简介面向OFDM等多载波通信系统学习者与MATLAB仿真入门者的PAPR抑制实践素材围绕SLM信号级映射降低峰均功率比的完整链路展开可帮助读者在较小体量的代码中理解相位扰动、版本择优与接收端恢复的基本逻辑。资源为rar压缩包共1个文件主体是一个m脚本压缩包约726B虽然体量很小却覆盖了子载波数128、仿真10000次的参数初始化OFDM符号生成与IFFT处理用相位矢量加权生成多个等效版本并选出平均功率最小者发送以及原始信号与SLM处理后信号的CCDF计算和对比曲线绘制运行后即可直观看到PAPR分布的改善幅度并据此分析算法带来的计算复杂度与边带信息开销。目前已有705人学习下载适合课程实验、原理验证与论文复现时作为起步脚本参考。1. 一段 256 点 OFDM 波形峰值超标 4 dBSLM 仿真代码能替你验证什么做 OFDM 基带仿真时,星座图漂亮、误码率贴着理论线,并不代表链路能过功放那一关。256 子载波 QPSK 的 OFDM 符号,峰均比(PAPR)在 CCDF10⁻³ 处普遍落在 10~11 dB,而功放留给它的回退空间往往只有 6~7 dB,超出的那几 dB 就变成频谱裙边和邻道泄漏。这份 SLM(选择性映射)降低 PAPR 的仿真代码解决的正是这件事:频域用 U 组相位序列并行加权、并行 IFFT,挑峰值最低的一路发送,用 log2(U) bit 的边带信息换几 dB 功率回退。它适合三类人:要复现一张能对得上文献的 CCDF 曲线的人、想把 SLM 塞进自己链路做链路级仿真的人、以及曲线已经跑出来但怀疑过采样或归一化写错的人。2. 把 SLM 拆成三步PAPR 定义、过采样与 U 路并行 IFFT 的代码骨架在动手改代码之前,先把三个绕不开的点定死:峰值怎么量、采样率怎么取、并行分支怎么组织。这三个地方任意一个写错,曲线都会偏 1~3 dB,而且偏得很“合理”,看不出破绽。2.1 PAPR 的定义与过采样倍数为什么必须取 4离散时间下的 PAPR 定义只有一行:峰值功率除以平均功率,再转 dB。$$ \mathrm{PAPR(dB)} 10\log_{10}\frac{\max_n |x[n]|^2}{\mathbb{E}|x[n]|^2} $$真正容易出问题的是分母和采样率。分母必须是平均功率,不是峰值功率、也不是有效子载波上的功率和;采样率上,如果只做 N 点 IFFT,相当于以 Nyquist 速率观察连续波形,真实峰值落在两个采样点之间就被漏掉了,统计出来的 PAPR 会系统性偏低 1.5~2 dB。行业里的常见做法是频域补零到 L·N 点再做 IFFT,等价于时域插值,L 取 4 已经足够逼近连续时间的 CCDF,L 取 8 收益很小但 FFT 开销翻倍。% papr.m —— 单个 OFDM 符号的 PAPR(dB) function p papr(x) % x: 时域复数列向量,长度应为 N*L(已过采样) % 分母用 mean(|x|^2) 才是平均功率;用 max 会算出 0 dB 的假结果 p 10*log10(max(abs(x).^2) / mean(abs(x).^2)); end这段函数看着简单,但它是整份代码里被改错最多的地方。参数上只有一个隐含约束:x必须是过采样之后的时域序列,如果传进来的是 N 点 IFFT 结果,函数本身不会报错,只会安静地给你一条偏乐观的曲线。我的习惯是在函数入口加一句长度断言,把 L1 的误用挡在早期。2.2 SLM 的三步骨架相位表、并行 IFFT、择优SLM 的思想可以用一句话说完:同一个信息符号有 U 种“等价写法”,选峰值最低的那种发出去。频域上乘一个单位模的相位序列 P(u),时域波形随之改变,但子载波之间保持正交,接收端只要知道用了哪一路,乘回去就能正确解调。三步骨架分别是:生成相位表与相位序列:W 个相位的单位模表,W4 时取 {1, j, −1, −j},再为每个子载波独立抽一个相位,组成长度 N 的序列。频域加权并并行 IFFT:U 路各自补零到 N·L 点、做 IFFT,得到 U 条候选时域波形。择优与边带信息:比较 U 条波形的 PAPR,记下最小值的分支号 u*,把 u* 作为边带信息(SI)传给接收端。% slm_core.m —— 单个 OFDM 符号的 SLM 选择 function [best_p, best_u, best_x] slm_core(X, N, L, U, phase_table) Nsym N * L; best_p inf; best_u 1; for u 1:U if u 1 P ones(N, 1); % 第 1 路固定全 1,作为参照分支 else P phase_table(randi(numel(phase_table), N, 1)); % N×1,逐子载波抽相位 end Xp X .* P; % 频域加权,功率不变 Xp_os [Xp(1:N/2); zeros(Nsym-N,1); Xp(N/21:N)]; % 中间补零做过采样 xu ifft(Xp_os, Nsym) * sqrt(Nsym); % 归一化 IFFT pu 10*log10(max(abs(xu).^2) / mean(abs(xu).^2)); if pu best_p best_p pu; best_u u; best_x xu; end end end逻辑上有三处值得展开。第一,phase_table建议定义成列向量,这样phase_table(idx)的返回维度跟随索引,不会出现 1×N 和 N×1 混用导致.*广播出错的经典翻车。第二,X .