第 62 卷 第 12 期 电讯技术 Vol．62，No．12

2022 年 12 月 Telecommunication Engineering December，

2022

doi： 10．3969 / j．issn．1001 － 893x．2022．12．016

引用格式： 华磊，王亚军，刘爽．降低多用户大规模 MIMO-OFDM 系统 PAPＲ 的加速近端梯度算法［J］．电讯技术， 62（ 12） ： 1822－1827．［HUA
2022，
Lei，WANG Yajun，LIU Shuang． Accelerated proximal gradient method for reducing PAPＲ of multi-user massive MIMO-OFDM systems［J］．
Telecommunication Engineering， 62（ 12） ： 1822－1827．］
2022，

降低多用户大规模 MIMO-OFDM 系统 PAPＲ 的

*
加速近端梯度算法
华 磊，王亚军，刘 爽
（ 江苏科技大学 海洋学院，江苏 镇江 212100）

摘 要： 针 对 多 用 户 大 规 模 多 输 入 多 输 出 （ Multiple-Input Multiple-Output，MIMO） 正 交 频 分 复 用
（ Orthogonal Frequency Division Multiplexing，OFDM） 系统存在较高峰值平均功率比 （ Peak-to-Average
Power Ｒatio，PAPＲ） 问题，在系统的下行链路中利用基站大量天线提供的冗余自由度 ，将 OFDM 调
制、消除多用户之间干扰及降低 PAPＲ 联合成凸优化问题，并设计加速近端梯度算法 （ Accelerated
Proximal Gradient Method，APGM） 求解上述优化问题。 仿真结果表明，所提方法显著降低了发射信
号的峰均比，同时获得了较好的系统误符号率。 与其他相关方法对比，APGM 具有更低的计算复杂
度和更快的收敛速度。
关键词： 多输入多输出； 正交频分复用； 峰值平均功率比抑制； 加速近端梯度算法（ APGM）
微信扫描二维码
听独家语音释文
开放科学（ 资源服务） 标识码（ OSID） ： 与作者在线交流
享本刊专属服务

中图分类号： TN911 文献标志码： A 文章编号： 1001 － 893X（ 2022） 12 － 1822 － 06

Accelerated Proximal Gradient Method for Ｒeducing

PAPＲ of Multi-user Massive MIMO-OFDM Systems
HUA Lei，WANG Yajun，LIU Shuang
（ Ocean College，Jiangsu University of Science and Technology，Zhenjiang 212100，China）

Abstract： To solve the high peak-to-average power ratio （ PAPＲ ） in orthogonal frequency division
multiplexing-based multi-user massive multiple-input multiple-output （ MIMO-OFDM） downlink systems，
by using the redundant degree of freedom provided by many antennas equipped at a base station，OFDM
modulation，multi-user interference elimination and PAPＲ reduction are combined into a joint convex
optimization problem． An Accelerated Proximal Gradient Method （ APGM ） is designed to address the
convex optimization．Simulation results show that the proposed method can significantly reduce the PAPＲ of
the transmitted signal，and obtain a better system symbol error rate． Compared with other methods，APGM
has lower complexity and faster convergence．
Key words： MIMO； OFDM； PAPＲ suppression； accelerated proximal gradient method（ APGM）

