简介这份资源面向无线通信与OFDM系统仿真的学习者与研究者聚焦降低信号峰均功率比PAPR这一经典难题围绕SLM选择性映射与PTS部分传输序列两种技术的单独实现及联合策略展开并涉及PSK、QAM调制方式下的性能分析适合具备一定MATLAB基础、正在做课程设计或课题研究的中高级读者。压缩包内共1个文件为m脚本类型整体约1KB体量轻便便于直接运行与二次修改。目前已有194人学习下载说明该方向在通信仿真领域具有一定关注度。通过脚本可直观观察SLM与PTS结合后候选符号数量、子载波分组策略对PAPR抑制效果的影响并据此调整算法参数在降低峰值功率与计算复杂度之间寻找平衡为理解OFDM发射机设计中的非线性失真与能耗问题提供可复现的仿真参考。1. 从 slm_psk_qam.rar 说起PTS 与 SLM 联手压峰均比到底在解决什么做 OFDM 基带链路的人迟早会撞上 PAPR 这堵墙。子载波一多时域上多个正弦叠加偶尔就冒出一个远超平均功率的尖峰功放要么被逼着回退一大截要么直接削顶失真频谱一摊开全是带外泄漏。标题里的 slm_psk_qam.rar 指向的正是这条链路PSK/QAM 映射之后用 SLM 和 PTS 两类无失真技术把峰均比压下去。SLM 靠多组相位旋转序列挑出峰最低的那一路PTS 则把子载波分块、每块独立调相再拼回去。两者思路不同却常被放在一起比较甚至叠加使用。这篇笔记面向正在搭 OFDM 仿真链路、想搞清 SLM-PTS 怎么落地、参数怎么设、坑在哪的工程师从原理到可复现的 MATLAB 代码一步步拆开。2. SLM 与 PTS 的降 PAPR 原理为什么相位旋转能削峰2.1 峰均比从哪来CCDF 为什么是标准尺子OFDM 符号是 N 个子载波上调制符号的 IFFT 输出。设第 k 个子载波上的复符号为 X[k]时域样点 x[n] (1/√N) Σ X[k]·exp(j2πkn/N)。当 N 较大时由中心极限定理x[n] 的实部虚部近似高斯分布幅度服从瑞利分布。高斯尾巴意味着总有小概率出现幅度极大的样点这就是 PAPR 的根源。PAPR 定义为峰值功率与平均功率之比PAPR max|x[n]|² / E[|x[n]|²]工程上常用 dB 表示。衡量降 PAPR 效果的标准工具是 CCDF互补累积分布函数即 PAPR 超过某个门限的概率 P(PAPR PAPR₀)。原始 OFDM 的 CCDF 在 10⁻³ 量级处通常落在 10~12 dB而功放线性区往往只留 7~8 dB 回退差距就出在这里。理解一点很关键SLM 和 PTS 都是无失真distortionless技术它们不改变信号星座、不引入带内噪声只是换一种等价表示。代价是必须把选中的相位信息以边带side information形式传给接收端否则解调全错。这个边带开销和计算复杂度是后面所有参数取舍的核心矛盾。2.2 SLM 的相位旋转序列候选数 U 与旋转因子怎么定SLMSelected Mapping的做法直白生成 U 个统计独立的相位旋转向量每个向量长度等于子载波数 N元素是单位模的复相位。把原始频域符号 X 逐点乘以第 u 个相位向量得到 X_u再做 IFFT 得到时域候选 x_u最后挑 PAPR 最小的那一路发送。相位因子的取值集合常见两种一种是 {1, −1}即只翻转符号实现最简单另一种是 {1, −1, j, −j}即 QPSK 相位集候选间相关性更低降峰效果更好。旋转向量通常按子载波独立随机生成但要注意如果所有候选共享同一个直流或导频子载波那些位置不应参与旋转否则会破坏导频估计。候选数 U 是最关键的参数。U 越大选中低峰值的概率越高但 IFFT 次数线性增长边带需要 log₂U 比特。经验上 U 从 1 增到 4 收益最陡从 4 到 16 收益递减明显。我一般先用 U4 或 U8 跑通再看 CCDF 曲线决定要不要加。2.3 PTS 的分块与相位组合V 个子块、W 个相位的搜索空间PTSPartial Transmit Sequence换了个角度不旋转整个符号而是把 N 个子载波切成 V 个不相交的子块每个子块单独做 IFFT得到 V 个时域分量然后给每个分量乘一个相位因子 b_v通常取自 {±1, ±j} 或更细的量化集把所有加权分量相加搜索使合成信号 PAPR 最小的相位组合。搜索空间大小是 W^(V−1)W 是相位因子候选数第一个子块相位固定为 1 以消除相位模糊。