CN108763655A - 基于粒子群搜索的峰均功率比优化方法 - Google Patents
基于粒子群搜索的峰均功率比优化方法 Download PDFInfo
- Publication number
- CN108763655A CN108763655A CN201810415275.XA CN201810415275A CN108763655A CN 108763655 A CN108763655 A CN 108763655A CN 201810415275 A CN201810415275 A CN 201810415275A CN 108763655 A CN108763655 A CN 108763655A
- Authority
- CN
- China
- Prior art keywords
- power ratio
- algorithm
- peak
- signal
- average power
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Transmitters (AREA)
Abstract
本发明公开了一种在正交频分复用***中,基于粒子群搜索算法的高峰均功率比优化的方法,属于无线通信技术的领域。本发明包括了粒子群算法的基本介绍,正交频分复用***的介绍,将粒子群算法用于减少高峰均功率比的优化减少的优化问题。本发明能够有效地证明出,采用的粒子群算法与以往的算法进行对比,不仅能够取得较为良好的减少峰均功率比的优化效果,而且还能减少了算法的复杂度,同时还能保证误比特率的相似。
Description
技术领域
本发明涉及的是一种新型优化方法,具体涉及是将新的智能算法即常用的群智能优化算法运用到解决高峰均功率比问题里。
背景技术
随着科技的快速发展,通信行业尤其是无线通信行业迎来了快速发展的浪潮。随着中国在3GPP中参与制定无线通信的制定标准,中国一些公司和企业在全球的无线通信发展中贡献出巨大的努力。近几年来,移动通信技术中,***无线通信技术已经在全国基本上全覆盖地实现了商用化,满足了我国国民的通话联系和上网的需求。下一代无线通信技术即第五代移动通信技术(LTE-Advanced),也是基于和***无线移动通信技术——正交频分复用技术的基础上发展而来,那么国内对于这两代的无线通信技术的基础——正交频分复用技术的研究一直处于热门研究的状态。
正交频分复用***是于1966年在美国的贝尔实验室首次提出,迄今为止已经有了半个多世纪的发展历史。那么,正交频分复用***经过这么多年的发展和完善,其技术已经基本上趋于成熟和稳定。正交频分复用的基本思想是:将高速的串行数据流转换成低速的并行数据流,借助串并的转换,将这些低速的并行数据流分配到相对速率较低的频率子信道上,进行传输。这种传输方式的优点是:正交频分复用***中的各个子载波之间是两两正交的,所以可以极大地提高频谱的利用效率。而且,这种技术还可以较好地解决频率选择性衰落和窄带干扰的问题。
虽然正交频分复用***技术有很多明显的优点,但是其输出信号是多个子信道的叠加。由此带来一些问题和缺陷。比如,正交频分复用***的正交性容易受到频率偏差的影响,这就意味着这种技术的正交性遭到破坏,会带来严重的信道间的干扰。所以当多个子信道的输出信号的相位处于一致的情形下,此时所叠加得到的瞬时功率将会远远超过信号的平均功率。这种情况将会产生较高的峰均功率比问题,对整个正交频分复用***的正交性产生破坏,对子信道之间的信号传输产生严重的干扰,影响整个信道的信号传输。而且,在实际的应用场景下,功率放大器的最大线性功率是有限制的,如果超出线性功率放大器的线性工作区,那么对线性功率放大器将会进行非线性放大功率,对信号的发射幅度产生很大的影响。这就意味着信号的功率限制,对线性功率放大器的工作区间提出很高的要求。否则就会引发信号的畸变,影响正交频分复用***的性能。
所以,很多研究学者已经研究出一些可以减少较高的峰均功率比的方法,比如常见的有限制幅度的削幅滤波,但是这种方法会带来很大可能性的峰值再生,而且这种切削方式给误码率带来的影响很大。还有一种方法是编码类技术,即对信号进行一定程度的编码,计算相应的峰均功率比,然后取其中较小的信号进行传输。可是编码带来了极高的算法复杂度,而且编码这种方式随着信号子载波的数量叠加而指数型的增长,其算法的复杂度太高,所以应用场景较少。还有一种是减少高峰值信号出现的概率的一类优化方式,包含了部分传输序列、选择性映射、子载波保留、子载波***和映射等等。本发明中采用的是将子载波保留结合粒子群搜索算法进行优化正交频分复用***中,较高的峰均功率比问题。
发明内容
发明目的:提出将粒子群搜索算法运用到寻找峰值减少序列上,减少峰值信号出现的概率。这种方法不仅有效地减少了算法的复杂度,还可以保证峰均功率比的减少效果。
为了解决背景技术所存在的问题,本发明旨在采用如下的技术方案:运用粒子群搜索算法寻找频域上峰值减少序列的位置,然后加上原始的时域信号上,合成的时域信号重新计算得出的峰均功率比将会比原始时域信号上的峰均功率比小,以达到减少峰值信号出现的概率。
具体的实施方式是:子载波保留技术是利用峰值减少的子载波来产生峰值减少的信号,这部分的峰值减少的子载波是不携带数据信息的。然后将这部分的空闲不带有信息的子载波加入到原始的时域信号上,产生的新的时域信号将会减少峰均功率比。那么,子载波保留技术取决于两个因素:一个是最优的信号切削阈值;另外一个是最优的峰值减少序列的位置选择。
