楊　霖, 何向東, 劉雲(yún)雲(yún)

(電子科技大學(xué)通信抗干擾技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室, 四川 成都 611731)

?

OFDM系統(tǒng)中基于盲檢測(cè)的低復(fù)雜度分塊SLM算法

楊霖, 何向東, 劉雲(yún)雲(yún)

(電子科技大學(xué)通信抗干擾技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室, 四川 成都 611731)

摘要：為了降低正交頻分復(fù)用(orthogonal frequency division multiplexing, OFDM)系統(tǒng)中傳統(tǒng)選擇性映射(conventional selected mapping, CSLM)算法的計(jì)算復(fù)雜度,提高系統(tǒng)的頻譜利用效率,提出了一種基于盲檢測(cè)的低復(fù)雜度分塊選擇性映射(block selected mapping, BSLM)算法,發(fā)送端利用逆快速傅里葉反變換(inverse fast fourier transform,IFFT)性質(zhì)僅需少量低維IFFT運(yùn)算即可獲得較多的備選序列,接收端采用低復(fù)雜度的盲檢測(cè)方式。仿真分析了所提算法的峰均功率比(peak to average power ratio, PAPR)、立方度量(cubic metric, CM)和誤比特率(bit error rate, BER)性能。結(jié)果表明,所提算法不僅明顯降低了計(jì)算復(fù)雜度,而且有效抑制了OFDM信號(hào)的PAPR和CM,獲得與已知邊帶信息的CSLM算法相近的BER性能。

關(guān)鍵詞：正交頻分復(fù)用; 峰均比; 立方度量; 選擇性映射; 盲檢測(cè)

0引言

正交頻分復(fù)用(orthogonal frequency division multiplexing, OFDM)技術(shù)是通信領(lǐng)域的研究熱點(diǎn),它憑借強(qiáng)大的抗衰落能力和高效的數(shù)據(jù)傳輸速率被當(dāng)前許多熱點(diǎn)通信業(yè)務(wù)所采用。然而,該技術(shù)主要缺點(diǎn)之一是OFDM信號(hào)具有較高的峰均功率比(peak to average power ratio, PAPR),要求功率放大器(high power amplifier, HPA)具有較高的線性范圍,導(dǎo)致HPA的功率效率降低。另外,功率放大器的非線性會(huì)使動(dòng)態(tài)范圍大的信號(hào)產(chǎn)生非線性失真,降低系統(tǒng)的誤比特率(bit error ratio, BER)性能[1]。目前,抑制OFDM信號(hào)的PAPR已有許多成果。例如:限幅方式[2]、壓擴(kuò)算法[3-4],這兩種算法復(fù)雜度較低,但算法本身會(huì)引入非線性干擾或擴(kuò)大噪聲功率從而使得系統(tǒng)BER性能惡化;概率類(lèi)算法:部分傳輸序(partial transmit sequence, PTS)[5-6]、選擇性映射(selected mapping, SLM)[7-8]以其良好的PAPR抑制能力而備受關(guān)注。然而,傳統(tǒng)選擇性映射(conventional selected mapping, CSLM)中,獲得不同的備選序列需要進(jìn)行多次逆快速傅里葉反變換(inverse fast fourier transform, IFFT),導(dǎo)致計(jì)算復(fù)雜度較高,并且需要發(fā)送端傳送額外的邊帶信息來(lái)恢復(fù)原始信號(hào)。為了降低復(fù)雜度,許多改進(jìn)的SLM算法[9-13]被提出,其中文獻(xiàn)[10-11]中提出了利用時(shí)域信號(hào)循環(huán)移位方式減少了IFFT運(yùn)算次數(shù),一定程度上降低了發(fā)送端的計(jì)算復(fù)雜度。文獻(xiàn)[12-13]中均使用了分塊和重組的思想,文獻(xiàn)[12]中提出了廣泛線性選擇性映射(widely linear selected mapping, WSLM)算法,該算法先將原始頻域序列分成實(shí)部和虛部子塊序列,然后對(duì)實(shí)部和虛部子塊分別進(jìn)行SLM算法并進(jìn)行組合,發(fā)送端采用線性信號(hào)處理技術(shù)降低了算法的復(fù)雜度。文獻(xiàn)[13]中提出了一種分塊選擇性映射(block selected mapping, BSLM)算法,將原始序列分割成多個(gè)子塊,對(duì)每個(gè)子塊乘上相位序列后單獨(dú)進(jìn)行IFFT運(yùn)算獲得到時(shí)域子塊信號(hào),并對(duì)時(shí)域子塊重新組合來(lái)獲得多個(gè)時(shí)域備選信號(hào),有效降低了信號(hào)的PAPR,在一定程度上降低了發(fā)送端的計(jì)算復(fù)雜度。然而,文獻(xiàn)[12-13]中的算法發(fā)送端的計(jì)算復(fù)雜度仍然較高,且需要傳送額外的邊帶信息來(lái)恢復(fù)原始信號(hào)。文獻(xiàn)[14]利用相位因子序列循環(huán)移位和時(shí)域信號(hào)變換,通過(guò)少量IFFT獲得良好的PAPR抑制性能,但其大大增加了接收端的復(fù)雜度。為了進(jìn)一步降低發(fā)送端和接收端的復(fù)雜度,提高頻譜利用效率,本文基于IFFT運(yùn)算性質(zhì)和分塊組合的思想,提出了改進(jìn)的分塊選擇性映射(modified block selected mapping, MBSLM)算法,通過(guò)少量低維IFFT運(yùn)算即可獲得較多的備選序列,接收端采用低復(fù)雜度的盲檢測(cè)方式,不需要發(fā)送端傳送額外的邊帶信息。同時(shí)本文仿真分析了CSLM、WSLM、BSLM、MBSLM算法的PAPR和BER性能。結(jié)果表明,所提算法有效降低了發(fā)送端和接收端的計(jì)算復(fù)雜度,獲得了良好的PAPR抑制性能,接收端采用低復(fù)雜度的盲檢測(cè)方式能夠獲得與已知邊帶信息的CSLM算法、WSLM算法相近的BER性能。

