论文部分内容阅读
大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)-正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术由于具有更高的通信速率、更高的频谱利用率、更高的能量有效性以及更高的可靠性等优势,已经成为了下一代通信系统的关键技术之一。但是由于OFDM技术的使用,使得大规模MIMO-OFDM系统中会出现信号峰均比(Peak-to-Average Power Ratio,PAPR)值较高的问题,从而影响系统的性能并大幅度增加硬件成本,因而如何降低大规模MIMO-OFDM系统的PAPR值成为无线通信系统中急需解决的问题之一。为此本文提出了两种用来降低大规模MIMO-OFDM系统PAPR的方法。这两种方法不仅计算复杂度低,且在PAPR抑制、误码率以及带外辐射抑制等性能方面均优于现有方法,并且我们给出了它们的收敛性分析。本文的主要内容及创新点如下:1.介绍了PAPR问题出现的原因及现有的用于OFDM系统及大规模MIMOOFDM系统抑制PAPR的方法,对这些方法的利弊进行了阐述;给出了大规模MIMOOFDM的系统模型,介绍了整个系统的工作流程;另外,对本文中求解优化模型用到的交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)进行了介绍。2.提出了一种低复杂度的基于ADMM的PAPR抑制算法,简称ADMM-Based算法。将最小化数据载波信号失真作为目标函数,PAPR和自由载波功率作为约束条件,建立非凸的优化模型,然后利用ADMM对该优化模型进行求解。该算法的求解复杂度较低,而且,我们可以证明,当该算法收敛的时候,可以收敛到优化模型的Karush-Kuhn-Tucker(KKT)点。最后,通过仿真实验表明,经ADMM-Based方法优化后的信号具有较小且恒定的PAPR值,同时该方法可以达到几乎理想的误码率性能,并能很好的抑制带外辐射。3.在ADMM-Based算法的基础上,提出了松弛的ADMM峰均比抑制算法,简称ADMM-Relax算法。在ADMM-Based优化模型的基础上,引入两个辅助变量,建立松弛的优化模型,并利用ADMM方法对该松弛模型进行求解。由于辅助变量的引入,我们可以证明ADMM-Relax算法可以全局收敛于松弛模型的KKT点,而且当初始参数选择合适的时候,松弛模型的最优解可以无限趋近于原始优化模型的KKT点。ADMM-Relax算法的计算复杂度与ADMM-Based算法相同。同时,仿真结果表明,ADMM-Relax算法优化后的信号具有较小且恒定的PAPR值,且该方法的误码率性能和带外辐射性能都优于现有方法。