[go: up one dir, main page]

CN114567531A - 一种适用于中压载波系统的遗传退火峰均比抑制方法 - Google Patents

一种适用于中压载波系统的遗传退火峰均比抑制方法 Download PDF

Info

Publication number
CN114567531A
CN114567531A CN202111461761.3A CN202111461761A CN114567531A CN 114567531 A CN114567531 A CN 114567531A CN 202111461761 A CN202111461761 A CN 202111461761A CN 114567531 A CN114567531 A CN 114567531A
Authority
CN
China
Prior art keywords
annealing
vector
rotation
rotation vector
genetic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202111461761.3A
Other languages
English (en)
Inventor
徐剑英
汤鑫
李亮
王亚梁
王林涛
刘昭赫
段雪娇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Topscomm Communication Co Ltd
Original Assignee
Qingdao Topscomm Communication Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao Topscomm Communication Co Ltd filed Critical Qingdao Topscomm Communication Co Ltd
Priority to CN202111461761.3A priority Critical patent/CN114567531A/zh
Publication of CN114567531A publication Critical patent/CN114567531A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2614—Peak power aspects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B3/00—Line transmission systems
    • H04B3/54—Systems for transmission via power distribution lines
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Power Engineering (AREA)
  • Transmitters (AREA)

Abstract

本发明公开了一种适用于中压载波系统的遗传退火峰均比抑制方法，包括：发射端发送的报文经处理后得到待快速傅立叶逆变换的频域序列；以summing向量为基础生成旋转向量；以PAPR值为个体适应度进行遗传退火算法得到最优旋转向量。本发明优化了原有SLM算法，避免了SLM算法无法对任一输入的OFDM符号都进行理想的PAPR抑制的缺点，通过使用summing向量作为遗传退火的基础，进一步改善了遗传退火算法的高复杂度，使得峰均比抑制带来的系统性能提升更稳定。