1OFDM技術(shù)簡(jiǎn)介

1.1OFDM信號(hào)產(chǎn)生及度量

OFDM信號(hào)是通過(guò)不同載波調(diào)制的信號(hào)疊加獲得的,原始頻域信號(hào)表示為:X=[X(0),X(1),…,X(N-1)],其中N表示子載波數(shù),頻域信號(hào)通過(guò)IFFT調(diào)制后獲得時(shí)域信號(hào)x:

(1)

OFDM信號(hào)的PAPR定義為

(2)

式中,|·|2表示求瞬時(shí)功率；max[·]表示求最大值；E[·]表示求平均值。

另外,在3GPP中還采用了另一種度量OFDM信號(hào)包絡(luò)波動(dòng)的方式,即立方度量(cubic metric, CM)[15],定義如下:

(3)

式中,RCMref和K 均為常量,原始立方度量(raw cubic metric, RCM)定義為

(4)

使用互補(bǔ)累積分布函數(shù)(complementary cumulative distribution function,CCDF)來(lái)表示PAPR或RCM超過(guò)某個(gè)給定值的概率,例如:

(5)

1.2固態(tài)放大器模型

發(fā)送端的功率放大器會(huì)使OFDM信號(hào)產(chǎn)生嚴(yán)重的非線性失真,影響系統(tǒng)的BER性能。固態(tài)功率放大器(solidstatepoweramplifier,SSPA)是通信系統(tǒng)中常用的放大器之一,Rapp模型[16]常被用來(lái)模擬SSPA放大器的非線性特征,在該模型中,輸入信號(hào)x的采樣點(diǎn)極坐標(biāo)形式為x(n)=|x(n)|ejθ(x(n)),HPA的輸出信號(hào)y的采樣點(diǎn)表示為

(6)

式中,|·|表示求幅度；θ(·)表示求相位；A(·)表示放大器的幅度響應(yīng)AM/AM；φ(·)表示放大器的相位響應(yīng)AM/PM。放大器的非線性特征表示為

(7)

式中,p表示放大器的平滑因子;A0表示放大器的最大輸出,由放大器的輸入飽和點(diǎn)Asat唯一確定,Asat由輸入回饋(inputback-off,IBO)決定,即

(8)

