一種降低fbmc-oqam峰均值比的pts雙層搜索算法
【專利摘要】本發(fā)明請求保護一種降低FBMC?OQAM系統峰均值比的算法，涉及無線通信系統。該算法在傳統PTS進行子序列化分的基礎之上對已劃分的子序列再次進行分組，形成雙層的子序列劃分結構，為實現快速搜索本文進行分層搜索。首先，對FBMC?OQAM每個數據塊按照與PTS相同的方法分為V個子序列，并對這V個子序列進行分組，共分成D組，每組V/D個子序列；其次，在搜索時針對不同的層次進行分層查找，對于底層算法目的是降低該數據塊的PAPR，對于頂層算法目的是處理相鄰數據塊的相互影響，從而降低FBMC?OQAM整體信號的PAPR。由于采用了分層搜索方式，在每一層內的搜索序列長度均較小，在一定程度上降低了搜索次數，且不會引起信號畸變。
【專利說明】
一種降低FBMC-OQAM峰均值比的PTS雙層搜索算法
技術領域
[0001] 本發(fā)明涉及無線通信領域，尤其涉及濾波器組多載波技術中的降低峰均值比的技 術。
【背景技術】
[0002] 隨著第五代移動通信(5G)的技術研究是業(yè)界高度關注課題，而5G的多址與復用方 案設計正在深入開展。盡管正交頻分復用（0FDM)技術已經被很多無線標準采用，但是由于 0FDM具有很強的帶外輻射，并且對載波的頻譜偏移十分敏感，因此，0FDM不再適合5G的發(fā)展 需要?；?FDM的改進，目前已經提出了濾波器組多載波(FBMC)、通用濾波器多載波(UFMC) 等有效的多址與復用技術。
[0003] FBMC是一種多載波技術，通過具有較小的旁瓣的濾波器緩解了載波頻率偏移對 0FDM傳輸的影響，與0QAM(正交幅度調制)結合可使頻譜帶外泄露非常低，同時，由于未使用 循環(huán)前綴，FBMC-0QAM的傳輸速率較高。然而，FBMC-0QAM在傳輸信號的過程中，其多個子信 道疊加，會產生較大峰值，導致峰均值比(PAPR)較高。因此，降低FBMC-0QAM系統的PAPR是其 應用的一個重要問題。自從0FDM系統提出來，其降低其峰均值比的問題一直都是研究的重 點，在過去的一些年里面，已有很多優(yōu)秀的降低PAPR的技術被提出[Rahmatallah Y，Mohan S.Peak-T0-Average Power Ratio Reduction in OFDM Systems:A Survey And Taxonomy [J]. IEEE Communications Surveys&Tutorials ,2013,15(15): 1567-1592.]，但對于 FBMC-0QAM系統降低PAPR的方法還較少。
[0004] 設FBMC-0QAM含有N個子載波，經過0QAM調制、串并轉換后，轉化為數據矩陣X定義 為X^X'X1，. . .，XM-〇，其中，Xm表示第m個數據塊，Μ表示數據塊大小。FBMC-0QAM傳輸系統 如圖1所示。
[0005] Xm定義為X111 =(Χ『,ΧΓ,...,Χ^)Τ，:其中Τ定義為轉置，X【為第m個數據塊上，第k個 載波上的數據。對于復信號，X?定義為"，其中<，￥分別表示第m個數據塊上， 第k個載波上的數據的實部信號和虛部信號，且實部信號與虛部信號之間在時域上相差T/ 2，其中T是碼元寬度。通過原型濾波器h (t)即可得到：
[0007] 其次，<(t),k = 0,1，…,Ν-1和N個正交子載波正交調制之后得到：
[0009]然后，5Γ(Λ)在Ν個子載波信號上疊加在一起得出FBMC-0QAM在第m個數據塊上的信
[0011] 其中L為原型濾波去h(t)的長度，顯然Sm(t)的長度
[0012] 最后，FBMC-0QAM將Μ個子數據塊疊加在一起得出FBMC-0QAM的最終信號S(t)
[0014]結合公式(2)和(4)，則
[0016]這里原型濾波器的設計采用頻譜抽樣技術，子載波的數量為N，重疊因子為k，滾降 因子為α，在未經過上采樣時，濾波器的長度L = kN_l，1 = 0，1，. . .，L-1，則
[0019]貝1J濾波器的脈沖響應設計如下：