Description

一种适用于中压载波系统的遗传退火峰均比抑制方法
技术领域
本发明属于电力线通信技术领域，具体涉及一种适用于中压载波系统的遗传退火峰均比抑制方法。
背景技术
中压载波系统通信主要使用的技术为OFDM(orthogonal frequency divisionmultiplexing) 即正交频分复用技术，实际上OFDM是MCM(multi carrier modulation)多载波调制的一种，因为其具有较高的频谱利用率、良好的网络结构可扩展性和抗多径干扰能力强等优点得到了普遍应用。但是，OFDM信号是由不同振幅、不同频率的多个子载波信号进行叠加成的，因此会产生很高的峰均功率比(PAPR)。而PAPR过大，则其对线性高功率放大器线性放大的要求也会相应的提高，从而使系统的实现难度和造价大大增加，同时也使得射频功率放大器的效率大幅降低，因此抑制峰均比是提高OFDM性能的重要手段之一。
目前，降低OFDM系统PAPR的方法一般分为3大类：编码类、概率类和限幅类。其中限幅滤波是直接对信号的幅值进行限制，此方法在限制信号峰值的同时也会产生带外频谱泄露和带内失真的问题；编码类方法的带宽效率和编码率比较低，且当子载波数较多的情况编码效率很低；概率类算法能够较好的降低PAPR，而且不会导致浪费带宽及带外频谱泄露等问题。概率类方法中，比较常用的方法有SLM(selective mapping)和PTS(partialtransmit sequen ce)，这些方法受限于算法设计者提供的有限数量的选转向量，导致无法稳定的将所有OFDM 符号的PARP均抑制在理想范围内。即便选择某些算法进行自适应选择选转向量，但是由于旋转向量维度等限制，难以找到旋转向量的最优解。
发明内容
为解决上述现有技术存在的不足或缺陷，本发明提出一种适用于中压载波系统的遗传退火峰均比抑制方法，基于SLM方法，结合遗传退火算法及具备较低峰均比的summing向量，从而可以自适应的生成适用于当前OFDM符号的最优旋转向量。
为实现上述目的，本发明提出了一种适用于中压载波系统的遗传退火峰均比抑制方法，包括以下内容：
加扰、编码、交织、映射处理报文并进行快速傅里叶变换生成时域数据即OFDM符号；
随机生成n0个初始旋转向量；
根据时域数据计算峰均比值，作为初始旋转向量的个体适应度；
初始旋转向量配对；
配对旋转向量随机相位交叉互换；
配对旋转向量随机相位突变；
旋转向量比较，并保留并保留其中个体适应度最优的n0个旋转向量；
模拟退火算法；
遗传迭代算法寻优；
最优个体适应度旋转向量输出。
进一步的，计算OFDM符号的峰均比PAPR，公式为：
Figure RE-GDA0003622948170000021
其中xn为OFDM符号中第n个子载波的幅值，max(|xn|2)表示OFDM符号各个子载波的最大能量值，E(|xn|2)表示OFDM符号的平均功率，PAPR的单位为dB。
进一步的，定义OFDM符号如下：
Figure RE-GDA0003622948170000022
其中f0是信号s(t)的基频，Ak是第k个子载波信号的幅值，Δf0是相邻子载波间的频率间隔，θk是第k个随机相位序列的相位。当子载波信号的幅值在整个时域上相等时，信号s(t) 的瞬时功率值为：
Figure RE-GDA0003622948170000023
由此可知功率峰值为EP(t)＝NA2+2A2P0(t)，其中
Figure RE-GDA0003622948170000024
根据PAPR定义可知
Figure RE-GDA0003622948170000025
由此可知，要想找到比较小PAPR值，就应该使用更优的相位组合，而summing向量就是低PAPR相位组合的理想选择。
进一步的，旋转向量的基本格式为φ(k)＝A*k2+B*k，其中A、B为系数，k为OFDM符号中的子载波序号。
进一步的，旋转向量比较包含以下内容：
对相位交叉互换操作及相位突变操作后的旋转向量与原始旋转向量的个体适应度进行比较，并保留其中个体适应度最优的n0个旋转向量。
进一步的，所述退火算法包含以下内容：
将保留的个体适应度最优的n0个旋转向量进行二维模拟退火操作，以旋转向量中的系数 A、B为退火温度，以PAPR为评价函数，令系数A、B分别以合适的步长进行嵌套迭代，一旦满足退火条件，则由退火得到的新向量来替代退火的初始向量，如果在一定迭代次数内没满足退火条件，则直接终止，旋转向量保持原样进行遗传迭代算法寻优，通过控制迭代次数及设置终止条件，可以防止方法整体复杂度过高，占用过多资源。
进一步的，所述遗传迭代算法寻优包含以下内容：
以旋转向量中的系数A和B为迭代系数，选取相应的步长进行loop1次迭代，找出该旋转向量附近的最优解，将该旋转向量与步骤6中的n0个旋转向量进行对比，选取个体适应度最优的n0个进行保留。
本发明的有益效果：通过对旋转向量进行遗传退火操作，解决了SLM方法无法将任一 OFDM符号的峰均比都抑制到理想要求的缺点，更稳定地提升了系统的通信性能；使用summing向量作为遗传退火的基础，这使得迭代算法能更快的找到最优解，降低算法复杂度；将遗传算法和模拟退火相结合能够更好地避免找到次优解。
附图说明
图1为本发明适用于中压载波系统的遗传退火峰均抑制方法的流程图。
图2为本发明适用于中压载波系统的遗传退火峰均抑制方法的遗传退火操作流程。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明的技术方案包含以下步骤：
步骤1：载波机发射端发送的报文经过加扰、编码、交织及映射处理后，得到待IFFT(Inverse Fast Fourier Transform，快速傅立叶逆变换)的频域序列Yi(k)。
其中i代表第i个码元，k代表第k个子载波。
中压载波系统中所使用的调制方式包含BPSK和QPSK两种，进行BPSK(BinaryPhase Shift Keying，二进制相移键控)调制时，各子载波的值从{1,-1}中选择；进行QPSK(Quadrature Phase Shift Keying，四进制相移键控)调制时，各子载波的值从{1+j,1-j,-1+j,-1-j}中选择；
步骤2：按照summing向量的格式，随机生成n0个初始旋转向量，n0为偶数，summing向量通用格式φn(k)＝A*k2+B*k，其中A、B为系数，k为OFDM符号中的子载波序号，φn为第n个旋转向量；
步骤3：对步骤1中得到的频域序列的各个码元进行快速傅立叶逆变换，生成时域数据，对生成的时域数据按照PAPR定义计算峰均比值，将这些峰均比的值作为初始旋转向量的个体适应度；
步骤4：如图2所示，进行遗传退火操作，对n0个旋转向量随机进行配对，配对后根据随机概率生成进行配对旋转向量内的相位交叉互换操作，再根据随机概率对旋转向量进行相位突变操作；
例如：n0个旋转向量为φ1(k)...φn0(k)，每个旋转向量具有k个相位，对每一对旋转向量根据随机生成的概率与交叉概率P1进行判决，如满足判决则对这一对向量进行m个相位互换操作；再对每一个旋转向量根据随机生成概率与变异概率P2进行判决，如满足判决，则对该旋转向量中的l个相位进行变异操作；
步骤5：对步骤4产生的选转向量与原始旋转向量的个体适应度进行比较，保留所有旋转向量中个体适应度最优的n0个旋转向量；
步骤6：找出步骤五生成的n0个旋转向量中个体适应度最优的一个旋转向量，准备进入模拟退火算法；
步骤7：以旋转向量中的系数A和B为迭代系数，选取相应的步长进行loop1次嵌套迭代，loop1为系数A与系数B迭代次数的乘积，退火终止条件为：1)迭代进行loop1次后，未找到新的向量，终止退火输出原向量；2)找到PAPR更低的新向量后，利用公式 P’＝exp(Papr2-Papr1)计算接受概率P’，其中Papr2为新向量的峰均比，Papr1位原向量的峰均比。如果接受概率在理论接受概率P0内，则终止退火，使用新向量替换原向量后输出新向量，否则继续迭代；
步骤8：重复步骤4-7loop2次；
步骤9：找出最优旋转向量作为最终输出；
在这里需要补充说明，交叉概率P1和变异概率P2及迭代次数loop1、loop2需要进行合理的选取，否则会导致算法复杂度变高或无法找到最优解。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (5)