0 引 言 （ Multiple-Input Multiple-Output，MIMO） 技术相结合

大规 模 正 交 频 分 复 用 （ Orthogonal Frequency 可以发挥两者的优势，实现更快的通信速率和更高

Division Multiplexing，OFDM ） 与 多 输 入 多 输 出 的频谱利用率，MIMO-OFDM 已经成为下一代无线

* 收稿日期： 2021－09－07； 修回日期： 2021－11－22

基金项目： 国家自然科学基金资助项目（ No．62001194）
通信作者： 王亚军

·1822·
第 62 卷 华磊，王亚军，刘爽： 降低多用户大规模 MIMO-OFDM 系统 PAPＲ 的加速近端梯度算法
［1－2］
通信中的核心技术 。 Ｒate，SEＲ） 性 能 较 差。 上 述 方 法 都 能 够 获 得 好 的
但 OFDM 作为一种多载波技术，当各载波频谱
相同或相近时容易导致信号的包络起伏较大 ，进而
造成信号的峰值平均功率比 （ Peak-to-Average Power
Ｒatio，PAPＲ） 较高。高峰均比信号通常需要带有较
大反馈的功率放大器，这就增加了模数转换器和数
模转换器的复杂性，同时对发射机内放大器的线性
也提出了很高的要求，由此可能导致信号畸变，使信
［3－4］
号的频谱发生变化，导致系统的性能严重恶化 。
而 将 多 用 户 大 规 模 MIMO （ Multi-user Massive
MIMO，MUM-MIMO） 技术应用到工程实际时，必须
要求基站使用低功耗的射频链路和功率高效的射频
［5］
功率 放 大 器 ，这 就 需 要 发 射 信 号 具 有 较 低 的
PAPＲ。为满足使用高效的功率放大器和降低多用
户间的干扰这两个要求，迫切需要使用更加有效的
方法来降低系统的 PAPＲ。
目前 降 低 OFDM 系 统 PAPＲ 的 方 法 有 很
［6－9］
多 ，尽管可以应用于点对点的 MIMO-OFDM 系
统，但由于大规模 MIMO 系统中接收端用户协同工
作极为困难，因此运用到大规模 MIMO-OFDM 系统
中显得不甚合理。在文献［10］中，作者给出了基于
快 速 递 推 截 断 算 法 （ Fast Iterative Truncation
Algorithm，FITＲA） 的低 PAPＲ 非线性预编码设计。
其设计方法联合考虑了 MUM-MIMO 预编码、OFDM
调制和 PAPＲ 减小，核心思想是通过利用无穷范数
代替 PAPＲ，从而得到满足无穷范数约束下的最小
化多用户间干扰（ Multi-user Interference，MUI） 问题。
文献［11］中，作者提出了一种添加干扰信号降低系
统 PAPＲ 的 方 法，并 利 用 交 替 方 向 乘 子 算 法
（ Alternative Direction Method of Multipliers，ADMM）
对其进行求解。在该方法中，作者在预编码后的频
域信号中加入一个干扰信号，同时对该干扰信号做
出限制，保证其位于每个子载波所对应的信道响应
矩阵的零空间中，因此该方法在获得好的 PAPＲ 性
能同时，不会为整个系统带来额外的信号失真和带
外辐射。文献［12］中，作者通过最速梯度下降方法
来解决多用户预编码和降低 PAPＲ 联合的问题，利
用 MIMO 信 道 矩 阵 的 高 维 零 空 间 来 降 低 信 号 的
PAPＲ，但 其 方 法 得 到 的 误 符 号 率 （ Symbol Error
图1
第 12 期
PAPＲ 抑制性能，但均存在着算法计算复杂度高的
缺陷。
针对以 上 问 题，本 文 利 用 加 速 近 端 梯 度 算 法
（ Accelerated Proximal Gradient Method，APGM） 来设
计降低多用户大规模 MIMO-OFDM 系统中发射信号
PAPＲ 的低复杂度快速收敛算法，该算法在抑制发
射信号的 PAPＲ 同时也能获得好的 SEＲ 性能。
1 多用户大规模 MIMO-OFDM 系统模型
在如图 1 所示的多用户大规模 MIMO-OFDM 系
统的下行链路中，假定基站配置有 M 根发射天线，
同时服务于 K 个单天线移动用户，且满足 K ≪ M。
在本文中，假定信道状态信息在发射端完美已知 。
OFDM 载波数目为 N，将载波分为数据载波 Γ 和自
c
由载波 Γ 两部分，其中数据载波用来传输数据，而
自由载波不传输任何数据，放于频带的两端用作保
K×1
护间隔。向量 s n ∈ 为在第 n 个子载波上传输的
包含 K 个终端用户的数据，对于数据载波 n ∈Γ 时，
s n 选自某个调制星座字符集； 对于自由载波 n ∈Γ c
时，有 s n = 0 K×1 。为消除接收端多用户间的干扰，需
对用户信息符号进行线性预编码： w n = G n s n ，其中，
M×1 M×K
wn ∈ 为预编码后的信号，G n ∈ 为相对于第
n 个子载波的预编码矩阵。常用的预编码方案有匹
配滤波 （ Matched Filtering，MF） 、迫零 （ Zero-forcing，
ZF） 和最小均方误差预编码等。 对于发射机已知信
K×M
道矩阵 H n ∈ ，则 迫 零 预 编 码 矩 阵 可 以 写 为
H n = H n = H n （ H n H Hn ） －1 ，接着将归一化的频域信号
ZF † H
w n ，∀n 重新排序后分配到各个发射天线上［x 1 ，x 2 ，
…，x M］= T［w 1 ，w 2 ，…，w N］，T 表示图 1 中重新排序
N×1
的映射。其中，向量 x m ∈ 表示第 m 根天线上的
频域信号。然后对频域信号 x m ，∀m 进行离散傅里
叶逆变换 （ Inverse Discrete Fourier Transform，IDFT）
得到相应的时域信号 y m ，m ∈1，2，…，M。 完成并行
到串行转 换 之 后，通 过 对 每 根 天 线 上 的 时 域 信 号
y m ，∀m 添加循环前缀来避免码间干扰。 最后将这
些时域样本转换成模拟信号，通过射频链路传输到
无线信道中。
大规模 MIMO-OFDM 系统框图
·1823·
www．teleonline．cn 电讯技术 2022 年