式中，pin表示輸入信號(hào)的平均功率。

2MBSLM算法基本原理

2.1CSLM算法

CSLM算法是將原始頻域序列X分別乘上不同的相位因子序列,經(jīng)過(guò)多次IFFT調(diào)制獲得時(shí)域備選序列,相位旋轉(zhuǎn)因子序列表示為:P=(P1,P2,…,PU),其中U表示相位旋轉(zhuǎn)序列個(gè)數(shù)。原始頻域信號(hào)X與相位旋轉(zhuǎn)序列Pu(1≤u≤U)相乘后獲得頻域備選信號(hào)Xu,頻域信號(hào)經(jīng)過(guò)IFFT調(diào)制后得到多個(gè)獨(dú)立的時(shí)域備選序列xu=[xu(0),xu(1),xu(N-1)],并從時(shí)域備選序列中選出PAPR最小的信號(hào)進(jìn)行傳輸。

2.2WSLM算法

圖1　WSLM算法的原理框圖

2.3BSLM算法

BSLM算法是將原始頻域序列X分割成V個(gè)頻域子序列,將每個(gè)頻域子序列乘上U個(gè)不同的相位旋轉(zhuǎn)序列,通過(guò)IFFT運(yùn)算獲得U個(gè)不同的時(shí)域子序列組成對(duì)應(yīng)的時(shí)域子序列集合。最后從每個(gè)時(shí)域子序列集合中任取一個(gè),將所取得的V個(gè)時(shí)域子序列相加獲得時(shí)域備選信號(hào),并從時(shí)域備選信號(hào)中選擇出PAPR最小的信號(hào)進(jìn)行傳輸,如圖2所示。

2.4MBSLM算法

雖然WSLM算法和BSLM算法在一定程度上降低了發(fā)送端的復(fù)雜度,但復(fù)雜度仍然較高,且需要傳送額外的邊帶信息,降低了頻譜利用效率。為了進(jìn)一步降低發(fā)送端的計(jì)算復(fù)雜度,提高頻譜利用效率,本文結(jié)合IFFT運(yùn)算性質(zhì),提出MBSLM算法,發(fā)送端僅需要少量低維IFFT運(yùn)算,接收端采用低復(fù)雜度的盲檢測(cè)方式,不需要發(fā)送端傳送額外的邊帶信息。

圖2　BSLM算法的原理框圖

2.4.1IFFT運(yùn)算性質(zhì)

性質(zhì) 1給定頻域序列的長(zhǎng)度為NV,其中含有S個(gè)非零元素,相鄰的兩個(gè)非零元素之間有T-1個(gè)0元素。具體形式如下:

(9)

通過(guò)IFFT獲得的時(shí)域序列可以表示為

(10)

式中，X′=[X0,X1,…,XS-1]。

(11)

證畢

性質(zhì) 2[17]頻域信號(hào)循環(huán)移位對(duì)應(yīng)時(shí)域信號(hào)乘上相位旋轉(zhuǎn)因子,即

IFFT (X(m))=IFFT (X)·Wm

(12)

2.4.2MBSLM算法的發(fā)送端

MBSLM算法發(fā)送端處理過(guò)程如圖3所示。

(1) 將頻域序列X交織分割為V個(gè)頻域子序列,令f1=[1,0,0,0,…,1,0,0,0],fv表示f1向右循環(huán)移動(dòng)v-1(v=2,…,V)位,子塊序列表示為

Xv=fv·X

(13)

(14)

(15)

(16)

(17)

圖3　MBSLM算法發(fā)送端的原理框圖

2.4.3MBSLM算法的接收端

在接收端,傳統(tǒng)的盲檢測(cè)方式[18]需要將相位序列集合中的所有相位因子序列分別與接收到的頻域信號(hào)相乘,通過(guò)判斷各頻點(diǎn)與最近星座點(diǎn)最小距離總和來(lái)選擇出最有可能的相位因子序列,將接收到的時(shí)域信號(hào)通過(guò)快速傅里葉變換(fastFouriertransform,FFT)運(yùn)算后獲得頻域信號(hào)Y,采用如下準(zhǔn)則判斷最有可能的相位因子序列:

(18)

式中,()*表示求共軛；η表示相位因子序列集合；δ表示已知星座點(diǎn)集合；H表示信道響應(yīng)。

根據(jù)式(18)可知,對(duì)于傳統(tǒng)的盲檢測(cè)方式,算法的計(jì)算復(fù)雜度隨著備選序列個(gè)數(shù)的增加而線性增加,當(dāng)備選序列個(gè)數(shù)較大時(shí),整個(gè)接收端算法的復(fù)雜度也較大。

為了降低盲檢測(cè)的復(fù)雜度,本文結(jié)合MBSLM算法的分塊特點(diǎn),提出了低復(fù)雜度的盲檢測(cè)方式,接收端具體處理過(guò)程如圖4所示。