* P之所以不改变平均功率,前提是 P 的每个元素模为 1;一旦有人为了“多降一点”把相位改成幅度加权,平均功率就变了,PAPR 曲线会虚高,而 BER 会一起崩。第三,补零的位置必须落在频带中间,写成[Xp(1:N/2); zeros; Xp(N/21:N)],把零插到别处会破坏共轭对称结构,等价于给信号加了一段滤波,统计出来的不再是原始 OFDM 的峰值分布。选型上,SLM 与 PTS、限幅(clipping)、音调保留(Tone Reservation)的差别在于它完全无失真:不削峰、不占用额外子载波,代价是要传边带信息和 U 倍的 IFFT。做链路级仿真时,U 每翻一倍 IFFT 次数翻一倍,所以 U 通常不超过 16。2.3 代码文件与函数职责划分一份能长期用的仿真代码,拆分粒度比算法本身更重要。下面这套划分是按“能被单独替换、单独验证”的思路来的,主流程只负责循环和统计,算法细节全在子函数里。文件职责关键入参 / 出参main_slm.m主流程:产生数据、跑 U 路 IFFT、统计 PAPR出参papr_orig/papr_slm两个列向量papr.m单符号 PAPR(dB)入:时域列向量;出:标量 dBslm_core.m单符号的 SLM 选择入:X, N, L, U, phase_table;出:best_p, best_u, best_xccdf_est.m由 PAPR 样本估计 CCDF入:papr_db, thr;出:ccdf向量sweep_u.m扫 U 画增益饱和曲线出:各 U 对应的 dB 门限ber_with_si.m带边带信息误码的 BER 地板入:EbN0_dB, p_si_err这样拆的好处是:验证 PAPR 定义只需喂一个已知峰值的合成信号给papr.m;验证 SLM 选择逻辑只需让slm_core返回所有分支的 PAPR 看最小值是否被选中;换调制方式时只动主流程里的qammod一行,不影响其余模块。3. 跑通第一版仿真参数表、主循环与 CCDF 出图第一版的目标不是拿到最好看的曲线,而是拿到一条能被解释的曲线:原始 OFDM 落在哪个位置、SLM 把它压到哪里、两者相差几 dB,以及这个差值能不能用手算的公式大概对上。3.1 参数表与默认值的来由参数不是随便填的,每一个都对应一条统计或硬件约束。下表是这套代码的默认配置,也是我认为最省时间的一组起点。参数默认值可取值说明N25664 / 128 / 256 / 1024有效子载波数,N 越大 PAPR 越高L41 / 2 / 4 / 8过采样倍数,L1 会低估 1.5~2 dBNsymN*L 1024随 L 自动变IFFT 点数,必须与补零后的长度一致U82 ~ 32候选分支数,增益随 log 增长后饱和W42 / 4 / 8相位表大小,W2 只有 ±1,会损失约 0.3 dBNof200001e4 ~ 1e5仿真符号数,看 10⁻³ 尾部至少要 1e4mod_order44 / 16 / 64QPSK / 16QAM / 64QAMseed20240501任意整数固定随机种子,保证 CCDF 可复现Nof这一行值得单独说。10⁻³ 的尾部概率意味着平均每 1000 个符号才有 1 个样本落在门限之上,Nof20000时尾部只剩下十几个样本,曲线尾端必然会抖。要画到 10⁻⁴,Nof至少 1e5,或者用 5~10 个不同种子各跑 2e4 再合并统计。3.2 主循环代码与逐段说明主循环的结构是“外层扫符号、内层扫分支”,外层每次产生一个新的信息符号,内层把 U 条候选波形都算一遍。%% main_slm.m —— SLM-OFDM PAPR 仿真主流程 clear; rng(20240501); % 固定种子,曲线才可复现 N 256; L 4; U 8; W 4; Nof 20000; mod_order 4; Nsym N * L; phase_table exp(1j*2*pi*(0:W-1)./W); % W×1 列向量:1, j, -1, -j papr_orig zeros(Nof,1); papr_slm zeros(Nof,1); idx_hist zeros(Nof,1); % 记录选中分支号,用于统计 SI 开销 for s 1:Nof bits randi([0 1], log2(mod_order)*N, 1); X qammod(bits, mod_order, InputType,bit, UnitAveragePower, true); % 频域中间补零做过采样,保持共轭对称位置不变 Xos [X(1:N/2); zeros(Nsym-N,1); X(N/21:N)]; x0 ifft(Xos, Nsym) * sqrt(Nsym); % 基线:无 SLM [papr_slm(s), idx_hist(s), ~] slm_core(X, N, L, U, phase_table); papr_orig(s) papr(x0); end fprintf(平均 PAPR: 原始 %.2f dB, SLM %.2f dB\n, ... mean(papr_orig), mean(papr_slm));sqrt(Nsym)这个归一化因子是酉缩放,对 PAPR 这个比值没有影响,但保留它能让时域样点的平均功率落在 1 附近,后面接限幅器或功放模型时不用再换标度。idx_hist看起来多余,实际很关键:它记录的选中分支分布应当接近均匀,如果某一路被选中的概率明显偏高,说明相位序列之间存在相关性,增益是假的。X(1:N/2)与X(N/21:N)的顺序也不能随意交换,否则补零相当于给频谱做循环移位。3.3 CCDF 出图与结果自检PAPR 的评估不用均值,用互补累积分布函数:门限越高,超过它的概率越小,曲线在对数轴上一路下滑。