V4、W4 时搜索 64 种组合V8、W4 时就是 4⁷16384 种复杂度爆炸。所以 PTS 的核心工程问题就是怎么在可接受的搜索量下逼近最优。分块方式也影响效果。相邻分块adjacent partitioning实现简单但子块间相关性高交织分块interleaving和随机分块random partitioning降峰更好代价是子块 IFFT 的输入更分散。常见做法是交织分块配 V4~8。2.4 SLM 与 PTS 叠加级联顺序和边带开销的权衡把两者叠起来是标题里 slm_psk_qam 这类方案的常见玩法先做 PTS 分块调相再对合成结果套一层 SLM 候选选择或者反过来。级联能进一步压低 PAPR但边带开销是两者之和接收端要同时恢复 PTS 相位索引和 SLM 序列索引。我的经验是如果 PAPR 目标只是从 11 dB 压到 7 dB 左右单用 SLMU8或单用 PTSV4, W4通常够用级联的边际收益不值那份复杂度。只有当系统对功放效率极度敏感、且能接受边带开销时才考虑叠加。下面这张表把两类技术的核心参数摆在一起对比。维度SLMPTS旋转对象整个符号逐子载波每个子块整体候选/搜索量U 个候选W^(V−1) 种组合边带开销log₂U 比特(V−1)·log₂W 比特IFFT 次数U 次V 次子块 组合典型参数U4~16V4~8, W2~4降峰能力中等较强3. 用 MATLAB 跑通 SLM-PTS 最小链路从 PSK/QAM 映射到 CCDF3.1 搭链路前的参数清单N、子载波、过采样怎么定动手前先把参数定死否则 CCDF 曲线没法对比。我一般用这张清单起步参数取值说明子载波数 N64 / 256太小 PAPR 统计不稳太大仿真慢调制方式QPSK / 16QAM标题含 psk/qam两种都试过采样因子 L4欠采样会低估 PAPR必须过采样SLM 候选数 U4 / 8先跑 4 看趋势PTS 子块数 V4配合 W4PTS 相位集 W4{±1, ±j}仿真符号数10000CCDF 尾部要够多样本过采样这一项最容易翻车。如果只在 N 点上做 IFFT峰值会被漏掉测出的 PAPR 偏低 1~2 dB属于典型的自欺欺人。标准做法是补零到 L·N 再做 IFFTL 取 4 已足够接近连续时间峰值。3.2 QPSK/16QAM 映射与过采样 IFFT 的实现先把映射和过采样 IFFT 写出来这是所有后续处理的地基。% 参数 N 256; % 子载波数 L 4; % 过采样因子 numSym 10000; % 仿真符号数 modOrder 4; % 4QPSK, 1616QAM % 生成随机调制符号 dataIdx randi([0 modOrder-1], N, numSym); if modOrder 4 X (1-2*bitget(dataIdx,1)) 1j*(1-2*bitget(dataIdx,2)); % QPSK else X qammod(dataIdx, modOrder, UnitAveragePower, true); % 16QAM end % 过采样 IFFT补零到 L*N X_os [X; zeros((L-1)*N, numSym)]; x ifft(X_os, L*N) * sqrt(L*N); % 归一化保持平均功率一致 % 计算 PAPR peak max(abs(x).^2, [], 1); avg mean(abs(x).^2, 1); papr 10*log10(peak ./ avg);逻辑说明qammod用UnitAveragePower保证平均功率为 1避免不同调制阶数间功率不一致导致 PAPR 对比失真。补零放在频域高频端等价于时域插值能捕捉到样点间的真实峰值。ifft后乘sqrt(L*N)是能量归一化让过采样前后平均功率对齐否则 PAPR 会随 L 漂移。参数说明modOrder改成 16 就切到 16QAM注意 16QAM 的 PAPR 本身比 QPSK 高约 1~2 dB对比时要分开看。numSym决定 CCDF 尾部平滑度10000 个符号在 10⁻³ 处还算稳要看到 10⁻⁴ 得加到 10⁵。3.3 SLM 候选生成与最优选择的核心代码SLM 的关键是生成 U 组相位向量并逐组试。