[0022]顯然，FBMC-0QAM的原型濾波器的脈沖響應的長度大于T，且輸入信號的實部與虛 部之間還有T/2的時延，故FBMC-0QAM的相鄰數據塊是重疊的，相鄰之間的數據塊會相互影 響其的峰均值大小的。
[0023]目前已有的降低PAPR的方法只適用于離散信號，為了更加的逼近真實的信號， FBMC-0QAM信號S(t)采用T/K的采樣率進行采樣，其中Κ = λΝ，其中λ為過采樣系數，文獻 [Tellado J,Cioffi J M.PEAK TO AVERAGE POWER RATIO REDUCTION IN MULTICARRIER MODULATION SYSTEM:W0,W0/1999/055025[P].1999·]證明，當λ彡4時，采樣后的信號的PAPR 可以非常的接近連續(xù)信號的PAPR。本文采用λ = 4。
[0024]于是，復信號通過采樣后的原型濾波器h[n]即可得到
[0026] 其次，<[?|上=0,1,…,Ν-1和N個正交子載波正交調制之后得到離散信號為57[π]β
[0027] 即：
[0028]
[0029]其中h[n]是由連續(xù)原型濾波器h(t)經過采樣之后得到的離散濾波器，其中 >，Lh表示h[n]的長度，且Lh = XkN-l，其中λ是過采樣系數，k是重疊因子，N是子載
波的個數。
[0030] 設A代表與相鄰的數據塊的重疊個數，顯然J = # +尤/2)尤」&
[0031] PAPR表示信號的峰值與信號的均值之比，能夠說明信號的幅度變化的情況。假設 某個信號x n^lJPAPR定義為：
[0033]其中，N表示傳輸信號χη的長度。顯然，PAPR的最小值為1 (OdB)。系統的PAPR的性能 可以用互補誤差累積函數(CCDF)表示，它能計算出PAPR超過給出的門限值P〇的概率。
[0034] 為得到分組分層搜索方案，這里先對FBMC-0QAM信號的PAPR進行分析。傳統的PTS 技術首先用于0FDM系統中，其主要思路就是先將輸入的數據符號劃分為V個子組，每個子組 的長度仍為N，然后對每個子組進行系數最優(yōu)化的求解，最后再合并這些子組，從而達到降 低整個系統PAPR的目的[Farhang-Boroujeny B.OFDM versus filter bank multicarrier [J].IEEE Signal Processing Magazine,2011，28(3):92-112·]。傳統的OFDM系統中的PTS 算法框圖如圖2所示。
[0035] 在FBMC-0QAM系統中，將第m個數據塊的輸入信號分成V個互不重疊的子序列，設第 v個子數據的時域序列為
[0036] ,[nj] Π 0)
[0037] 其中，
[0039] 然后構造合適的相位旋轉因子0"=仏'盡，.…,V}
[0040] 則第m個離散數據塊經過旋轉因子加權后為
[0042]若將傳統的PTS算法(C-PTS)直接運用于FBMC-0QAM系統中則為依次各個數據塊尋 找0'"=(/^/。..../：〇/使得>[?]的?厶?1?最小，即，
[0044]很明顯，我們需要遍歷Wv個相位因子才能使第m個數據塊的峰值最小。然而由于 FBMC-0QAM相鄰數據塊的疊加性，這種方法的性能并不好。后文的仿真可以證明，傳統的PTS 算法不適合FBMC-0QAM系統，我們需要對其進行改進。
[0045] 考慮到FBMC-0QAM信號的特性，根據公式(4)和(9)可以推出FBMC-0QAM離散信號表 示為
[0049] 若尋找最佳旋轉因子向量組0=(#，妒，· · ·，?^1)使得|[?]的PAPR最小，則尋找旋 轉因子向量組的0=(#，妒，...，?^1)可使系統的PAPR顯著降低。
[0050] 然而若采用這種算法則需要遍歷WMV個相位因子，其中W為總共可選的相位旋轉因 子的個數，其復雜度高達〇(W MV)。我們把這種算法稱為FBMC-0QAM的理想PTS算法(I-PTS)，這 個驚人的復雜度是不能讓人接受的，在實際中是無法實現的。我們必須對這個算法的思路 進行改進，才能運用于FBMC-0QAM系統中。
