[发明专利]模型驱动的正交频分复用系统高峰均比抑制方法及系统

说明书

本发明涉及一种模型驱动的正交频分复用系统高峰均比抑制方法及系统，其中频时转换采用固定点的傅里叶反变换，所述固定点数目等于系统子载波数目，所述频时转换下方设置相位因子向量生成部分，所述部分包括数个向量生成网络，每个所述网络又包含数个子网络用于每一个子块的向量生成，每个所述子网络包括了数层深度学习网络，每个所述深度学习网络包括了两层的长短期记忆网络和两层的全连接网络，所述改进结构的输出为所述的时域信号与所述最优相位因子向量乘积之和，所述的最优相位因子向量最后会与发射信号随路发射。

技术领域

本发明涉及智能通信领域，特别在正交频分复用(OFDM)系统中，关于高峰值-平均功率比(简称峰均比)抑制的部分传输技术的优化与改进，具体为模型驱动的正交频分复用系统高峰均比抑制方法及系统。

背景技术

OFDM是一种多载波传输方案，它没有为每个子载波信号使用独立的滤波器和振荡器，同时，为了带宽效率，子载波的频谱相互重叠，因此，OFDM信号可以看作合成信号。在OFDM系统中，经IFFT运算之后所有的子载波相加，所以时域的发射信号会有很高的功率峰值。因此，与单载波系统相比，OFDM系统有很高的峰均比。一般来说，由于放大器的饱和特性(由于输入信号大于放大器的标称值)，即使线性放大器也会在输出端产生非线性失真，同时，由于较大输入引起的高功率放大器非线性会引起带外辐射和带内失真。带外辐射会影响相邻频带内的信号，带内失真会使接收信号产生旋转、衰减和位移。事实上，高峰均比既降低了发射机功率放大器的效率，也降低了数/模转换器和模/数转换器的信号量化噪声比，所以它是OFDM系统中最不利的因素之一。功率放大器的效率对于电池功率有限的移动终端来说非常关键，因此上行链路的峰均比问题更加重要。

作为加扰技术的一种，部分传输序列技术对输入的OFDM数据块进行加扰，并发射具有最小峰均比的数据块，从而降低高峰均比出现的概率。如图一中虚线框内的结构所示，输入数据为频域的已调信号，通过串并转换和分割过程，输出等大小的V个子块频域信号，再经过N点傅里叶反变换，得到V个时域信号子块x^v。在部分传输序列技术中，每个子块需要乘以对应的最佳相位旋转因子b^v＝e^jφv，其中v＝1,2,…,V，随后每个子块信号相加，具有最小PAPR向量的时域信号可以表示为

但传统部分传输序列技术具有以下问题：1、在搜索最优向量集合时复杂度较高，特别是当子块数目V增加时。2、随着子载波数目的增加，其频谱效率降低。3、仍可能会出现PAPR较高的情况。

发明内容

针对上述问题，本发明提出一种模型驱动的正交频分复用系统高峰均比抑制方法及系统，降低传统部分传输序列技术的计算复杂度，优化高峰均比抑制性能。

本发明提供如下技术方案：一种模型驱动的正交频分复用系统高峰均比抑制方法,包括如下步骤，

步骤1：收集基于传统部分传输序列技术的通信数据集，数据集是由采用数字调制技术的时域信号与其对应的最优相位因子向量组成；

步骤2：基于步骤1所述的训练网络数据集，将每个所述时域信号分为大小相等的子块，将最优相位因子向量分为数个最佳相位因子分别于每个所述子块对应；

步骤3：基于步骤2产生的子块信号与其对应的最佳相位因子集合，作为最佳相位因子向量生成网络的训练数据与标签；

步骤4：基于步骤3所述的训练数据与标签作为所述最佳相位因子向量生成网络的输入与输出；

步骤5：基于步骤4所述网络，所述网络输入神经元数目等于两倍的子载波数目，所述网络输出神经元数目为2；

步骤6：基于步骤4所述网络，采用两层长短期记忆网络与两层全连接网络，所述网络隐藏层激活函数采用Sigmoid，输出层采用双曲正切函数；

步骤7：基于步骤6所述的网络结构，利用反向传播过程更新网络参数，所述网络损失函数采用平均绝对值误差函数，优化器采用Adam；