2 峰值平均功率比 y k+1 ： = prox γ kg（ x k+1 －γ k ∇f（ x k+1 ） ） 。 （ 7）

k k
式中： ω ∈［0，1） 是外推参数； γ 是步长因子，通常
OFDM 信号由多个独立的调制信号叠加而成，
k
选取 ω = k / （ k + 3 ） 。 函 数 g （ y ） 的 近 端 算 子
能够有效地对抗频率选择性衰落，对于第 m 根天线
N×1 prox γg（ ·） 定义式如下：
上的频域信号 x m ∈ ，相应的时域连续信号可以
1
写为 2
prox γg（ u） = argmin（ g（ y） +
‖y －u‖2 ） 。 （ 8）
y 2γ
1 N－1
j2πnΔft
y m（ t） = ， （ 1）
∑ x mn ·e
0≤t＜T 。 当函数 f 对应的最小 Lipschitz 常数为 L 时，使
n=0
■N k 2
用固定步长 γ = γ∈ （ 0，1 / L］，该算法以 ο （ 1 / k ） 的
式中： T 为 OFDM 符号时间； Δf 为子载波频率间隔；
速率收敛于目标值。
N 为子载波数。 由于各个子载波的相位相互独立，
3．2 低复杂度 APGM 算法设计
相互叠加后的 OFDM 信号就会有非常大的动态范
围。通 常 使 用 PAPＲ 来 衡 量 发 射 信 号 的 波 动。 由于发 射 天 线 数 量 远 多 于 终 端 用 户 数 量，即
PAPＲ 表示信号功率的峰值与均值之比 ，即 M≫ K，将 会 有 无 限 多 的 预 编 码 信 号 w ≜
max y m（ t） 2 ［w 1H ，w 2H ，…，w HN］H 满足预编码约束，只需找到一组
0≤t≤T
PAPＲ（ y m（ t） ） = T
。 （ 2） 频域信号 w n ，n∈1， 2，…，N，使其对应的时域信号具
1 / T· ∫
0
y m（ t） 2
dt 有较小的 PAPＲ，同时能够消除多用户间干扰：

{
在实际系统中，通常只有发射信号 y m （ t） 的一 s n = H n w n ，n∈Γ
≡s = H w 。 （ 9）
些离散时间样本，为了更好地近似连续时间信号的 0 M×1 = w n ，n∈Γ c
（ K× | Γ | +M× | Γ c | ） ×1
PAPＲ，在获 得 离 散 时 间 样 本 时 采 用 J = 4 倍 过 采 式中： s ∈ 是所有用户数据符号和自
样，即 由载波上的 0 M×1 的集合； H 为块对角矩阵，其主对角
1 N－1 j2πnk c
块为 H n ，∀n ∈Γ 和 I M ，∀n ∈Γ 。 为了表述方便，
y mk = ∑ x mn ·e JN ， 0≤k≤JN － 1。 （ 3）
n=0
■N 将上述将信号重排序到天线上的过程写为更紧凑的
H
过 采 样 操 作 也 可 以 表 示 为 y m = F x m ，m = H H H H
形式 x = T w，其中 x =［x 1 ，x 2 ，…，x N］ 。 根据系统模
2，…，M，其中，F H ∈ JN×N 表示 JN 点傅里叶变换
1， 型，预编码后的频域信号与原始数据及时域发射信
矩阵的前 N 列，J 为过采样因子。 因此具有 J 倍过 号之间的关系可以用下式表示：

