尧图网页设计 
简介这份资源面向通信工程、电子信息等专业的本硕博学生及教研人员聚焦OFDM通信系统中PAPR抑制这一关键问题提供基于PSO粒子群优化改进PTS算法的完整MATLAB仿真方案。资源包共6个文件包含4个m脚本、1个txt说明文档和1个avi操作录像整体约177KB其中m文件承载算法主流程与辅助函数txt记录环境配置提示avi则完整演示代码运行过程。已有710人学习下载说明该方向具有稳定的学习需求。读者可借助Runme主入口脚本快速复现PSO-PTS联合优化流程观察粒子群迭代对峰均比抑制效果的改善同时结合录屏掌握工程目录切换、版本兼容等实操细节为算法复现、论文实验或课程设计提供可直接参考的代码框架与排错思路。1. 从一次“PAPR 压不下去”的仿真翻车说起做 OFDM 基带仿真的朋友大概率都遇到过这个场景子载波数一拉大PAPR 曲线直接飙到 10 dB 以上功放还没开始建模星座图就已经被削顶削得面目全非。这时候你会想到 PTS部分传输序列——把频域数据切成若干子块每块乘一个相位旋转因子再拼起来发运气好能把峰值压下去 3~4 dB。但问题来了子块一多相位组合数是指数级爆炸的穷举搜索根本跑不动。这份资源就是冲着这个矛盾来的——用 PSO 粒子群优化去替代 PTS 里的穷举相位搜索在 OFDM 通信系统里做 PAPR 抑制的仿真附带代码操作视频。它适合正在做毕设、发小论文、或者要在基带链路里验证 PAPR 抑制方案的人尤其是那些已经写过 PTS 但被搜索复杂度卡住的从业者。你拿到的不只是一段能跑的 MATLAB 脚本而是一整套“怎么把 PSO 塞进 PTS 框架、参数怎么调、哪里容易翻车”的落地路径。2. PSO 与 PTS 的咬合逻辑为什么不是简单替换2.1 PTS 的相位搜索为什么必须换算法先把 PTS 的数学骨架摆出来。假设 OFDM 频域符号 X 被分成 V 个子块每个子块做 IFFT 后得到时域信号 x_v然后给每个子块乘一个相位因子 b_v exp(jφ_v)φ_v 通常从 {0, π/2, π, 3π/2} 或 {0, π} 里取。最终发送信号是 x Σ b_v · x_v。目标是让 x 的 PAPR 最小也就是找一组相位组合。如果相位候选集大小是 W子块数是 V那穷举空间就是 W^(V-1)。V8、W4 的时候组合数 4^7 16384还能忍V16 的时候直接到 4^15 ≈ 10 亿仿真跑一帧就要命。这就是 PTS 的复杂度瓶颈。常见做法是用次优搜索比如只翻转一个子块的相位、或者用二进制搜索但抑制效果会打折扣。PSO 在这里的价值是它不保证全局最优但能在可接受的迭代次数内找到接近穷举效果的相位组合把复杂度从指数级压到多项式级。2.2 PSO 在 PTS 里的粒子怎么定义把每一个“相位组合方案”看成一个粒子。粒子位置向量维度就是子块数 V每一维的取值是离散的相位索引。比如相位候选集是 [0, π/2, π, 3π/2]那位置值就是 0~3 的整数。速度向量也是 V 维用来更新位置。适应度函数直接取当前相位组合下的 PAPR 值越小越好。这里有个容易忽略的点标准 PSO 是连续域的位置更新出来是浮点数但 PTS 的相位是离散的。所以要么做离散 PSO位置直接取整或按概率映射要么在连续域搜索后再量化。我一般用后者因为实现简单量化误差在相位候选集足够密的时候可以接受。资源里的代码大概率也是这个路子你拿到后先看粒子位置初始化那一段确认它是连续还是离散这决定了后面参数怎么调。2.3 适应度评估的代价在哪里每次迭代每个粒子都要算一次 PAPR。算 PAPR 本身不贵一次 IFFT 加峰值平均功率比就出来了。但如果你在粒子更新里反复做 IFFT迭代次数一多总耗时还是会上去。优化点在于子块 IFFT 只做一次后面相位组合只是加权求和不需要重新做 IFFT。这个技巧能把单次适应度评估的成本降一个数量级。资源里的代码如果没做这个缓存你可以自己补上后面避坑章节会细说。3. 把仿真跑起来参数、代码与操作顺序3.1 仿真主流程与关键参数表拿到代码包后先别急着改。按下面的顺序过一遍主脚本初始化 OFDM 参数 → 生成随机频域符号 → 分块 → 各子块 IFFT → PSO 搜索相位 → 合成时域信号 → 算 PAPR → 画 CCDF 曲线。