1.一种适用于中压载波系统的遗传退火峰均比抑制方法，其特征在于，具体包括以下步骤：
加扰、编码、交织、映射处理报文并进行快速傅里叶变换生成时域数据；
随机生成n0个初始旋转向量；
根据时域数据计算峰均比值，作为初始旋转向量的个体适应度；
初始旋转向量配对；
配对旋转向量随机相位交叉互换；
配对旋转向量随机相位突变；
旋转向量比较，并保留并保留其中个体适应度最优的n0个旋转向量；
模拟退火算法；
遗传迭代算法寻优；
最优个体适应度旋转向量输出。
2.根据权利要求1所述的一种适用于中压载波系统的遗传退火峰均比抑制方法，其特征在于，旋转向量的基本格式为φ(k)＝A*k2+B*k，其中A、B为系数，k为OFDM符号中的子载波序号。
3.根据权利要求1所述的一种适用于中压载波系统的遗传退火峰均比抑制方法，其特征在于，所述旋转向量比较包含以下内容：
对相位交叉互换操作及相位突变操作后的旋转向量与原始旋转向量的个体适应度进行比较，并保留其中个体适应度最优的n0个旋转向量。
4.根据权利要求1所述的一种适用于中压载波系统的遗传退火峰均比抑制方法，其特征在于，所述退火算法包含以下内容：
将保留的个体适应度最优的n0个旋转向量进行二维模拟退火操作，以旋转向量中的系数A、B为退火温度，以PAPR为评价函数，令系数A、B分别以合适的步长进行嵌套迭代，一旦满足退火条件，则由退火得到的新向量来替代退火的初始向量，如果在要求的迭代次数内没满足退火条件，则直接终止，旋转向量保持原样进行遗传迭代算法寻优。
5.根据权利要求1所述的一种适用于中压载波系统的遗传退火峰均比抑制方法，其特征在于，所述遗传迭代算法寻优包含以下内容：
以旋转向量中的系数A和B为迭代系数，选取相应的步长进行loop1次迭代，找出该旋转向量附近的最优解，将该旋转向量与步骤6中的n0个旋转向量进行对比，选取个体适应度最优的n0个进行保留。
CN202111461761.3A 2021-12-02 2021-12-02 一种适用于中压载波系统的遗传退火峰均比抑制方法 Withdrawn CN114567531A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111461761.3A CN114567531A (zh) 2021-12-02 2021-12-02 一种适用于中压载波系统的遗传退火峰均比抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111461761.3A CN114567531A (zh) 2021-12-02 2021-12-02 一种适用于中压载波系统的遗传退火峰均比抑制方法

