使用適應性降峰值載波的 TR 方法

由於傳統降複雜度的 TR 方法是使用固定式的 PRCs，在資料傳 輸方面並不是最有效率的使用子載波。並且綜觀過去曾提出方法中，

很少有人將通道狀況的因素考慮進去。因此，我們考慮通道狀況的因 素而提出一個使用適應性降峰值載波（Adaptive Peak Reduction Carriers）的方式，並使每個 PRC 的β值可被遞迴的調整來達到降低 訊號PAPR 值的目的，且使每個子載波在傳輸上能更有效的被利用。

首先，我們須先假設每個子載波的通道狀況（channel state information）都是已知的。為了使子載波在傳輸上能更有效的被利 用，我們選擇通道狀況好的子載波來傳送資料符元，而通道狀況最差 的幾個子載波當作PRC使訊號PAPR下降用。我們簡單舉個例子說明 一下PRC位置選擇（PRC position selection）的運作流程，若 [ SC1

SC2 SC3 SC4 SC5 ] 是指派給用戶A做資料傳輸用的子載波，而其中 SC3的通道狀況是最差的，那我們就保留SC3來當作PRC而其他子載波 用來傳輸資料（Data Carrier, DC），所以最後送出的訊號為[ DC1 DC2

PRC3 DC4 DC5 ]。

當決定好 PRC 的位置後，我們考慮 Wang’s 演算法來計算每一個

在Wang’s 演算法中，由於

β

值是固定的，使得當這次使用的降

因此，我們先選擇

β

_i為較大的值（如1/10），代入運算式（4.13）

若

{ } x

n 在（

n =  p

）取樣點有峰值x_p，則我們可以找出峰值

( )j

p p j p

x′ =_ x_ +α ⋅c_ 。

以同樣的方式將舊峰值x_p與

c

^{( )}_p^j 代入式（4.13）中遞迴式的調整

β

j來搜尋第二個降峰值載波

C

_{j上的最佳}

α

_j值。我們重複這樣的步驟 來設定每一個PRC 上最適當的

α

_i值。

我們將所提出的演算法以圖4.11 來表示之。

圖4.11 適應性 PRC 演算法方塊圖

利用此演算法，我們可以使每一個 PRC 被有效的利用而不會有 浪費捨棄的情形發生，並且透過尋找最佳的

β

_i值使每一個PRC 都可 以有效的使PAPR 降低。

由於我們採取適應性的選擇 PRCs 的位置，因此每次傳送 OFDM 符元時PRCs 位置都會依通道狀況的不同而有所改變。所以傳送端必 須傳送一些額外的資訊說明PRCs 的位置在哪裡，接收端才只要忽略 掉這些PRCs，直接針對資料載波作解調就可以了。

我們使用愈多 PRCs 可使 PAPR 值降的愈低，相對我們能夠使 用傳送資料的子載波就被壓縮了。若我們考慮功率放大器的使用效 率，則只需將PAPR 值降到一個可接受的範圍就夠了，也就可以找出 PRCs 的最小個數，而訊號的錯誤率 BER 就不會因 PRCs 過多而增加 且資料傳輸率亦不會受過多PRCs 影響而降太低。[32]

複雜度也是適應性選擇 PRCs 會遭遇到的一個問題，傳統的機制 是利用固定點的PRCs 來使 PAPR 值下降，所以可把運算量全部轉到 時域上做計算而省去複雜的 IFFT 計算，適應性 PRCs 由於會隨著通 道狀況不同而有所改變，所以每次在傳送 OFDM 符元時可能都要經 過 IFFT 的運算。雖然適應性的 PRCs 的運算量較複雜卻可以使訊號 在傳輸上面更有效率且錯誤率BER 更低。

在文檔中 利用適應性降峰值載波減小正交分頻多工之峰值對平均功率比 (頁 84-90)