CN104917714B - 降低大规模mimo‑ofdm下行链路功峰均比的方法 - Google Patents
降低大规模mimo‑ofdm下行链路功峰均比的方法 Download PDFInfo
- Publication number
- CN104917714B CN104917714B CN201510309345.XA CN201510309345A CN104917714B CN 104917714 B CN104917714 B CN 104917714B CN 201510309345 A CN201510309345 A CN 201510309345A CN 104917714 B CN104917714 B CN 104917714B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mover
- msubsup
- mfrac
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000004069 differentiation Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000010276 construction Methods 0.000 abstract description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000021186 dishes Nutrition 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2614—Peak power aspects
- H04L27/2615—Reduction thereof using coding
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于无线通信的信号处理领域,尤其涉及在大规模MIMO‐OFDM下行链路中降低信号功峰均比(Peak‐to‐Average Power Ratio,PAPR)的方法。本发明首先把预编码约束、OFDM调制联合表示成一个欠定的方程组,然后建立一个能够促进低PAPR特征的先验模型,最后利用最大期望(Expectation‑Maximization,EM)和广义近似消息传递(Generalized Approximate Message Passing,GAMP)算法设计出一个能够求取低PAPR解的算法。本发明利用大规模MIMO‑OFDM***中基站端大量天线所提供的自由度,降低下行链路发送信号的PAPR。所得到的发送信号的能量非常集中,在发送天线足够多的情况下信号趋于恒包络状态,使得射频电路并不需要昂贵的线性功率放大器,这样能够有效降低未来基站的建设成本。
Description
技术领域
本发明属于无线通信的信号处理领域,尤其涉及在大规模MIMO-OFDM下行链路中降低信号功峰均比(Peak-to-Average Power Ratio,PAPR)的方法。
背景技术
由于大规模MIMO能够满足日益增长的通信速率和容量需求,受到了业界的广发关注。因为OFDM技术能很容易地应用到MIMO***中,MIMO-OFDM已经被默认为下一代无线通信***空口方案。OFDM调制是一种把不同数据分别映射到相互正交的子载波上的技术,能够有效对抗频率选择性衰落且实现简单,被广泛应用于各种通信***,例如:LTE与WIFI。但是,OFDM调制信号是多个独立载波的线性叠加,通常具有很高的PAPR,使得OFDM***的射频电路需要一个成本很高的线性放大器。
在传统的SISO-OFDM***中,已有很多成熟的降低PAPR的方法,它们通常在发射端把原始的高PAPR信号压缩成一个低PAPR信号发射出去,同时给用户发射一个能够正确解调此信号的附加信息。但是,多用户MIMO***中,接收端的用户不可能协作解调压缩后的PAPR信号,因此传统方法很难拓展到多用户MIMO***中。
在大规模MIMO***中,通常基站拥有的天线数远远大于所服务的用户数,这使得MIMO-OFDM***的多用户预编码约束和OFDM调制能够联合建立一个欠定的方程组,使得能满足用户间无干扰的调制信号有无穷个。因此,大规模的发送天线就提供了额外自由度来寻找具有低PAPR特性的OFDM调制信号。目前,一般利用凸优化的方案来寻找最优解,但是复杂度高,收敛速度慢。
发明内容
针对现有技术的不足,本发明提供一种利用低PAPR信号的统计特性来降低信号PAPR的低复杂度算法。
本发明的思路为:首先把预编码约束、OFDM调制联合表示成一个欠定的方程组,然后建立一个能够促进低PAPR特征的先验模型,最后利用最大期望(Expectation-Maximization,EM)和广义近似消息传递(Generalized Approximate Message Passing,GAMP)算法设计出一个能够求取低PAPR解的算法。
为了方便地描述本发明的内容,首先对本发明中使用的术语进行定义。
大规模MIMO-OFDM下行链路:如图1所示,sn为N个子载波分别发送的QAM调制信号,n=1,...,N,是保证用户间无干扰而进行预编码后的向量,(m=1,...,M)为M根基站发送天线上发送的频域信号,为M根基站发送天线上发送的时域信号,K为大规模MIMO中的用户数,K<<M,表示复数域。
预编码:MIMO-OFDM***中,为了保证在同一时-频域资源中多个用户间的接收信号无干扰,需要对发送信号sn进行预编码。信道为那么编码后的向量应该满足sn=Hnwn。这样,用户接收到的信号就不含其他用户的干扰。
功峰均比:第m根发送天线的PAPR定义为即发送信号的峰值与平均能量之比,其中,表示参数实部,表示参数虚部,为算子二范数。
正态分布:均值为μ,方差为σ2的正态分布(高斯分布)的概率密度函数定义为标准正态分布的累积分布函数定义为Φ(f),其中,f表示自变量。
