[发明专利]基于神经网络的ACO-OFDM系统综合PAPR抑制方法及系统

摘要

本公开提出了基于神经网络的ACO‑OFDM系统综合PAPR抑制方法及系统，利用自编码器网络来实现传输信号的的Q‑I映射和解映射，并在网络结构中，加入了扩展的SLM方法和Clipping方法。首先将输入信号进行串并转换并传输至自编码器网络的编码器部分，得到I‑Q星座映射输出；然后传输至相位旋转器，生成替代的低PAPR输出序列；替代的输出序列进行Hermitian对称并进行快速傅里叶逆变换得到时域OFDM信号；时域OFDM信号进行并串转换和添加循环前缀后，通过限幅，使OFDM信号适合于LED的有限发射范围；经过信道传输后，接收端通过相反的过程恢复失真的信号。在网络训练中同时考虑误码率和PAPR两个因素，对自动编码器采用组合损耗函数进行训练。提出的基于神经网络的综合方案有效地降低PAPR达12dB以上。

主权项

1.基于神经网络的ACO‑OFDM系统综合PAPR抑制方法，其特征是，包括：将输入信号进行串并转换并传输至自编码器网络，自编码器网络由编码器及解码器构成；在编码器部分进行星座映射编码后传输至相位旋转器，生成替代的低PAPR输出序列；假设OFDM信号由4N个子载波进行传输，对替代的低PAPR输出序列进行Hermitian对称，只在奇数载波上传输数据，偶数载波上数据置零，并进行快速傅里叶逆变换得到实时域OFDM信号；对时域OFDM信号进行并串转换和添加循环前缀后，进行限幅操作，不需要添加直流偏置，调制信号的所有负值都被归为零，将快速傅里叶逆变换的输出信号转换为非负实信号，并使其适合于LED的有限发射范围；经过信道传输后，在接收端经过反过程处理，最后经过解码器解码得到恢复失真的信号；其中，自编码器的编码器和解码器是标准的多层神经网络，通过激活函数描述输入和输出之间的非线性关系，基于反向传播算法，在无需监控的情况下对编码器和解码器的参数进行训练。