因为在所有的子载波中寻找最优的峰值减少序列的位置,是一个多项式困难问题,很难得到最优解。所以一般的研究都是采用次优解,本发明中采用粒子群搜索算法去寻找峰值减少序列的位置,然后再去结合一些切削滤波的方式进行减少峰均功率比。相比于传统的算法寻找峰值减少序列的位置,粒子群搜索算法能够在保证搜索结果的快速条件下,还能够减少算法的复杂度。
粒子群搜索算法的介绍:粒子群搜索算法(Particle Swarm Optimization,PSO)是由Kennedy和Eberhart在1995年首次提出。粒子群算法对于Hepper的模拟鸟群和模拟鱼群的模型加以修正,以使得粒子能够飞向解空间的所有位置,从而寻找到最优解的地方进行降落,最后得到整个的粒子群优化算法。
根据需要解决的实际问题,首先是设置粒子的初始位置和初始速度。根据粒子的速度和位置的更新公式,进行下一次迭代产生,粒子新的位置矢量和速度矢量。找出当前这个粒子的最优解和所有粒子群的最优解,进行最优解的更新,然后进行下一次迭代,循环迭代直至达到最大的迭代次数或者预先设置的结束条件。
粒子群搜索算法结合到搜寻峰值减少序列的位置的算法:首先初始化产生正交频分复用***的时间信号,结合子载波保留的方法来减少高的峰均功率比。设定初始时间信号的峰值减少序列的位置作为全是一的序列,即设定为粒子群的位置。粒子在本发明中代表的是每一个由零和一组成的时间信号的序列。初始化设定这些粒子的速度矢量,根据目标函数计算所有粒子的适应度。根据适应度进行排序,取每一个粒子的当前最优解来进行更新该粒子的位置矢量和速度矢量。然后,找出整个粒子群中的所有粒子的当前全局最优解,进行更新粒子的位置矢量和速度矢量。接着,判断迭代的次数是否达到最大的迭代次数,或者满足初始设定的某些其他限制条件。如果满足判定的条件,则结束本次的粒子群搜索算法;否则的话,就继续下一次粒子群搜索。
本发明有如下的有益效果是:粒子群算法简单易于实现,无需梯度信息而且参数少,特别是其本身的实数编码的特点,特别适合去解决处理优化问题。相比较其他算法而言,粒子群优化算法的复杂度低,算法效果明显。
附图说明
图1:正交频分复用***的原理框图
图2:本方案的方法流程图
图3:粒子群搜索算法的算法流程图
图4:粒子群搜索算法与其他算法在平均次峰值上的对比图
图5:粒子群搜索算法与其他算法在峰均功率比减少效果上的对比图
具体实施方式
下面结合附图,详细描述本发明的具体实施方案。
如图1所示,输入端:输入的比特流进行前向纠错编码,串并转换,进行数字调制,运用快速傅里叶变换,加入保护间隔,并串转换,数字转成模拟信号,再通过功率放大器传播出去;相反地,在接收端:接收的信号进行下行转换,模拟转成数字,串行转成并行,去除保护间隔,实行快速傅里叶变换,频域均衡,数字解调,并行转成串行,前向纠错译码,最后输出比特流。
如图2所示,本专利的方法流程图。本图形描述了正交频分复用***中,首先是随机产生初始的正交频分复用信号,经过调制,加入循环前缀,串转并的一系列的步骤,产生可以进行处理的时域信号。然后计算初始信号的峰均功率比,再加入粒子群搜索算法进行处理这个时域信号,结合子载波保留的方法,粒子群搜索算法能够比较迅速的找出峰值减少序列的位置,从而减少整个时域信号的峰均功率比,达到本实验的目标。接着借助仿真软件进行仿真实验,通过仿真的验证分析,与传统的算法进行对比,可以得出本发明的粒子群搜索算法较为优异的结论。
如图3所示,粒子群搜索算法的算法流程图。首先初始化产生正交频分复用***的时间信号,结合子载波保留的方法来减少高的峰均功率比。设定初始时间信号的峰值减少序列的位置作为全是一的序列,即设定为粒子群的位置。粒子在本发明中代表的是每一个由零和一组成的时间信号的序列。初始化设定这些粒子的速度矢量,根据目标函数计算所有粒子的适应度。根据适应度进行排序,取每一个粒子的当前最优解来进行更新该粒子的位置矢量和速度矢量。然后,找出整个粒子群中的所有粒子的当前全局最优解,进行更新粒子的位置矢量和速度矢量。接着,判断迭代的次数是否达到最大的迭代次数,或者满足初始设定的某些其他限制条件。如果满足判定的条件,则结束本次的粒子群搜索算法;否则的话,就继续下一次粒子群搜索。
如图4所示,本图表示了几种算法减少正交频分复用***中高的峰均功率比问题的优化比较。从图4中,可以看出随着迭代次数的增加,几种算法的平均次峰值都在下降,只是各自的下降速率各不相同。可以明显的看出,本发明提出的粒子群搜索算法在几种算法中,是下降速率最快的,而且最终收敛的平均次峰值也是最小的。这表明了粒子群搜索算法比其他优化算法更加有效地减少平均次峰值。
如图5所示,互补累积分布函数与峰均功率比之间的关系图。互补累积分布函数概率是一减去累积分布函数概率。本发明中将粒子群搜索算法与其他优化算法进行对比,发现粒子群搜索算法在保证复杂度的同时,还可以较好地减少峰均功率比。
以上所述是本发明的较佳实施例,并不用限制本发明,凡在本发明的原则和精神之内,所做的修改和改进都在本发明的保护范围内。
Claims (2)
