM算法只計算集中在區間[T,3T]內符號的PAPR值，找出區間[T,3T]內最小PAPR值來選擇最佳旋轉符號，不是SLM算法的[0，T]區間，也不是DSLM的[0，4T]區間。

本發明提出的一種降低FBMC-OQAM系統PAPR的低復雜度SLM算法，在優化算法復雜度的同時，具有降低系統PAPR的特性，既考慮到了FBMC-OQAM信號的自然重疊部分，又縮短了搜索時間，比DSLM算法在時間復雜度上更有優勢，與DSLM算法相比，由于計算PAPR值之前步驟相同，即輸入的FBMC信號經過采樣和濾波，通過濾波器需要2N(L_h+1)(MT₀+L_h-1)個實數乘法，接著將每個數據塊與生成的旋轉矢量相乘，需要UN(L_h+T/2)個復數乘法；對當前數據塊和之前數據塊進行調制需要UN((2m+1)T/2+4T)個復數乘法；計算PAPR值時需要2UNT_c個實數乘法和NUT_c個實數加法，求最大值需要NUT_c次查找比較，求均值和取對數運算分別需要1次實數除法和UNT_c次對數運算，以及1次實數乘法，此處將1次實數乘法、實數加法、實數除法、對數運算和一次查找比較運算均記作1次實數運算；因此，主要比較計算PAPR時的區別,即對公式的實現算法不同，因此DSLM算法的計算復雜度為：C_DSLM＝16MNUT+4MNUT+M，即C_DSLM＝20MNUT+M；本發明提出的LD-SLM算法，采樣、濾波和與旋轉因子相乘的過程與DSLM相同，由于在求取最佳旋轉因子時，PAPR計算區間為[T,3T]，因此旋轉和計算PAPR時的計算量有所區別，對于低復雜度SLM算法的計算復雜度為：C_LD-SLM＝8MNUT+2MNUT+M，即C_LD-SLM＝10MNUT+M；式中：N為子載波個數；M為數據塊個數；T為碼元寬度/符號周期；K為采樣因子/重疊因子；L_h為濾波器沖激響應長度；T₀為采樣周期，T_c為計算PAPR值所取的區間，m為當前數據塊，且m∈[0,M-1]；通過分析對比上述結果可知，本發明提出的LD-SLM算法比DSLM算法在復雜度上減少10MNUT次實數運算，C_LD-SLM≈0.5CDSLM，計算復雜度降低約50％，本發明提出的一種降低FBMC-OQAM系統PAPR的低復雜度SLM算法，由于綜合考慮了FBMC-OQAM符號的重疊性，即信號大部分能量集中在第2和第3連續的兩個FBMC-OQAM符號周期內，故能夠很好的適用于FBMC-OQAM系統，在降低系統的PAPR時，本發明提出的LD-SLM算法的性能與DSLM算法非常接近，且計算復雜度與DSLM算法相比減少10MNUT次實數運算，即計算復雜度降低約50％。

附圖說明

圖1為FBMC-OQAM信號模型；

圖2為FBMC-OQAM連續4個數據塊功率分布；

圖3為SLM技術框圖；

圖4為OFDM-SLM系統不同U值下PAPR；

圖5為U＝4時不同方案下PAPR分布；

圖6為FBMC信號與OFDM信號對比。

具體實施方式

為了進一步說明本發明的技術方案，下面對照附圖并結合具體實施例對本發明進行詳細的說明。

實施例

本發明提出的一種降低FBMC-OQAM系統PAPR的低復雜度SLM算法，包括以下步驟：

S1、首先初始化旋轉矢量，生成U個長度為N的相位旋轉矢量：

其中：n∈[0,N-1]，u∈[0,U-1]；

S2、將當前數據塊與旋轉矢量相乘，每個輸入數據塊X_m都與U個不同的旋轉矢量相乘：

其中：·表示矩陣點對點乘法；

S3、對信號進行采樣、濾波和調制，由于FBMC-OQAM信號的重疊性質，需要考慮當前數據塊之前的信號，從而得到如下信號：

其中：m∈[0,2π]，t∈[0,(m+1/2)T+4T]；

S4、根據下列公式計算信號x^u(t)的PAPR，計算區間為T_c；

分析圖2仿真結果可知每個信號的功率主要分布在每個信號周期的中間2T區間，故此處T_c∈[mT+T,mT+3T]，跨越2T，而DSLM技術中T_c∈[mT,mT+4T]，跨越4T；

S5、根據PAPR計算的結果，選擇最優旋轉方案，得到當PAPR值最小時的旋轉矢量編號，即并將u_min作為邊信息保存在U_SI＝[U_SI u_min]中；

S6、最后更新輸入，根據u_min選擇最佳旋轉矢量，與當前數據塊相乘，更新輸入信號矩陣然后返回步驟S2中，對下一個信號周期的信號X_m+1重復上述步驟，直至m＝M-1。