{
采样的时域样本的 PAPＲ 由下式给出： s = Hw
max y mk 2 JN ‖y ‖2 x = Tw 。 （ 10）
0≤k≤JN－1 m ∞
PAPＲ（ y m ） = = 2
。（ 4）
1 JN－1 2 ‖ y m ‖ 2 y = Fx
∑ y
JN k = 0 mk 由 （ 10 ） 式 得 到 s = HT Fy，其 中，y ≜
T

使 用 互 补 累 积 分 布 函 数 （ Complementary ［y 1H ，y 2H ，…，y HM］H ，F = I M ⊗ F H 。 对于符号向量 s，目

Cumulative Distribution Function，CCDF） 来衡量信号 T
标是找到满足等式 s = HT Fy 的时域样本 y，使每根
的峰均比，定义为发射信号的峰均比超过门限值的 天线发射信号具有低的 PAPＲ。 受文献［10］的启
概率，具体表示为 CCDF（ γ ） = Pr｛ PAPＲ＞ γ ｝ ，其中 γ 发，PAPＲ 降低问题可以被构建为一个基于 l ∞ 范数
2

表示指定的门限值。 的 约 束 优 化 问 题，该 问 题 可 以 来 寻 找 具 有 较 小
PAPＲ 的解：
3 算法设计 minimize max｛ ‖y 1 ‖2∞ ，…，‖y M ‖2∞ ｝ （ 11a）
y 1，y 2，…，y M

3．1 加速近端梯度算法 s．t． s = HT T Fy。 （ 11b）

加速近端梯度算法用于求解以下形式的问题 ： 为了简化表示，写成更紧凑的形式：
minimize f（ y） +g（ y） 。 （ 5） min‖y‖2∞ （ 12a）
y
n n
其中： f： Ｒ → Ｒ 是 连 续 可 微 的 凸 函 数； g： Ｒ → s．t． s = Qy 。 （ 12b）
Ｒ ∪｛ + ∞ ｝ 为 连 续 的 凸 函 数。 算 法 基 本 迭 代 过 程 T
式中： Q = HT F。接着放松等式约束 s = Qy，即用均
如下： 2
方误差‖s －Qy‖2 ≤δ 代替 s = Qy，得到以下的凸优
x k+1 ： = y k +ω k（ y k －y k－1 ） ， （ 6） 化问题：
·1824·
第 62 卷 华磊，王亚军，刘爽： 降低多用户大规模 MIMO-OFDM 系统 PAPＲ 的加速近端梯度算法 第 12 期

