APP下载

基于深度神经网络降低OFDM系统立方度量方法

2021-11-17朱红亮

计算机仿真 2021年5期
关键词:深度信号

张 毅,朱红亮,周 娟

(1. 中国电子科技集团公司第十研究所,四川 成都 610036;2. 电子科技大学信息与通信工程学院,四川 成都 611731;3. 成都信息工程大学通信工程学院,四川 成都 610103)

1 引言

由于具有较高的频谱利用率和较强的抗多径衰落能力,正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术已被应用于无线通信的诸多领域,如4G、WLAN等[1]。但是,OFDM系统的一个主要缺点是信号波动较大。这一缺点会使OFDM 信号在高功率放大器(High Power Amplifier,HPA)的非线性区域内产生畸变,进而导致信号的频谱扩散和误码率的增加[2]。包络波动过大的信号要求系统发射端的功率放大器具有足够大的线性范围,但这会导致功率放大器造价高、实现难度大。因此,常见的做法是增加功率放大器的回退,其回退大小是根据输入信号包络的波动范围来确定的。峰均功率比(Peak to Average Power Ratio,PAPR)是衡量OFDM信号包络波动的常用指标。但近来的研究表明PAPR其实并不能准确反映HPA对OFDM信号的非线性影响,因为它只考虑了OFDM信号的峰值功率[3]。相比之下,立方度量(Cubic Metric, CM)考虑了HPA的三阶非线性互调干扰对信号的影响, 而三阶互调干扰是引起信号失真的主要因素,因此根据CM确定HPA所需的回退量会更加准确,CM这一优点也得到了3GPP规范的确认[3]。

近些年,如何有效降低OFDM的信号波动一直是研究的热点问题。降低信号波动通常是通过减小PAPR或CM来实现。对于降低PAPR的方法,人们已经进行了深入研究并提出了许多的方法。一般来说,这些方法可以分为三类:信号失真方法、编码方法和信号加扰的方法。……

登录APP查看全文

猜你喜欢

深度信号
信号
完形填空二则
孩子停止长个的信号
深度观察
深度观察
深度观察
深度观察
基于LabVIEW的力加载信号采集与PID控制
一种基于极大似然估计的信号盲抽取算法
提升深度报道量与质