在5G物联网网络中基于适应性遗传算法SLM OFDM PAPR的时间缩短
Esam A A Hagras1, Sameh F Desouky2, Saad Aldosary3
1Faculty of Engineering, Delta University for Science and Technology, Gamasa 35712, Egypt.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
一个新的自适应基因算法 (AGA) 策略在SLM-OFDM系统中显著降低了3.87dB的峰值与平均功率比 (PAPR) 和95.56%的学习时间.
科学领域:
- 电气工程 电气工程
- 信号处理 信号处理
- 无线通信无线通信
背景情况:
- 直角频率分割多重复合 (OFDM) 系统存在高峰与平均功率比 (PAPR).
- 降低PAPR对于提高OFDM系统的功率效率和性能至关重要.
- 现有的方法,如基于传统遗传算法 (GA) 的选择性映射 (SLM) 提供了改进,但在时间效率和PAPR减少方面存在局限性.
研究的目的:
- 引入一种新的适应性遗传算法 (AGA) 策略,用于PAPR和SLM-OFDM的时间缩短.
- 与传统的SLM-OFDM和GA-SLM-OFDM相比,评估拟议的基于AGA的SLM-OFDM技术的有效性.
- 为了证明在PAPR减少和计算时间方面都有显著的改进.
主要方法:
- 实施新的峰值平均功率和时间减少 (PAPTR) 策略,使用适应性遗传算法 (AGA).
- 对拟议的AGA-SLM-OFDM与标准的SLM-OFDM和传统的GA-SLM-OFDM进行比较的模拟.
- 基于PAPR减少和学习时间指标的绩效评估.
主要成果:
- 与标准的SLM-OFDM相比,AGA技术减少了PAPR约3.87dB.
- 与传统的GA-SLM-OFDM相比,AGA-SLM-OFDM实现了大约95.56%的实质性学习时间缩短.
- 拟议的AGA-SLM-OFDM显示,与传统的OFDM相比,PAPR的提升约为3.87dB.
结论:
- 拟议的AGA战略有效地提高了SLM-OFDM系统中的PAPR降低.
- AGA显著加快学习时间,使其在计算上比GA-SLM-OFDM更高效.
- 基于AGA的方法为提高OFDM通信系统的效率提供了一个有希望的解决方案.