minimize‖y‖2∞ （ 13a） 13 end if

y
14 end for
s．t． ‖s －Qy‖22 ≤δ 。 （ 13b）
15 end for
将式（ 13） 转化为可以利用 APGM 算法求解的形
16 return y
式。将式（ 13） 的放松模型用拉格朗日形式表述为 2
以上就是计算 l ∞ 近端算子的过程。 根据公式
min α ‖y‖2∞ +‖s －Qy‖22 。 （ 14）
y （ 6） 和（ 7） 分别更新变量 x k+1 和 y k+1 ，求解模型 （ 14）
式中： α 是 正 则 化 参 数。 使 用 APGM 来 求 解 问 题
的 APGM 算法（ 算法 2） 如下：
（ 14） ，通 常 需 要 计 算 函 数 f （ y） = ‖s －Qy‖22 梯 度 1 输入 x k ，γ k－1 ，β，其中 β∈（ 0，
1）
∇f（ y） 的 Lipschitz 常数，再根据 Lipschitz 常数来估 2 令 γ = γ k－1
k
计步长 γ 。梯度∇f（ y） 的最小 Lipschitz 常数对应于 3 for k = 1，
2，…，K
L = 2σ max（ QQ H ） ，σ max 表示为矩阵的最大奇异值。 但 4 z = prox γg（ x k － γ ∇f（ x k ） ）
是计算函数 Lipschitz 常数复杂度太高，不利于实际 5 if f （ z） ≤ ^f γ （ z，x k ） ，where ^f γ （ z，w） = f （ w） +
［13］
工程中的应用。 可以用一个线性搜索方法 来确 T 1 2
∇f（ w） （ z－w） + ‖z －w‖ 2
k 2 2γ
定步长 γ 。利用式（ 8） ，函数 g（ y） = α ‖y‖∞ 的近
6 break
端算子可以写成以下形式：
7 end if
1
prox γg（ u） = argmin（ α ‖y‖2∞ + 2
‖y － u ‖ 2 ） 。 8 更新 γ = βγ
y 2γ
9 end for
（ 15）
10 输出 y k+1 = z
k+1
式中： u = x －γ ∇f（ x k+1 ） 。 近端算子 （ 15） 可以通过
3．3 算法复杂度分析
对文献［14］中的方法改进来精确获得 （ 算法 1） ，具
体的计算步骤如下： APGM 求解问题（ 14） 由算法 1 和算法 2 组成。
1 输入 u，α，γ 在算法 1 中，计算向量 b 的值需要 O（ MJN） 的复杂
2 令 b= u ； 度，对向量 b 进行排序需 O（ 1 /2·MJNlb（ JN） ） 的计
2
3 对向量 b 按降序进行排序，s = sort（ b，‘descending’） 算量，计算 j 和 μ 的复杂度为 O（ MJN） 。 ‖ z － y ‖2
4 for i = 1，
2，…，JNM 需要计算向量间的乘法运算，其复杂度为 O（ MJN） 。
i
5 令 d i = ∑ k = 1 s π（ k） ，其中 s π（ k） 表示在向量 s 中第 k H
由函数 f（ y） 带来的梯度∇f（ y） = Q （ Qy －s） 计算复杂
大的元素； 度为 O（ K | Γ | M + 1 /2 ·MJN lb （ JN） ） 。 因此，求解
di
6 j = max｛ i： s π（ i） ≥ ｝ （ 14） 的 APGM 算法的计算复杂度主要来自近端算子
i+2αγ
的排序和函数梯度的计算，总复杂度为 O（ K | Γ | M +
dj
7 β= ； MJNlb（ JN） ） 。APGM 算法与其他算法的算法复杂
j+2αγ
8 for i = 1，
2，…，JNM 度对比如表 1 所示，可以看出所提出的 APGM 复杂
9 if i≤j 度远低于其他方法，同时算法运行时间也远小于其
u π（ i） 他算法。将各种算法运用在大规模天线阵列中，天
10 y π（ i） = β
u π（ i） 线数目的增加随之带来更高的能量消耗，而 APGM
11 else 具有较低的运算复杂度及更快的运行时间 ，能够很
12 y π（ i） = u π（ i）
好地在实际系统中应用。

表1 算法复杂度分析
算法 迭代次数 计算复杂度 每次递推复杂度 运行时间 / s

APGM 30 O（ K | Γ | M+MJNlb（ JN） ） 568 800 289．52

PMP［10］ 1 500 O（ KMN2 ） 16 384 000 3257．21

PＲO-ADMM［11］ 400 O（ MJNlb（ JN） +2K | Γ | M 2 ） 22 060 800 2 245．33

MU-PP-GDm［12］ 50 O（ 2MJNlb（ JN） +2 | Γ | M 2 ） 3 081 600 1 962．58

·1825·
www．teleonline．cn 电讯技术 2022 年

4 仿真分析 图 3 比较了不同算法在加性高斯白噪声信道上
的 SEＲ 性 能，其 中 信 噪 比 （ Sigal － to － Nise Ｒatio，
将 APGM 算 法 与 现 有 的 迫 零 预 编 码 （ Zero-
SNＲ） 定义为 SNＲ = E｛ ‖ y m ‖ ｝ / N 0 ，其中 N 0 表示接
Forcing （ ZF ） Precoding ） 方 法、匹 配 滤 波 预 编 码
（ Matched Filtering （ MF ） Precoding ） 方 法、PMP 方 收器的 噪 声 方 差。 可 以 看 到 与 ZF 方 案 相 比 （ 在
［10］ ［11］
法 、PＲO-ADMM 方法 、MU-PP-GDm 方法 进
［12］ SEＲ = 10 －2 时 ） ，APGM 的 信 噪 比 仅 比 理 想 值 多
行比较，各种方法的最大迭代次数如表 1 所示。 为 1．3 dB 左 右，与 PMP 方 法 相 比 少 0．7 dB，比 PＲO-
验证 APGM 的有效性，在大规模 MIMO-OFDM 系统 ADMM 算法少 2．5 dB，与 MF 方法相比少 3．8 dB，同
下行链路中进行实验仿真。在基站处设计 100 根天 时还比 MU-PP-GDm 算法少6 dB 以上。
线，同时为 10 个单天线用户提供服务。在 OFDM 系
统中，使用 IEEE 802．11n 中指定的 40 MHz 模型，子
载波个数设为 128，其中 Γ = 108 个子载波用于数据
c
传输，在仿真中忽略用作导频的子载波； Γ = 20 个
子载波用于频带保护，使用互补累积分布函数来评
估 PAPＲ 降低性能。 采用具有格雷映射的 16QAM
调制方式，信道为频率选择性信道，在时域具有多抽
头结构，且抽头数设为 D = 8。 信道时域响应矩阵
｛ H d ，d = 1，2，…，D｝ 的元素服从均值为 0，方差为 1
的复高斯分布，对应的频域响应矩阵为
D （ －j2πdn） 图3 不同优化算法的 SEＲ 性能分析
Hn = ∑Hd e N 。 （ 16）
d=1

