دانلود رایگان مقاله دنباله های ارسال جزئی برای کاهش PAPR در سیگنال های OFDM با روش های بهینه سازی

خلاصه

            این مقاله استفاده از روش دنباله ارسال جزئی (PTS) را در کاهش نسبت توان اوج به توان متوسط (PAPR) در سیگنال مدولاسیون تقسیم فرکانسی متعامد (OFDM)  بررسی می نماید. روش PTS متداول در کاهش PAPR سیگنال های OFDM بسیار موفق است، اما پیچیدگی محاسباتی قابل ملاحظه، برای جستجوی لازم از طریق فضای برداری با ابعاد زیاد، یک مشکل بالقوه در پیاده سازی های عملی است. به منظور کاهش پیچیدگی محاسباتی در عین حال بهبود آمارگان های PAPR، اخیرا روش های بهینه سازی تصادفی مانند الگوریتم تبرید شبیه سازی شده (شبیه سازی تبرید) (SA)، روش آنتروپی متقاطع (CE) و بهینه سازی ازدحام ذرات (PSO)، پیشنهاد شده اند  تا عامل (فاکتور) فازی را جستجو نمایند که  که هم آمارگان های PAPR و هم بار محاسباتی را کاهش می دهد. در این مقاله، یک رویکرد بهینه سازی آماری جدید، یعنی الگوریتم الکترومغناطیسم  (EM)  برای کاهش PAPR سیگنال OFDM به کار رفته است. نتایج شبیه سازی کامپیوتری نشان می دهد در مقایسه با روش های مختلف جستجوی تصادفی که قبلا توسعه داده شده است، روش پیشنهادی EM  قابل ملاحظه ترین کاهش PAPR را با  پیچیدگی محساباتی پایین فراهم می کند.

1. مقدمه

            مدولاسیون تقسیم فرکانسی متعامد (OFDM) به دلیل توانایی اش برای فائق آمدن با محو شدگی فرکانس گزین   مخابرات پهن باند  با پچیدگی معقول به طور گسترده درانواع ارسال های دیجیتال شامل فرستادن (بازپخش) ویدئو / صدا دیجیتال، خطوط اشتراک دیجیتال ، و شبکه های محلی ، استفاده شده است. با این حال، یک مشکل بزرگ مرتبط با OFDM نسبت توان اوج به توان متوسط (PAPR) آن برای سیگنال ارسال شده حوزه زمان به خصوص برای تعداد بالا در زیر حامل ها  است. در نتیجه، هنگامی که یک سیگنال با PAPR بالا ازیک تقویت کننده توان (PA)، عبور می کند،  PA ممکن است به ناحیه اشباع برسد، که سبب اعوجاج خارج باند و درون باند می شود.

            برای کاهش PAPR سیستم OFDM، رویکرد های زیادی [1]-[20] پیشنهاد شده است که شامل کلیپینگ  (قطع کردن)، کدگذاری کردن، روش های نمایش سیگنال چندگانه مانند دنباله ارسال جزئی (PTS) و نگاشت انتخابی (SLM) است. در میان این روش ها، روش PTS  یک روش کارآمد و بدون اعوجاج بهینه سازی فاز برای کاهش PAPR به وسیله ترکیب بهینه زیر بلوک های سیگنال است.  در طرح PTS، هر داده ورودی به زیر بلوک های مجزا تقسیم شده است. سپس هر زیر بلوک در عامل‌های  فاز چرخشی ضرب شده است که عامل فازی می تواند بطور آزادانه بین [0, 2π] انتخاب شود. متعاقبا، زیربلوک ها جمع شده اند تا سمبل OFDM برای ارسال تشکیل دهند. بنابراین هدف PTS طراحی یک عامل فاز بهینه برای مجموعه زیربلوک هاست که PAPR را مینیمم می کند.

