基于深度学习的OFDM系统峰均比抑制技术研究

发布时间：2023-04-11 04:21

　　随着社会的快速发展,我国移动通信技术取得质的飞跃。5G,即第五代移动通信技术应运而生,成为新一代移动通信系统。正交频分复用技术(OFDM)因其具有频谱利用率高、抗多径衰落及抗符号间干扰能力强等特点,在5G中扮演重要角色。但OFDM系统采用并行传输技术,利用多载波进行调制,会导致系统的峰均功率比(PAPR)较高,使信号畸变失真严重影响通信质量。因此,如何简单有效地降低PAPR值是OFDM技术的关键问题之一。本文针对这一课题,开展基于深度学习降低OFDM系统PAPR值的技术研究,具体的工作如下:(1)介绍了OFDM技术原理、PAPR的定义及分布,分析了降低OFDM系统PAPR值的三种传统技术。三种传统技术各有其优缺点,但仍没有一种各方面性能都优异的算法,因此考虑结合深度学习来降低OFDM系统PAPR值。(2)对基于深度学习降低OFDM系统PAPR值的TFNN方案和PRNet方案进行介绍,并对其仿真结果进行分析。TFNN方案是对ACE方案的改进,它使用深度学习训练获取ACE信号,可以减少IFFT运算次数,简化操作,降低运算复杂度。PRNet方案可视为对编码类技术的改进,其原理是通过对降噪自动...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究概况
    1.3 论文的创新点与结构安排
2 OFDM技术原理及常用的降低PAPR方法
    2.1 OFDM技术原理
    2.2 峰均功率比的定义及分布
    2.3 OFDM系统降低PAPR技术
    2.4 本章小结
3 基于深度学习的OFDM系统降低PAPR方法
    3.1 深度学习原理简介
    3.2 基于人工神经网络的TFNN方案
    3.3 基于自动编码器的PRNET方案
    3.4 本章小结
4 PRNet-RP方案
    4.1 算法原理
    4.2 算法框架及实现
    4.3 本章小结
5 仿真结果与分析
    5.1 仿真环境与配置
    5.2 仿真结果与分析
    5.3 本章小结
6 总结与展望
    6.1 全文总结
    6.2 课题展望
致谢
参考文献



本文编号：3789308