图 2 给出了 APGM 与 ZF 算法、MF 算法、 PMP 方 图 4 给出了不同算法的迭代次数对应的 PAPＲ

法、 PＲO-ADMM 算法、MU-PP-GDm 方法对 PAPＲ 抑
－3
制的性能比较。 在 CCDF = Pr （ PAPＲ ＞ γ ） = 10 时，
APGM 算 法 只 需 30 次 迭 代 就 可 将 PAPＲ 降 低 到
2 dB， 比 ZF 方法降低了 10 dB 以上，比 PMP 方法的
PAPＲ 值小1 dB，比 MU-PP-GDm 算法的 PAPＲ 值小
3．2 dB，还比 PＲO-ADMM 算法的 PAPＲ 值少 3．9 dB；
PMP 算法可以将 PAPＲ 降到3 dB，MU-PP-GDm 算法
可以将发射信号的 PAPＲ 降低到5．2 dB，PＲO-ADMM
算法将信号的 PAPＲ 降低到5．9 dB。APGM 只需 30
次的迭代就可以达到这样效果，而 PMP 方法需进行
约2 000次的迭代才能将 PAPＲ 值降到2．7 dB。从图
中可以 看 到，APGM 的 PAPＲ 减 少 性 能 优 于 PMP、
PＲO-ADMM、 MU-PP-GDm 等算法。
－3
对比。CCDF = Pr（ PAPＲ＞ γ ） = 10 时设计的 APGM
经过 10 次迭代就可以将 PAPＲ 降低到3．8 dB，经过
20 次迭代 PAPＲ 降低到 2．4 dB，而经过 30 次迭代
PAPＲ 值可以降到 2 dB，比迫零预编码方法 PAPＲ
值减少了 10 dB 以上； PＲO-ADMM 方法 外 迭 代 200
次、内迭代 2 次，总共需 400 次迭代才能将 PAPＲ 值
降到5．9 dB； MU-PP-GDm 方法经过 50 次迭代可以
将 PAPＲ 值降到5．2 dB； 而 PMP 方法在 100 次迭代
后 PAPＲ 值仅降到 10 dB，PMP 方法 2 000 次迭代后
PAPＲ 值降到2．7 dB。

图4 不同迭代次数的 PAPＲ 值比较

－2
在 SEＲ = 10 时，从图 5 中可以看到 APGM 在
图2 不同优化算法的 PAPＲ 值比较 经过 20 次迭代之后信噪比值为 0．2 dB，与 ZF 方案
·1826·
第 62 卷 华磊，王亚军，刘爽： 降低多用户大规模 MIMO-OFDM 系统 PAPＲ 的加速近端梯度算法 第 12 期