每一步都有对应的参数下面这张表是我建议你重点核对的参数含义典型取值调整影响N子载波数64 / 256 / 1024越大 PAPR 越高PSO 搜索空间不变但适应度评估变慢VPTS 子块数4 / 8 / 16越大抑制潜力越高但粒子维度增加收敛变慢W相位候选数2 / 4W4 抑制更好但搜索空间大PSO 需要更多迭代M粒子数20 / 30 / 50太少容易早熟太多单次迭代变慢T最大迭代数50 / 100 / 200看适应度曲线是否提前平坦c1, c2学习因子1.5~2.0影响个体最优和全局最优的牵引权重w惯性权重0.4~0.9大则全局探索强小则局部收敛快这张表不是让你照抄而是给你一个调参的锚点。比如你发现 PAPR 曲线在 30 次迭代后就平了那 T 设 100 就是浪费如果曲线还在震荡说明粒子数不够或者 w 太大。3.2 核心代码段PSO 搜索相位的实现下面这段是我从这类仿真里提炼出来的骨架和资源里的实现思路一致。你对照代码包看重点看粒子初始化、速度更新和边界处理。% 假设 x_sub 是 V 个子块的时域信号每行一个子块 % phase_set 是相位候选集比如 [0, pi/2, pi, 3*pi/2] % M 粒子数T 迭代数V 子块数 phase_set [0, pi/2, pi, 3*pi/2]; W length(phase_set); M 30; T 100; V size(x_sub, 1); % 初始化粒子位置为 1~W 的随机整数索引 pos randi(W, M, V); vel zeros(M, V); pbest pos; pbest_fit inf(M, 1); gbest pos(1, :); gbest_fit inf; for t 1:T for i 1:M % 合成时域信号按当前相位索引加权求和 b phase_set(pos(i, :)); x_sum sum(x_sub .* b., 1); % 计算 PAPR papr_val 10*log10(max(abs(x_sum).^2) / mean(abs(x_sum).^2)); % 更新个体最优 if papr_val pbest_fit(i) pbest_fit(i) papr_val; pbest(i, :) pos(i, :); end % 更新全局最优 if papr_val gbest_fit gbest_fit papr_val; gbest pos(i, :); end end % 速度与位置更新离散版速度影响取整后的位置 w 0.7; c1 1.5; c2 1.5; for i 1:M vel(i, :) w*vel(i, :) ... c1*rand(1, V).*(pbest(i, :) - pos(i, :)) ... c2*rand(1, V).*(gbest - pos(i, :)); pos(i, :) round(pos(i, :) vel(i, :)); % 边界处理越界则拉回候选集范围 pos(i, pos(i, :) 1) 1; pos(i, pos(i, :) W) W; end % 记录收敛曲线 fit_curve(t) gbest_fit; end逻辑说明外层循环是迭代内层循环遍历粒子。每个粒子的适应度就是当前相位组合下的 PAPR。速度更新用了标准 PSO 公式位置更新后做四舍五入和边界裁剪。这里有个细节——x_sub .* b.利用了 MATLAB 的隐式扩展b 是 1×V 的行向量转置后按列乘到每个子块上再沿第一维求和。如果你用的语言不支持这种广播就老老实实写循环。参数说明w惯性权重我写死 0.7实际你可以做成线性递减从 0.9 降到 0.4前期探索后期收敛。c1和c2一般取 1.5~2.0资源里如果用的是 2.0你对比一下收敛速度。rand(1, V)每次更新都重新生成这是标准做法不要提到循环外面。3.3 操作视频怎么看才不浪费时间资源里附了代码操作视频我的建议是第一遍 1.5 倍速过只看它怎么组织文件、怎么运行主脚本、结果图长什么样。第二遍针对你卡住的地方精看比如 PSO 参数在哪里改、CCDF 曲线怎么画、原始 OFDM 和 PTS-PSO 的对比怎么叠。不要从头到尾逐行跟敲那样效率太低。视频的价值在于让你确认“代码包里的文件对应关系”和“运行入口”不是替代你自己读代码。4. 避坑与排查那些让仿真结果不可信的细节4.1 CCDF 曲线不光滑抖动厉害现象画出来的 CCDF 曲线毛刺很多和理论曲线对不上。原因通常是蒙特卡洛帧数不够。PAPR 是个统计量你只跑 100 帧尾部概率根本估不准。