在基于 OFDM 的混合波束成形系统中降低 PAPR 的可训练最小二乘方法
其他计算机科学
2024-04-04 v1 信息论
math.IT
摘要
在本文中，我们提出了一种可训练的最小二乘 (LS) 方法，用于降低混合波束成形 (HBF) 系统中正交频分复用 (OFDM) 信号的峰均功率比 (PAPR)。与数字波束成形 (DBF) 相比，在 HBF 技术中天线数量超过了数字端口的数量。因此，PAPR 降低能力受到有限带宽和数字空间尺寸减小的双重限制。问题在于如何同时满足这两个条件。此外，HBF 的主要优势是降低了系统复杂度，因此 PAPR 降低算法的复杂度也有望保持在较低水平。为了验证所提可训练 LS 的性能，我们提供了使用 CVX Matlab 包通过凸优化获得的性能界限。此外，所提算法的复杂度可与 HBF 中数字“孪生”计算的最小复杂度相当。上述特征证明了训练后的 LS 在全连接 HBF 中进行 PAPR 降低的可行性。
引用
@article{arxiv.2404.02160,
title = {Trainable Least Squares to Reduce PAPR in OFDM-based Hybrid Beamforming Systems},
author = {Andrey Ivanov and Alexander Osinsky and Roman Bychkov and Vladimir Kalinin and Dmitry Lakontsev},
journal= {arXiv preprint arXiv:2404.02160},
year = {2024}
}