Publications (1)

Publication Number Publication Date
CN114567531A true CN114567531A (zh) 2022-05-31

Family

ID=81711178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111461761.3A Withdrawn CN114567531A (zh) 2021-12-02 2021-12-02 一种适用于中压载波系统的遗传退火峰均比抑制方法

Country Status (1)

Country Link
CN (1) CN114567531A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090092195A1 (en) * 2007-10-04 2009-04-09 Nortel Networks Limited Method and system for adaptive peak to average power ratio reduction in orthogonal frequency division multiplexing communication networks
CN101572687A (zh) * 2009-06-05 2009-11-04 北京邮电大学 正交频分复用信号处理方法及系统
CN112583449A (zh) * 2020-12-04 2021-03-30 青岛鼎信通讯股份有限公司 一种适用于中压载波系统的自适应抑制峰均比的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090092195A1 (en) * 2007-10-04 2009-04-09 Nortel Networks Limited Method and system for adaptive peak to average power ratio reduction in orthogonal frequency division multiplexing communication networks
CN101572687A (zh) * 2009-06-05 2009-11-04 北京邮电大学 正交频分复用信号处理方法及系统
CN112583449A (zh) * 2020-12-04 2021-03-30 青岛鼎信通讯股份有限公司 一种适用于中压载波系统的自适应抑制峰均比的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
孙坚等: "一种降低OFDM系统峰均比的快速算法", 通信技术 *
李天屿等: "降低DCO-OFDM系统峰均功率比的IGA-SLM算法", 光通信研究 *
高静等: "一种低复杂度的OFDM系统峰均比降低算法", 东北大学学报(自然科学版) *

Similar Documents

Publication Publication Date Title
CN102687476B (zh) 用于控制组合无线信号的系统和方法
KR20070093231A (ko) 최대 전력 대 평균 전력 제어 방법 및 장치
CN102497350B (zh) 基于星座线性扩展的ofdm降峰均比方法
CN109274629B (zh) Ofdm系统中峰值功率优化方法及发射系统
Lahcen et al. peak-to-average power ratio reduction using new swarm intelligence algorithm in OFDM systems
JP2008092563A (ja) 通信システムにおける最大対平均出力比の低減
CN112995089B (zh) 基于混沌映射的低复杂度选择映射法改进方法
CN103209155B (zh) 一种低峰均比电力线ofdm调制方法及装置
CN114301751A (zh) 一种用于物联网终端降低上行信号峰均比的频域计算方法
CN114567531A (zh) 一种适用于中压载波系统的遗传退火峰均比抑制方法
CN111901278A (zh) 一种数据调制方法、设备及储存介质
KR101067644B1 (ko) 부분 비트 반전 선택 사상 기법을 이용한 직교 주파수 분할다중화 시스템의 최대전력 대 평균전력의 비 감소방법
CN117713944A (zh) 一种基于多功率密度啁啾信号的高性能光传输方法及装置
Devlin et al. Gaussian pulse based tone reservation for reducing PAPR of OFDM signals
Manhas et al. OFDM PAPR reduction using recurring SLM with cyclic and linear block codes schemes
Xu et al. Improved elitist genetic algorithm optimization based PTS to PAPR reduction for multi-carrier signals
CN110213188B (zh) 基于循环位移选择性映射的峰均功率比抑制方法
Nasri et al. an iterative clipping and filtering algorithm for PAPR reduction in OFDM system
CN114745243A (zh) 一种适用于中压载波系统的人工蜂群峰均比抑制技术
CN115941414B (zh) 一种ofdm信号的降峰均比值方法、装置及存储介质
Nair et al. LFDMA PAPR minimization using advanced selective mapping-based phase factor optimization
Shafter et al. CF technique with CPM mappers in OFDM systems for reduction of PAPR
CN115996167B (zh) 混合参数集系统的峰均比抑制方法、系统、装置及介质
Manhas et al. PAPR reduction of OFDM using recurring SLM with cyclic block codes schemes
Shankar et al. Hadamard based SLM using genetic algorithm fo PAPR reduction in OFDM systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20220531

WW01 Invention patent application withdrawn after publication