解决把帧数提到 1000 以上或者至少 500再画 CCDF。如果帧数上去了还抖检查随机种子是不是每次循环都重置了。4.2 PSO 收敛太快PAPR 抑制效果反而差现象适应度曲线前 10 次迭代就平了但最终 PAPR 比预期高 1~2 dB。原因是粒子早熟全部挤到同一个局部最优。解决把粒子数 M 从 20 提到 30~50惯性权重 w 前期给大一点0.9或者给速度加一个随机扰动。另一个可能是相位候选集太小W2 的时候搜索空间本来就有限换 W4 试试。4.3 子块 IFFT 重复计算仿真慢到无法忍受现象跑一帧要几分钟迭代次数还没到 100。原因是每次适应度评估都重新做 IFFT。解决子块 IFFT 只做一次存成矩阵后面相位搜索只做加权求和。上面代码里的x_sub就是预先算好的如果你拿到的代码在粒子循环里调用了ifft把它挪出去。4.4 相位因子没有归一化功率对不上现象PTS 之后的信号平均功率和原始 OFDM 不一致PAPR 比较失去意义。原因是相位因子 b_v 的模不是 1或者合成时没有做功率归一化。解决确认 phase_set 里的每个值都是单位模合成后如果需要除以 sqrt(V) 做功率回退。这个坑很隐蔽因为星座图看起来正常但 PAPR 数值会偏。4.5 视频里的结果和你跑的不一样现象同样的代码视频里 PAPR 降了 4 dB你跑出来只降了 2 dB。原因大概率是随机种子不同或者 MATLAB 版本差异导致rand序列不一样。解决固定随机种子在脚本开头加rng(42)之类的。如果还不行检查子载波数 N 和子块数 V 是否和视频一致这两个参数对结果影响最大。5. 进阶技巧让 PSO-PTS 的抑制效果再稳一点5.1 惯性权重的线性递减策略标准 PSO 里 w 是常数但在 PTS 这种搜索空间不大的问题上前期需要探索、后期需要收敛。我一般把 w 做成从 0.9 线性降到 0.4迭代到一半的时候大概在 0.65。改法很简单在迭代循环里加一行w 0.9 - 0.5 * (t / T);这行放在速度更新之前。效果是收敛曲线更平滑最终 PAPR 通常能再低 0.2~0.5 dB。别小看这点写论文的时候对比图就靠它拉开差距。5.2 用并行计算加速多帧蒙特卡洛如果你要跑 1000 帧每帧都做 PSO 搜索串行会等到怀疑人生。MATLAB 的parfor可以把帧循环并行化。前提是你有 Parallel Computing Toolbox。改法是把帧循环的for换成parfor注意循环内不要有跨帧的依赖。加速比大概等于你 CPU 的物理核心数8 核能快 5~6 倍。5.3 验证 PSO 结果是否接近穷举最优怎么知道 PSO 找到的相位组合是不是够好在 V 比较小的时候比如 V4W4总共 256 种组合你可以跑一次穷举把最优 PAPR 记下来再和 PSO 的结果比。如果差距在 0.3 dB 以内说明 PSO 参数没问题。这个验证步骤我强烈建议做一次它是你判断仿真可信度的基准线。V 大了之后穷举跑不动但小规模验证能给你信心。5.4 从 PAPR 曲线到功放回退的衔接PAPR 抑制的最终目的是让功放能工作在更靠近饱和点的区域提高效率。仿真里你只看到 PAPR 降了但实际链路里还要看 EVM 和带外泄漏。如果你要往系统级仿真走把 PTS-PSO 之后的信号送进功放模型看 ACLR 和 EVM 的变化。这一步资源里可能没包含但它是从“算法仿真”到“链路验证”的必经之路。从那以后我每次拿到这类 PAPR 抑制代码都强制先跑一遍小规模穷举验证确认 PSO 没跑偏再上大规模蒙特卡洛。这个习惯帮我省了很多返工时间。希望帮到你。本文还有配套的精品资源点击获取 PSO优化PTS相位搜索：OFDM系统PAPR抑制仿真与代码实现
简介这份资源面向通信工程、电子信息等专业的本硕博学生及教研人员聚焦OFDM通信系统中PAPR抑制这一关键问题提供基于PSO粒子群优化改进PTS算法的完整MATLAB仿真方案。资源包共6个文件包含4个m脚本、1个txt说明文档和1个avi操作录像整体约177KB其中m文件承载算法主流程与辅助函数txt记录环境配置提示avi则完整演示代码运行过程。已有710人学习下载说明该方向具有稳定的学习需求。读者可借助Runme主入口脚本快速复现PSO-PTS联合优化流程观察粒子群迭代对峰均比抑制效果的改善同时结合录屏掌握工程目录切换、版本兼容等实操细节为算法复现、论文实验或课程设计提供可直接参考的代码框架与排错思路。