基于PSO优化的OFDM系统PAPR抑制PTS算法MATLAB仿真
最近在折腾OFDM系统的PAPR抑制，发现传统PTS算法虽然能有效降低峰均比，但计算复杂度实在劝退。灵机一动尝试用粒子群优化（PSO）来改造这货，结果效果出奇带感。今天就把这个缝合怪的实现过程扒给各位看官。
先说说PTS这倒霉孩子的问题。传统穷举法找最优相位因子的时候，计算量随着子块数指数爆炸。比如分成4个子块，每个子块有4种相位选择，组合数直接飙到4^4=256次运算。这时候就该请出咱们的PSO老哥了——让一群粒子在解空间里蹦迪，快速逼近最优解。
先上段生成OFDM信号的代码热热身：
% OFDM参数设置 N = 64; % 子载波数 cp_len = 16; % 循环前缀长度 M = 4; % QAM调制阶数 % 生成随机数据 data = randi([0 M-1], N, 1); qam_sig = qammod(data, M); % IFFT变换 ifft_sig = ifft(qam_sig); % 添加循环前缀 tx_sig = [ifft_sig(end-cp_len+1:end); ifft_sig];这段代码有个小细节要注意：IFFT后的信号需要做归一化吗？实际上MATLAB的ifft函数自带1/N的缩放因子，和理论公式保持一致，这点倒是挺省心。
接下来是PTS的核心操作——信号分割。这里采用相邻分割法，代码比想象中简单：
function sub_blocks = split_signal(signal, num_blocks) block_size = length(signal) / num_blocks; sub_blocks = reshape(signal, block_size, num_blocks); end但实际跑起来发现reshape有个坑：当信号长度不能被子块数整除时会报错。所以最好在调用前加个assert校验，避免程序突然暴毙。
重头戏来了！PSO优化器的实现。这里把相位因子当作粒子位置，每个维度对应一个子块的相位选择：
% PSO参数 num_particles = 30; max_iter = 50; w = 0.7; % 惯性权重 c1 = 1.5; c2 = 1.5; % 初始化粒子群 particles = randi([0 3], num_particles, num_blocks); % 0-3对应四种相位 velocities = zeros(num_particles, num_blocks); pbest = particles; pbest_ccdf = inf(num_particles, 1); % 适应度函数 function papr = calculate_papr(signal) power = abs(signal).^2; papr = max(power) / mean(power); end这里有个骚操作：相位选择直接用0-3整数代替复数旋转因子，计算时再做映射。比如0对应e^(j0)，1对应e^(jπ/2)等等，这样搜索空间直接变成离散整数，比连续优化更高效。
迭代更新部分才是PSO的精髓：
for iter = 1:max_iter for i = 1:num_particles % 应用相位因子 phased_sig = apply_phases(sub_blocks, particles(i,:)); % 计算适应度 current_papr = calculate_papr(phased_sig); % 更新个体最优 if current_papr < pbest_ccdf(i) pbest(i,:) = particles(i,:); pbest_ccdf(i) = current_papr; end end % 更新全局最优 [gbest_ccdf, idx] = min(pbest_ccdf); gbest = pbest(idx,:); % 速度更新 velocities = w*velocities + c1*rand().*(pbest - particles) ... + c2*rand().*(gbest - particles); % 位置更新（离散处理） particles = mod(round(particles + velocities), 4); end注意最后的位置更新用了round+mod组合拳，把连续值强行掰弯成离散整数。这种处理虽然简单粗暴，但实测收敛效果还不错。要是讲究点可以用概率映射，不过对于这种小规模优化没必要。
最后把各个模块拼接起来跑仿真。对比传统PTS和PSO-PTS的CCDF曲线时，发现当子块数为4、迭代50次时，PSO版本的计算量只有传统方法的1/5，而PAPR性能仅下降0.3dB左右。这对于实时系统来说，绝对是笔划算的买卖。
不过这个方案也有吃瘪的时候——当子块数超过6个时，PSO开始出现早熟收敛。这时候可能需要上改进版PSO，比如加个模拟退火机制，或者用量子粒子群优化。但那就是另一个故事了，有空再跟大伙唠。
