11.07.2015 Views

减少OFDM系统的峰均功率比的研究 - Wen Chen - 上海交通大学

减少OFDM系统的峰均功率比的研究 - Wen Chen - 上海交通大学

减少OFDM系统的峰均功率比的研究 - Wen Chen - 上海交通大学

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

上 海 交 通 大 学 博 士 学 位 论 文减 少 OFDM 系 统 的 峰 均 功 率 比 的 研 究在 方 程 (3.23) 中 ,β 的 计 算 需 要 2 ¯N S1 次 实 数 乘 法 和 1 次 实 数 除 法 。 而 在 方程 (3.25) 和 方 程 (3.24) 中 ,A 的 更 新 和 ∇ A 的 计 算 分 别 只 需 要 1 次 实 数 乘 法 和 1 次实 数 除 法 。AAC-TR 算 法 的 复 杂 性 主 要 取 决 于 LN 点 DFT/IDFT 对 和 在 方 程 (3.15) 中 对切 削 噪 声 的 加 权 计 算 。 而 这 个 加 权 计 算 需 要 2LN 次 实 数 乘 法 。 基 于 上 面 的 分析 , 对 K 次 递 推 , 我 们 提 出 的 AAC-TR 算 法 的 总 的 计 算 复 杂 性 为 :M = K(4 ¯N S1 + M DF T + M IDF T + 2LN + 1) (3.30)次 实 数 乘 法 和 K( ¯N S1 + 2) 次 实 数 除 法 。在 AAC-TR 算 法 中 , 如 果 用 FFT/IFFT 替 换 DFT/IDFT 来 计 算 峰 值 减 少 信号 , 则 AAC-TR 算 法 的 计 算 复 杂 性 可 以 被 估 计 为 O(LN log(LN))。 这 个 复 杂性 的 阶 和 AS-TR 方 法 是 一 致 的 。 但 是 要 比 梯 度 算 法 好 。 后 者 的 复 杂 性 的 阶为 O(LN 2 ) [64]。 另 一 方 面 , 我 们 提 出 的 AAC-TR 算 法 在 每 次 递 推 中 可 以 减 少 在目 标 切 削 阈 值 上 的 所 有 大 的 峰 值 , 而 梯 度 算 法 在 每 次 递 推 中 只 能 减 少 一 个 峰值 。与 AS-TR 算 法 相 比 ,AAC-TR 算 法 的 计 算 复 杂 度 稍 微 增 加 , 这 主 要 是 基 于下 面 的 事 实 。 对 AS-TR 算 法 , 在 方 程 (3.16) 中 ,β 的 计 算 是 在 S p 上 进 行 的 , 这需 要 5 ¯N Sp 次 实 数 乘 法 。 然 而 , 对 AAC-TR 算 法 ,β 的 计 算 是 在 S 1 上 进 行 的 , 这需 要 2 ¯N√6 σS1 次 实 数 乘 法 。 利 用 文 献 [62] 的 结 论 , 我 们 有 ¯NS1 = L ¯N π A Sp 。 例如 , 当 L = 4, N = 512 和 γ = 5 dB 时 , 我 们 有 ¯NS1 = 86.6902 和 ¯NSp = 39.4389。因 此 在 每 次 递 推 中 , 减 少 了 5 ¯N Sp − 2 ¯N Sp= 23.8139 次 实 数 乘 法 。 尽 管 在 方程 (3.24) 和 方 程 (3.25) 中 , 目 标 切 削 阈 值 A 的 自 适 应 更 新 , 会 导 致 计 算 量 的 增 加 ,但 这 主 要 是 实 数 加 法 的 增 加 。 而 由 于 计 算 β 的 实 数 乘 法 次 数 的 减 少 可 以 补 偿 一部 分 实 数 加 法 。 从 而 使 得 AAC-TR 算 法 的 复 杂 性 只 是 比 AS-TR 算 法 稍 微 增 加 。3.4.4 AAC-TR 算 法 的 仿 真 结 果为 了 评 估 和 比 较 我 们 提 出 的 遗 传 算 法 基 的 几 乎 最 优 PRT 集 位 置 搜 索 算法 和 AAC-TR 算 法 对 OFDM 信 号 的 PAPR 减 少 性 能 , 我 们 进 行 了 仿 真 。 在 我 们的 仿 真 情 形 中 ,OFDM 系 统 采 用 了 N = 512 个 子 载 波 和 16-QAM 调 制 。 保 护的 子 载 波 数 为 M = 32。 为 了 获 得 OFDM 信 号 的 CCDF, 我 们 随 机 产 生 了 10 5个 OFDM 符 号 。 为 了 获 得 准 确 的 PAPR 估 计 , 对 OFDM 信 号 进 行 L = 4 倍 过 采样 。— 50 —

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!