U 8; % 候选数 phaseSet [1 -1 1j -1j]; % QPSK 相位集 paprSLM zeros(1, numSym); for s 1:numSym xBest []; paprMin inf; for u 1:U % 每个子载波独立随机相位 ph phaseSet(randi(4, N, 1)).; Xu X(:,s) .* ph.; Xu_os [Xu; zeros((L-1)*N, 1)]; xu ifft(Xu_os, L*N) * sqrt(L*N); p 10*log10(max(abs(xu).^2) / mean(abs(xu).^2)); if p paprMin paprMin p; xBest xu; end end paprSLM(s) paprMin; end逻辑说明外层遍历符号内层遍历 U 个候选。每个候选对 N 个子载波独立抽相位乘到频域符号上再走同一套过采样 IFFT。记录 PAPR 最小的候选。注意相位向量按列乘维度要对齐。参数说明phaseSet换成[1 -1]就退化成 BPSK 相位集实现更省但降峰弱一些。U是收益与复杂度的旋钮建议先跑 U1即原始、U4、U8 三条曲线对比。这里每符号要做 U 次 IFFTU8、numSym10000 时计算量不小调试阶段可先把 numSym 降到 1000。3.4 PTS 分块、子块 IFFT 与相位搜索PTS 用交织分块把子载波按模 V 分组。V 4; % 子块数 W 4; % 相位候选数 phasePTS [1 -1 1j -1j]; paprPTS zeros(1, numSym); for s 1:numSym % 交织分块 subBlocks zeros(N, V); for v 1:V idx v:V:N; subBlocks(idx, v) X(idx, s); end % 各子块过采样 IFFT xv zeros(L*N, V); for v 1:V Xv_os [subBlocks(:,v); zeros((L-1)*N, 1)]; xv(:,v) ifft(Xv_os, L*N) * sqrt(L*N); end % 搜索最优相位组合第一块固定为 1 paprMin inf; for c 1:W^(V-1) b ones(V,1); tmp c-1; for v 2:V b(v) phasePTS(mod(tmp, W)1); tmp floor(tmp / W); end xc xv * b; p 10*log10(max(abs(xc).^2) / mean(abs(xc).^2)); if p paprMin paprMin p; end end paprPTS(s) paprMin; end逻辑说明先把频域符号按v:V:N交织拆成 V 个子块每个子块补零后单独 IFFT。相位搜索用 W 进制计数枚举所有组合第一块相位固定为 1 消除整体相位模糊。xv * b是各时域分量按相位加权求和。参数说明V增大降峰更好但搜索量按 W^(V−1) 爆炸V4、W4 是 64 次V8 就是 16384 次仿真会明显变慢。phasePTS若用更细的量化如 8 相位能再压一点但边带开销上升。分块方式改成相邻分块只需把idx v:V:N换成连续区间效果通常略差。3.5 画 CCDF 曲线验证降峰效果三条曲线放一起才有说服力。paprRef papr; % 原始 OFDM thresholds 0:0.5:14; ccdfRef arrayfun((t) mean(paprRef t), thresholds); ccdfSLM arrayfun((t) mean(paprSLM t), thresholds); ccdfPTS arrayfun((t) mean(paprPTS t), thresholds); semilogy(thresholds, ccdfRef, k-, ... thresholds, ccdfSLM, b--, ... thresholds, ccdfPTS, r-., LineWidth, 1.5); xlabel(PAPR (dB)); ylabel(CCDF); legend(原始 OFDM,SLM U8,PTS V4,W4); grid on;逻辑说明arrayfun对每个门限统计超过概率semilogy让尾部差异看得清。重点看 10⁻³ 处三条曲线的横坐标差那就是实际降峰收益。参数说明门限范围按你的调制方式调16QAM 整体右移门限上限可加到 16。