保护带宽:在OFDM调制中为了保护所使用的频带不受相邻频带的干扰,通常不会使用位于频带两端的子载波。因此,把N个子载波分为两个集合:和对于子载波发送信号为QAM调制信号,对于子载波sn为M维零向量。
最大期望:一种求取最大似然估计的迭代算法。不断建立似然函数的下界,并对下界进行优化,进而最大化似然函数。
广义近似消息传递:一种求取变量近似后验分布函数的算法。
Digamma函数:定义为Gamma函数自然对数的导数,即
降低大规模MIMO-OFDM下行链路功峰均比的方法,具体步骤如下:
S1、计算联合预编码与OFDM调制的信号模型y=Ax,具体为:
S11、将大规模MIMO-OFDM下行链路的预编码约束与大规模MIMO-OFDM下行链路的OFDM调制联合表示成一个线性方程组其中, 为块对角矩阵,所述由个信道矩阵Hn与个M维单位阵组成,T为把预编码后的信号分配到各个发送天线的置换矩阵,为块对角矩阵,所述由M个N维离散傅里叶反变换矩阵组成,为未知量,[*]T表示矩阵的转置,|*|表示集合内元素的个数;
S12、将S11所述复数方程组变换到实数域:y=Ax,令x的维度为I,y的维度为J,其中,
S2、引入先验模型,具体为:
S21、令S1所述x的每个元素独立,对所述x引入截断高斯混合模型先验其中,i=1,...,I,所述x的第i个元素xi∈[-v,v],αi1和αi2为高斯逆方差,κi为取值为0和1的离散变量,v为先验的边界,归一化因子归一化因子
S22、对S11所述线性方程引入一个均值为零,逆方差为β的高斯噪声;
S3、迭代更新,输出具体如下:
S31、初始化,对所有j=1,...,J:对所有i=1,...,I:αi1(0)=αi2(0)=1,κi(0)=1/2,v(0)=||y||∞/||A||∞,令迭代次数t=1;
S32、运用GAMP计算近似后验分布,具体如下:
对所有j=1,...,J,
其中,上标*p起区分作用,表示与S12所述x相关的函数,Aji表示S12所述矩阵A的第j行第i列元素,表示S12所述矩阵A的第j行第i列元素的平方,
其中,为中间参数,
其中,上标*z起区分作用,
其中,为中间参数,
其中,为中间参数,
其中,上标*s起区分作用,
对所有i=1,...,I,
其中,上标*r起区分作用,
其中,为中间参数;
S33、更新信号xi和参数αi1,αi2和κi: κi(t+1)=q(κi=1),
其中,
对κi的后验概率q(κi)有
S34、更新S22所述逆方差β:
S35、更新S21所述边界v:v(t+1)=v(t)+Δv,其中,
S36、进行判定,若t=T,则跳出迭代并输出若t<T,则令t=t+1转入S31,其中,T为最大迭代次数,所述T为经验阈值。
本发明的有益效果是:
本发明利用大规模MIMO-OFDM***中基站端大量天线所提供的自由度,降低下行链路发送信号的PAPR。所得到的发送信号的能量非常集中,在发送天线足够多的情况下信号趋于恒包络状态,使得射频电路并不需要昂贵的线性功率放大器,这样能够有效降低未来基站的建设成本。
附图说明
图1为MIMO-OFDM***下行链路框图。
图2为发送的时域信号和对应的频域信号,(a)时域信号,(b)频域信号,其中,EM-TGM-GAMP表示便发明的方法,ZF为未进行PAPR处理的传统预编码方法。
图3为PAPR的补累计分布图。
具体实施方式
下面结合实施例和附图,详细说明本发明的技术方案。
基站端有M=100根发送天线;服务用户数为K=10;OFDM子载波个数为N=128,其中有效子载波数为
假设信道完美已知,选用16QAM调制模式。
首先根据信道矩阵与用户数据计算出信号模型中的A和y;然后初始化算法参数:αi1(0)=αi2(0)=1、κi(0)=1/2、v(0)=||y||∞/||A||∞、根据GAMP与EM算法迭代更新信号与模型参数,达到最大迭代次数时跳出并输出所求解。
S1、计算联合预编码与OFDM调制的信号模型y=Ax,具体为:
S11、将大规模MIMO-OFDM下行链路的预编码约束与大规模MIMO-OFDM下行链路的OFDM调制联合表示成一个线性方程组其中, 为块对角矩阵,所述由个信道矩阵Hn与个M维单位阵组成,T为把预编码后的信号分配到各个发送天线的置换矩阵,为块对角矩阵,所述由M个N维离散傅里叶反变换矩阵组成,为未知量,[*]T表示矩阵的转置,|*|表示集合内元素的个数;
S12、将S11所述复数方程组变换到实数域:y=Ax,令x的维度为I,y的维度为J,其中,由于K<<M,A为欠定的,该方程有无穷个解,利用后面的步骤来求取其中PAPR最小的解;
S2、引入先验模型,具体为:
S21、为了租金解的低PAPR特性,令S1所述x的每个元素独立,对所述x引入截断高斯混合模型先验其中,i=1,...,I,所述x的第i个元素xi∈[-v,v],αi1和αi2为高斯逆方差,κi为取值为0和1的离散变量,v为先验的边界,归一化因子归一化因子
S22、对S11所述线性方程引入一个均值为零,逆方差为β的高斯噪声,这样就可以利用下面的迭代算法联合估计x、α1、α2、κ、v、β,从而得到低PAPR信号;
S3、迭代更新,输出具体如下:
S31、初始化,对所有j=1,...,J:对所有i=1,...,I:αi1(0)=αi2(0)=1,κi(0)=1/2,v(0)=||y||∞/||A||∞,令迭代次数t=1;
S32、运用GAMP计算近似后验分布,具体如下:
对所有j=1,...,J,
其中,上标*p起区分作用,表示与S12所述x相关的函数,Aji表示S12所述矩阵A的第j行第i列元素,表示S12所述矩阵A的第j行第i列元素的平方,
其中,为中间参数,
其中,上标*z起区分作用,
其中,为中间参数,
其中,为中间参数,
其中,上标*s起区分作用,
对所有i=1,...,I,
其中,上标*r起区分作用,
其中,为中间参数;
S33、更新信号xi和参数αi1,αi2和κi: κi(t+1)=q(κi=1),
其中,
对κi的后验概率q(κi)有
S34、更新S22所述逆方差β:
S35、更新S21所述边界v:v(t+1)=v(t)+Δv,其中,
