第四章 適應性降峰值載波與 PAPR 降低之運用
4.3 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xp,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xp與
c
( )pj 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。