1.一种在正交频分复用***中基于粒子群搜索算法的减少高峰均功率比的优化问题的方案,其基本特征在于:本专利是在正交频分复用***中,优化发射前的时域信号,目标是降低时域信号的峰均功率比,以此来降低对线性功率放大器的要求。具体的实施步骤包括:首先将随机产生的时域信号,进行时域和频域上的变化,加入循环前缀,串并转换,计算初始时域信号的峰均功率比。然后运用粒子群搜索算法进行处理时域信号,找到信号中高的瞬时功率的地方,从概率上进行减少信号的功率,从而进一步地减少信号的峰均功率比。接着计算处理后信号的峰均功率比,与未处理前的峰均功率比进行比较,可以发现粒子群搜索算法能够很好地从概率上减少了高峰均功率比,取得较好的性能。
2.如同权利要求1所述的基于粒子群搜索算法的减少高峰均功率比问题的优化方法,其特征在于:粒子群搜索算法是将自然世界中的粒子的位置和速度变化抽象到解决数学的实际问题中,通过初始化问题的序列的位置矢量和速度矢量,进行按照一定方向上的运动,从而可以达到快速收敛的目的。本专利将信号的各种子载波设定为各种粒子,子载波序列的位置和速度变化进行定义,根据算法变化迭代的方法,进行搜索目标函数,从而减少目标函数次峰值的减少,最终减少了信号的峰均功率比。在实验的仿真验证阶段,本专利将粒子群搜索算法与传统的遗传算法和交叉熵算法进行对比,得出结论:粒子群搜索算法可以较快地收敛到最优解,并且算法的复杂度较低,而且能够较好地优化峰均功率比过高的问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810415275.XA CN108763655A (zh) | 2018-05-03 | 2018-05-03 | 基于粒子群搜索的峰均功率比优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810415275.XA CN108763655A (zh) | 2018-05-03 | 2018-05-03 | 基于粒子群搜索的峰均功率比优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108763655A true CN108763655A (zh) | 2018-11-06 |
Family
ID=64009181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810415275.XA Pending CN108763655A (zh) | 2018-05-03 | 2018-05-03 | 基于粒子群搜索的峰均功率比优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108763655A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815618A (zh) * | 2019-02-18 | 2019-05-28 | 南昌航空大学 | 基于物理模型与粒子群算法的遮荫下光伏发电跟踪方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572687A (zh) * | 2009-06-05 | 2009-11-04 | 北京邮电大学 | 正交频分复用信号处理方法及*** |
CN101980470A (zh) * | 2010-10-03 | 2011-02-23 | 鲁东大学 | 一种基于混沌粒子群优化的ofdm***资源分配算法 |
CN102546508A (zh) * | 2011-12-23 | 2012-07-04 | 上海交通大学 | 基于粒子群优化算法的prt位置搜索方法 |
WO2012152033A1 (zh) * | 2011-10-12 | 2012-11-15 | 中兴通讯股份有限公司 | 一种数字预失真方法及装置 |
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 |
CN105681244A (zh) * | 2016-03-23 | 2016-06-15 | 河北工业大学 | 基于蝙蝠算法的ofdm***中抑制papr的方法 |
-
2018
- 2018-05-03 CN CN201810415275.XA patent/CN108763655A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572687A (zh) * | 2009-06-05 | 2009-11-04 | 北京邮电大学 | 正交频分复用信号处理方法及*** |
CN101980470A (zh) * | 2010-10-03 | 2011-02-23 | 鲁东大学 | 一种基于混沌粒子群优化的ofdm***资源分配算法 |
WO2012152033A1 (zh) * | 2011-10-12 | 2012-11-15 | 中兴通讯股份有限公司 | 一种数字预失真方法及装置 |
CN102546508A (zh) * | 2011-12-23 | 2012-07-04 | 上海交通大学 | 基于粒子群优化算法的prt位置搜索方法 |
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 |