[0051 ]首先我們分析FBMC-0QAM信號的特征。其信號圖、數據塊關系和單個數據塊信號圖 分別如圖3、圖4和圖5所示：
[0052]由于原型函數h(t)的特點，以及FBMC-0QAM中實部與虛部時延的問題，我們可以發(fā) 現其峰值主要集中在(Lh-K/2)/2~MK+(Lh-K/2)/2這MK個點之中，如圖3所示。我們設這段區(qū) 域為P。
[0053] 然后由圖5得出，第m個數據塊位于mK~mK+K/2+Lh之間，然而其峰值主要位于[mK+ (Lh-K/2)/2，（m+l)K+(Lh-K/2)/2)。
[0054]從圖3、4、5可以看出，FBMC-0QAM信號在各個數據塊峰值以外的部分出現峰值，則 是由于相鄰的數據塊相互疊加相互影響造成的。此時，對FBMC-0QAM信號分析，得出其峰均 值比的影響主要有以下兩個方面:一是單個數據塊由于不同相位的載波的疊加造成的較大 的峰值，二是相鄰的數據塊之間的相互影響造成的較大的峰值。
[0055]結合FBMC-0QAM系統的特點，以及高峰值的影響方式，發(fā)明一種雙層相位序列搜索 算法(D-PTS)，并結合FBMC-0QAM系統進行改進。

【發(fā)明內容】

[0056]針對以上現有技術的不足，本發(fā)明提出了一種新的基于PTS的雙層搜索算法(D-PTS)，能以較小的復雜度降低FBMC-0QAM信號的PAPR的降低FBMC-0QAM峰均值比的PTS雙層 搜索算法。
[0057]本發(fā)明的技術方案如下：
[0058] 一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其包括以下步驟：
[0059] 101、進行濾波器組多載波-正交幅度調制系統FBMC-0QAM的初始化步驟，采用PTS 序列搜索算法獲得的Μ個數據塊，這些數據塊是相互疊加的發(fā)送信號數據塊，并將Μ個數據 塊進行雙層分割，頂層分割成V組，底層的每組劃分成D組，最后初始化旋轉相位矢量為1;
[0060] 102、對將每個數據塊下的V個子序列劃分成D組，每個組中含有E = V/D個子序列， 對這E個子序列采用PTS搜索算法，調整對應的旋轉因子，使得每個數據塊的峰均值比最小， 此時得出調整完畢的旋轉因子矩陣β，將這些旋轉因子加權到信號上后得出I丨
[0061] 103、對于頂層中，求出頂層旋轉因子矩陣d，其中當第m個數據塊為 5m[/7],0 < /? S Μ -1，第m個數據塊之前的數據塊，經過頂層旋轉因子加權之后的信號分別為 5K分K.. ;得出雙層搜索算法的旋轉因子底層β頂層d，從而得出此時的
，求出此時系統的信號的峰值與信號的均值之比PAPR，完成PTS雙層搜索。
[0062]進一步的，所述求出頂層旋轉因子矩陣d滿足條件：使得
> 表示頂層數據庫分組的子序列，if表示頂層加權旋轉因 子，分經過頂層加權旋轉因子后的修正信號。
[0063]進一步的，所述步驟101對Μ個數據塊下每個數據塊中的N個子載波以相鄰分割的 方式分割成V個子序列，每個子序列表不為〇]，" = 1二…，?Μ = (Μ，..··Μ -1，然后將所有 的旋轉相位矢量賦值為1，即0=(##1，...，1^1)初始化為￥\1的元素全為1的矩陣。
[0064] 進一步的，步驟102調整對應的旋轉因子，使得每個數據塊的峰均值比最小具體 為:對第〇數據塊下的第1個子序列組，對這Ε個子序列采用PTS搜索算法，修改#中這V個元 素中第1子序列組的值，即前Ε個元素，使得第0個數據塊峰均值最小，然后依次對剩余的數 據塊下的每個子序列組對應的旋轉因子調整，直到所有子序列組的旋轉序列調整完畢;直 至將Μ個數據塊調整完畢，此時得出調整完畢的旋轉因子矩陣f W 1，...，β/Μ<)，將 這些旋轉因子加權到信號上后得出
表示第m個數據 士夬亡Η的頂層D組子序列(< W,，[?]"·'Φ])