1. 从一次“PAPR 压不下去”的仿真翻车说起做 OFDM 基带仿真的朋友大概率都遇到过这个场景子载波数一拉大PAPR 曲线直接飙到 10 dB 以上功放还没开始建模星座图就已经被削顶削得面目全非。这时候你会想到 PTS部分传输序列——把频域数据切成若干子块每块乘一个相位旋转因子再拼起来发运气好能把峰值压下去 3~4 dB。但问题来了子块一多相位组合数是指数级爆炸的穷举搜索根本跑不动。这份资源就是冲着这个矛盾来的——用 PSO 粒子群优化去替代 PTS 里的穷举相位搜索在 OFDM 通信系统里做 PAPR 抑制的仿真附带代码操作视频。它适合正在做毕设、发小论文、或者要在基带链路里验证 PAPR 抑制方案的人尤其是那些已经写过 PTS 但被搜索复杂度卡住的从业者。你拿到的不只是一段能跑的 MATLAB 脚本而是一整套“怎么把 PSO 塞进 PTS 框架、参数怎么调、哪里容易翻车”的落地路径。2. PSO 与 PTS 的咬合逻辑为什么不是简单替换2.1 PTS 的相位搜索为什么必须换算法先把 PTS 的数学骨架摆出来。假设 OFDM 频域符号 X 被分成 V 个子块每个子块做 IFFT 后得到时域信号 x_v然后给每个子块乘一个相位因子 b_v exp(jφ_v)φ_v 通常从 {0, π/2, π, 3π/2} 或 {0, π} 里取。最终发送信号是 x Σ b_v · x_v。目标是让 x 的 PAPR 最小也就是找一组相位组合。如果相位候选集大小是 W子块数是 V那穷举空间就是 W^(V-1)。V8、W4 的时候组合数 4^7 16384还能忍V16 的时候直接到 4^15 ≈ 10 亿仿真跑一帧就要命。这就是 PTS 的复杂度瓶颈。常见做法是用次优搜索比如只翻转一个子块的相位、或者用二进制搜索但抑制效果会打折扣。PSO 在这里的价值是它不保证全局最优但能在可接受的迭代次数内找到接近穷举效果的相位组合把复杂度从指数级压到多项式级。2.2 PSO 在 PTS 里的粒子怎么定义把每一个“相位组合方案”看成一个粒子。粒子位置向量维度就是子块数 V每一维的取值是离散的相位索引。比如相位候选集是 [0, π/2, π, 3π/2]那位置值就是 0~3 的整数。速度向量也是 V 维用来更新位置。适应度函数直接取当前相位组合下的 PAPR 值越小越好。这里有个容易忽略的点标准 PSO 是连续域的位置更新出来是浮点数但 PTS 的相位是离散的。所以要么做离散 PSO位置直接取整或按概率映射要么在连续域搜索后再量化。我一般用后者因为实现简单量化误差在相位候选集足够密的时候可以接受。资源里的代码大概率也是这个路子你拿到后先看粒子位置初始化那一段确认它是连续还是离散这决定了后面参数怎么调。2.3 适应度评估的代价在哪里每次迭代每个粒子都要算一次 PAPR。算 PAPR 本身不贵一次 IFFT 加峰值平均功率比就出来了。但如果你在粒子更新里反复做 IFFT迭代次数一多总耗时还是会上去。优化点在于子块 IFFT 只做一次后面相位组合只是加权求和不需要重新做 IFFT。这个技巧能把单次适应度评估的成本降一个数量级。资源里的代码如果没做这个缓存你可以自己补上后面避坑章节会细说。3. 把仿真跑起来参数、代码与操作顺序3.1 仿真主流程与关键参数表拿到代码包后先别急着改。按下面的顺序过一遍主脚本初始化 OFDM 参数 → 生成随机频域符号 → 分块 → 各子块 IFFT → PSO 搜索相位 → 合成时域信号 → 算 PAPR → 画 CCDF 曲线。每一步都有对应的参数下面这张表是我建议你重点核对的参数含义典型取值调整影响N子载波数64 / 256 / 1024越大 PAPR 越高PSO 搜索空间不变但适应度评估变慢VPTS 子块数4 / 8 / 16越大抑制潜力越高但粒子维度增加收敛变慢W相位候选数2 / 4W4 抑制更好但搜索空间大PSO 需要更多迭代M粒子数20 / 30 / 50太少容易早熟太多单次迭代变慢T最大迭代数50 / 100 / 200看适应度曲线是否提前平坦c1, c2学习因子1.5~2.0影响个体最优和全局最优的牵引权重w惯性权重0.4~0.9大则全局探索强小则局部收敛快这张表不是让你照抄而是给你一个调参的锚点。比如你发现 PAPR 曲线在 30 次迭代后就平了那 T 设 100 就是浪费如果曲线还在震荡说明粒子数不够或者 w 太大。