CN105681244A (zh) * | 2016-03-23 | 2016-06-15 | 河北工业大学 | 基于蝙蝠算法的ofdm***中抑制papr的方法 |
Non-Patent Citations (6)
Title |
---|
H.-L. HUNG, C.-H. CHENG, AND Y.-F. HUANG: "PAPR reduction of OFDM using invasive weed optimization-based optimal peak reduction tone set selection", 《EURASIP J. WIRELESS COMMUN. NETW》 * |
Y. WANG, S. XIE AND Z. XIE,: "FISTA-Based PAPR Reduction Method for Tone Reservation’s OFDM System", 《IEEE WIRELESS COMMUNICATIONS LETTERS》 * |
徐东明; 杨杰: "基于改进的粒子群算法抑制OFDM的峰均比", 《西安邮电大学学报》 * |
毕晓君; 张旭: "基于粒子群算法的OFDM峰平比抑制问题研究", 《应用科技》 * |
马永刚; 涂娟; 金瓯; 徐帆: "滤波与限幅结合降低OFDM峰均功率比的方法", 《舰船电子工程》 * |
高静; 汪晋宽; 解志斌: "基于改进粒子群优化的部分传输序列峰均比降低研究", 《***仿真学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815618A (zh) * | 2019-02-18 | 2019-05-28 | 南昌航空大学 | 基于物理模型与粒子群算法的遮荫下光伏发电跟踪方法 |
CN109815618B (zh) * | 2019-02-18 | 2022-09-13 | 南昌航空大学 | 基于物理模型与粒子群算法的遮荫下光伏发电跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105656830B (zh) | 基于分布式实现的ofdm信号峰平比抑制方法 | |
CN106027444B (zh) | 一种子载波调制ofdm***的峰均比抑制方法 | |
CN106385394B (zh) | 一种抑制正交频分复用ofdm信号峰均比的方法 | |
CN110351216A (zh) | 一种基于预编码的部分传输序列峰均比抑制方法 | |
CN1588938A (zh) | Ofdm通信***及降低峰均功率比的方法 | |
CN105681244A (zh) | 基于蝙蝠算法的ofdm***中抑制papr的方法 | |
CN109905344A (zh) | 基于部分传输序列的ofdm信号峰均比抑制方法 | |
Liang et al. | The modified artificial bee colony-based SLM scheme for PAPR reduction in OFDM systems | |
CN111315017A (zh) | 一种基于scma***节能的资源分配方法 | |
CN108763655A (zh) | 基于粒子群搜索的峰均功率比优化方法 | |
CN101431505B (zh) | 降低正交频分复用***峰均功率比的发射***及其方法 | |
CN106789820B (zh) | 联合正交变换与非正交的高效频分复用传输峰均比抑制方法 | |
CN102546508B (zh) | 基于粒子群优化算法的prt位置搜索方法 | |
Yu et al. | An improved artificial bee colony-partial transmit sequence algorithm for PAPR reduction in OFDM systems | |
CN105119861A (zh) | 一种交织载波索引调制n阶连续ofdm***ber改善方法 | |
CN105516044A (zh) | 一种基于差分进化算法的ofdm***峰均比抑制方法 | |
CN106027447B (zh) | 基于峰值反馈与遗传算法结合的pts技术降低vlc-ofdm***峰均功率比的方法 | |
CN109347780A (zh) | 基于离散广义追踪算法的峰均功率比优化方法 | |
CN109379174B (zh) | 一种基于随机序列的分组索引ofdm通信方法 | |
CN102437993B (zh) | 基于遗传算法的prt集位置搜索方法 | |
CN109194601B (zh) | 降低ofdm***峰均功率比的阈值分类slm方法及*** | |
CN108737315B (zh) | 降低ofdm***峰均功率比的加性扰码方法及其发射*** | |
CN108712357A (zh) | 基于平行禁忌搜索的峰均功率比优化方法 | |
CN106685876B (zh) | 一种降低ofdm***峰均功率比的多维pts方法 | |
CN114866391B (zh) | Siso-ofdm***及其基于端到端神经网络的信号传输方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181106 |