S36、进行判定,若t=T,则跳出迭代并输出若t<T,则令t=t+1转入S31,其中,T为最大迭代次数,所述T为经验阈值。
经过上面的迭代运算后就可以得到具有低PAPR的发送信号,且此信号能够保证用户间无干扰及保护带宽上基本没有信号能量。
如图2所示,第1根发送天线上的时域信号及其频谱。其中,EM-TGM-GAMP所示曲线为采用本发明方法获得的信号,ZF为没有进行PAPR处理的普通迫零(ZeroForcing,ZF)算法。从图2(a)可以看出采用本发明得到的信号样本大多数的能量都集中在一个峰值,而剩余的样本能量小于这个峰值,因此信号的PAPR很小,只有0.6dB,而未进行PAPR处理的信号PAPR高达11.9dB。图2(b)为信号的频谱,可以看出在一些用作保护带宽的子载波上,EM-TGM-GAMP同ZF一样并不存在能量。
图3所示为两种方案信号PAPR的补累积分布对比,可以看出本发明得到的调制信号的PAPR基本总是小于1dB,而比ZF好10dB以上。因此,采用本发明的方案能够有效降低未来基站天线射频的建设成本。
Claims (1)
1.降低大规模MIMO-OFDM下行链路功峰均比的方法,其特征在于,包括如下步骤:
S1、计算联合预编码与OFDM调制的信号模型y=Ax,具体为:
S11、将大规模MIMO-OFDM下行链路的预编码约束与大规模MIMO-OFDM下行链路的OFDM调制联合表示成一个线性方程组其中, 为块对角矩阵,所述由个信道矩阵Hn与个M维单位阵组成,T为把预编码后的信号分配到各个发送天线的置换矩阵,为块对角矩阵,所述由M个N维离散傅里叶反变换矩阵组成,为未知量,[*]T表示矩阵的转置,|*|表示集合内元素的个数;
S12、将S11所述线性方程组变换到实数域:y=Ax,令x的维度为I,y的维度为J,其中,
S2、引入先验模型,具体为:
S21、令S1所述x的每个元素独立,对所述x引入截断高斯混合模型先验其中,i=1,...,I,所述x的第i个元素xi∈[-v,v],αi1和αi2为高斯逆方差,κi为取值为0和1的离散变量,v为先验的边界,归一化因子归一化因子
S22、对S11所述线性方程引入一个均值为零,逆方差为β的高斯噪声;
S3、迭代更新,输出具体如下:
S31、初始化,对所有j=1,...,J:对所有i=1,...,I:αi1(0)=αi2(0)=1,κi(0)=1/2,v(0)=||y||∞/|||A||∞,令迭代次数t=1;
S32、运用GAMP计算近似后验分布,具体如下:
对所有j=1,...,J,
其中,上标*p起区分作用,表示与S12所述x相关的函数,Aji表示S12所述矩阵A的第j行第i列元素,表示S12所述矩阵A的第j行第i列元素的平方,
其中,为中间参数,
其中,上标*z起区分作用,
其中,为中间参数,
其中,为中间参数,
其中,上标*s起区分作用,
对所有i=1,...,I,
其中,上标*r起区分作用,
其中,为中间参数;
S33、更新信号xi和参数αi1,αi2和κi: κi(t+1)=q(κi=1),
其中,
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mi>v</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mover>
<mi>r</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>/</mo>
<msubsup>
<mi>&tau;</mi>
<mi>i</mi>
<mi>r</mi>
</msubsup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>,</mo>
</mrow>
φi=Φ((v(t)-μi)/σi)-Φ((-v(t)-μi)/σi),
<mrow>
<msub>
<mover>
<mi>a</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mi>a</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mover>
<mi>a</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<mi>a</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mi>b</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mo><</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>></mo>
<mo>-</mo>
<mn>2</mn>
<mi>v</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<mi>b</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mo><</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>></mo>
<mo>+</mo>
<mn>2</mn>
<mi>v</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msubsup>
<mi>&tau;</mi>
<mi>i</mi>
<mi>x</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo><</mo>
<msubsup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>></mo>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>(</mo>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