样本不够时尾部会抖必要时把 numSym 提到 10⁵或对多个独立 run 取平均。4. 参数调优与踩坑排查SLM-PTS 落地时最容易翻车的地方4.1 过采样因子设小了PAPR 读数全是假的现象CCDF 曲线比文献里漂亮一大截10⁻³ 处只有 8 dB心里美滋滋。原因只在 N 点做 IFFT时域分辨率不够子载波叠加的真实尖峰落在样点之间被漏掉测出的峰值偏低。解决强制补零到 L·N 再做 IFFTL 至少取 4。验证方法是把 L 从 1 加到 8看 PAPR 读数是否收敛若 L1 和 L4 差超过 1.5 dB说明之前的数据不可信。这是最隐蔽的坑因为曲线看起来完全正常。4.2 相位向量维度对不上MATLAB 静默广播出错误结果现象代码不报错但降峰效果几乎为零SLM 和原始曲线几乎重合。原因MATLAB 的隐式扩展broadcasting会把行向量和列向量自动对齐X(:,s) .* ph里如果ph是行向量而X(:,s)是列向量结果维度可能悄悄变成矩阵后续 IFFT 处理的对象根本不是你以为的那一路。解决所有相位向量显式转成列向量乘法前用size打印确认维度。养成习惯ph ph(:);强制列化。这个坑血泪经验调试半小时才发现是维度问题。4.3 PTS 搜索空间爆炸仿真跑到天亮现象V 设成 8 之后numSym10000 的仿真几个小时跑不完。原因W^(V−1) 随 V 指数增长V8、W4 是 16384 种组合每种都要算一次合成和 PAPR外层还有 10000 个符号。解决三条路。一是降 V 到 4收益损失有限二是用次优搜索比如只搜部分组合或贪心逐块调相三是把 numSym 先降到 1000 调通逻辑最终统计再补样本。我一般先用 V4 出结果确认链路对了再考虑要不要上 V6。4.4 边带信息没传接收端解调全错现象发端 PAPR 压得很好接收端 BER 却是 0.5等于瞎猜。原因SLM 的相位序列索引、PTS 的相位组合索引都是接收端解调必需的边带信息仿真里如果只测 PAPR 不建接收链路很容易忘了这一环。解决明确边带传输方案。常见做法是把索引编码后放在预留子载波或单独控制信道。评估时要算上边带占用的比特和它带来的开销。只做 PAPR 仿真可以暂时忽略但心里要清楚这部分代价存在别以为白捡。4.5 导频和直流子载波被一起旋转信道估计崩了现象PAPR 曲线正常但一旦接入信道估计均衡后星座图散成一团。原因SLM 对全部子载波乘相位如果导频位置也被旋转接收端用已知导频做信道估计时相位对不上估计出的信道带随机相位均衡自然错。解决把导频、直流、保护子载波从旋转集合里排除只对数据子载波做相位旋转。PTS 分块时同理导频子块不参与相位搜索。这个细节在纯 PAPR 仿真里看不出来一接完整链路就暴露。5. 进阶技巧把 SLM-PTS 的复杂度压下来还能保住降峰收益跑通最小链路之后真正决定这套方案值不值得上的是复杂度与收益的比值。分享几个我常用的进阶手法。第一SLM 候选数别盲目加大。U 从 1 到 4 通常能拿到 2~3 dB 收益从 4 到 16 往往只多 0.5~1 dB但 IFFT 次数翻两番。我的习惯是先把 U4 的 CCDF 画出来如果已经满足功放回退要求就收手。真要再压优先考虑换 PTS 而不是堆 U。第二PTS 用次优搜索换速度。全搜索 W^(V−1) 在 V 大时不可接受可以用迭代翻转法先随机给一组相位每次翻转一个子块的相位若 PAPR 下降就保留扫几轮直到不再改善。这样复杂度从指数降到线性乘轮数V8 也能跑代价是可能陷局部最优实测比全搜索差 0.3~0.5 dB多数场景能接受。第三SLM 和 PTS 的相位集可以共用一套 {±1, ±j}硬件实现时乘法退化成符号翻转和实虚交换省乘法器。这一点在 FPGA 落地时很关键纯仿真阶段可以先不管但选型时心里有数。第四验证降峰收益一定要用同一批随机种子。不同种子下 CCDF 尾部抖动可能到 0.5 dB如果 SLM 和原始用不同种子对比结论就不可靠。我一般固定rng(42)再跑所有对比。最后说个验证习惯每次改完参数先只跑 1000 个符号看曲线形状对不对形状对了再上大样本。曾经为了省事直接上 10⁵ 符号结果一个维度 bug 让整晚的仿真全废从那以后我坚持小样本先验证。这套 SLM-PTS 链路不难难的是每个环节都别想当然尤其是过采样和维度这两处翻车概率最高。希望帮到你。本文还有配套的精品资源点击获取 OFDM峰均比抑制实战：SLM与PTS原理、MATLAB仿真与调优
