降低OFDM系統(tǒng)PAPR的改進(jìn)SLM算法

季策，祝雯靖，魏穎，賈佃霞

（1. 東北大學(xué)計算機(jī)科學(xué)與工程學(xué)院，遼寧 沈陽 110169；2. 東北大學(xué)信息科學(xué)與工程學(xué)院，遼寧 沈陽 110004）

1 引言

正交頻分復(fù)用（OFDM,orthogonal frequency division multiplexing）是一種多載波調(diào)制技術(shù)，由于其具有較高的頻譜利用率和較強(qiáng)的抗多徑干擾能力等優(yōu)點，得到了普遍應(yīng)用[1]。但是，OFDM信號是由多個子載波信號進(jìn)行疊加而得到的，因此，它會產(chǎn)生很高的峰均功率比（PAPR,peak to average power ratio）[2]。峰均功率比過大，勢必會增加系統(tǒng)對線性功率放大器的線性放大要求，使射頻功率放大器的效率大幅降低[3]。因此，學(xué)者們從多方面進(jìn)行研究與分析，提出了一些有效降低PAPR的方法。

當(dāng)前，降低OFDM系統(tǒng)PAPR的技術(shù)主要包括預(yù)畸變類[4]、編碼類[5]、概率類技術(shù)[6,7]等。概率類技術(shù)中的選擇性映射（SLM,selective mapping）算法將隨機(jī)產(chǎn)生的M個相位序列與原始OFDM信號進(jìn)行點乘，對M個信號進(jìn)行快速傅里葉逆變換（IFFT,inverse fast Fourier transform）后，選擇時域信號中PAPR最小的一路進(jìn)行傳輸[8]。

基于轉(zhuǎn)移矩陣的SLM算法[9,10]，即T-SLM算法，通過加入轉(zhuǎn)移矩陣以產(chǎn)生更多的時域備選序列，達(dá)到改善PAPR性能的目的，但是其計算復(fù)雜度會有所增加，且 T-SLM 算法需要傳輸所選最優(yōu)序列的所有相位信息，系統(tǒng)傳輸效率較低。針對此類問題，本文在T-SLM算法的基礎(chǔ)上，提出了轉(zhuǎn)移矩陣和混沌序列相結(jié)合的TL-SLM算法，以達(dá)到在改善PAPR性能的同時降低邊帶信息的目的。但是此算法PAPR降低的幅度有限，因此，在TL-SLM算法的基礎(chǔ)上，又提出了引入旋轉(zhuǎn)向量的TR-SLM算法，使系統(tǒng)能夠產(chǎn)生更多的時域備選信號，進(jìn)而大幅降低系統(tǒng)的PAPR，仿真結(jié)果表明了上述算法的有效性。

2 OFDM系統(tǒng)及傳統(tǒng)的SLM算法

假設(shè)一個 OFDM 系統(tǒng)中包含N個子載波，用表示 OFDM 系統(tǒng)的輸入信號。用表示 OFDM 時域信號序列，則x可表示為[11]

其中，n= 1 ,2,…,N，L為采樣系數(shù)。

信號的PAPR定義為[12]

通常情況下，使用互補(bǔ)累積分布函數(shù)（CCDF,complementary cumulative distribution function）來描述PAPR的分布情況，其數(shù)學(xué)計算式為

