m基于OFDM系统的PAPR性能matlab仿真,对比LFDMA,IFDMA,DFDMA

1.算法仿真效果

matlab2022a仿真结果如下：

 

 

 

2.算法涉及理论知识概要

       在正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）系统中，信号的峰值功率相对于其平均功率的比例称为峰均功率比（Peak-to-Average Power Ratio, PAPR）。由于多个子载波的叠加，OFDM符号可能出现较大的瞬时幅度，导致非线性失真，尤其是在功率放大器处。计算公式为：

 

 

 

其中 X(n) 是OFDM符号的离散时间表示，maxn​∣X(n)∣2 表示符号的最大瞬时功率，而 E[∣X(n)∣2] 表示符号的平均功率。

 

LFDMA (Low Frequency Diversity Multiple Access)

 

        LFDMA是一种针对OFDM系统PAPR问题提出的改进方案，它通过对连续子载波分配数据以减少相位同步导致的峰值。尽管LFDMA的具体数学模型和PAPR降低原理可能因具体实施方案而异，但一般而言，它试图通过子载波分配策略来分散相位相干性，从而降低整体PAPR。

 

IFDMA (Interleaved Frequency Division Multiple Access)

 

        IFDMA通过交织子载波分配机制来降低PAPR。相较于OFDM，每个用户只在部分而非全部子载波上传输，且子载波间隔不连续。这样可以减少同时达到峰值的概率，进而降低PAPR。对于第 k 个用户，其信号在第 n 个子载波上的调制通常采用：

 

 

 

     其中dk​[] 是用户的基带数据符号，Ts​ 是采样间隔，Δf 是子载波间隔，t 是时间索引，G 是子载波交织步长，Tc​ 是总的子载波数目。

 

DFDMA (Distributed Frequency Division Multiple Access)

 

       DFDMA（有时也称为SC-FDMA，Single Carrier Frequency Division Multiple Access）是一种更接近单载波传输的技术，通过在频域进行预处理（如通过IFFT），然后在时域上进行分段传输，从而达到类似OFDM的频谱效率，但能显著降低PAPR。它的原理是将数据在一个较长的符号周期内均匀分布，减少了单个符号内的峰值。

 

       在实际的数学表述中，DFDMA的信号生成步骤与OFDM类似，但在数据映射至子载波前先进行分帧和时域上的分布，再通过IFFT转换到时域，因此PAPR较低。

 

      LFDMA和IFDMA通过不同的子载波分配策略来分散功率峰值，而DFDMA则通过改变数据在时频域的分布特征来降低PAPR。理论上，这些技术都能有效地降低传统OFDM的PAPR问题，但是它们各自的实施复杂度、频谱效率、以及对系统性能的影响（如BER、系统延迟等）各有不同。具体的数学分析通常涉及到大量的仿真和理论推导，包括但不限于概率密度函数、累积分布函数的分析，以及各种PAPR降低技术的效果评估。

 

3.MATLAB核心程序

 

for n = 1:MTKL
    % 数据转换为频域。
    X = fft(Signal);
 
    % 初始化子载波。
    Y = zeros(Nsubcs,1);    
    
    % 子载波映射。
    if Nsubc == 1
        Y(1:Q:Nsubcs) = X; % IFDMA映射。
    elseif Nsubc == 2
        Y(1:Nsymb) = X; % LFDMA映射。
    elseif Nsubc == 3
        Y(1:Q_tilda:Q_tilda*Nsymb) = X; % DFDMA映射。
    end
 
    % 数据转换回时域。
    y = ifft(Y);
 
    % 执行脉冲整形。
    if pulseShaping == 1
        y_oversampled = zeros(Nos*length(y), 1); % 初始化过采样数组。
        y_oversampled(1:Nos:end) = y; % 进行过采样。
        y_result = filter(psFilter, 1, y_oversampled); % 过滤。
    else
        y_result = y;
    end
    
    % 计算PAPR。
    papr(n) = 10*log10(max(abs(y_result).^2) / mean(abs(y_result).^2));
end
 
 
% Plot CCDF.
[N,X] = hist(papr, 100);
 
papr11=papr;
figure;
hist(papr, 100)
grid on
 
 
semilogy(X,1-cumsum(N)/max(cumsum(N)),'b')
 
if Modsel == 1 & Nsubc == 1
   save R211.mat X N papr11
end
if Modsel == 2 & Nsubc == 1
   save R221.mat X N papr11
end
if Modsel == 1 & Nsubc == 2
   save R212.mat X N papr11
end
if Modsel == 2 & Nsubc == 2
   save R222.mat X N papr11
end
if Modsel == 1 & Nsubc == 3
   save R213.mat X N papr11
end
if Modsel == 2 & Nsubc == 3
   save R223.mat X N papr11
end