对κi的后验概率q(κi)有
<mrow>
<mi>ln</mi>
<mi> </mi>
<mi>q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mrow>
<mo>(</mo>
<mo><</mo>
<msub>
<mi>ln&alpha;</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>></mo>
<mo>-</mo>
<mo><</mo>
<msub>
<mi>ln&alpha;</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>></mo>
<mo>+</mo>
<mn>4</mn>
<mi>v</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>ln&eta;</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>ln&eta;</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>c</mi>
<mi>o</mi>
<mi>n</mi>
<mi>s</mi>
<mi>tan</mi>
<mi>t</mi>
<mo>,</mo>
</mrow>
<mrow>
<mo><</mo>
<msub>
<mi>ln&alpha;</mi>
<mrow>
<mi>i</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>></mo>
<mo>=</mo>
<mi>&psi;</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>a</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>;</mo>
</mrow>
S34、更新S22所述逆方差β:
S35、更新S21所述边界v:v(t+1)=v(t)+Δv,其中,
S36、进行判定,若t=T,则跳出迭代并输出若t<T,则令t=t+1转入S31,其中,T为最大迭代次数,所述T为经验阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510309345.XA CN104917714B (zh) | 2015-06-08 | 2015-06-08 | 降低大规模mimo‑ofdm下行链路功峰均比的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510309345.XA CN104917714B (zh) | 2015-06-08 | 2015-06-08 | 降低大规模mimo‑ofdm下行链路功峰均比的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104917714A CN104917714A (zh) | 2015-09-16 |
CN104917714B true CN104917714B (zh) | 2018-03-06 |
Family
ID=54086427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510309345.XA Expired - Fee Related CN104917714B (zh) | 2015-06-08 | 2015-06-08 | 降低大规模mimo‑ofdm下行链路功峰均比的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104917714B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105812038B (zh) * | 2016-03-17 | 2018-11-23 | 东南大学 | 多波束移动卫星通信***多用户下行联合预编码方法 |
CN106487738B (zh) * | 2016-09-27 | 2019-09-27 | 哈尔滨工程大学 | 一种基于正交导频序列的水声ofdm通信***选择性映射峰均比抑制算法 |
CN106534025B (zh) * | 2016-10-14 | 2019-07-16 | 西安电子科技大学 | 基于改进型交叉熵的载波注入峰均比抑制方法 |
CN107231216B (zh) * | 2017-07-04 | 2019-09-27 | 电子科技大学 | 基于gamp算法的相位噪声补偿抑制方法 |
CN108366035B (zh) * | 2018-05-21 | 2020-09-22 | 东南大学 | 一种降低adma***信号峰均功率比的预编码方法 |
CN108712189B (zh) * | 2018-05-29 | 2019-12-27 | 电子科技大学 | 用于交织多址***的结合近似消息传递的多用户检测方法 |
US20210399935A1 (en) * | 2018-11-05 | 2021-12-23 | Nokia Solutions And Networks Oy | Papr reduction of mimo-ofdm |
CN110135492B (zh) * | 2019-05-13 | 2020-12-22 | 山东大学 | 基于多高斯模型的设备故障诊断与异常检测方法及*** |
CN115173905B (zh) * | 2022-07-28 | 2023-11-21 | 江苏科技大学 | 一种降低多用户mimo-ofdm***峰均比及带外辐射的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7796498B2 (en) * | 2008-06-29 | 2010-09-14 | Intel Corporation | Weighted tone reservation for OFDM PAPR reduction |
