基于压缩感知的OFDM系统的PAPR减小和切削噪声消除

As the core of the fourth generation of wireless communication, one of the major drawbacks of OFDM is the high peak to average power ratio (PAPR) of the transmitted signals. At present, The technologies of PAPR reduction with low complexity mainly focus on clipping and tone reservation(TR). The algorithms of designing clipping noise estimation and optimizing peak reduction's signals in the time domain have drawbacks with high computational complexity, so the design requirement on practical systems can't be satisfied. In the subject, we focus on designing clipping noise estimation and cancellation algorithms with lower complexity by compressed sensing (CS) and estimating peak reduction signals by improved CS for the TR technology, Unlike the traditional clipping，using a fraction of the data tones instead of the whole data tones at the receiver, the CS technique is applied to reconstruct the clipping noise due to clipped signal's sparseness. Moreover, it isn't necessary to optimize peak reduction's signals in the time domain in advance for the TR technology. The clipped fraction of transmited OFDM signals can be exactly estimated by CS and reserved tones, so reconstructing a peak cancellation algorithm with lower complexity can be designed.

正交频分复用(OFDM)技术作为第四代无线通信的核心,其主要缺陷就是有很高的峰均功率比(PAPR)。目前，低复杂度的PAPR减小技术研究主要侧重于切削和子载波保留两种方法。由于已有的文献中，设计切削噪声估计和消除算法以及在时域优化峰值抵消的信号，均存在计算复杂度较高的缺点，因此无法满足实际系统的设计要求。本课题着重研究利用压缩感知技术来设计低复杂度的切削噪声估计和消除算法以及在子载波保留方法中如何利用改进的压缩感知技术来估计峰值抵消的信号。不同于传统的切削方法，我们从切削后的OFDM信号的稀疏性入手，在接收端，利用部分而非全部数据子载波，通过压缩感知技术来设计复杂度更低的重构切削噪声算法。 对子载波保留方法，无需预先在时域优化峰值抵消的信号。通过利用压缩感知技术和预先保留的部分子载波，来正确估计发射OFDM信号的被切削部分，从而设计复杂度更低的恢复峰值抵消信号的算法。

正交频分复用(OFDM)技术的主要缺陷就是发射信号有很高的峰均功率比(PAPR)。 切削和子载波保留是两种低复杂度的PAPR减小技术。 由于已有的文献中，设计最优的切削阈值，进而获得最优的切削噪声估计和消除算法以及在时域获得最优的峰值抵消信号算法， 均存在计算复杂度较高的缺点， 因此无法满足实际系统的设计要求。 本课题着重研究设计低复杂度的压缩感知技术中的最优度量矩阵，从而设计最优的切削阈值，以及在子载波保留方法中利用压缩感知技术中的一阶算法来求解最优的峰值抵消的信号。 我们首先利用并行禁忌搜索算法求解了压缩感知技术中的最优度量矩阵。 与已经存在的文献中的算法相比， 并行禁忌搜索算法的性能和文献中的几种优化算法相近，但是它的参数选取更为灵活，计算复杂度更低，并且适用于并行运算。 当系统中子载波数较大时，为了进一步降低算法的复杂性，我们利用了交替方向乘子法来求解这个度量矩阵，并给出了以PAPR为优化目标函数， 包含峰值抵消信号的平均功率为约束的PAPR减小算法，与已经存在的算法相比，我们获得了更好的BER（误码率）和PAPR。 传统的切削算法有两个主要缺陷，1），选取最优的切削阈值非常困难；2）不同的切削比导致不同的PAPR性能。为了克服这两个缺陷， 我们利用了压缩感知技术中的前向-后向分割方法、快速递推伸缩阈值算法和加速逼近梯度算法来求解最优的峰值抵消信号，获得了比传统方法更好的PAPR和BER性能，而且这几个算法不需要计算最优的切削阈值，是一阶算法，适合大规模计算问题。为了尽可能地和实际系统相匹配以及获得更好的BER，我们研究了以EVM（误差向量幅度）为优化目标函数， 包含信号的最大范数和自由载波功率为约束的PAPR减小算法，我们利用了更复杂的凸锥优化理论来解决这个问题，获得了比已经存在的方法计算复杂度更低的实用算法。