圖4　MBSLM算法接收端盲檢測(cè)原始框圖

(1) 接收的時(shí)域信號(hào)y進(jìn)行FFT運(yùn)算后獲得頻域信號(hào)Y。

(2) 將每個(gè)子載波的信號(hào)乘上備選相位因子,并通過(guò)與最近星座點(diǎn)的距離來(lái)判斷出單獨(dú)最優(yōu)的相位因子,記作

(19)

(3) 將步驟2中優(yōu)選出的單獨(dú)最優(yōu)的相位因子集合P交織分割成V個(gè)相位序列子塊Pv(1≤v≤V)。

(5) 將二次優(yōu)選出的相位序列子塊相加獲得最優(yōu)的相位序列

(20)

(6) 將選出的最優(yōu)相位序列與頻域信號(hào)Y共軛相乘,即可恢復(fù)出原始頻域信號(hào)

(21)

3計(jì)算復(fù)雜度分析

3.1發(fā)送端的復(fù)雜度

為了衡量計(jì)算復(fù)雜度降低程度,本文使用計(jì)算復(fù)雜度降低比(computationalcomplexityreductionratio,CCRR),其定義為

(22)

表1和表2給出了當(dāng)子載波數(shù)為256時(shí),當(dāng)產(chǎn)生相同個(gè)數(shù)的時(shí)域備選序列時(shí),CSLMWSLM、BSLM和MBSLM算法所需的復(fù)數(shù)加法和復(fù)數(shù)乘法次數(shù),其中CCRR1、CCRR2、CCRR3分別表示MBSLM算法相對(duì)于CSLM、WSLM和BSLM算法的復(fù)雜度降低比值。

表1　時(shí)域備選序列數(shù)為16時(shí)發(fā)送端的復(fù)雜度比較

表2　時(shí)域備選序列數(shù)為81時(shí)發(fā)送端的復(fù)雜度比較

由表1可知,當(dāng)備選序列數(shù)為16時(shí),MBSLM算法相對(duì)于CSLM算法,復(fù)數(shù)乘法和復(fù)數(shù)加法次數(shù)對(duì)應(yīng)的CCRR1分別達(dá)到81.3%和65.6%;相對(duì)于WSLM算法,復(fù)數(shù)乘法和復(fù)數(shù)加法次數(shù)對(duì)應(yīng)的CCRR2分別為62.5%和45.0%;相對(duì)于BSLM算法,復(fù)數(shù)乘法和復(fù)數(shù)加法次數(shù)對(duì)應(yīng)的CCRR3分別達(dá)到了62.5%和51.4%。由表2可知,當(dāng)備選序列數(shù)為81時(shí),MBSLM算法相對(duì)于CSLM算法,復(fù)數(shù)乘法和復(fù)數(shù)加法次數(shù)對(duì)應(yīng)的CCRR1分別達(dá)到94.4%和73.1%;相對(duì)于WSLM算法,復(fù)數(shù)乘法和復(fù)數(shù)加法次數(shù)對(duì)應(yīng)的CCRR2分別為75.0%和22.6%;相對(duì)于BSLM算法,復(fù)數(shù)乘法和復(fù)數(shù)加法次數(shù)對(duì)應(yīng)的CCRR3分別達(dá)到了62.5%和32.5%。因此,MBSLM算法相比于CSLM算法、WSLM算法和BSLM算法均明顯降低了發(fā)送端的計(jì)算復(fù)雜度。

3.2接收端的復(fù)雜度

表3給出了當(dāng)子載波數(shù)N為256,調(diào)制方式為正交幅度調(diào)制(quaternary amplitude modulation, QAM),調(diào)制階數(shù)為16,即星座點(diǎn)集合元素個(gè)數(shù)為M=16,相位因子集合元素個(gè)數(shù)L=2,當(dāng)時(shí)域備選序列個(gè)數(shù)K相同時(shí),傳統(tǒng)的盲檢測(cè)和改進(jìn)的盲檢測(cè)方式所需的復(fù)數(shù)乘法和復(fù)數(shù)加法次數(shù)以及CCRR值。