             PTS  عملکرد  PAPR را به میزان قابل توجهی بهبود می بخشد، اما متاسفانه، پیدا کردن عامل های فازی یک مسئله بهینه سازی غیر خطی و پیچیده است. علاوه بر این، PTS متداول، نیاز به جست و جوی کامل همه ترکیبات عامل های فازی مجاز داد. به نظر می رسد که پیچیدگی جستجو، به طور نمایی با تعداد زیربلوک ها افزایش می یابد. برای کاهش پیچیدگی جستجو، روش های جستجوی تصادفی اخیرا پیشنهاد شده اند [15]-[20] زیرا آنها می توانند کاهش PAPR را به اندازه مطلوب به همراه کاهش پیچیدگی محاسباتی فراهم کنند. روش های تصادفی مشهور برای کاهش PAPR شامل الگوریتم شبیه سازی تبریدی (SA)، روش آنتروپی متقاطع (CE) و بهینه سازی ازدحام ذرات (PSO)  است.

            اخیرا Birbil و Fang روش جستجوی تصادفی مبتنی بر جمعیت به نام مکانیزم الکترومغناطیسم  برای بهینه سازی سراسری  پیشنهاد کرده اند .[21] با استفاده از قانون کولن الکترومغناطیس، روش EM هر ذره (یعنی  پاسخ) را در جمعیت، یک بار الکتریکی در نظر می گیرد و رفتار ذرات بار الکتریکی را شبیه سازی می کند. از طریق جاذبه و دافعه ذرات باردار، ذرات به سمت بهینگی حرکت می کنند. در مقایسه با الگوریتم های ژنتیکی (GA)، EM همانند GA به روش کدگذاری و کد برداری احتیاج ندارد. علاوه بر این ، این روش مزایای SA را دارد ، یعنی حرکت ذرات به تدریج در مراحل بعدی تکرار، کند می شود. به طور کلی ، این روش شبیه PSO است، فقط به ذرات کمتری نیاز دارد. مهم تر از همه ، روش EM، پایداری خود را در عمل نشان داده است. همچنین ثابت شده است که همگرایی سراسری  را با احتمال یک نشان می دهد [22].

             با توجه به نکات فوق ، ما انگیزه خود را  برای به کار گیری تکنیک جدید PTS مبتنی بر الگوریتم EM برای کاهش PAPR سیگنال های OFDM از طریق این مقاله اعلام می کنیم. شبیه سازی ها نشان می دهد که EM پیشنهادی نه تنها به کاهش قابل توجه PAPR دست می یابد بلکه در مقایسه با سایر رویکردهای تصادفی شناخته شده از مزایای پیچیدگی نیز برخوردار است.

            این مقاله به شرح زیر سازمان دهی شده است. در بخش دوم ، ما مدل سیستم OFDM و تعریف مسئله PAPR را شرح می دهیم. بعد از آن، الگوریتم EM پیشنهادی در بخش III توسعه داده شده است. نتایج شبیه سازی که عملکرد کاهش PAPR روش های مختلف بهینه سازی تصادفی از جمله روش پیشنهادی را مقایسه می کند، در بخش IV آورده شده است. نتیجه گیری در بخش آخر ارائه شده است.

Abstract 

            This paper considers the use of the partial transmit sequence (PTS) technique in reducing the peak-toaverage power ratio (PAPR) of an orthogonal frequency division multiplexing (OFDM) signal. The conventional PTS technique is highly successful in PAPR reduction for OFDM signals, but the considerable computational complexity for the required search through a highdimensional vector space is a potential problem for practical implementation. To reduce the search complexity while still improving the PAPR statistics, stochastic optimization techniques such as the simulated annealing (SA) algorithm, Cross-Entropy (CE) method, and particle swarm optimization (PSO) have recently been proposed to search for a phase factor that reduces both the PAPR statistics and the computational load. In this paper, a novel stochastic optimization approach, that is, the electromagnetism-like (EM) algorithm, is applied to reduce the PAPR of an OFDM signal. The computer simulation results show that compared with the various stochastic search techniques developed previously, the proposed EM method obtains the most desirable PAPR reduction with low computational complexity.