SLM 的效果就体现为整条曲线向左平移。%% ccdf_plot.m —— 画 CCDF 并与理论值对照 thr 0:0.05:12; ccdf_orig arrayfun((t) mean(papr_orig t), thr); ccdf_slm arrayfun((t) mean(papr_slm t), thr); figure; semilogy(thr, ccdf_orig, k-, thr, ccdf_slm, b-o); grid on; xlabel(PAPR_0 (dB)); ylabel(Pr(PAPR PAPR_0)); axis([0 12 1e-4 1]); legend(原始 OFDM,SLM U8, W4); % 报告 10^-3 处的增益 t0 thr(find(ccdf_orig 1e-3, 1)); t1 thr(find(ccdf_slm 1e-3, 1)); fprintf(CCDF1e-3: 原始 %.2f dB, SLM %.2f dB, 增益 %.2f dB\n, t0, t1, t0-t1);N256、QPSK、L4 的配置下,原始 OFDM 在 10⁻³ 处一般落在 10.5~11 dB,U8 的 SLM 大约压到 6.5~7 dB,增益 4 dB 上下。这些数字随 N、调制阶数、种子会有 ±0.3 dB 的浮动,不要拿一位小数去和别人论文里的值硬对。自检的第二个参照物是 Nyquist 采样的闭式解:P(PAPRγ) 1−(1−e^{−γ})^N,SLM 时为它的 U 次方。把这条理论曲线一起画上去,过采样的仿真曲线应当整体在理论曲线右侧 1~2 dB,如果仿真值反而低于理论值,那一定是采样或归一化出了问题。4. 相位序列与边带信息U、W 取多少开销和 BER 怎么算把曲线跑出来只是第一步,接下来要回答两个工程问题:U 加到多少就该停,以及那几位边带信息到底值不值这个代价。4.1 U 与 W 的折中增益、复杂度与量化损失U 决定“试几种写法”,W 决定“每种写法有多精细”,二者的作用完全不同。U 的增益是对数式的:每翻一倍大约多 0.6~1 dB,但 IFFT 次数同步翻倍。W 则决定相位量化的粒度,W4 已经是实用下限,W2 只有 ±1 两种相位,增益会比 W4 低约 0.3 dB,好处是乘法退化成取反,硬件实现省一堆资源。UIFFT 次数 / 符号CCDF10⁻³ 处 PAPR(量级)相对增益边带信息1(无 SLM)1~10.8 dB0 dB0 bit22~8.9 dB~1.9 dB1 bit44~7.6 dB~3.2 dB2 bit88~6.8 dB~4.0 dB3 bit1616~6.2 dB~4.6 dB4 bit3232~5.8 dB~5.0 dB5 bit表里的 dB 值是量级参考,不是标准答案,换 N 或换调制都会动。真正要记住的是拐点:U 从 1 加到 8 拿走了大部分增益,U 从 8 加到 32 只多 1 dB 左右却要多做 24 次 IFFT。如果后面的功放模型只关心 4 dB 的回退改善,U8 就该收手。另一条经验是 U 不要小于 4,否则统计独立性不够,曲线会在尾部出现不明显但确实存在的抖动。4.2 边带信息的三条处理路线SLM 的代价就在这几位 SI 上。理论上每符号只需 log2(U) bit,量级小到可以忽略,但传错了会把整个符号毁掉,这才是真问题。%% si_overhead.m —— 边带信息开销核算 N 256; for u [1 2 4 8 16 32] si_bits log2(u); % 每符号需要传的分支号 loss si_bits / (2*N); % QPSK 每子载波 2 bit,粗算频谱开销比 fprintf(U%2d SI%d bit/符号 开销约 %.3f%%\n, u, si_bits, loss*100); end跑出来会发现 U8 时开销只有 0.6% 不到,所以“开销太大”通常不是拒绝 SLM 的理由,“传错怎么办”才是。常见做法有三条:显式传输:占用若干保留子载波或独立控制信道发 log2(U) bit。实现最简单,缺点是一旦这几位出错,接收端会用错误的相位去解旋,该符号内所有子载波一起错。盲检测:接收端对 U 个候选相位分别做均衡与判决,取度量最小的一路。省掉 SI 但复杂度涨 U 倍,且低信噪比下容易判错。半盲 / 差分编码:把相位序列的一部分与导频绑定,让接收端能从导频里反推分支号。折中方案,代价是导频设计要重做。4.3 PAPR 与 BER 的联合评估一个容易忽略的事实:SLM 是酉变换,在纯 AWGN 下它不改变平均 BER,只改变峰值分布。所以单看 BER 曲线是看不出 SLM 好处的,必须和 PAPR 曲线放在一起看。真正会让 BER 变差的是 SI 错误。%% ber_with_si.m —— 边带信息误码造成的 BER 地板 EbN0_dB 0:2:12; p_si_err 1e-3; % 假设 SI 自身的误码率 ber zeros(size(EbN0_dB)); for k 1:numel(EbN0_dB) ebn0 10^(EbN0_dB(k)/10); ber_ideal 0.5*erfc(sqrt(ebn0)); % QPSK 理论 BER,不依赖工具箱 % 分支号错时相位解旋错,近似视为该符号随机判决 ber(k) (1-p_si_err)*ber_ideal p_si_err*0.5; end semilogy(EbN0_dB, ber, b-o); grid on; xlabel(E_b/N_0 (dB)); ylabel(BER);这段脚本的价值在于让你提前看到地板在哪:p_si_err1e-3 时,高信噪比下的 BER 会停在 5×10⁻⁴ 附近不再下降。