表3　傳統(tǒng)盲檢測(cè)方式和改進(jìn)盲檢測(cè)方式的復(fù)雜度比較

由表3可知,改進(jìn)的盲檢測(cè)方式相比于傳統(tǒng)盲檢測(cè)方式,當(dāng)備選序列為16時(shí),所需復(fù)數(shù)乘法和復(fù)數(shù)加法次數(shù)對(duì)應(yīng)的CCRR分別達(dá)到了87.5%和87.4%,當(dāng)備選序列為81時(shí),所需復(fù)數(shù)乘法和復(fù)數(shù)加法次數(shù)對(duì)應(yīng)的CCRR分別達(dá)到了97.5%和97.5%。因此,本文提出的改進(jìn)盲檢測(cè)算法不需要發(fā)送端傳送額外的邊帶信息,提高了頻譜利用效率,相比于傳統(tǒng)盲檢測(cè)算法明顯降低了計(jì)算復(fù)雜度,隨著備選序列的增多,計(jì)算復(fù)雜度降低程度增強(qiáng)。

4仿真結(jié)果與分析

本文仿真分析了CSLM、WSLM、BSLM和MBSLM算法的PAPR和RCM性能,以及在信道1和信道2下的BER性能。信道1:AWGN信道;信道2:EVA70信道。擴(kuò)展ITU信道主要包括EPA5、EVA70和ETU300三種,分別代表低時(shí)延、中時(shí)延和高時(shí)延擴(kuò)展信道,并且多普勒頻移分別為5 Hz、70 Hz和300 Hz。本文選擇中時(shí)延的EVA70信道作為仿真信道模型。仿真參數(shù)和信道參數(shù)如表4和表5所示。

表4　仿真參數(shù)表

表5　信道模型的功率延遲參數(shù)(信道2:擴(kuò)展車(chē)載A(EVA))

4.1PAPR和RCM性能分析

圖5中給出了CSLM、BSLM和MBSLM算法的PAPR性能曲線。由圖可知,CSLM算法、WSLM、BSLM和MBSLM算法均能有效降低OFDM信號(hào)的PAPR。在CCDF=0.1%處,原始信號(hào)對(duì)應(yīng)的PAPR0為10.90 dB,當(dāng)備選序列數(shù)為16時(shí),CSLM、WSLM、BSLM和MBSLM算法對(duì)應(yīng)的PAPR0分別為7.45 dB、7.55 dB、7.70 dB和7.70 dB,其相對(duì)于原始信號(hào)的PAPR0分別降低了3.45 dB、3.35 dB、3.20 dB和3.20 dB,MBSLM算法與BSLM算法的性能相當(dāng),而比CSLM和WSLM算法分別差0.25 dB和0.15 dB;但備選序列數(shù)增加到81時(shí),CSLM、WSLM、BSLM和MBSLM算法對(duì)應(yīng)的PAPR0更是下降到6.80 dB、6.85 dB、6.90 dB和6.90 dB,MBSLM算法仍然與BSLM算法性能相當(dāng),卻僅比CSLM算法和WSLM算法分別差0.10 dB和0.05 dB。因此,一方面本文提出的MBSLM算法能夠獲得與BSLM算法一致的PAPR抑制性能,但由表1可知,MBSLM算法發(fā)送端的計(jì)算復(fù)雜度明顯低于BSLM算法;另一方面雖然MBSLM算法的PAPR抑制性能稍微不如CSLM算法和WSLM算法,但由表1可知,MBSLM算法發(fā)送端的計(jì)算復(fù)雜度遠(yuǎn)比CSLM算法和WSLM算法的計(jì)算復(fù)雜度低。

圖5　各種算法的PAPR性能曲線

圖6中給出了各種算法的RCM性能曲線。由圖可知,CSLM、BSLM和MBSLM算法均能有效降低OFDM信號(hào)的RCM。在CCDF=0.1%處,當(dāng)備選序列數(shù)為16時(shí),CSLM算法所對(duì)應(yīng)的RCM0為7.30 dB,WSLM算法對(duì)應(yīng)的RCM0為7.50 dB,BSLM算法和MBSLM算法對(duì)應(yīng)的RCM0均為7.90 dB。因此,MBSLM算法的RCM抑制性能與BSLM算法相同,僅比CSLM、WSLM算法分別差0.60 dB和0.40 dB。當(dāng)備選序列數(shù)增加到81時(shí),MBSLM算法與CSLM、WSLM算法的RCM性能差距進(jìn)一步縮小,僅比CSLM算法和WSLM算法分別差0.40 dB和0.35 dB。因此,MBSLM算法明顯降低了發(fā)送端的計(jì)算復(fù)雜度,同時(shí)獲得了良好的RCM抑制性能。