[0065] 進一步的，當m = 0,即第0個數據塊的f|Xj的頂層D組子序列. 行PTS搜索算法，使得FBMC-0QAM第0個數據塊信號的峰值最小，此時的第0個數據塊的旋轉 相位因子為，=(<,<，，<廣，則經過頂層加權旋轉因子后的修正信號為
[0066] 進一步的，當第m個數據塊為Μ -1，第m個數據塊之前的數據塊，經過 頂層旋轉因子加權之后的信號分別力# 夕1Μ，若頂層旋轉因子 ，使得，

[0069] 此時，第m個數據塊經過頂層加權旋轉因子后的修正信號 其頂層旋轉因子為，=，<f。
[0070] 本發(fā)明的優(yōu)點及有益效果如下：
[0071]本發(fā)明通過對PTS算法進行改進，提出了一種新的基于PTS的雙層搜索算法(D-PTS)，能以較小的復雜度降低FBMC-0QAM信號的PAPR。該算法在傳統PTS進行子序列化分的 基礎之上對已劃分的子序列再次進行分組，形成雙層的子序列劃分結構，為實現快速搜索 本文進行分層搜索。首先，對FBMC-0QAM每個數據塊按照與PTS相同的方法分為V個子序列， 并對這V個子序列進行分組，共分成D組，每組V/D個子序列;其次，在搜索時針對不同的層次 進行分層查找，對于底層算法目的是降低該數據塊的PAPR，對于頂層算法目的是處理相鄰 數據塊的相互影響，從而降低FBMC-0QAM整體信號的PAPR。由于采用了分層搜索方式，在每 一層內的搜索序列長度均較小，在一定程度上降低了搜索次數，且不會引起信號畸變。
【附圖說明】
[0072]圖1是本發(fā)明提供優(yōu)選實施例FBMC-0QAM傳輸系統框圖；
[0073]圖2 0FDM中部分傳輸序列框圖；
[0074] 圖3 FBMC-0QAM信號圖形；
[0075] 圖4 FBMC-0QAM數據塊關系；
[0076] 圖5 FBMC-0QAM單個數據塊信號圖形；
[0077]圖6雙層搜索算法分塊示意圖；
[0078] 圖7傳統PTS方法在0FDM和FBMC-0QAM系統中PAPR降低效果對比圖；
[0079] 圖8 V = 4本文算法和傳統PTS算法在FBMC-0QAM降低PAPR效果對比圖；
[0080] 圖9當V、D取不同值時本文算法的PAPR降低效果對比圖；
[0081] 圖10當V、D取不同值時本文算法與其他算法的復雜度對比圖。
【具體實施方式】
[0082] 以下結合附圖，對本發(fā)明作進一步說明：
[0083]初始化
[0084] ①將Μ個數據塊下每個數據塊中的N個子載波以相鄰分割的方式分割成V個子序 列，每個子序列表示為.νΓ??]，ν=1二…= …U，然后將所有的旋轉相位矢量賦值 為1，即0=妒，01，...，曠1)初始化為￥\1的元素全為1的矩陣。
[0085] ②將每個數據塊下的V個子序列進行進一步的分組，分成D組，則每個組中含有E = V/D個子序列，其分割方式如圖6所不：
[0086]底層算法
[0087] ③對第0數據快下的第1個子序列組，對這E個子序列采用PTS搜索算法，修改Μ中 這V個元素中第1子序列組的值，即前Ε個元素，使得第0個數據塊峰均值最小。
[0088] ④重復第③步，依次對該數據塊下的每個子序列組對應的旋轉因子調整，直到所 有子序列組的旋轉序列調整完畢。
[0089] ⑤重復第③和④步，依次對每個數據塊進行調整，直至將Μ個數據塊調整完畢，此 時得出調整完畢的旋轉因子矩陣f二⑴^，"1，...，β /Μ<)，將這些旋轉因子加權到信號上 后得出：
[0091] 頂層算法
[0092] ?當111 = 0，即第0個數據塊的1|°(?]的頂層0組子序列（;^[/?]，.〇],...〇^[/?])進行 PTS搜索算法，使得FBMC-0QAM第0個數據塊信號的峰值最小，此時的第0個數據塊的旋轉相 位因子為，二(<，<，...，則經過頂層加權旋轉因子后的修正信號
[0093] ⑦當第m個數據塊為左>]，0 < /? S Μ -1，第m個數據塊之前的數據塊，經過頂層旋 轉因子加權之后的信號分別為，若頂層旋轉因子 dm 使得，

[0096] 此時，第m個數據塊經過頂層加權旋轉因子后的修正信號 其頂層旋轉因子為f =(<，<，.