如果链路指标要求 10⁻⁵,那 SI 的保护就必须比数据本身更强,比如单独加信道编码或提高发射功率。参数上p_si_err不是拍脑袋填的,它应当来自 SI 所用信道的实际误码率,或者从盲检测的判决错误率反推。5. 避坑与排查CCDF 曲线对不上论文时的五个检查点曲线对不上是常态,对不上还找不到原因才要命。下面五条是血泪经验里出现频率最高的,基本覆盖了“数字看着合理但就是差 2 dB”的所有情况。5.1 采样与归一化层面的三个坑坑一:曲线过于乐观,10⁻³ 处只有 8 dB。现象:原始 OFDM 的 CCDF 在 8 dB 就掉到 10⁻³,比预期低 2 dB 以上,SLM 曲线也跟着整体左移。 原因:IFFT 只做了 N 点,没有过采样,连续波形的真实峰值落在采样点之间被漏掉。 解决:频域补零到 N·L,Nsym N*L,ifft(..., Nsym),并且papr.m的输入必须是补零后的时域序列。改完再对比理论曲线,应当落在理论值右侧 1~2 dB。坑二:加了过采样后,整条曲线平移了 1 dB 以上。现象:补零之后曲线位置变了,但平移量不像“补零”该有的那么小。 原因:补零位置写错,把零插到了频带两端,等价于给信号加了陡峭的滤波;或者mean()只在有效子载波上取,分母偏小。 解决:严格按[X(1:N/2); zeros(Nsym-N,1); X(N/21:N)]补零,分母对全部 N·L 个时域样点求均值。用一个单频信号做单元测试可以快速确认:单频的 PAPR 应当是 0 dB。坑三:PAPR 恒为 0 dB,或者出现负值。现象:所有符号的 PAPR 都一样,或者打印出负数。 原因:分母写成了max(abs(x).^2),分子分母相同;或者对ifft结果又做了一次x x/max(abs(x))的归一化,把峰值信息抹平了。 解决:分母只能是mean(abs(x).^2);不要在papr之前做任何按峰值的归一化,要归一化就用固定标度(sqrt(Nsym))。5.2 统计与对比层面的两个坑坑四:换个随机种子,曲线尾部跳 1 dB。现象:同一份代码跑两遍,10⁻³ 附近的点上下浮动明显,尾端呈锯齿状。 原因:Nof太少,10⁻³ 尾部只剩十几个样本,统计涨落就是这么大量级。 解决:Nof提到 1e5,或者用 10 个种子各跑 1e4 后把 PAPR 样本拼接起来再估 CCDF。同时把门限步长从 0.5 dB 降到 0.05~0.1 dB,避免曲线看起来“一格一格跳”。坑五:SLM 增益虚高到 6 dB 以上。现象:U8 就跑出 6~7 dB 的增益,远超表格里的 4 dB 量级。 原因:两种典型误用。一是 U 路相位序列不独立,比如在循环外生成一次相位序列反复使用,或者randi的种子在内层被重置,导致多路其实是同一路。二是基线和被测不同源:基线用了 L1 的 Nyquist 采样,SLM 分支用了 L4 过采样,两边根本不在同一个尺度上比。 解决:相位矩阵一次性生成 U×N,检查任意两行的归一化互相关应当接近 0;基线和被测走同一个papr()、同一个L、同一批信息符号。提示:排查顺序建议从坑三往坑一倒着走。先把papr()单元测试做通(单频 0 dB、两点已知峰值的合成信号能算对),再往上查采样和统计,能省掉一大半时间。6. 进阶用法U 值扫描找增益饱和点与 CCDF 闭式解的交叉验证参数不要拍脑袋定,用一次扫描把它定住。把 U 从 1 扫到 32,记录每个 U 在 CCDF10⁻³ 处的门限,画出来就是一条先陡后平的曲线,拐点就是性价比最高的取值。%% sweep_u.m —— 扫 U 找增益饱和点 N 256; L 4; W 4; Nof 20000; target 1e-3; U_list [1 2 4 8 16 32]; thr 0:0.05:12; papr_at zeros(size(U_list)); for k 1:numel(U_list) p run_slm(N, L, U_list(k), W, Nof); % 复用主流程,只返回 PAPR 列向量 c arrayfun((t) mean(p t), thr); papr_at(k) thr(find(c target, 1)); end plot(U_list, papr_at, o-); grid on; set(gca,XScale,log); xlabel(候选分支数 U); ylabel(CCDF10^{-3} 处 PAPR (dB));run_slm就是把第 3 章的主循环包成函数,入参是配置、出参是 PAPR 列向量,这样扫描脚本本身不重复算法逻辑,改一处全部生效。扫完之后再拿闭式解做一次交叉验证:把 1−(1−e^{−γ})^N 的 U 次方也画上去,理论曲线应当在仿真曲线左侧 1~2 dB,并且两者随 U 增长的趋势要一致。如果理论曲线随 U 快速下降而仿真几乎不动,说明多路之间不独立;如果仿真比理论还低,说明采样或归一化又写回去了。再往前走一步是把 SLM 和限幅串联:SLM 先把 PAPR 压 4 dB,剩下的残余峰值交给一个 5 dB 的软限幅,总回退能到 7~8 dB,代价是引入少量带内失真和带外再生,这时就要看 BER 和 ACLR 两条曲线能不能同时守住。从那以后我每次改这套代码,都强制先跑一遍papr.m的单频单元测试和 U 扫描两条曲线,确认拐点位置没漂,再去看 BER。希望帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/11/2 13:35:51 · 阅读 1.2k SLM降低OFDM PAPR仿真代码：CCDF曲线与参数避坑