OFDM系統(tǒng)中發(fā)射機(jī)的信號可以表示為

設(shè)Q為IFFT矩陣，則Q具有以下形式。

存在M個不同的、長度為N的相位旋轉(zhuǎn)向量，其表示形式如下

圖1 傳統(tǒng)SLM算法原理

3 改進(jìn)的SLM算法

3.1 TL-SLM算法

T-SLM算法利用轉(zhuǎn)移矩陣和IFFT后的信號進(jìn)行運算，矩陣運算的原理如圖2所示。

圖2 加入矩陣運算的原理

s和si分別是頻域信號S=X和Si=RiX經(jīng)過IFFT之后的信號。Ri為向量γi對應(yīng)的相位變換矩陣，其計算式為

式(8)中的 Si也可以表示為

由圖2可知式(11)成立。

由于IFFT矩陣Q是可逆的，由式(11)可得

由式(12)得，可用轉(zhuǎn)移矩陣 Ti來代替?zhèn)鹘y(tǒng)SLM算法的IFFT模塊，有

由文獻(xiàn)[9]知，轉(zhuǎn)移矩陣 Ti可以表示為

t1= [ 1,1,-1,1]T為轉(zhuǎn)移矩陣 Ti的第一列向量 pi的非0元素，由 t1得到基向量 pi為

根據(jù)式(14)和式(15)，由列向量 pi進(jìn)行循環(huán)移位得到矩陣 Ti。

為了減少傳統(tǒng)SLM算法及上述T-SLM算法邊帶信息的傳輸，本文提出了混沌序列與轉(zhuǎn)移矩陣相結(jié)合的 TL-SLM 算法，該算法使用混沌序列代替T-SLM算法中的隨機(jī)相位序列?；鞚嵝蛄衃13]的映射方式有很多種，如 Logistic映射、Chebyshev映射和Tent映射等。本文使用的混沌序列采用了Logistic映射，該映射是在實際系統(tǒng)中存在的最簡單的非線性差分方程，計算式為

其中， μ ∈ [ 0,2]，Lk∈(- 1 ,1)。經(jīng)研究發(fā)現(xiàn)μ∈ [1 .40015,2]時，系統(tǒng)工作于混沌狀態(tài)，產(chǎn)生的序列為混沌序列[14]。此時的 TL-SLM 算法中的相位因子是混沌序列l(wèi)，由于混沌序列的特性，只需設(shè)定一個初始值，就可以通過迭代得到整個相位序列，此時，傳輸過程中的邊帶信息只包含一個初始值，遠(yuǎn)少于傳統(tǒng)SLM算法和T-SLM算法，提高了系統(tǒng)的傳輸效率。TL-SLM算法的原理如圖3所示。

圖3 TL-SLM算法的原理

3.2 TR-SLM算法

為了進(jìn)一步改善系統(tǒng)的PAPR性能，本文又提出了TR-SLM算法，該算法的原理是在TL-SLM算法的基礎(chǔ)上引入旋轉(zhuǎn)向量G[15]，從而增加時域備選信號的多樣性，達(dá)到進(jìn)一步降低系統(tǒng)PAPR的目的。