圖1所示為FBMC-OQAM信號模型；在FBMC-OQAM系統中，我們采用基于OQAM調制的信號傳輸，對于含有M個復雜輸入信號，N個子載波的發射端可以寫成：

其中和分別是第n個子載波上傳輸的第m個數據塊的實部和虛部，信號的實部和虛部在時域上相差T/2(T為符號周期，也稱碼元寬度)，對信號進行過采樣，采樣周期為T₀，過采樣因子為K，過采樣因子K≥4時，采樣后信號的PAPR值與連續信號的PAPR值非常接近，下文仿真中K取4；緊接著信號通過濾波器，通過原型濾波器h(t)和被N個子載波調制之后可以得到：

其中，n＝0,1,…,N-1；然后，在N個子載波信號上疊加，可以得到在第m個數據塊上的信號：

其中：L為原型濾波器h(t)的長度，可以看出X_m(t)的長度為(L+T/2)；最后，將M個數據塊疊加在一起可以得到FBMC-OQAM最終信號X(t)：

由(2)和(4)可得：

其中，n＝0,1,…,N-1；m＝0,1,…,M-1，h(t)為原型濾波器的脈沖響應，本文采用PHYDYAS原型濾波器，運用頻譜抽樣技術，濾波器的長度為L＝kN-1，k為重疊因子，N為子載波數數量，其中：

濾波器的脈沖響應如下：

其中，為標準化常量。

圖2所示為4個相鄰數據塊的功率分布，從圖中可以看出，每個FBMC-OQAM信號持續4.5T，與隨后的3個信號均重疊，且從圖中可以看出FBMC-OQAM信號的功率主要分布在其信號持續周期的第2至第3個符號周期之間，即集中在[mT,(m+2)T]之間。對于原型濾波器，能量主要位于主瓣，其長度影響著FBMC-OQAM信號脈沖響應的持續時間，我們定義FBMC-OQAM信號的功率分布如下：

P_avg[X(t)]＝|X(t)|²

圖3所示為傳統的用于減小OFDM系統PAPR的SLM技術的框圖。將輸入數據X與具有U個不同相位的序列相乘，得到一個修正的數據塊X^u，其中n＝0,1,…,N-1，u＝1,…,U。對U個獨立的序列{X^u[n]}取IFFT得到序列x^u＝[x^u[0],x^u[1],…,x^u[N-1]]^T，選擇其中具有最小PAPR的序列發射：

圖4所示為OFDM-SLM系統不同U值下PAPR，為了使接收機能夠恢復原始數據塊，需要將作為邊信息(Side Information，SI)保存在USI矩陣中，我們選取10⁵個FBMC符號，64個子載波，16個數據塊作為仿真參數，仿真OFDM信號運用SLM技術，取不同U值時的PAPR性能，圖中曲線從右到左分別是Original，U＝4，U＝8，U＝16，U＝32時PAPR的CCDF曲線，分析仿真結果可知，相比原始OFDM系統，運用SLM技術后，其PAPR值有效降低，且隨著U值的增大，性能對比也有所提升。

圖5所示為U＝4時不同方案下PAPR分布，選取10⁵個FBMC符號進行仿真，參數選擇為：周期T＝64，子載波數N＝64，采用4-QAM調制，向量旋轉矢量范圍為，過采樣因子K為4，采樣周期T₀取4T，選擇原型濾波器，跨度為4T。由前面的分析可知，FBMC-OQAM信號的能量主要集中在第2和第3符號周期，故仿真時我們選取的仿真區間為[T,3T]，在這個區間計算PAPR的值比之前計算[0，4T]范圍內的PAPR值的計算次數大大降低。圖5為原始FBMC-OQAM信號PAPR性能與運用DSLM以及運用LD-SLM的FBMC-OQAM在N＝64時的PAPR性能對比情況。由圖5中仿真結果可以看出，采用LD-SLM算法后，FBMC-OQAM信號的PAPR性能與原始FBMC信號相比有3.5dB的提升；與采用DSLM技術相近，相差只有約0.5dB性能。這說明本文提出的LD-SLM技術在降低FBMC-OQAM系統的PAPR性能上與DSLM相近，但相較原始信號有明顯提升。

圖6所示為FBMC信號與OFDM信號對比圖。我們將運用LD-SLM技術的FBMC-OQAM信號的PAPR與運用傳統SLM技術的OFDM信號的PAPR性能作對比。從圖6中可以看出，采用LD-SLM算法的FBMC-OQAM信號的PAPR性能與SLM算法PAPR性能很接近，這意味著本文提出的LD-SLM減小PAPR的方案能合理利用FBMC-OQAM信號的重疊性質，且能顯著減小信號的PAPR。從圖6也可以看出，備選信號數增加時，系統PAPR性能進一步提高。

以上所述，僅為本發明較佳的具體實施方式，但本發明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發明揭露的技術范圍內，根據本發明的技術方案及其發明構思加以等同替換或改變，都應涵蓋在本發明的保護范圍之內。