简介面向OFDM等多载波通信系统学习者与MATLAB仿真入门者的PAPR抑制实践素材围绕SLM信号级映射降低峰均功率比的完整链路展开可帮助读者在较小体量的代码中理解相位扰动、版本择优与接收端恢复的基本逻辑。资源为rar压缩包共1个文件主体是一个m脚本压缩包约726B虽然体量很小却覆盖了子载波数128、仿真10000次的参数初始化OFDM符号生成与IFFT处理用相位矢量加权生成多个等效版本并选出平均功率最小者发送以及原始信号与SLM处理后信号的CCDF计算和对比曲线绘制运行后即可直观看到PAPR分布的改善幅度并据此分析算法带来的计算复杂度与边带信息开销。目前已有705人学习下载适合课程实验、原理验证与论文复现时作为起步脚本参考。1. 一段 256 点 OFDM 波形峰值超标 4 dBSLM 仿真代码能替你验证什么做 OFDM 基带仿真时,星座图漂亮、误码率贴着理论线,并不代表链路能过功放那一关。256 子载波 QPSK 的 OFDM 符号,峰均比(PAPR)在 CCDF10⁻³ 处普遍落在 10~11 dB,而功放留给它的回退空间往往只有 6~7 dB,超出的那几 dB 就变成频谱裙边和邻道泄漏。这份 SLM(选择性映射)降低 PAPR 的仿真代码解决的正是这件事:频域用 U 组相位序列并行加权、并行 IFFT,挑峰值最低的一路发送,用 log2(U) bit 的边带信息换几 dB 功率回退。它适合三类人:要复现一张能对得上文献的 CCDF 曲线的人、想把 SLM 塞进自己链路做链路级仿真的人、以及曲线已经跑出来但怀疑过采样或归一化写错的人。2. 把 SLM 拆成三步PAPR 定义、过采样与 U 路并行 IFFT 的代码骨架在动手改代码之前,先把三个绕不开的点定死:峰值怎么量、采样率怎么取、并行分支怎么组织。这三个地方任意一个写错,曲线都会偏 1~3 dB,而且偏得很“合理”,看不出破绽。2.1 PAPR 的定义与过采样倍数为什么必须取 4离散时间下的 PAPR 定义只有一行:峰值功率除以平均功率,再转 dB。$$ \mathrm{PAPR(dB)} 10\log_{10}\frac{\max_n |x[n]|^2}{\mathbb{E}|x[n]|^2} $$真正容易出问题的是分母和采样率。分母必须是平均功率,不是峰值功率、也不是有效子载波上的功率和;采样率上,如果只做 N 点 IFFT,相当于以 Nyquist 速率观察连续波形,真实峰值落在两个采样点之间就被漏掉了,统计出来的 PAPR 会系统性偏低 1.5~2 dB。行业里的常见做法是频域补零到 L·N 点再做 IFFT,等价于时域插值,L 取 4 已经足够逼近连续时间的 CCDF,L 取 8 收益很小但 FFT 开销翻倍。% papr.m —— 单个 OFDM 符号的 PAPR(dB) function p papr(x) % x: 时域复数列向量,长度应为 N*L(已过采样) % 分母用 mean(|x|^2) 才是平均功率;用 max 会算出 0 dB 的假结果 p 10*log10(max(abs(x).^2) / mean(abs(x).^2)); end这段函数看着简单,但它是整份代码里被改错最多的地方。参数上只有一个隐含约束:x必须是过采样之后的时域序列,如果传进来的是 N 点 IFFT 结果,函数本身不会报错,只会安静地给你一条偏乐观的曲线。我的习惯是在函数入口加一句长度断言,把 L1 的误用挡在早期。2.2 SLM 的三步骨架相位表、并行 IFFT、择优SLM 的思想可以用一句话说完:同一个信息符号有 U 种“等价写法”,选峰值最低的那种发出去。频域上乘一个单位模的相位序列 P(u),时域波形随之改变,但子载波之间保持正交,接收端只要知道用了哪一路,乘回去就能正确解调。三步骨架分别是:生成相位表与相位序列:W 个相位的单位模表,W4 时取 {1, j, −1, −j},再为每个子载波独立抽一个相位,组成长度 N 的序列。频域加权并并行 IFFT:U 路各自补零到 N·L 点、做 IFFT,得到 U 条候选时域波形。择优与边带信息:比较 U 条波形的 PAPR,记下最小值的分支号 u*,把 u* 作为边带信息(SI)传给接收端。% slm_core.m —— 单个 OFDM 符号的 SLM 选择 function [best_p, best_u, best_x] slm_core(X, N, L, U, phase_table) Nsym N * L; best_p inf; best_u 1; for u 1:U if u 1 P ones(N, 1); % 第 1 路固定全 1,作为参照分支 else P phase_table(randi(numel(phase_table), N, 1)); % N×1,逐子载波抽相位 end Xp X .* P; % 频域加权,功率不变 Xp_os [Xp(1:N/2); zeros(Nsym-N,1); Xp(N/21:N)]; % 中间补零做过采样 xu ifft(Xp_os, Nsym) * sqrt(Nsym); % 归一化 IFFT pu 10*log10(max(abs(xu).^2) / mean(abs(xu).^2)); if pu best_p best_p pu; best_u u; best_x xu; end end end逻辑上有三处值得展开。第一,phase_table建议定义成列向量,这样phase_table(idx)的返回维度跟随索引,不会出现 1×N 和 N×1 混用导致.*广播出错的经典翻车。