I. INTRODUCTION

              Orthogonal frequency division multiplexing (OFDM) has been widely used in a variety of digital transmissions including digital video/audio broadcasting, digital subscriber lines, and wireless local area networks [1][2] because of its ability to cope with the frequency selective fading of wideband communication with reasonable complexity. However, one major problem associated with OFDM is its high peak-to-average power ratio (PAPR) for the time-domain transmitted signal especially for a large number of subcarriers. As a result, when a high PAPR signal passes through a power amplifier (PA), the PA may be pushed to a saturation region, causing both in-band and out-of-band distortion.

            To alleviate the PAPR of the OFDM system, many approaches [1]-[20] have been proposed including clipping, coding, and multiple signal representation techniques such as partial transmit sequence (PTS) and selected mapping (SLM). Among these methods, the PTS technique [3] is an efficient and a distortionless phase optimization technique for PAPR reduction by optimally combining signal subblocks. In a PTS scheme, the input data is divided into smaller disjoint subblocks. Each subblock is then multiplied by rotating phase factors, where the phase factor can be chosen freely within . Subsequently, the subblocks are added to form the OFDM symbol for transmission. Accordingly, the objective of the PTS is to design an optimal phase factor for the subblock set that minimizes the PAPR.

            PTS significantly improves PAPR performance, but unfortunately, finding the optimal phase factors is a complex, non-linear optimization problem. Moreover, the conventional PTS requires an exhaustive search from all combinations of allowed phase factors. It turns out that search complexity increases exponentially with the number of subblocks. To reduce search complexity, stochastic search techniques have recently been proposed [15]-[20] because they can obtain the desirable PAPR reduction with low computational complexity. Famous stochastic techniques for PAPR reduction include the simulated annealing (SA) algorithm [15][16], the CrossEntropy (CE) method [17][18], and particle swarm optimization (PSO) [19][20].

            Recently, Birbil and Fang proposed a novel populationbased stochastic search method called electromagnetism-like mechanism (EM) for global optimization [21]. Inspired by the Coulomb’s Law of electromagnetism, the EM method considers each particle (i.e., the solution) in the population to be an electrical charge and simulates the behavior of electrically charged particles. Through the attraction and repulsion of the charged particles, particles move towards optimality. Compared with genetic algorithms (GA), the EM requires neither coding nor encoding procedure as in the GA. Moreover, the method has the advantages of SA, that is, the particle’s movement gradually slows down in the latter stages of iteration. In general, this method is similar to PSO, only it requires fewer particles. Most importantly, the EM method has shown its robustness in practice. It is also proven to exhibit global convergence with probability one [22].

          Based on the above points, we state our interest to employ a novel PTS technique based on the EM algorithm to reduce the PAPR of OFDM signals through this paper. The simulations demonstrate that the proposed EM not only achieves significant PAPR reduction but also enjoys complexity advantages compared with the other well-known stochastic approaches.

           This paper is organized as follows. In Section II, we describe the OFDM system model and PAPR problem definition. Next, the proposed EM algorithm is developed in Section III. Simulation results that compare the PAPR reduction performance of various stochastic optimization techniques including the proposed one are given in Section IV. The conclusions are presented in the last section.

خلاصه

1. مقدمه

2. مدل سیستم و تعریف مسئله 

3. طرح جدید PTS با استفاده از روش EM

A. الگوریتم بهینه سازی EM

B. الگوریتم بهینه سازی EM

C. مقایسه پیچیدگی برای پیدا کردن پاسخ های زیر بهینه

4. نتایج عددی

5. نتیجه گیری

منابع

Abstract

1. INTRODUCTION

2. SYSTEM MODEL AND PROBLEM DEFINITION

3. A NEW PTS SCHEME USING THE EM METHOD

A. The EM Optimization Algorithm

B. The EM Optimization Algorithm

C. Complexity Comparison for Finding Suboptimal Solutions

4. NUMERICAL RESULTS

5. CONCLUSIONS

REFERENCES