DCO-OFDM系统TFI-SLM峰均比抑制算法

过高的峰均功率比(PAPR)造成的非线性失真是直流偏置光正交频分复用(DCO-OFDM)技术亟待解决的问题之一。针对该问题,设计了一种基于时频交织(TFI)和选择映射法(SLM)的TFI-SLM峰均比抑制算法。该算法通过先对输入信号进行TFI,降低输入信号的自相关性,再利用小m序列产生随机相位因子对变换后的信号进行选择性映射。仿真结果表明:与传统算法相比,该算法不仅避免了发送过多的相位因子序列冗余信息,并且互补累积分布函数(CCDF)值为10-5时,PAPR比原始DCO-OFDM系统降低了2.8 dB。

基于PSO-SLM算法的OTFS系统峰均比抑制

当正交时频空调制(Orthogonal Time-Frequency Space,OTFS)信号峰均比(Peak-to-Average Power Ratio,PAPR)超过高功率放大器的线性范围时,会产生非线性失真,降低数据传输性能。为提高SLM算法抑制OTFS信号PAPR的性能,提出基于粒子群优化算法(Particle Swarm Optimization,PSO)的选择性映射法(Selective Mapping,SLM)PSO-SLM。该方法使用PSO算法求得SLM算法中最优相位因子,并与时频信号点乘后经过海森堡变换求得时域信号,将时域信号发送至高功率放大器。仿真结果表明,PSO-SLM算法相对于传统算法具有更好的PAPR抑制性能。在互补累计函数为10-3时,PSO-SLM算法较传统SLM算法的PAPR降低了4.2 dB,并且不会对通信系统的误码率性能造成影响。所提出的算法提高了SLM算法对OTFS系统的PAPR抑制性能。

基于OTFS的城轨T2T通感一体化信号设计与优化

为了在B5G/6G商用频谱资源紧缺的环境下,对现有城市轨道交通列车运行控制设施基础上进行改造,以实现基于车-车通信的列车信息传递,提出基于正交时频空(OTFS)调制的通信感知一体化信号设计。首先提出单符号和多符号OTFS时域信号模糊函数模型,对两者的距离模糊性和速度模糊性进行仿真对比,以验证原始多符号OTFS信号感知性能的优越性。再提出蚁群优化(ACO)算法与经典选择映射法(SLM)的结合ACO-SLM算法,设计应用ACO-SLM算法的OTFS系统发射机结构,用来对原始OTFS信号的高峰均功率比进行抑制,并将抑制作用通过仿真实验进行横向和纵向对比。最后经过ACO-SLM算法处理后的OTFS时域信号模糊性与传输误比特率进行仿真分析。研究结果表明:改变算法参数进行横向对比显示,16QAM星座调制作为输入序列,用相位因子组数为16的ACO-SLM算法处理OTFS信号,峰均功率比为6.03,为最低水平;纵向对比显示,ACO-SLM算法相比于其他传统算法,对峰均功率比有更好的抑制作用。对ACO-SLM算法处理的多符号OTFS时域信号进行模糊性仿真分析,显示其测距和测速性能有所提升,且传输误比特率与传统算法处理后的OTFS信号相比,几乎不受影响。研究结果为面向B5G/6G的城轨车-车通信感知一体化实现和基于车-车通信的列车运行控制提供了理论依据。