简介这份资源面向无线通信与OFDM系统仿真的学习者与研究者聚焦降低信号峰均功率比PAPR这一经典难题围绕SLM选择性映射与PTS部分传输序列两种技术的单独实现及联合策略展开并涉及PSK、QAM调制方式下的性能分析适合具备一定MATLAB基础、正在做课程设计或课题研究的中高级读者。压缩包内共1个文件为m脚本类型整体约1KB体量轻便便于直接运行与二次修改。目前已有194人学习下载说明该方向在通信仿真领域具有一定关注度。通过脚本可直观观察SLM与PTS结合后候选符号数量、子载波分组策略对PAPR抑制效果的影响并据此调整算法参数在降低峰值功率与计算复杂度之间寻找平衡为理解OFDM发射机设计中的非线性失真与能耗问题提供可复现的仿真参考。1. 从 slm_psk_qam.rar 说起PTS 与 SLM 联手压峰均比到底在解决什么做 OFDM 基带链路的人迟早会撞上 PAPR 这堵墙。子载波一多时域上多个正弦叠加偶尔就冒出一个远超平均功率的尖峰功放要么被逼着回退一大截要么直接削顶失真频谱一摊开全是带外泄漏。标题里的 slm_psk_qam.rar 指向的正是这条链路PSK/QAM 映射之后用 SLM 和 PTS 两类无失真技术把峰均比压下去。SLM 靠多组相位旋转序列挑出峰最低的那一路PTS 则把子载波分块、每块独立调相再拼回去。两者思路不同却常被放在一起比较甚至叠加使用。这篇笔记面向正在搭 OFDM 仿真链路、想搞清 SLM-PTS 怎么落地、参数怎么设、坑在哪的工程师从原理到可复现的 MATLAB 代码一步步拆开。2. SLM 与 PTS 的降 PAPR 原理为什么相位旋转能削峰2.1 峰均比从哪来CCDF 为什么是标准尺子OFDM 符号是 N 个子载波上调制符号的 IFFT 输出。设第 k 个子载波上的复符号为 X[k]时域样点 x[n] (1/√N) Σ X[k]·exp(j2πkn/N)。当 N 较大时由中心极限定理x[n] 的实部虚部近似高斯分布幅度服从瑞利分布。高斯尾巴意味着总有小概率出现幅度极大的样点这就是 PAPR 的根源。PAPR 定义为峰值功率与平均功率之比PAPR max|x[n]|² / E[|x[n]|²]工程上常用 dB 表示。衡量降 PAPR 效果的标准工具是 CCDF互补累积分布函数即 PAPR 超过某个门限的概率 P(PAPR PAPR₀)。原始 OFDM 的 CCDF 在 10⁻³ 量级处通常落在 10~12 dB而功放线性区往往只留 7~8 dB 回退差距就出在这里。理解一点很关键SLM 和 PTS 都是无失真distortionless技术它们不改变信号星座、不引入带内噪声只是换一种等价表示。代价是必须把选中的相位信息以边带side information形式传给接收端否则解调全错。这个边带开销和计算复杂度是后面所有参数取舍的核心矛盾。2.2 SLM 的相位旋转序列候选数 U 与旋转因子怎么定SLMSelected Mapping的做法直白生成 U 个统计独立的相位旋转向量每个向量长度等于子载波数 N元素是单位模的复相位。把原始频域符号 X 逐点乘以第 u 个相位向量得到 X_u再做 IFFT 得到时域候选 x_u最后挑 PAPR 最小的那一路发送。相位因子的取值集合常见两种一种是 {1, −1}即只翻转符号实现最简单另一种是 {1, −1, j, −j}即 QPSK 相位集候选间相关性更低降峰效果更好。旋转向量通常按子载波独立随机生成但要注意如果所有候选共享同一个直流或导频子载波那些位置不应参与旋转否则会破坏导频估计。候选数 U 是最关键的参数。U 越大选中低峰值的概率越高但 IFFT 次数线性增长边带需要 log₂U 比特。经验上 U 从 1 增到 4 收益最陡从 4 到 16 收益递减明显。我一般先用 U4 或 U8 跑通再看 CCDF 曲线决定要不要加。2.3 PTS 的分块与相位组合V 个子块、W 个相位的搜索空间PTSPartial Transmit Sequence换了个角度不旋转整个符号而是把 N 个子载波切成 V 个不相交的子块每个子块单独做 IFFT得到 V 个时域分量然后给每个分量乘一个相位因子 b_v通常取自 {±1, ±j} 或更细的量化集把所有加权分量相加搜索使合成信号 PAPR 最小的相位组合。搜索空间大小是 W^(V−1)W 是相位因子候选数第一个子块相位固定为 1 以消除相位模糊。