基于OFDM通信系统的PAPR抑制算法matlab仿真,对比IPTS,OPTS,CEPTS三种算法

简介: 基于OFDM通信系统的PAPR抑制算法matlab仿真,对比IPTS,OPTS,CEPTS三种算法

1.算法运行效果图预览
1f262b9823d60a6e82ebc8ad4bcd1de5_82780907_202401031331140643492818_Expires=1704260474&Signature=xWQX6aivOKz6r3CjS41Ni%2FJrwaw%3D&domain=8.png

2.算法运行软件版本
matlab2022a

3.算法理论概述
基于OFDM通信系统的PAPR抑制算法是降低OFDM信号峰均比(Peak-to-Average Power Ratio,PAPR)的技术,以提高通信系统的性能和稳定性。其中,IPTS(选择性映射迭代削峰)、OPTS(优化的PTS)和CEPTS(压缩扩展变换选择性映射)是三种常见的PAPR抑制算法。下面将详细介绍这三种算法的原理和数学公式。

3.1、IPTS算法
IPTS算法是一种基于选择性映射迭代削峰的方法,通过迭代削峰和选择性映射,降低OFDM信号的PAPR。具体步骤如下:

对OFDM信号进行IFFT变换,得到时域信号。
对时域信号进行削峰处理,将峰值超过一定阈值的信号进行削减。
对削减后的信号进行IFFT变换,得到新的频域信号。
通过选择性映射,选择PAPR最低的频域信号作为输出信号。
3.2、OPTS算法
OPTS算法是一种基于优化的PTS方法,通过将OFDM信号分成多个子块,对每个子块进行相位旋转和幅度调整,以降低PAPR。具体步骤如下:

将OFDM信号分成多个子块。
对每个子块进行相位旋转和幅度调整,使得子块的PAPR最低。
将调整后的子块重新组合成完整的OFDM信号。
3.3、CEPTS算法
CEPTS算法是一种基于压缩扩展变换选择性映射的方法,通过对OFDM信号进行压缩扩展变换和选择性映射,降低PAPR。具体步骤如下:

对OFDM信号进行压缩扩展变换,得到多个变换后的信号。
对每个变换后的信号进行PAPR计算,选择PAPR最低的信号作为输出信号。
将选择的信号进行逆变换,得到最终的OFDM信号。
综上所述,IPTS、OPTS和CEPTS算法都是通过不同的方式对OFDM信号进行处理,以降低PAPR,提高通信系统的性能和稳定性。具体选择哪种算法需要根据实际应用场景和性能需求来决定。

4.部分核心程序
```for k=1:Nframes
if mod(k,10) == 0
k/10
end
%产生数据源
QPSK_Ind = floor(length(Map_qpsk)rand(1,Nfft)) + 1;
%调制,这里为了研究PAPR性能,所以不加入编码模块和交织模块
Qpsk_mod = Map_qpsk(QPSK_Ind(1,:));
%进行IFFT变换
Dat_Ifft = ifft(Qpsk_mod,[],2);
%计算功率和PAPR
Signal_Power = abs(Dat_Ifft.^2);
Peak_Power = max(Signal_Power,[],2);
Mean_Power = mean(Signal_Power,2);
PAPRo(k) = 10
log10(Peak_Power./Mean_Power);
%随机分块
QPSK_Ind = randperm(Nfft);
A = zeros(Npts,Nfft);
for v=1:Npts
A(v,QPSK_Ind(v:Npts:Nfft)) = Qpsk_mod(QPSK_Ind(v:Npts:Nfft));
end
a = ifft(A,[],2);
%限幅
Tho = mean2(abs(a));
[rr,cc] = size(a);
for i = 1:rr
for j = 1:cc
if abs(a(i,j)) > Tho
a(i,j) = Tho(real(a(i,j)) + ijimag(a(i,j)))/abs(a(i,j));
end
end
end
%PCME算法
P0 = 0.5*ones(1,Npts);%初始概率为0.5
Ps = zeros(Iter,Npts);
P = zeros(Iter,Npts);
for iter = 1:Iter
%根据随机分布,产生一组序列c
....................................................................

    for j = 1:J
        Phase_Factor = repmat(1-2*c(j,:)',1,Nfft);  
        aa           = sum(a.*Phase_Factor);
        Signal_Power = abs(aa.^2);
        Peak_Power   = max(Signal_Power,[],2);
        Mean_Power   = mean(Signal_Power,2);
        F(j)         = 10*log10(Peak_Power./Mean_Power);
    end

    %对当前迭代产生的J个F进行增序排序
    [F2,IND]      = sort(F);
    %计算rj
    r(iter)   = sum(F2(1:ceil(Po*J)))/ceil(Po*J);
    IND2      = find(F <= r(iter));

    if isempty(IND2) == 1
       IND2 = 1;
    else
       IND2 = IND2;  
    end

    for pp = 1:Npts

        for s1 = 1:J
            I(pp,s1) = c(IND(s1),pp);
            tmp11s(s1) = I(pp,s1)*exp(-1*F2(s1)); 
            tmp12s(s1) = exp(-1*F2(s1)); 
        end
        P(iter,pp) =  sum(tmp11s)/sum(tmp12s);
    end        
    %更新概率P
    ......................................................
end
%根据PMCE计算得到的相位因子来计算PAPR值
aa                = sum(a.*repmat(sign((1-2*Ps(iter,:)))',1,Nfft));
Signal_Power      = abs(aa.^2);
Peak_Power_temp   = max(Signal_Power,[],2);
Mean_Power_temp   = mean(Signal_Power,2);
PAPR_temp(k)      = 10*log10(Peak_Power_temp./Mean_Power_temp);

end

```

相关文章
|
12天前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
11天前
|
数据可视化
基于MATLAB的OFDM调制发射与接收仿真
基于MATLAB的OFDM调制发射与接收仿真
|
12天前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
103 14
|
11天前
|
监控
基于MATLAB/Simulink的单机带负荷仿真系统搭建
使用MATLAB/Simulink平台搭建一个单机带负荷的电力系统仿真模型。该系统包括同步发电机、励磁系统、调速系统、变压器、输电线路以及不同类型的负荷模型。
243 5
|
12天前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
|
12天前
|
算法 数据可视化 异构计算
【车辆路径问题VRPTW】基于北极海鹦优化(APO)算法求解带时间窗的车辆路径问题VRPTW研究(Matlab代码实现)
【车辆路径问题VRPTW】基于北极海鹦优化(APO)算法求解带时间窗的车辆路径问题VRPTW研究(Matlab代码实现)
128 0
|
14天前
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
102 1
|
13天前
|
传感器 机器学习/深度学习 算法
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
|
15天前
|
传感器 算法 数据挖掘
基于协方差交叉(CI)的多传感器融合算法matlab仿真,对比单传感器和SCC融合
基于协方差交叉(CI)的多传感器融合算法,通过MATLAB仿真对比单传感器、SCC与CI融合在位置/速度估计误差(RMSE)及等概率椭圆上的性能。采用MATLAB2022A实现,结果表明CI融合在未知相关性下仍具鲁棒性,有效降低估计误差。
131 15
|
17天前
|
机器学习/深度学习 传感器 算法
基于全局路径的无人地面车辆的横向避让路径规划研究[蚂蚁算法求解](Matlab代码实现)
基于全局路径的无人地面车辆的横向避让路径规划研究[蚂蚁算法求解](Matlab代码实现)

热门文章

最新文章