【技术实现步骤摘要】
一种信号峰均功率比PAPR抑制方法和装置
[0001]本专利技术涉及无线通信
,特别是指一种信号峰均功率比PAPR抑制方法和装置。
技术介绍
[0002]正交频分复用技术(Orthogonal Frequency Division Multiple,OFDM)具有频谱利用率高、抗多径衰落及抗符号间干扰能力强等特点,在5G中扮演重要角色。峰均功率比(Peak to Average Power Ratio,PAPR)是OFDM系统的主要技术瓶颈之一,过高的峰均功率比会使得射频功率放大器工作在非线性区内,导致信号的非线性失真和功耗的急剧增加。现有OFDM系统峰均功率比抑制方法仍存在PAPR性能和误码率(Bit Error Rate,BER)性能无法有效平衡、复杂度高以及频谱利用率低等问题。
技术实现思路
[0003]本专利技术的主要目的是提供一种信号峰均功率比PAPR抑制方法和装置,以便解决现有技术存在的问题。
[0004]为了实现上述目的,本专利技术提供一种信号峰均功率比PAPR抑制方法,包括:
[0005]输入经过调制的正交频分复用技术OFDM传输信号;
[0006]通过DM
‑
Net改进的OFDM系统对所述传输信号进行适应性的星座映射和解映射来降低峰均功率比,所述适应性的星座映射指的是根据PAPR性能,DM
‑
Net会自动调整信号星座点的位置,所述DM
‑
Net是基于深度学习的网络结构,包括发送端的M
‑ />Net和接收端的D
‑
Net两部分,其中发送端的M
‑
Net通过对所述传输信号在频域星座的调整,改变所述传输信号的星座点分布,实现系统发送端发送的时域信号具有较低PAPR值的目的,接收端的D
‑
Net负责将经过信道后的信号恢复为原发送的频域信号,达到保证系统整体误码率性能的目的。
[0007]可选地,所述通过DM
‑
Net改进的OFDM系统对所述传输信号进行适应性的星座映射和解映射来降低峰均功率比具体包括:
[0008]设系统子载波个数为N,传输的调制信号为X=[X0,X1,...,X
N
‑2,X
N
‑1],将X表示为X
K
=[X
R
(K)X
I
(K)],其中X
R
(K)代表X
K
的实部,X
I
(K)代表X
K
的虚部,0≤K≤N
‑
1,在发送端通过M
‑
Net对输入信号X
K
进行星座映射,映射关系为T
K
=f(X
K
),其中f(
·
)代表映射关系函数,T
K
代表星座映射后的信号,0≤K≤N
‑
1,
[0009]映射关系函数的表达式为:
[0010]f(X)=tanh(tanh(conv (tanh(conv(X,W
conv1
)+b
conv1
),W
conv2
)+b
conv2
)*W
f
+b
f
)
ꢀꢀꢀꢀꢀꢀ
(1)
[0011]其中W
conv1
,b
conv1
分别代表第一个卷积层的权重矩阵和偏置矩阵,W
conv2
,b
conv2
分别代表第二个卷积层的权重矩阵和偏置矩阵,W
f
和b
f
分别代表全连接层的权重矩阵和偏置矩阵,tanh函数是两个卷积层和全连接层利用的激活函数;
[0012]将T中的实部和虚部组合为复数向量形式,然后对T进行过采样,过采样倍数为L,
过采样后的信号为T
L
,再经过快速傅里叶反变换IFFT得到时域传输信号:
[0013][0014]其中0≤n≤LN
‑
1,0≤K≤LN
‑
1,时域信号的PAPR计算公式为:
[0015][0016]其中max[|x(n)|2]代表信号的最大功率,E[|x(n)|2]代表信号功率的均值,0≤n≤LN
‑
1;
[0017]传输信号在经过M
‑
Net适应性的星座映射后,信号星座点的分布保证了系统发送端发送的时域信号具有较低的PAPR值;