本文使用了2種旋轉(zhuǎn)向量，第一種旋轉(zhuǎn)向量 Ga是1×LN維的向量，Ga可由2個基向量組成，基向量形式為

第二種旋轉(zhuǎn)向量Gb也是1× LN維的向量，Gb可由2個基向量組成，基向量形式為

由于旋轉(zhuǎn)向量由2個基向量構(gòu)成，并且根據(jù)卷積的線性性質(zhì)，候選信號序列可以表示為

其中，?LN代表LN點的卷積運算，可由向右循環(huán)移位ma次得到。同理得到通過第二種旋轉(zhuǎn)向量產(chǎn)生的候選信號序列y(mb)。

由式(21)并結(jié)合TL-SLM算法，給出TR-SLM算法的原理如圖4所示。

TR-SLM算法的具體實現(xiàn)過程如下。

1) 將原始信號X進(jìn)行串并變換。

2) 將混沌序列l(wèi)i={L0,L1,…,LN-1},i=1,…,M與原始信號X進(jìn)行點乘，得到表示相同數(shù)據(jù)信息的M路信號。

3) 點乘后的M路信號經(jīng)過IFFT。

4) 經(jīng)過IFFT后的信號分別通過轉(zhuǎn)移矩陣和旋轉(zhuǎn)向量，生成3M路信號，因此，總時域備選信號數(shù)目為4M。

5) 從4M路時域備選信號中選擇PAPR最小的信號傳輸。

因此，TR-SLM算法產(chǎn)生的時域備選信號集合yall可表示為

4 性能分析

4.1 計算復(fù)雜度

假設(shè)M為IFFT個數(shù)，則傳統(tǒng)SLM算法、T-SLM算法、TL-SLM算法、TR-SLM算法的復(fù)雜度如表1所示。

混沌序列的產(chǎn)生需要2(LN- 1)次復(fù)數(shù)乘法和LN-1次復(fù)數(shù)加法，轉(zhuǎn)移矩陣和旋轉(zhuǎn)向量的復(fù)雜度均為3LN次復(fù)數(shù)加法。表1中后2種算法相比于前2種算法復(fù)數(shù)乘法次數(shù)的增加主要源于混沌序列的生成。但是就產(chǎn)生備選信號序列的數(shù)目而言，TL-SLM算法是傳統(tǒng)SLM算法的2倍，TR-SLM算法是傳統(tǒng)SLM算法的4倍、是TL-SLM算法的2倍。由 4.2節(jié)的仿真可以看出，TL-SLM 算法和TR-SLM算法在降低了邊帶信息傳輸?shù)耐瑫r，改善了PAPR性能。因此，TL-SLM算法和TR-SLM算法增加少量計算復(fù)雜度是可以接受的。

4.2 仿真結(jié)果

為了驗證改進(jìn)算法的有效性，對幾種算法進(jìn)行了Matlab仿真對比，仿真參數(shù)設(shè)置如下。調(diào)制方式為QPSK調(diào)制，采樣率L為4，子載波數(shù)N為128，仿真OFDM信號數(shù)為10 000。

圖5給出了當(dāng)M= 16時，OFDM系統(tǒng)經(jīng)過傳統(tǒng)SLM算法、T-SLM算法、TL-SLM算法及TR-SLM算法的CCDF性能曲線。由圖5可知，T-SLM算法降低OFDM系統(tǒng)PAPR的效果明顯優(yōu)于傳統(tǒng)SLM算法；TL-SLM算法相比于T-SLM算法，性能略有改善；TR-SLM算法相比于T-SLM算法，性能有大幅度的提升。TR-SLM算法降低OFDM系統(tǒng)PAPR的效果明顯優(yōu)于T-SLM算法和TL-SLM算法。

圖4 TR-SLM算法的原理

表1 4種SLM算法的復(fù)雜度對比

圖6給出了當(dāng)M分別取4、16、64時，TL-SLM算法和TR-SLM算法的CCDF性能曲線。由圖6可知，TL-SLM算法和TR-SLM算法的PAPR隨著M的增加而減小，與傳統(tǒng)SLM算法PAPR隨著備選信號數(shù)量的增加而減小的趨勢一致。

圖 7為M= 128時，幾種算法的系統(tǒng)誤碼率（BER,bit error rate）的對比。由圖7可知，傳統(tǒng)SLM算法、T-SLM算法、TL-SLM算法及TR-SLM算法的 BER曲線接近相互重合，由此可以進(jìn)一步證明本文所提算法的有效性。

圖5 M= 16時，幾種算法的PAPR性能比較

圖6 當(dāng)M取值不同時，TL-SLM和TR-SLM的CCDF曲線

圖7 M= 128時，幾種算法的誤碼率性能比較

5 結(jié)束語

本文提出了2種改進(jìn)的SLM算法，使用混沌序列代替隨機(jī)相位序列，減少邊帶信息的傳輸，同時引入旋轉(zhuǎn)向量與IFFT后的信號進(jìn)行運算，實現(xiàn)時域備選信號數(shù)量的擴(kuò)充，進(jìn)一步降低系統(tǒng)的

PAPR。本文引入的旋轉(zhuǎn)向量只增加了部分復(fù)數(shù)加法運算，沒有增加復(fù)數(shù)乘法運算。仿真結(jié)果表明，與T-SLM算法相比，TR-SLM算法和TL-SLM算法都進(jìn)一步降低了系統(tǒng)的PAPR，并且誤碼率保持基本不變。

參考文獻(xiàn)：

[1]蒙文武,朱光喜,胡修林,等. OFDM系統(tǒng)中低峰均功率比的SLM算法[J]. 華中科技大學(xué)學(xué)報(自然科學(xué)版),2008,36(6):63-65.MENG W W,ZHU G X,HU X L,et al. SLM algorithms for PAPR reduction in OFDM system[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition),2008,36(6):63-65.