V4、W4 时搜索 64 种组合V8、W4 时就是 4⁷16384 种复杂度爆炸。所以 PTS 的核心工程问题就是怎么在可接受的搜索量下逼近最优。分块方式也影响效果。相邻分块adjacent partitioning实现简单但子块间相关性高交织分块interleaving和随机分块random partitioning降峰更好代价是子块 IFFT 的输入更分散。常见做法是交织分块配 V4~8。2.4 SLM 与 PTS 叠加级联顺序和边带开销的权衡把两者叠起来是标题里 slm_psk_qam 这类方案的常见玩法先做 PTS 分块调相再对合成结果套一层 SLM 候选选择或者反过来。级联能进一步压低 PAPR但边带开销是两者之和接收端要同时恢复 PTS 相位索引和 SLM 序列索引。我的经验是如果 PAPR 目标只是从 11 dB 压到 7 dB 左右单用 SLMU8或单用 PTSV4, W4通常够用级联的边际收益不值那份复杂度。只有当系统对功放效率极度敏感、且能接受边带开销时才考虑叠加。下面这张表把两类技术的核心参数摆在一起对比。维度SLMPTS旋转对象整个符号逐子载波每个子块整体候选/搜索量U 个候选W^(V−1) 种组合边带开销log₂U 比特(V−1)·log₂W 比特IFFT 次数U 次V 次子块 组合典型参数U4~16V4~8, W2~4降峰能力中等较强3. 用 MATLAB 跑通 SLM-PTS 最小链路从 PSK/QAM 映射到 CCDF3.1 搭链路前的参数清单N、子载波、过采样怎么定动手前先把参数定死否则 CCDF 曲线没法对比。我一般用这张清单起步参数取值说明子载波数 N64 / 256太小 PAPR 统计不稳太大仿真慢调制方式QPSK / 16QAM标题含 psk/qam两种都试过采样因子 L4欠采样会低估 PAPR必须过采样SLM 候选数 U4 / 8先跑 4 看趋势PTS 子块数 V4配合 W4PTS 相位集 W4{±1, ±j}仿真符号数10000CCDF 尾部要够多样本过采样这一项最容易翻车。如果只在 N 点上做 IFFT峰值会被漏掉测出的 PAPR 偏低 1~2 dB属于典型的自欺欺人。标准做法是补零到 L·N 再做 IFFTL 取 4 已足够接近连续时间峰值。3.2 QPSK/16QAM 映射与过采样 IFFT 的实现先把映射和过采样 IFFT 写出来这是所有后续处理的地基。% 参数 N 256; % 子载波数 L 4; % 过采样因子 numSym 10000; % 仿真符号数 modOrder 4; % 4QPSK, 1616QAM % 生成随机调制符号 dataIdx randi([0 modOrder-1], N, numSym); if modOrder 4 X (1-2*bitget(dataIdx,1)) 1j*(1-2*bitget(dataIdx,2)); % QPSK else X qammod(dataIdx, modOrder, UnitAveragePower, true); % 16QAM end % 过采样 IFFT补零到 L*N X_os [X; zeros((L-1)*N, numSym)]; x ifft(X_os, L*N) * sqrt(L*N); % 归一化保持平均功率一致 % 计算 PAPR peak max(abs(x).^2, [], 1); avg mean(abs(x).^2, 1); papr 10*log10(peak ./ avg);逻辑说明qammod用UnitAveragePower保证平均功率为 1避免不同调制阶数间功率不一致导致 PAPR 对比失真。补零放在频域高频端等价于时域插值能捕捉到样点间的真实峰值。ifft后乘sqrt(L*N)是能量归一化让过采样前后平均功率对齐否则 PAPR 会随 L 漂移。参数说明modOrder改成 16 就切到 16QAM注意 16QAM 的 PAPR 本身比 QPSK 高约 1~2 dB对比时要分开看。numSym决定 CCDF 尾部平滑度10000 个符号在 10⁻³ 处还算稳要看到 10⁻⁴ 得加到 10⁵。3.3 SLM 候选生成与最优选择的核心代码SLM 的关键是生成 U 组相位向量并逐组试。