第二,X .* P之所以不改变平均功率,前提是 P 的每个元素模为 1;一旦有人为了“多降一点”把相位改成幅度加权,平均功率就变了,PAPR 曲线会虚高,而 BER 会一起崩。第三,补零的位置必须落在频带中间,写成[Xp(1:N/2); zeros; Xp(N/21:N)],把零插到别处会破坏共轭对称结构,等价于给信号加了一段滤波,统计出来的不再是原始 OFDM 的峰值分布。选型上,SLM 与 PTS、限幅(clipping)、音调保留(Tone Reservation)的差别在于它完全无失真:不削峰、不占用额外子载波,代价是要传边带信息和 U 倍的 IFFT。做链路级仿真时,U 每翻一倍 IFFT 次数翻一倍,所以 U 通常不超过 16。2.3 代码文件与函数职责划分一份能长期用的仿真代码,拆分粒度比算法本身更重要。下面这套划分是按“能被单独替换、单独验证”的思路来的,主流程只负责循环和统计,算法细节全在子函数里。文件职责关键入参 / 出参main_slm.m主流程:产生数据、跑 U 路 IFFT、统计 PAPR出参papr_orig/papr_slm两个列向量papr.m单符号 PAPR(dB)入:时域列向量;出:标量 dBslm_core.m单符号的 SLM 选择入:X, N, L, U, phase_table;出:best_p, best_u, best_xccdf_est.m由 PAPR 样本估计 CCDF入:papr_db, thr;出:ccdf向量sweep_u.m扫 U 画增益饱和曲线出:各 U 对应的 dB 门限ber_with_si.m带边带信息误码的 BER 地板入:EbN0_dB, p_si_err这样拆的好处是:验证 PAPR 定义只需喂一个已知峰值的合成信号给papr.m;验证 SLM 选择逻辑只需让slm_core返回所有分支的 PAPR 看最小值是否被选中;换调制方式时只动主流程里的qammod一行,不影响其余模块。3. 跑通第一版仿真参数表、主循环与 CCDF 出图第一版的目标不是拿到最好看的曲线,而是拿到一条能被解释的曲线:原始 OFDM 落在哪个位置、SLM 把它压到哪里、两者相差几 dB,以及这个差值能不能用手算的公式大概对上。3.1 参数表与默认值的来由参数不是随便填的,每一个都对应一条统计或硬件约束。下表是这套代码的默认配置,也是我认为最省时间的一组起点。参数默认值可取值说明N25664 / 128 / 256 / 1024有效子载波数,N 越大 PAPR 越高L41 / 2 / 4 / 8过采样倍数,L1 会低估 1.5~2 dBNsymN*L 1024随 L 自动变IFFT 点数,必须与补零后的长度一致U82 ~ 32候选分支数,增益随 log 增长后饱和W42 / 4 / 8相位表大小,W2 只有 ±1,会损失约 0.3 dBNof200001e4 ~ 1e5仿真符号数,看 10⁻³ 尾部至少要 1e4mod_order44 / 16 / 64QPSK / 16QAM / 64QAMseed20240501任意整数固定随机种子,保证 CCDF 可复现Nof这一行值得单独说。10⁻³ 的尾部概率意味着平均每 1000 个符号才有 1 个样本落在门限之上,Nof20000时尾部只剩下十几个样本,曲线尾端必然会抖。要画到 10⁻⁴,Nof至少 1e5,或者用 5~10 个不同种子各跑 2e4 再合并统计。3.2 主循环代码与逐段说明主循环的结构是“外层扫符号、内层扫分支”,外层每次产生一个新的信息符号,内层把 U 条候选波形都算一遍。%% main_slm.m —— SLM-OFDM PAPR 仿真主流程 clear; rng(20240501); % 固定种子,曲线才可复现 N 256; L 4; U 8; W 4; Nof 20000; mod_order 4; Nsym N * L; phase_table exp(1j*2*pi*(0:W-1)./W); % W×1 列向量:1, j, -1, -j papr_orig zeros(Nof,1); papr_slm zeros(Nof,1); idx_hist zeros(Nof,1); % 记录选中分支号,用于统计 SI 开销 for s 1:Nof bits randi([0 1], log2(mod_order)*N, 1); X qammod(bits, mod_order, InputType,bit, UnitAveragePower, true); % 频域中间补零做过采样,保持共轭对称位置不变 Xos [X(1:N/2); zeros(Nsym-N,1); X(N/21:N)]; x0 ifft(Xos, Nsym) * sqrt(Nsym); % 基线:无 SLM [papr_slm(s), idx_hist(s), ~] slm_core(X, N, L, U, phase_table); papr_orig(s) papr(x0); end fprintf(平均 PAPR: 原始 %.2f dB, SLM %.2f dB\n, ... mean(papr_orig), mean(papr_slm));sqrt(Nsym)这个归一化因子是酉缩放,对 PAPR 这个比值没有影响,但保留它能让时域样点的平均功率落在 1 附近,后面接限幅器或功放模型时不用再换标度。idx_hist看起来多余,实际很关键:它记录的选中分支分布应当接近均匀,如果某一路被选中的概率明显偏高,说明相位序列之间存在相关性,增益是假的。X(1:N/2)与X(N/21:N)的顺序也不能随意交换,否则补零相当于给频谱做循环移位。