圖6　各種算法的RCM性能曲線

在產(chǎn)生相同備選序列數(shù)的情況下,以K=81為例,CSLM算法所需的相位因子序列數(shù)為81,WSLM算法所需的相位因子序列數(shù)為9,而B(niǎo)SLM算法和MBSLM算法所需要的相位因子序列數(shù)為3。一方面,根據(jù)算法原理,MBSLM算法與BSLM算法產(chǎn)生時(shí)域備選序列一致,因此二者的PAPR和RCM性能相當(dāng),但MBSLM算法的復(fù)雜度明顯低于BSLM算法;另一方面,MBSLM算法是通過(guò)較少的相位因子序列數(shù)和較少的IFFT運(yùn)算獲得多個(gè)時(shí)域備選序列,備選序列之間的獨(dú)立性略差,因此在PAPR和RCM性能上會(huì)稍差于CSLM和WSLM算法,但該算法的優(yōu)點(diǎn)是顯著降低了發(fā)送端的計(jì)算復(fù)雜度,且獲得了良好的PAPR和RCM抑制性能。

4.2BER性能分析

本文仿真分析了兩種信道模型下CSLM算法(邊帶信息已知)、WSLM(邊帶信息已知)、MBSLM算法(邊帶信息已知)和MBSLM算法(盲檢測(cè)方式)的BER性能。

如圖7所示,在AWGN信道模型中,本文提出的盲檢測(cè)算法的BER性能曲線與已知邊帶信息的情況基本一致。當(dāng)Eb/N0小于10 dB時(shí),盲檢測(cè)方式下算法的BER性能比已知邊帶信息的情況要差一些,這是因?yàn)樾旁氡容^低時(shí),接收端檢測(cè)相位因子會(huì)受到噪聲的影響,相位因子恢復(fù)誤差會(huì)導(dǎo)致系統(tǒng)的BER性能惡化,所以在低信噪比條件下采用盲檢測(cè)方式比已知邊帶信息方式的BER性能稍差。當(dāng)Eb/N0大于10 dB時(shí),接收端的相位因子恢復(fù)誤差較小,盲檢測(cè)方式能夠較準(zhǔn)確地估計(jì)出原始相位因子序列,能夠獲得與已知邊帶信息的情況下相同的BER性能。因此,在高斯信道中當(dāng)信噪比Eb/N0大于10 dB時(shí),本文提出的盲檢測(cè)方式能夠有效地恢復(fù)原始信號(hào)。

圖7　AWGN信道中各算法的BER曲線

當(dāng)備選序列數(shù)為16時(shí),在Eb/N0為30 dB處,CSLM算法對(duì)應(yīng)的BER=3.67×10-4,WSLM算法對(duì)應(yīng)的BER為3.98×10-4、MBSLM算法對(duì)應(yīng)的BER為4.87×10-4;當(dāng)備選序列數(shù)為81時(shí),在Eb/N0為30 dB處,CSLM算法對(duì)應(yīng)的BER為1.56×10-4,WSLM算法對(duì)應(yīng)的BER為1.62×10-4,MBSLM算法對(duì)應(yīng)的BER為2.13×10-4,因此可以看出,在相同備選序列數(shù)下,MBSLM算法的BER性能略差于CSLM算法和WSLM算法,隨著備選序列數(shù)的增加,二者的BER性能差距減小。但由表1和表2可知,MBSLM算法發(fā)送端的計(jì)算復(fù)雜度明顯低于CSLM算法和WSLM算法,且不需要傳送邊帶信息,能夠提高頻譜利用效率。

如圖8所示,在EVA70信道模型中,在滿(mǎn)足一定信噪比條件下,本文提出的盲檢測(cè)算法能夠獲得與已知邊帶信息情況下相同的BER性能。當(dāng)Eb/N0小于15 dB時(shí),由于在低信噪比下,接收端檢測(cè)相位因子會(huì)受到噪聲的影響,相位因子恢復(fù)誤差會(huì)導(dǎo)致系統(tǒng)的BER性能惡化,所以盲檢測(cè)方式下算法的BER性能比已知邊帶信息的情況下要差一些;隨著Eb/N0增加到15 dB后,接收端的相位因子恢復(fù)誤差較小,盲檢測(cè)方式能夠較準(zhǔn)確地估計(jì)出原始相位因子序列,能夠獲得與已知邊帶信息的情況下相同的BER性能,因此,在EVA70信道中,當(dāng)信噪比Eb/N0大于15 dB時(shí),本文提出的盲檢測(cè)方式能夠有效地恢復(fù)原始信號(hào)。