CN102185823A (zh) * | 2011-06-02 | 2011-09-14 | 中国科学技术大学 | 一种组合降低峰均比和误比特率的子载波预留方法 |
CN103107971A (zh) * | 2013-03-06 | 2013-05-15 | 电子科技大学 | 一种降低ofdm信号papr的相位因子优选对方法 |
CN103227769A (zh) * | 2013-05-06 | 2013-07-31 | 西南石油大学 | 一种新的降低stbc mimo-ofdm***峰均比的方法 |
-
2015
- 2015-06-08 CN CN201510309345.XA patent/CN104917714B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7796498B2 (en) * | 2008-06-29 | 2010-09-14 | Intel Corporation | Weighted tone reservation for OFDM PAPR reduction |
CN102185823A (zh) * | 2011-06-02 | 2011-09-14 | 中国科学技术大学 | 一种组合降低峰均比和误比特率的子载波预留方法 |
CN103107971A (zh) * | 2013-03-06 | 2013-05-15 | 电子科技大学 | 一种降低ofdm信号papr的相位因子优选对方法 |
CN103227769A (zh) * | 2013-05-06 | 2013-07-31 | 西南石油大学 | 一种新的降低stbc mimo-ofdm***峰均比的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104917714A (zh) | 2015-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104917714B (zh) | 降低大规模mimo‑ofdm下行链路功峰均比的方法 | |
CN103986682B (zh) | 一种无线mimo通信***的通信方法 | |
CN102932091B (zh) | 一种无线局域网信令发送方法及装置 | |
CN110086743B (zh) | 一种基于差分编码的短突发mimo-ofdm通信***及方法 | |
CN101515917A (zh) | 基于双向中继的多用户无线通信***及方法 | |
CN103312652B (zh) | 一种基于f矩阵的空频编码sfbc mimo-ofdm***进行选择性映射slm的方法 | |
CN104272641A (zh) | 在基于多用户mimo的通信***中解调信号的方法及装置 | |
CN113645171B (zh) | 可重构智能表面多用户mimo***调制解调方法及装置 | |
CN108712198B (zh) | 一种基于子带等效信道矩阵条件数的混合预编码方法 | |
CN104092519B (zh) | 一种基于加权和速率最大化的多用户mimo协作传输方法 | |
CN106533590A (zh) | 基于接收端evm的上行链路信道质量测量方法 | |
CN105515625A (zh) | 基于接收端空间调制的多用户下行传输方法 | |
Coon et al. | Combined bulk and per-tone transmit antenna selection in OFDM systems | |
CN104852878B (zh) | 能够降低复杂度的基于和均方误差最小原则的下行多用户mimo***预编码方法 | |
CN101848174A (zh) | 发射预处理方法和发射预处理信号的数据解调方法 | |
CN101667893A (zh) | 基于块空时分组编码的虚拟多输入多输出中继传输方法 | |
CN102255707A (zh) | 针对sc-fdma mu- mimo***的基于互信息的空间频率调度方法 | |
CN108809378A (zh) | 基于有限字符集信号输入的无线携能mimo预编码方法 | |
Pan et al. | Dynamic resource allocation with adaptive beamforming for MIMO/OFDM systems under perfect and imperfect CSI | |
CN107659348A (zh) | 一种基于信漏噪比slnr和预编码thp混合自适应预编码设计方法 | |
Hoefel | Ieee 802.11 ac: A performance assessment of single-user transmit beamforming and multi-user mimo transceiver architectures | |
CN101626283B (zh) | 垂直分层空时编码通信***的均匀信道分解方法 | |
Iqbal et al. | Improving throughput and reliability performance of future 6G-IoT communication systems using signal superposition-based dual transmission | |
CN104243386A (zh) | 多载波通信***附加通道信息传输方法 | |
CN108235425A (zh) | 基于能效最优的成对用户大规模天线中继***及其资源分配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180306 |