3.3 CCDF 出图与结果自检PAPR 的评估不用均值,用互补累积分布函数:门限越高,超过它的概率越小,曲线在对数轴上一路下滑。SLM 的效果就体现为整条曲线向左平移。%% ccdf_plot.m —— 画 CCDF 并与理论值对照 thr 0:0.05:12; ccdf_orig arrayfun((t) mean(papr_orig t), thr); ccdf_slm arrayfun((t) mean(papr_slm t), thr); figure; semilogy(thr, ccdf_orig, k-, thr, ccdf_slm, b-o); grid on; xlabel(PAPR_0 (dB)); ylabel(Pr(PAPR PAPR_0)); axis([0 12 1e-4 1]); legend(原始 OFDM,SLM U8, W4); % 报告 10^-3 处的增益 t0 thr(find(ccdf_orig 1e-3, 1)); t1 thr(find(ccdf_slm 1e-3, 1)); fprintf(CCDF1e-3: 原始 %.2f dB, SLM %.2f dB, 增益 %.2f dB\n, t0, t1, t0-t1);N256、QPSK、L4 的配置下,原始 OFDM 在 10⁻³ 处一般落在 10.5~11 dB,U8 的 SLM 大约压到 6.5~7 dB,增益 4 dB 上下。这些数字随 N、调制阶数、种子会有 ±0.3 dB 的浮动,不要拿一位小数去和别人论文里的值硬对。自检的第二个参照物是 Nyquist 采样的闭式解:P(PAPRγ) 1−(1−e^{−γ})^N,SLM 时为它的 U 次方。把这条理论曲线一起画上去,过采样的仿真曲线应当整体在理论曲线右侧 1~2 dB,如果仿真值反而低于理论值,那一定是采样或归一化出了问题。4. 相位序列与边带信息U、W 取多少开销和 BER 怎么算把曲线跑出来只是第一步,接下来要回答两个工程问题:U 加到多少就该停,以及那几位边带信息到底值不值这个代价。4.1 U 与 W 的折中增益、复杂度与量化损失U 决定“试几种写法”,W 决定“每种写法有多精细”,二者的作用完全不同。U 的增益是对数式的:每翻一倍大约多 0.6~1 dB,但 IFFT 次数同步翻倍。W 则决定相位量化的粒度,W4 已经是实用下限,W2 只有 ±1 两种相位,增益会比 W4 低约 0.3 dB,好处是乘法退化成取反,硬件实现省一堆资源。UIFFT 次数 / 符号CCDF10⁻³ 处 PAPR(量级)相对增益边带信息1(无 SLM)1~10.8 dB0 dB0 bit22~8.9 dB~1.9 dB1 bit44~7.6 dB~3.2 dB2 bit88~6.8 dB~4.0 dB3 bit1616~6.2 dB~4.6 dB4 bit3232~5.8 dB~5.0 dB5 bit表里的 dB 值是量级参考,不是标准答案,换 N 或换调制都会动。真正要记住的是拐点:U 从 1 加到 8 拿走了大部分增益,U 从 8 加到 32 只多 1 dB 左右却要多做 24 次 IFFT。如果后面的功放模型只关心 4 dB 的回退改善,U8 就该收手。另一条经验是 U 不要小于 4,否则统计独立性不够,曲线会在尾部出现不明显但确实存在的抖动。4.2 边带信息的三条处理路线SLM 的代价就在这几位 SI 上。理论上每符号只需 log2(U) bit,量级小到可以忽略,但传错了会把整个符号毁掉,这才是真问题。%% si_overhead.m —— 边带信息开销核算 N 256; for u [1 2 4 8 16 32] si_bits log2(u); % 每符号需要传的分支号 loss si_bits / (2*N); % QPSK 每子载波 2 bit,粗算频谱开销比 fprintf(U%2d SI%d bit/符号 开销约 %.3f%%\n, u, si_bits, loss*100); end跑出来会发现 U8 时开销只有 0.6% 不到,所以“开销太大”通常不是拒绝 SLM 的理由,“传错怎么办”才是。常见做法有三条:显式传输:占用若干保留子载波或独立控制信道发 log2(U) bit。实现最简单,缺点是一旦这几位出错,接收端会用错误的相位去解旋,该符号内所有子载波一起错。盲检测:接收端对 U 个候选相位分别做均衡与判决,取度量最小的一路。省掉 SI 但复杂度涨 U 倍,且低信噪比下容易判错。半盲 / 差分编码:把相位序列的一部分与导频绑定,让接收端能从导频里反推分支号。折中方案,代价是导频设计要重做。4.3 PAPR 与 BER 的联合评估一个容易忽略的事实:SLM 是酉变换,在纯 AWGN 下它不改变平均 BER,只改变峰值分布。所以单看 BER 曲线是看不出 SLM 好处的,必须和 PAPR 曲线放在一起看。真正会让 BER 变差的是 SI 错误。%% ber_with_si.m —— 边带信息误码造成的 BER 地板 EbN0_dB 0:2:12; p_si_err 1e-3; % 假设 SI 自身的误码率 ber zeros(size(EbN0_dB)); for k 1:numel(EbN0_dB) ebn0 10^(EbN0_dB(k)/10); ber_ideal 0.5*erfc(sqrt(ebn0)); % QPSK 理论 BER,不依赖工具箱 % 分支号错时相位解旋错,近似视为该符号随机判决 ber(k) (1-p_si_err)*ber_ideal p_si_err*0.5; end semilogy(EbN0_dB, ber, b-o); grid on; xlabel(E_b/N_0 (dB)); ylabel(BER);这段脚本的价值在于让你提前看到地板在哪:p_si_err1e-3 时,高信噪比下的 BER 会停在 5×10⁻⁴ 附近不再下降。