[0097] ⑧重復步驟⑦，直至將Μ個數據塊全部遍尋。此時得到頂層旋轉因子矩陣 d==(d'!,dl,,.,,dAi_1) 〇
[0098] 至此，我們得出雙層搜索算法的旋轉因子底層β頂層d。從而得出此時的
[0099]其復雜度為： 1并求出此時系統的PAPR，仿真表明能顯著降低系統的PAPR。
[0102]仿真結果與分析。
[0103]這里對仿真的參數進行說明。首先，本文仿真中FBMC-0QAM的子載波數目均為N = 64，采用4QAM的調制方式，原型濾波器的k = 4，且FBMC-0QAM的數據塊M= 16。其次，仿真中不 考慮子載波的邊帶信息，PTS的旋轉因子的集合為使用過采樣系數為4的過采樣， PTS的數據分塊的劃分采用交織法分塊。
[0104] 接下來，通過與傳統PTS算法(C-PTS)、理想PTS算法（I-PTS)、S-PTS算法[Ye C，Li Z,Jiang T,et al.PAPR Reduction of 0QAM-0FDM Signals Using Segmental PTS Scheme With Low Complexity[J]. IEEE Transactions on Broadcasting，2014,60(60): 141-147.]等對比仿真，說明本文算法降低PAPR的效果;進一步，也通過不同參數選取對本 文算法性能的影響進行仿真分析。
[0105] 圖7顯示V = 4時采用傳統PTS算法，直接運用于FBMC-0QAM系統中的降低PAPR的效 果。為了進行比較，本文同時仿真了 0FDM系統使用傳統PTS算法的效果圖進行比較。
[0106] 從圖中我們可以看出，將傳統的PTS算法直接運用于FBMC-0QAM系統時，當V = 4時， 在CCDF = 0.001時，PAPR的性能改善了約0.7dB，然而，(FDM系統中，直接使用傳統PTS算法 時，能改善2.5dB。由此我們可以得出結論，傳統PTS算法直接運用于FBMC-0QAM系統降低其 PAPR的效果并不明顯，需要對傳統PTS算法進行改進。
[0107] 圖8中我們將V = 4的傳統PTS算法直接運用于系統和本文V4D4與V4D2的雙層搜索 算法降低FBMC-0QAM系統的PAPR的效果進行對比。從圖中可以看出本文搜索算法均遠優(yōu)于 傳統的PTS算法。在V4D2時，雖然在CCDF = 0.001數量級上的PAPR僅僅優(yōu)化約0.2dB，但是算 法的復雜度跟傳統的PTS算法相比，大大降低。在V4D4時，本文的搜索算法計算復雜度跟傳 統PTS算法相同，但是PAPR的優(yōu)化再次提高了 1.9dB。由此我們可以得出結論，本文的雙層搜 索算法性能優(yōu)于傳統的PTS算法，而且能降低系統算法的復雜度。
[0108] 圖9給出了 V、D取不同值的雙層搜索算法在FBMC-0QAM系統中降低PAPR的效果。圖 10給出了 V、D不同值時，系統的復雜度分析。由圖分析可知，算法的性能主要由V、D影響，當D 一定時，V值越大，系統的復雜度越高。結合圖9，系統的PAPR性能也就越好。然而，當V-定 時，附近時系統的復雜度越小。在圖10中可以看出當V= 16時，D = 4時，系統的復雜 度最低。當D值越大，系統的PAPR性能也就越好。V16D8較V16D4在CCDF = 0.001數量級上的 PAPR優(yōu)化1.2dB。這是由于FBMC-0QAM系統相鄰數據塊相互作用對峰值的影響要高于單個數 據塊峰值影響，另外，從圖10可以看出，理想PTS算法的復雜度，隨V的增大急劇上升，這種復 雜度在實際應用中不可忍受。當V取較大值(V>8)時，與傳統PTS算法、文獻[19]中的S-PTS算 法比較，該算法的復雜度明顯更低。當V= 16時，本文算法明顯優(yōu)于S-PTS算法。
[0109] 從而得出結論：
[0110] 1.當V值較大時，系統的復雜度優(yōu)化越好且PAPR系能越好。
[0111] 2. D值取值范圍在之間時，算法的性能更好。
[0112] 3. D值越大系統復雜度越大，但系統的PAPR性能越好。