U 8; % 候选数 phaseSet [1 -1 1j -1j]; % QPSK 相位集 paprSLM zeros(1, numSym); for s 1:numSym xBest []; paprMin inf; for u 1:U % 每个子载波独立随机相位 ph phaseSet(randi(4, N, 1)).; Xu X(:,s) .* ph.; Xu_os [Xu; zeros((L-1)*N, 1)]; xu ifft(Xu_os, L*N) * sqrt(L*N); p 10*log10(max(abs(xu).^2) / mean(abs(xu).^2)); if p paprMin paprMin p; xBest xu; end end paprSLM(s) paprMin; end逻辑说明外层遍历符号内层遍历 U 个候选。每个候选对 N 个子载波独立抽相位乘到频域符号上再走同一套过采样 IFFT。记录 PAPR 最小的候选。注意相位向量按列乘维度要对齐。参数说明phaseSet换成[1 -1]就退化成 BPSK 相位集实现更省但降峰弱一些。U是收益与复杂度的旋钮建议先跑 U1即原始、U4、U8 三条曲线对比。这里每符号要做 U 次 IFFTU8、numSym10000 时计算量不小调试阶段可先把 numSym 降到 1000。3.4 PTS 分块、子块 IFFT 与相位搜索PTS 用交织分块把子载波按模 V 分组。V 4; % 子块数 W 4; % 相位候选数 phasePTS [1 -1 1j -1j]; paprPTS zeros(1, numSym); for s 1:numSym % 交织分块 subBlocks zeros(N, V); for v 1:V idx v:V:N; subBlocks(idx, v) X(idx, s); end % 各子块过采样 IFFT xv zeros(L*N, V); for v 1:V Xv_os [subBlocks(:,v); zeros((L-1)*N, 1)]; xv(:,v) ifft(Xv_os, L*N) * sqrt(L*N); end % 搜索最优相位组合第一块固定为 1 paprMin inf; for c 1:W^(V-1) b ones(V,1); tmp c-1; for v 2:V b(v) phasePTS(mod(tmp, W)1); tmp floor(tmp / W); end xc xv * b; p 10*log10(max(abs(xc).^2) / mean(abs(xc).^2)); if p paprMin paprMin p; end end paprPTS(s) paprMin; end逻辑说明先把频域符号按v:V:N交织拆成 V 个子块每个子块补零后单独 IFFT。相位搜索用 W 进制计数枚举所有组合第一块相位固定为 1 消除整体相位模糊。xv * b是各时域分量按相位加权求和。参数说明V增大降峰更好但搜索量按 W^(V−1) 爆炸V4、W4 是 64 次V8 就是 16384 次仿真会明显变慢。phasePTS若用更细的量化如 8 相位能再压一点但边带开销上升。分块方式改成相邻分块只需把idx v:V:N换成连续区间效果通常略差。3.5 画 CCDF 曲线验证降峰效果三条曲线放一起才有说服力。paprRef papr; % 原始 OFDM thresholds 0:0.5:14; ccdfRef arrayfun((t) mean(paprRef t), thresholds); ccdfSLM arrayfun((t) mean(paprSLM t), thresholds); ccdfPTS arrayfun((t) mean(paprPTS t), thresholds); semilogy(thresholds, ccdfRef, k-, ... thresholds, ccdfSLM, b--, ... thresholds, ccdfPTS, r-., LineWidth, 1.5); xlabel(PAPR (dB)); ylabel(CCDF); legend(原始 OFDM,SLM U8,PTS V4,W4); grid on;逻辑说明arrayfun对每个门限统计超过概率semilogy让尾部差异看得清。重点看 10⁻³ 处三条曲线的横坐标差那就是实际降峰收益。参数说明门限范围按你的调制方式调16QAM 整体右移门限上限可加到 16。