[0018]所述时域传输信号经过信道后到达接收端,设接收端接收到的信号为r(n),0≤n≤LN
‑
1,进行快速傅里叶变换FFT得到频域信号,对所述频域信号进行降采样得到R
K
,0≤K≤N
‑
1,对R
K
进行拆分,R
K
=[R
R
(K)R
I
(K)],其中R
R
(K)代表R
K
的实部,R
I
(K)代表R
K
的虚部,然后经过接收端的D
‑
Net对接收到的信号进行解映射,映射关系为其中表示解映射关系函数,得到最终的信号
[0019]解映射关系函数的表达式为:
[0020][0021]其中Q
conv1
,U
conv1
分别代表第一个卷积层的权重矩阵和偏置矩阵,Q
conv2
,U
conv2
分别代表第二个卷积层的权重矩阵和偏置矩阵,Q
f
和U
f
分别代表全连接层的权重矩阵和偏置矩阵,tanh函数是两个卷积层和全连接层利用的激活函数。
[0022]可选地,所述方法还包括:通过对所述M
‑
Net和D
‑
Net的网络架构调整和相关参数的训练,实现系统误码率BER性能和PAPR性能的兼顾,具体训练过程包括:
[0023]首先,先不考虑发送端时域信号的PAPR性能,系统损失函数仅包括误码率,误码率是由发送端发送的信号X和接收端恢复的信号共同决定,而接收端恢复的信号是由M
‑
Net和D
‑
Net共同决定,即系统损失函数的值是与M
‑
Net和D
‑
Net相关的,在DM
‑
Net改进的OFDM系统训练过程中,通过调整M
‑
Net和D
‑
Net的架构,并利用优化算法不断迭代M
‑
Net和D
‑
Net模型的参数以降低系统损失函数的值,即通过对发送端的M
‑
Net和接收端的D
‑
Net的联合优化,使系统在高斯白噪声信道或者瑞利衰落信道本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信号峰均功率比PAPR抑制方法,其特征在于,包括:输入经过调制的正交频分复用技术OFDM传输信号;通过DM
‑
Net改进的OFDM系统对所述传输信号进行适应性的星座映射和解映射来降低峰均功率比,所述适应性的星座映射指的是根据PAPR性能,DM
‑
Net会自动调整信号星座点的位置,所述DM
‑
Net是基于深度学习的网络结构,包括发送端的M
‑
Net和接收端的D
‑
Net两部分,其中发送端的M
‑
Net通过对所述传输信号在频域星座的调整,改变所述传输信号的星座点分布,实现系统发送端发送的时域信号具有较低PAPR值的目的,接收端的D
‑
Net负责将经过信道后的信号恢复为原发送的频域信号,达到保证系统整体误码率性能的目的。2.如权利要求1所述的方法,其特征在于,所述通过DM
‑
Net改进的OFDM系统对所述传输信号进行适应性的星座映射和解映射来降低峰均功率比具体包括:设系统子载波个数为N,传输的调制信号为X=[X0,X1,...,X
N
‑2,X
N
‑1],将X表示为X
K
=[X
R
(K)X
I
(K)],其中X
R
(K)代表X
K
的实部,X
I
(K)代表X
K
的虚部,0≤K≤N
‑
1,在发送端通过M
‑
Net对输入信号X
K
进行星座映射,映射关系为T
K
=f(X
K
),其中f(
·
)代表映射关系函数,T
K
代表星座映射后的信号,0≤K≤N
‑
1,映射关系函数的表达式为:f(X)=tanh(tanh(conv(tanh(conv(X,W
conv1
)+b
conv1
),W
conv2
)+b
conv2
)*W
f
+b
f
)
ꢀꢀꢀꢀꢀꢀ
(1)其中W
conv1
,b
conv1
分别代表第一个卷积层的权重矩阵和偏置矩阵,W
conv2