圖8　EVA70信道中各種算法的BER曲線

在Eb/N0為35 dB處,當(dāng)備選序列為16時(shí),CSLM、WSLM、MBSLM算法對(duì)應(yīng)的BER分別為6.16×10-4、6.53×10-4、7.67×10-4;當(dāng)備選序列數(shù)K=81時(shí),CSLM、WSLM、MBSLM算法對(duì)應(yīng)的BER分別為3.89×10-4、4.12×10-4、4.38×10-4。因此,可以看出,在相同備選序列數(shù)下,MBSLM算法的BER性能稍差于CSLM算法和WSLM算法,當(dāng)備選序列數(shù)增加到81時(shí),性能差距逐漸減小。同時(shí),由表1和表2可知,MBSLM算法發(fā)送端的計(jì)算復(fù)雜度遠(yuǎn)低于CSLM算法和WSLM算法,且不需要傳送邊帶信息,能夠提高頻譜利用效率。

5結(jié)論

本文針對(duì)傳統(tǒng)SLM算法的高計(jì)算復(fù)雜度和邊帶信息等問(wèn)題,提出了一種基于盲檢測(cè)的低復(fù)雜度分塊SLM算法。該算法的發(fā)送端利用IFFT性質(zhì),通過(guò)少量低維IFFT運(yùn)算獲得多個(gè)時(shí)域備選序列,算法的接收端采用低復(fù)雜度的盲檢測(cè)方式,不需要額外的邊帶信息。通過(guò)對(duì)算法仿真得到,當(dāng)備選序列個(gè)數(shù)相同時(shí),所提算法的計(jì)算復(fù)雜度明顯低于傳統(tǒng)SLM算法,且有效抑制了OFDM信號(hào)的PAPR和CM,在盲檢測(cè)方式下獲得了良好的BER性能,提高了頻譜利用效率。

參考文獻(xiàn)：

[1] Kitaek B, Powers E J. Performance analysis of OFDM systems with selected mapping in the presence of nonlinearity[J].IEEETrans.onWirelessCommunications, 2013, 12(5): 2314-2322.

[2] Zhu X D, Pan W S, Li H. Simplified approach to optimized iterative clipping and filtering for PAPR reduction of OFDM signals[J].IEEETrans.onCommunications, 2013, 61(5): 1891-1901.

[3] Wang Y, Wang L H, Ge J H. Nonlinear companding transform technology for reducing PAPR of OFDM signal[J].IEEETrans.onConsumerElectronics, 2012, 58(3): 752-757.

[4] Singh E, Arif M, Shrivastava V. Nonliear companding technique for PAPR reduction in OFDM[C]∥Proc.oftheIEEEInternationalConferenceonSignalPropagationandComputerTechnology,2014: 801-805.

[5] Zhang S, Yang L,Li S Q. A algorithm combined PSO and factor optimal pair for PAPR reduction in OFDM system[J].SystemEngineeringandElectronics,2012,34(7):1479-1483.(張帥,楊霖,李少謙.POS與相位因子優(yōu)選對(duì)結(jié)合降低OFDM峰均比的算法[J].系統(tǒng)工程與電子技術(shù),2012,34(7):1479-1483.)

[6] Zhang S, Ge J H, Gong F K. Partial transmit sequence using EVM optimization metric for BER reduction in OFDM systems[C]∥Proc.ofthe8thInternationalConferenceonCommunicationsandNetworking,2013:113-117.

[7] Rahmatallah Y, Mohan S. Peak-to-average power ratio reduction in OFDM systems: survey and taxonomy[J].IEEECommunicationsSurveyandTutorials, 2013, 15(4): 1567-1592.

[8] Tsai Y R, Lin C H, Chen Y C. A low-complexity SLM approach based on time-domain sub-block conversion matrices for OFDM PAPR reduction[C]∥Proc.oftheIEEESymposiumonComputersandCommunications, 2011: 579-584.

[9] Yoo H, Guiloud F, Pyndiah R. Low complexity SLM technique with an inter-leaver butterfly ensemble for PAPR reduction of power limit OFDM system[C]∥Proc.ofthe73rdVehicularTechnologyConference,2011: 1-5.