样本不够时尾部会抖必要时把 numSym 提到 10⁵或对多个独立 run 取平均。4. 参数调优与踩坑排查SLM-PTS 落地时最容易翻车的地方4.1 过采样因子设小了PAPR 读数全是假的现象CCDF 曲线比文献里漂亮一大截10⁻³ 处只有 8 dB心里美滋滋。原因只在 N 点做 IFFT时域分辨率不够子载波叠加的真实尖峰落在样点之间被漏掉测出的峰值偏低。解决强制补零到 L·N 再做 IFFTL 至少取 4。验证方法是把 L 从 1 加到 8看 PAPR 读数是否收敛若 L1 和 L4 差超过 1.5 dB说明之前的数据不可信。这是最隐蔽的坑因为曲线看起来完全正常。4.2 相位向量维度对不上MATLAB 静默广播出错误结果现象代码不报错但降峰效果几乎为零SLM 和原始曲线几乎重合。原因MATLAB 的隐式扩展broadcasting会把行向量和列向量自动对齐X(:,s) .* ph里如果ph是行向量而X(:,s)是列向量结果维度可能悄悄变成矩阵后续 IFFT 处理的对象根本不是你以为的那一路。解决所有相位向量显式转成列向量乘法前用size打印确认维度。养成习惯ph ph(:);强制列化。这个坑血泪经验调试半小时才发现是维度问题。4.3 PTS 搜索空间爆炸仿真跑到天亮现象V 设成 8 之后numSym10000 的仿真几个小时跑不完。原因W^(V−1) 随 V 指数增长V8、W4 是 16384 种组合每种都要算一次合成和 PAPR外层还有 10000 个符号。解决三条路。一是降 V 到 4收益损失有限二是用次优搜索比如只搜部分组合或贪心逐块调相三是把 numSym 先降到 1000 调通逻辑最终统计再补样本。我一般先用 V4 出结果确认链路对了再考虑要不要上 V6。4.4 边带信息没传接收端解调全错现象发端 PAPR 压得很好接收端 BER 却是 0.5等于瞎猜。原因SLM 的相位序列索引、PTS 的相位组合索引都是接收端解调必需的边带信息仿真里如果只测 PAPR 不建接收链路很容易忘了这一环。解决明确边带传输方案。常见做法是把索引编码后放在预留子载波或单独控制信道。评估时要算上边带占用的比特和它带来的开销。只做 PAPR 仿真可以暂时忽略但心里要清楚这部分代价存在别以为白捡。4.5 导频和直流子载波被一起旋转信道估计崩了现象PAPR 曲线正常但一旦接入信道估计均衡后星座图散成一团。原因SLM 对全部子载波乘相位如果导频位置也被旋转接收端用已知导频做信道估计时相位对不上估计出的信道带随机相位均衡自然错。解决把导频、直流、保护子载波从旋转集合里排除只对数据子载波做相位旋转。PTS 分块时同理导频子块不参与相位搜索。这个细节在纯 PAPR 仿真里看不出来一接完整链路就暴露。5. 进阶技巧把 SLM-PTS 的复杂度压下来还能保住降峰收益跑通最小链路之后真正决定这套方案值不值得上的是复杂度与收益的比值。分享几个我常用的进阶手法。第一SLM 候选数别盲目加大。U 从 1 到 4 通常能拿到 2~3 dB 收益从 4 到 16 往往只多 0.5~1 dB但 IFFT 次数翻两番。我的习惯是先把 U4 的 CCDF 画出来如果已经满足功放回退要求就收手。真要再压优先考虑换 PTS 而不是堆 U。第二PTS 用次优搜索换速度。全搜索 W^(V−1) 在 V 大时不可接受可以用迭代翻转法先随机给一组相位每次翻转一个子块的相位若 PAPR 下降就保留扫几轮直到不再改善。这样复杂度从指数降到线性乘轮数V8 也能跑代价是可能陷局部最优实测比全搜索差 0.3~0.5 dB多数场景能接受。第三SLM 和 PTS 的相位集可以共用一套 {±1, ±j}硬件实现时乘法退化成符号翻转和实虚交换省乘法器。这一点在 FPGA 落地时很关键纯仿真阶段可以先不管但选型时心里有数。第四验证降峰收益一定要用同一批随机种子。不同种子下 CCDF 尾部抖动可能到 0.5 dB如果 SLM 和原始用不同种子对比结论就不可靠。我一般固定rng(42)再跑所有对比。最后说个验证习惯每次改完参数先只跑 1000 个符号看曲线形状对不对形状对了再上大样本。曾经为了省事直接上 10⁵ 符号结果一个维度 bug 让整晚的仿真全废从那以后我坚持小样本先验证。这套 SLM-PTS 链路不难难的是每个环节都别想当然尤其是过采样和维度这两处翻车概率最高。希望帮到你。本文还有配套的精品资源点击获取