,b
conv2
分别代表第二个卷积层的权重矩阵和偏置矩阵,W
f
和b
f
分别代表全连接层的权重矩阵和偏置矩阵,tanh函数是两个卷积层和全连接层利用的激活函数;将T中的实部和虚部组合为复数向量形式,然后对T进行过采样,过采样倍数为L,过采样后的信号为T
L
,再经过快速傅里叶反变换IFFT得到时域传输信号:其中0≤n≤LN
‑
1,0≤K≤LN
‑
1,时域信号的PAPR计算公式为:其中max[|x(n)|2]代表信号的最大功率,E[|x(n)|2]代表信号功率的均值,0≤n≤LN
‑
1;传输信号在经过M
‑
Net适应性的星座映射后,信号星座点的分布保证了系统发送端发送的时域信号具有较低的PAPR值;所述时域传输信号经过信道后到达接收端,设接收端接收到的信号为r(n),0≤n≤LN
‑
1,进行快速傅里叶变换FFT得到频域信号,对所述频域信号进行降采样得到R
K
,0≤K≤N
‑
1,对R
K
进行拆分,R
K
=[R
R
(K)R
I
(K)],其中R
R
(K)代表R
K
的实部,R
I
(K)代表R
K
的虚部,然后经过接收端的D
‑
Net对接收到的信号进行解映射,映射关系为其中表示解映射关系函数,得到最终的信号解映射关系函数的表达式为:其中Q
conv1
,U
conv1
分别代表第一个卷积层的权重矩阵和偏置矩阵,Q
conv2
,U
conv2
分别代表
第二个卷积层的权重矩阵和偏置矩阵,Q
f
和U
f
分别代表全连接层的权重矩阵和偏置矩阵,tanh函数是两个卷积层和全连接层利用的激活函数。3.如权利要求1或2所述的方法,其特征在于,所述方法还包括:通过对所述M
‑
Net和D
‑
Net的网络架构调整和相关参数的训练,实现系统误码率BER性能和PAPR性能的兼顾,具体训练过程包括:首先,先不考虑发送端时域信号的PAPR性能,系统损失函数仅包括误码率,误码率是由发送端发送的信号X和接收端恢复的信号共同决定,而接收端恢复的信号是由M
‑
Net和D
‑
Net共同决定,即系统损失函数的值是与M
‑
Net和D
‑
Net相关的,在DM
‑
Net改进的OFDM系统训练过程中,通过调整M
‑
Net和D
‑
Net的架构,并利用优化算法不断迭代M
‑
Net和D
‑
Net模型的参数以降低系统损失函数的值,即通过对发送端的M
‑
Net和接收端的D
‑
Net的联合优化,使系统在高斯白噪声信道或者瑞利衰落信道条件下获得最优的误码率性能;其次,基于第一步训练的DM
‑
Net的结构和参数,在系统损失函数中加入PAPR项,再次对发送端的M
‑
Net和接收端的D
‑
Net进行联合训练,同时经过对权重因子的适当选择,达到在高斯白噪声信道或瑞利衰落信道条件下可以同时保证系统的误码率性能和所需的PAPR性能。4.如权利要求3所述的方法,其特征在于,最终训练得到最优的M
‑
Net和D
‑
Det的网络架构及其网络参数,M
‑
Net和D
‑
Det均包括二层卷积层和一层全连接层,第一个和第二个卷积层的卷积核大小均为3
×
3,卷积核的个数均为5个,全连接层的节点数均为512个,卷积层和全连接层的激活函数均为tanh函数。5.如权利要求3所述的方法,其特征在于,在所述发送端M
‑
Det和接收端D
‑
Net的联合训练过程中,采用优化算法不断迭代模型参数以降低模型损失函数的值,所述优化算法包括但不限于梯度下降法、Adam算法、RMSProp...
【专利技术属性】
技术研发人员:陈月云,王欢,杨美婕,买智源,陈广,
申请(专利权)人:北京科技大学顺德研究生院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。