如果链路指标要求 10⁻⁵,那 SI 的保护就必须比数据本身更强,比如单独加信道编码或提高发射功率。参数上p_si_err不是拍脑袋填的,它应当来自 SI 所用信道的实际误码率,或者从盲检测的判决错误率反推。5. 避坑与排查CCDF 曲线对不上论文时的五个检查点曲线对不上是常态,对不上还找不到原因才要命。下面五条是血泪经验里出现频率最高的,基本覆盖了“数字看着合理但就是差 2 dB”的所有情况。5.1 采样与归一化层面的三个坑坑一:曲线过于乐观,10⁻³ 处只有 8 dB。现象:原始 OFDM 的 CCDF 在 8 dB 就掉到 10⁻³,比预期低 2 dB 以上,SLM 曲线也跟着整体左移。 原因:IFFT 只做了 N 点,没有过采样,连续波形的真实峰值落在采样点之间被漏掉。 解决:频域补零到 N·L,Nsym N*L,ifft(..., Nsym),并且papr.m的输入必须是补零后的时域序列。改完再对比理论曲线,应当落在理论值右侧 1~2 dB。坑二:加了过采样后,整条曲线平移了 1 dB 以上。现象:补零之后曲线位置变了,但平移量不像“补零”该有的那么小。 原因:补零位置写错,把零插到了频带两端,等价于给信号加了陡峭的滤波;或者mean()只在有效子载波上取,分母偏小。 解决:严格按[X(1:N/2); zeros(Nsym-N,1); X(N/21:N)]补零,分母对全部 N·L 个时域样点求均值。用一个单频信号做单元测试可以快速确认:单频的 PAPR 应当是 0 dB。坑三:PAPR 恒为 0 dB,或者出现负值。现象:所有符号的 PAPR 都一样,或者打印出负数。 原因:分母写成了max(abs(x).^2),分子分母相同;或者对ifft结果又做了一次x x/max(abs(x))的归一化,把峰值信息抹平了。 解决:分母只能是mean(abs(x).^2);不要在papr之前做任何按峰值的归一化,要归一化就用固定标度(sqrt(Nsym))。5.2 统计与对比层面的两个坑坑四:换个随机种子,曲线尾部跳 1 dB。现象:同一份代码跑两遍,10⁻³ 附近的点上下浮动明显,尾端呈锯齿状。 原因:Nof太少,10⁻³ 尾部只剩十几个样本,统计涨落就是这么大量级。 解决:Nof提到 1e5,或者用 10 个种子各跑 1e4 后把 PAPR 样本拼接起来再估 CCDF。同时把门限步长从 0.5 dB 降到 0.05~0.1 dB,避免曲线看起来“一格一格跳”。坑五:SLM 增益虚高到 6 dB 以上。现象:U8 就跑出 6~7 dB 的增益,远超表格里的 4 dB 量级。 原因:两种典型误用。一是 U 路相位序列不独立,比如在循环外生成一次相位序列反复使用,或者randi的种子在内层被重置,导致多路其实是同一路。二是基线和被测不同源:基线用了 L1 的 Nyquist 采样,SLM 分支用了 L4 过采样,两边根本不在同一个尺度上比。 解决:相位矩阵一次性生成 U×N,检查任意两行的归一化互相关应当接近 0;基线和被测走同一个papr()、同一个L、同一批信息符号。提示:排查顺序建议从坑三往坑一倒着走。先把papr()单元测试做通(单频 0 dB、两点已知峰值的合成信号能算对),再往上查采样和统计,能省掉一大半时间。6. 进阶用法U 值扫描找增益饱和点与 CCDF 闭式解的交叉验证参数不要拍脑袋定,用一次扫描把它定住。把 U 从 1 扫到 32,记录每个 U 在 CCDF10⁻³ 处的门限,画出来就是一条先陡后平的曲线,拐点就是性价比最高的取值。%% sweep_u.m —— 扫 U 找增益饱和点 N 256; L 4; W 4; Nof 20000; target 1e-3; U_list [1 2 4 8 16 32]; thr 0:0.05:12; papr_at zeros(size(U_list)); for k 1:numel(U_list) p run_slm(N, L, U_list(k), W, Nof); % 复用主流程,只返回 PAPR 列向量 c arrayfun((t) mean(p t), thr); papr_at(k) thr(find(c target, 1)); end plot(U_list, papr_at, o-); grid on; set(gca,XScale,log); xlabel(候选分支数 U); ylabel(CCDF10^{-3} 处 PAPR (dB));run_slm就是把第 3 章的主循环包成函数,入参是配置、出参是 PAPR 列向量,这样扫描脚本本身不重复算法逻辑,改一处全部生效。扫完之后再拿闭式解做一次交叉验证:把 1−(1−e^{−γ})^N 的 U 次方也画上去,理论曲线应当在仿真曲线左侧 1~2 dB,并且两者随 U 增长的趋势要一致。如果理论曲线随 U 快速下降而仿真几乎不动,说明多路之间不独立;如果仿真比理论还低,说明采样或归一化又写回去了。再往前走一步是把 SLM 和限幅串联:SLM 先把 PAPR 压 4 dB,剩下的残余峰值交给一个 5 dB 的软限幅,总回退能到 7~8 dB,代价是引入少量带内失真和带外再生,这时就要看 BER 和 ACLR 两条曲线能不能同时守住。从那以后我每次改这套代码,都强制先跑一遍papr.m的单频单元测试和 U 扫描两条曲线,确认拐点位置没漂,再去看 BER。希望帮到你。本文还有配套的精品资源点击获取