[10] Yang L, Soo K K, Siu Y M, et al. A low-complexity selected mapping scheme by using time domain sequence superposition technique for PAPR reduction in OFDM system[J].IEEETrans.onBroadcasting, 2008, 54(4): 821-824.

[11] Jin S W, Ji H L, Jae C P, et al. Combining of cyclically delayed signals: a low-complexity scheme for PAPR reduction in OFDM systems[J].IEEETrans.onBroadcasting,2010,56(3):577-583.

[12] Fischer R F H. Widly-linear selected mapping for peak-to-average power ratio reduction in OFDM[J].ElectronicsLetters, 2007, 43(14):766-767.

[13] Lin P Y, Lin J S. A novel block SLM scheme for PAPR reduction of OFDM systems[C]∥Proc.oftheIEEEInternationalConferenceonSignalProcessing,CommunicationandComputing, 2012: 578-582.

[14] Lu G, Wu P, Aronsson D. Peak-to-average power ratio reduction in OFDM using cyclically shifted phase sequences[J].IETCommunications, 2007, 1(6): 1146-1151.

[15] Deumal M, Behravan A, Pijoan J L. On cubic metric reduction in OFDM systems by tone reservation[J].IEEETrans.onCommunications, 2011, 59(6): 1612-1620.

[16] Bohara V, Ting S. Theoretical analysis of OFDM signals in nonlinear polynomial models[C]∥Proc.ofthe6thInternationalConferenceonCommunications, 2007: 1-5.

[17] Mitra S K.Digitalsignalprocessing,acomputerbasedapproach[M]. Benjing: Publishing House of Electronics Industry, 2005: 110-120.

[18] Jayalath A D S, Tellambura C. SLM and PTS peak-power reduction of OFDM signals without side information[J].IEEETrans.onWirelessCommunications, 2005, 4(5): 2003-2013.

[19] Stefania S,Lssam T.TheUMTSlongtermevolutionfromthorytopractice[M]. Beijing: Posts & Telecom Press, 2009.

楊霖(1977-),男,副教授,博士,主要研究方向?yàn)闊o(wú)線與移動(dòng)通信、現(xiàn)代通信中的信號(hào)處理。

E-mail:eelyang@uestc.edu.cn

何向東(1991-),男,碩士研究生，主要研究方向?yàn)楝F(xiàn)代通信中的信號(hào)處理。

E-mail:984078297@qq.com

劉雲(yún)雲(yún)(1991-),女,碩士研究生,主要研究方向?yàn)闊o(wú)線與移動(dòng)通信中SCMA系統(tǒng)的碼本分配和MPA譯碼算法。

E-mail:1576406014@qq.com

網(wǎng)絡(luò)優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20150916.1551.008.html

Low complexity block SLM based on blind detection in OFDM systems

YANG Lin, HE Xiang-dong, LIU Yun-yun

(NationalKeyofLaboratoryofScienceandTechnologyonCommunications,Universityof

ElectronicScienceandTechnology,Chengdu611731,China)

Abstract:In order to reduce the computational complexity and improve the spectrum efficiency of the conventional selected mapping (CSLM) algorithm in orthogonal frequency division multiplexing (OFDM) systems, a low complexity block selected mapping (BSLM) algorithm based on blind detection is proposed. In the method, the transmitting part only needs a few low-dimensional inverse fast fourier transform (IFFT) operations to obtain a lot of alternative sequences, at the same time, the receiving part uses a modified blind detection to reduce the complexity. The performance of the peak to average power rate (PAPR), cubic metric (CM) and bite error rate (BER) is analyzed. Simulations show that the proposed method can not only reduce the computational complexity significantly, but also control PAPR and CM of the OFDM signal effectively, as well as it can obtain similar BER performance to that of the conventional SLM with perfect side information.

Keywords:orthogonal frequency division multiplexing (OFDM); peak to average power ratio (PAPR); cubic metric (CM); selected mapping (SLM); blind detection

作者簡(jiǎn)介：

中圖分類(lèi)號(hào)：TN 919.3

文獻(xiàn)標(biāo)志碼：A

DOI:10.3969/j.issn.1001-506X.2016.01.26

基金項(xiàng)目：國(guó)家自然科學(xué)基金(61370012)；國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)(2013CB316003)資助課題

收稿日期：2015-04-30；修回日期：2015-07-14；網(wǎng)絡(luò)優(yōu)先出版日期：2015-09-16。