[2]胡武君,楊霖. MIMO-OFDM系統(tǒng)中基于循環(huán)移位和信號聯(lián)合的改進(jìn)SLM算法[J]. 通信學(xué)報,2015,36(4):1-8.HU W J,YANG L. Modified SLM algorithm based on cyclic shift and signal combination in MIMO-OFDM system[J]. Journal on Communications,2015,36(4):1-8.

[3]楊霖,何向東,劉云云. OFDM系統(tǒng)中基于盲檢測的低復(fù)雜度分塊SLM算法[J]. 系統(tǒng)工程與電子技術(shù),2016,38(1):163-171.YANG L,HE X D,LIU Y Y. Low complexity block SLM based on blind detection in OFDM systems[J]. Systems Engineering and Electronics,2016,38(1):163-171.

[4]KELVIN A,CAGRI T,BAMIDELE A,et al. A new approach to iterative clipping and filtering PAPR reduction scheme for OFDM systems[J]. IEEE Access,2017,PP(99):1-11.

[5]SGHAIER M,ABDELKEFI F,SILALA M. Efficient embedded signaling through alamouti STBC precoders in MIMO-OFDM system[C]//IEEE Wireless Communication and Networking Conference.2013: 4053-4058.

[6]FATHY S A,EL-MAHALLAWY M S,HAGRAS E A A. SLM technique based on particle swarm optimization algorithm for PAPR reduction in wavelet-OFDM systems[C]//32nd National Radio Science Conference (NRSC). 2015: 163-170.

[7]KANG S L,YOUNG J C,JUN Y W,et al. Low-complexity PTS schemes using OFDM signal rotation and preexclusion of phase rotating vectors[J]. IET Communications,2016,10(5):540-547.

[8]HYUN B J,JONG S N,DONG J S. A low-complexity SLM scheme using additive mapping sequences for PAPR reduction of OFDM signals[J]. IEEE Transactions on Broadcasting,2011,57(4):866-875.

[9]CHIN L W,YUAN O Y. Low-complexity selected mapping schemes for peak-to-average power ratio reduction in OFDM systems[J]. IEEE Transactions on Signal Processing,2005,53(12):4652-4660.

[10]WANG C L,KU S J. Novel conversion matrices for simplifying the IFFT computation of an SLM-based PAPR reduction scheme for OFDM systems[J]. IEEE Transactions on Communications,2009,57(7):1903-1907.

[11]NECMI T,MAHMUT Y. A novel parallel artificial bee colony algorithm and its PAPR reduction performance using SLM scheme in OFDM and MIMO-OFDM systems[J]. IEEE Communications Letters,2015,19(10):1830-1833.

[12]KATAM S,MUTHUCHIDAMBARANATHAN P. Low complexity SLM-PTS method for reduction of PAPR in OFDM systems[C]//3rd International Conference on Eco-friendly Computing and Communication Systems. 2014: 233-237.

[13]LITVINENKO A,ABOLTINS A. Chaos based linear precoding for OFDM[C]//Advances in Wireless and Optical Communications(RTUWO). 2015: 13-17.

[14]胡澤鑫,許柯,朱曉明,等. 一種基于混沌序列降低 OFDM 系統(tǒng)PAPR方法的研究[J]. 通信技術(shù)，2007,12(40): 63-65.HU Z X,XU K,ZHU X M,et al. A Chaotic sequence-based method for reducing PAPR of OFDM system[J]. Communications Technology,2007,12(40): 63-65.

[15]LI C P,WANG S H,WANG C L. Novel low-complexity SLM schemes for PAPR reduction in OFDM systems[J]. IEEE Transactions on Signal Processing,2010,58(5):2916-2921.