相比损 失 1 dB，30 次 迭 代 之 后 得 到 的 信 噪 比 为 5（ 3） ： 78－85．

2021，
0．5 dB。而 PMP 方 法 在 1 500 次 迭 代 后 信 噪 比 为 ［3 ］ GUＲUTZEAGAI，SOLAＲ H． A compact，wideband，and
temperature robust 67 ～ 90 GHz SiGe power amplifier
1．2 dB，与 ZF 方 法 相 比 损 失 2 dB，PMP 方 法 经 过
with 30% PAE ［J］． IEEE Microwave and Wireless
2 000 次 迭 代 之 后 得 到 的 SNＲ 为 1．3 dB。 PＲO-
Components Letters， 29（ 5） ： 351－353．
2019，
ADMM 方法内外循环迭代共 400 次之后获得的信 ［4 ］ WANG Q，WANG Z C，DAI L L． Asymmetrical hybrid
噪比为3 dB，MU-PP-GDm 算法经过 50 次迭代得到 optical OFDM for visible light communications with
的信噪为 7 dB。 从以 上 仿 真 实 验 可 以 看 出 APGM dimming control ［J］． IEEE Photonics Technology
Letters， 27（ 9） ： 974－977．
2015，
具有更低的复杂度和更快的收敛速度，只需少量的
［5 ］ YU C，YANG N． High-precision joint in-band / out-of-band
迭代就可以获得更低的 SEＲ 和更好的 PAPＲ 抑制
distortion compensation scheme for wideband ＲF power
效果，因此 APGM 比存在的其他方法更高效，更利 amplifier linearization ［J］． IEEE Microwave and Wireless
于工程实际中的应用。 Components Letters， 28（ 11） ： 1044－1046．
2018，
［6 ］ 吴建霞，杨永立，潘畅． 一种降低 FBMC-OQAM 系统
PAPＲ 的低复杂度选择性映射算法［J］． 电 讯 技 术，
57（ 9） ： 1058-1063．
2017，
［7 ］ CHEN H，CHUNG K C． A low complexity PTS technique
using minimal trellis in OFDM systems ［J］． IEEE
Transactions on Vehicular Technology， 67（ 1） ： 817－821．
2018，
［8 ］ JIANG T，NI C X，XU C，et al． Curve fitting based tone
reservation method with low complexity for PAPＲ
reduction in OFDM systems［J］． IEEE Communications
Letters， 18（ 5） ： 805－808．
2014，
［9 ］ 尹志伟，万毅． 利用星座扩展降低 OFDM PAPＲ 的新
图5 不同迭代次数的 SEＲ 值比较 方法［J］．电讯技术， 50（ 5） ： 56－59．
2010，
［10］ CHＲISTOPH S，EＲIK G L． PAＲ-aware large-scale multi-
user MIMO-OFDM downlink［J］．IEEE Journal on Selected
5 结束语 Areas in Communications， 31（ 2） ： 303－313．
2013，
本文针 对 大 规 模 MIMO-OFDM 系 统 中 较 高 的 ［11］ BAO H Y，FANG J，WAN Q，et al． Perturbation-assisted
PAPＲ reduction for large-scale MIMO-OFDM systems
PAPＲ 值问题提出了一种低复杂度的 APGM，核心
via ADMM ［J ］． IEEE Transactions on Vehicular
是利用发射天线的额外自由度将 MU 预编码、OFDM Technology， 67（ 8） ： 7407－7418．
2018，
调制和 PAPＲ 抑制联合成凸优化问题。仿真结果表 ［12］ ＲANFIK Z，HMAIED S，DANIEL Ｒ． PAPＲ-aware
明，APGM 只需很少的迭代次数就可以降低发送信 massive MIMO-OFDM downlink ［J］． IEEE Access，
号的 PAPＲ，获得好的 SEＲ 性能，同时具有更低的计 2019，
7： 25474－25484．
［13］ BECK A，TEBOULLE M．Gradient-based algorithms with
算复杂度，更适合工程实际中的应用。 在今后研究
applications to signal recovery problems ［ M ］．
中，考虑将 APGM 用于非完美信道状态信息下的系
Cambridge： Cambridge University，
2010．
统模型，同时将发射信号的功率及带外散射作为模 ［14］ PAＲIKH N，BOYD S． Proximal algorithms ［J ］．
型的约束，以进一步增强系统的稳健性。 Foundations and Trends in Optimization，2013，1 （ 3） ：
123－231．
参考文献：
［1 ］ AGＲAHAＲI A，VAＲSHNEY P． Precoding and downlink 作者简介：
beamforming in multiuser MIMO-OFDM cognitive radio 华 磊 男，1997 年生于江苏扬州，硕士研究生，主要
systems with spatial interference constraints ［J］． IEEE 研究方向为信号峰均比抑制。
Transactions on Vehicular Technology，2018，67 （ 3 ） ： 王亚军 男，
1972 年生于内蒙古赤峰，博士，副教授，主
2289－2300． 要研究方向为凸优化方法在无线通信中的应用。
［2 ］ 胡奕旸，齐 丽 娜． 基 于 自 适 应 压 缩 感 知 的 大 规 模 刘 爽 男，1998 年生于江苏徐州，硕士研究生，主要
MIMO-OFDM 系统 信 道 估 计 方 法［J］． 物 联 网 学 报， 研究方向为峰均比和带外散射抑制。

·1827·