降低OFDM立方度量的最优限幅滤波算法及神经网络实现
发布时间：2022-01-12 16:35
正交频分复用（OFDM）信号的一个主要缺点是信号包络波动过大。峰均功率比是常用的度量OFDM信号包络波动大小的指标,而近期研究表明立方度量可以更加准确地度量OFDM信号包络波动。传统限幅滤波技术可以有效降低立方度量,但其滤波设计并不能保证处理后的信号性能达到最优。针对这一问题,提出了一种最优的限幅滤波设计方案来降低立方度量,其关键思想是考虑滤波操作对信号带内、带外部分的影响,将滤波器设计建模为一个优化问题,通过求解得到最优的滤波器,并与限幅操作结合降低立方度量。由于优化问题的求解复杂度较高,还提出了一种基于深度神经网络的最优限幅滤波实现方案。仿真结果表明,所提出的最优限幅滤波算法及其神经网络实现方案性能相当,但后者的复杂度要低得多。与其它的已知算法相比,新提出的算法及其神经网络实现方案的性能都具有明显的优势。
【文章来源】：计算机工程与科学. 2020,42(08)北大核心CSCD
【文章页数】：8 页
【部分图文】：
基于深度神经网络降低OFDM信号CM的系统框图
众所周知,限幅滤波算法可以有效减少OFDM信号的包络波动,但代价是误比特率会增加,所以将从这2个方面来评估算法的性能。图2给出了本文提出的最优限幅滤波算法及其基于神经网络的实现方案的误比特率BER(Bit Error Rate)对比,可以看出两者的误比特率BER性能非常接近。同时,图2也给出了文献[5,21]所提方案的仿真结果,在仿真时,对2种方案的限幅率进行调整,使得它们的BER性能与本文所提的最优限幅滤波算法及其神经网络实现方案的性能相近,由此可以对这4种方案的CM抑制性能进行公平的比较。图3显示的是在BER性能相近的情况下各种方案降低OFDM信号CM的能力。图3中使用了互补累积分布函数CCDF(Complementary Cumulative Distribution Function)来描述RCM降低的性能,CCDF表示的是RCM超过某个阈值的概率。如图3所示,最优限幅滤波算法具有最好的CM抑制性能,在CCDF=10-4时,与原始信号相比,RCM的大小减少了3.6 dB,基于神经网络的方案性能与之相比约有0.2 dB的降级。而文献[5]和文献[21]的方案性能要劣于本文提出的2种方案,其原因在于这2种方案在进行滤波时并未采用最优的滤波器设计。
图3显示的是在BER性能相近的情况下各种方案降低OFDM信号CM的能力。图3中使用了互补累积分布函数CCDF(Complementary Cumulative Distribution Function)来描述RCM降低的性能,CCDF表示的是RCM超过某个阈值的概率。如图3所示,最优限幅滤波算法具有最好的CM抑制性能,在CCDF=10-4时,与原始信号相比,RCM的大小减少了3.6 dB,基于神经网络的方案性能与之相比约有0.2 dB的降级。而文献[5]和文献[21]的方案性能要劣于本文提出的2种方案,其原因在于这2种方案在进行滤波时并未采用最优的滤波器设计。从图2和图3可以看出,最优限幅滤波算法与其基于深度学习的实现方案具有相近的性能。但是,最优限幅滤波算法涉及优化问题的求解,具有较高的计算复杂度。而基于深度学习的实现方案可以在线下对神经网络进行学习训练,训练之后的网络仅涉及简单的代数运算,计算复杂度大大降低。
【参考文献】：
期刊论文
[1]Doherty功放的贝叶斯正则化神经网络逆向建模研究[J]. 南敬昌,胡婷婷,盛爽爽,高明明. 计算机工程与科学. 2018(08)
[2]降低OFDM系统PAPR的改进SLM算法[J]. 季策,祝雯靖,魏颖,贾佃霞. 通信学报. 2018(04)
[3]抑制LOFDM系统PAPR非线性压扩变换算法[J]. 彭斯明,沈越泓,袁志钢,苗誉威,简伟. 通信学报. 2015(03)
本文编号：3585108
【文章来源】：计算机工程与科学. 2020,42(08)北大核心CSCD
【文章页数】：8 页
【部分图文】：
基于深度神经网络降低OFDM信号CM的系统框图
众所周知,限幅滤波算法可以有效减少OFDM信号的包络波动,但代价是误比特率会增加,所以将从这2个方面来评估算法的性能。图2给出了本文提出的最优限幅滤波算法及其基于神经网络的实现方案的误比特率BER(Bit Error Rate)对比,可以看出两者的误比特率BER性能非常接近。同时,图2也给出了文献[5,21]所提方案的仿真结果,在仿真时,对2种方案的限幅率进行调整,使得它们的BER性能与本文所提的最优限幅滤波算法及其神经网络实现方案的性能相近,由此可以对这4种方案的CM抑制性能进行公平的比较。图3显示的是在BER性能相近的情况下各种方案降低OFDM信号CM的能力。图3中使用了互补累积分布函数CCDF(Complementary Cumulative Distribution Function)来描述RCM降低的性能,CCDF表示的是RCM超过某个阈值的概率。如图3所示,最优限幅滤波算法具有最好的CM抑制性能,在CCDF=10-4时,与原始信号相比,RCM的大小减少了3.6 dB,基于神经网络的方案性能与之相比约有0.2 dB的降级。而文献[5]和文献[21]的方案性能要劣于本文提出的2种方案,其原因在于这2种方案在进行滤波时并未采用最优的滤波器设计。
图3显示的是在BER性能相近的情况下各种方案降低OFDM信号CM的能力。图3中使用了互补累积分布函数CCDF(Complementary Cumulative Distribution Function)来描述RCM降低的性能,CCDF表示的是RCM超过某个阈值的概率。如图3所示,最优限幅滤波算法具有最好的CM抑制性能,在CCDF=10-4时,与原始信号相比,RCM的大小减少了3.6 dB,基于神经网络的方案性能与之相比约有0.2 dB的降级。而文献[5]和文献[21]的方案性能要劣于本文提出的2种方案,其原因在于这2种方案在进行滤波时并未采用最优的滤波器设计。从图2和图3可以看出,最优限幅滤波算法与其基于深度学习的实现方案具有相近的性能。但是,最优限幅滤波算法涉及优化问题的求解,具有较高的计算复杂度。而基于深度学习的实现方案可以在线下对神经网络进行学习训练,训练之后的网络仅涉及简单的代数运算,计算复杂度大大降低。
【参考文献】：
期刊论文
[1]Doherty功放的贝叶斯正则化神经网络逆向建模研究[J]. 南敬昌,胡婷婷,盛爽爽,高明明. 计算机工程与科学. 2018(08)
[2]降低OFDM系统PAPR的改进SLM算法[J]. 季策,祝雯靖,魏颖,贾佃霞. 通信学报. 2018(04)
[3]抑制LOFDM系统PAPR非线性压扩变换算法[J]. 彭斯明,沈越泓,袁志钢,苗誉威,简伟. 通信学报. 2015(03)
本文编号：3585108
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3585108.html