[0113] 4. #值附近處，系統復雜度最低。
[0114] 以上這些實施例應理解為僅用于說明本發(fā)明而不用于限制本發(fā)明的保護范圍。在 閱讀了本發(fā)明的記載的內容之后，技術人員可以對本發(fā)明作各種改動或修改，這些等效變 化和修飾同樣落入本發(fā)明權利要求所限定的范圍。
【主權項】
1. 一種降低FBMC-OQAM峰均值比的PTS雙層搜索算法，其特征在于，包括以下步驟： 101、 進行濾波器組多載波-正交幅度調制系統FBMC-0QAM的初始化步驟，采用PTS序列 搜索算法獲得的M個數據塊，這些數據塊是相互疊加的發(fā)送信號數據塊，并將M個數據塊進 行雙層分割，頂層分割成V組，底層的每組劃分成D組，最后初始化旋轉相位矢量為1; 102、 對每個數據塊下的V個子序列劃分成D組，每個組中含有E = V/D個子序列，對這E個 子序列采用PTS搜索算法，調整對應的旋轉因子，使得每個數據塊的峰均值比最小，此時得 出調整完畢的旋轉因子矩陣β，將這些旋轉因子加權到信號上后得H103、 對于頂層中，求出頂層旋轉因子矩陣d，其中當第m個數據塊為左_>]，0< m SM-I， 第m個數據塊之前的數據塊，經過頂層旋轉因子加權之后的信號分別為得出雙層搜索算法的旋轉因子底層β頂層d，從而得出此時的求出此時系統的信號的峰值與信號的均值之比PAPR，完成PTS雙層搜索。2. 根據權利要求1所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其特征在 于，所述求出頂層旋轉因子矩陣d滿足條件:使彳，％m表示頂 層數據庫分組的子序列，表示頂層加權旋轉因子，r表示經過頂層加權旋轉因子后的修 正信號。3. 根據權利要求1所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其特征在 于，所述步驟101對M個數據塊下每個數據塊中的N個子載波以相鄰分割的方式分割成V個子 序列，每個子序列表示為)'!"[?]^=1，2，...^;/? = 〇.1，...，/1//-1，然后將所有的旋轉相位矢量賦 值為1，即0=(必|31，...，曠 1)初始化為￥\1的元素全為1的矩陣。4. 根據權利要求1或2或3所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其 特征在于，步驟102調整對應的旋轉因子，使得每個數據塊的峰均值比最小具體為:對第0個 數據塊下的第1個子序列組，對這E個子序列采用PTS搜索算法，修改妒中這V個元素中第1子 序列組的值，即前E個元素，使得第0個數據塊峰均值最小，然后依次對剩余的數據塊下的每 個子序列組對應的旋轉因子調整，直到所有子序列組的旋轉序列調整完畢;直至將M個數據 塊調整完畢，此時得出調整完畢的旋轉因子矩陣f = (WW \ ,^m+1)，將這些旋轉因子 加權到信號上后得出《!表 示第m個數據塊的頂層D組子序列：5. 根據權利要求4所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其特征在 于，當m=0,即第0個數據塊的的頂層D組子序列對進行PTS搜索算法， 使得FBMC-0QAM第0個數據塊信號的峰值最小，此時的第0個數據塊的旋轉相位因子為經過頂層加權旋轉因子后的修正信號為6. 根據權利要求4所述的一種降低FBMC-0QAM峰均值比的PTS雙層搜索算法，其特征在 于，當第m個數據塊為第m個數據塊之前的數據塊，經過頂層旋轉因子加 權之后的信號分別戈若頂層旋轉因丨￡得，(16) 其中P位于[(Lh-K/2)/2，MK+ (Lh-K/2)/2]』此時，第m個數據塊經過頂層加權旋轉因子后的修正信號， 其頂層 旋轉因子：
【文檔編號】H04L27/34GK106027452SQ201610339064
【公開日】2016年10月12日
【申請日】2016年5月19日
【發(fā)明人】謝顯中, 吳壘, 張苗, 姚鑫凌
【申請人】重慶郵電大學