OFDM系统峰均比降低算法的研究+Matlab仿真(10)
(1)通过次优PTS算法估算出门限值 ；
(2)把OFDM信号中的 个子载波利用PTS分割为 个小块，令相位因子的集合为 ；
(3)使 ，代入计算系统的峰均比 ；
(4)如果 比 大，就不再进行迭代；如果 比 小就使 ，再代入得到峰均比 ；
(5)重复步骤(4)的迭代过程，直到得到 值小于 的情况为止，或者直到 时为止。
由此可见，自适应次优PTS算法使计算PAPR的次数变得更少。这种办法也能有效降低系统的峰均比，不过与次优PTS算法相比性能上差了些，其思想是只要计算得到PAPR值小于门限值 ，就把这时的相位因子当作最终需要的相位因子。而次优PTS算法则是要找到能使PAPR值最低的那组相位因子当作最优的相位因子。不过OFDM系统出现高峰均比的情况不多，在整个信息数据中，也只有很小的范围会出现高峰均比的情况。因此，自适应次优PTS算法也是非常实用的。
4.1.3 双层部分传输序列算法
双层PTS算法的宗旨是：将OFDM系统的 个子载波分割为 个大小相等的子块，再将 个子块分成 个大组，对每个大组实行次优PTS计算，得到每个大组里最优的相位因子，然后把这 个相位因子对应的数据符号当作一个大组，再次进行次优PTS优化，最后得出一个最优的相位因子，这样就完成了双层PTS算法的优化。
图9 双层部分序列算法原理图
双层部分传输序列算法的具体流程如下：
(1)把OFDM系统的 个子载波分割成 个大小相等的小块，再把这 个小块分成 个大组，每个大组都应有 个相位因子；
(2)先优化第一大组，让 ，代入计算得到此时OFDM系统的峰均比 ，再把 代入得到峰均比 ，假如 ，则 ，反之 ，再对下面所有的相位因子都进行这样的计算；
(3)对第一大组进行完步骤(2)的操作后，就可以得到第一大组最优的相位因子。保持第一大组的最优相位因子不变，再对其他的大组都进行这样的次优PTS运算，最终将得到 个最优相位因子，这样就完成了第一层的优化；
(4)将具有最优相位因子的这 个子块当作一个大组，令相位因子 ，接着进行次优PTS运算，最终得到唯一的最优相位因子。
双层PTS算法和次优PTS算法大致相同，唯一的区别就是双层PTS算法采用了将数据分层计算的思想，也能有效地降低系统的PAPR值，并且降低了计算的复杂度。
4.2 基于部分传输序列的改进算法
在前人研究的基础上，本文提出了一种基于部分传输序列的改进算法：将自适应次优PTS算法与双层PTS算法结合的算法。
4.2.1 自适应次优PTS算法与双层PTS算法的结合算法
如果把OFDM系统的 个子载波利用PTS分割成 个子块，再将这 个子块分成 个大分组，那么通过双层PTS算法就要迭代 次。可以把自适应次优PTS算法的思想加入进来，通过次优PTS运算后估算出门限值 ，在进行第二层优化的时候，利用自适应次优PTS算法，这样就可以进一步降低迭代的次数，使计算量不再那么复杂。其具体运算流程如下：
(1)把OFDM系统的 个子载波利用PTS分割成 个小块，再把 个小块分成 个大分组，每个大分组有 个相位因子；
(2)先优化第一大组，让 ，代入计算得到此时OFDM系统的峰均比 ，再把 代入得到峰均比 ，假如 ，则 ，反之 ，再对下面所有的相位因子都进行这样的计算；
(3)对第一大组进行完步骤(2)的操作后，就可以得到第一大组最优的相位因子。保持第一大组的最优相位因子不变，再对其他的大组都进行这样的次优PTS运算，最终将得到 个最优相位因子，这样就完成了第一层的优化；