3.2 核心代码段PSO 搜索相位的实现下面这段是我从这类仿真里提炼出来的骨架和资源里的实现思路一致。你对照代码包看重点看粒子初始化、速度更新和边界处理。% 假设 x_sub 是 V 个子块的时域信号每行一个子块 % phase_set 是相位候选集比如 [0, pi/2, pi, 3*pi/2] % M 粒子数T 迭代数V 子块数 phase_set [0, pi/2, pi, 3*pi/2]; W length(phase_set); M 30; T 100; V size(x_sub, 1); % 初始化粒子位置为 1~W 的随机整数索引 pos randi(W, M, V); vel zeros(M, V); pbest pos; pbest_fit inf(M, 1); gbest pos(1, :); gbest_fit inf; for t 1:T for i 1:M % 合成时域信号按当前相位索引加权求和 b phase_set(pos(i, :)); x_sum sum(x_sub .* b., 1); % 计算 PAPR papr_val 10*log10(max(abs(x_sum).^2) / mean(abs(x_sum).^2)); % 更新个体最优 if papr_val pbest_fit(i) pbest_fit(i) papr_val; pbest(i, :) pos(i, :); end % 更新全局最优 if papr_val gbest_fit gbest_fit papr_val; gbest pos(i, :); end end % 速度与位置更新离散版速度影响取整后的位置 w 0.7; c1 1.5; c2 1.5; for i 1:M vel(i, :) w*vel(i, :) ... c1*rand(1, V).*(pbest(i, :) - pos(i, :)) ... c2*rand(1, V).*(gbest - pos(i, :)); pos(i, :) round(pos(i, :) vel(i, :)); % 边界处理越界则拉回候选集范围 pos(i, pos(i, :) 1) 1; pos(i, pos(i, :) W) W; end % 记录收敛曲线 fit_curve(t) gbest_fit; end逻辑说明外层循环是迭代内层循环遍历粒子。每个粒子的适应度就是当前相位组合下的 PAPR。速度更新用了标准 PSO 公式位置更新后做四舍五入和边界裁剪。这里有个细节——x_sub .* b.利用了 MATLAB 的隐式扩展b 是 1×V 的行向量转置后按列乘到每个子块上再沿第一维求和。如果你用的语言不支持这种广播就老老实实写循环。参数说明w惯性权重我写死 0.7实际你可以做成线性递减从 0.9 降到 0.4前期探索后期收敛。c1和c2一般取 1.5~2.0资源里如果用的是 2.0你对比一下收敛速度。rand(1, V)每次更新都重新生成这是标准做法不要提到循环外面。3.3 操作视频怎么看才不浪费时间资源里附了代码操作视频我的建议是第一遍 1.5 倍速过只看它怎么组织文件、怎么运行主脚本、结果图长什么样。第二遍针对你卡住的地方精看比如 PSO 参数在哪里改、CCDF 曲线怎么画、原始 OFDM 和 PTS-PSO 的对比怎么叠。不要从头到尾逐行跟敲那样效率太低。视频的价值在于让你确认“代码包里的文件对应关系”和“运行入口”不是替代你自己读代码。4. 避坑与排查那些让仿真结果不可信的细节4.1 CCDF 曲线不光滑抖动厉害现象画出来的 CCDF 曲线毛刺很多和理论曲线对不上。原因通常是蒙特卡洛帧数不够。PAPR 是个统计量你只跑 100 帧尾部概率根本估不准。解决把帧数提到 1000 以上或者至少 500再画 CCDF。如果帧数上去了还抖检查随机种子是不是每次循环都重置了。4.2 PSO 收敛太快PAPR 抑制效果反而差现象适应度曲线前 10 次迭代就平了但最终 PAPR 比预期高 1~2 dB。原因是粒子早熟全部挤到同一个局部最优。解决把粒子数 M 从 20 提到 30~50惯性权重 w 前期给大一点0.9或者给速度加一个随机扰动。另一个可能是相位候选集太小W2 的时候搜索空间本来就有限换 W4 试试。4.3 子块 IFFT 重复计算仿真慢到无法忍受现象跑一帧要几分钟迭代次数还没到 100。原因是每次适应度评估都重新做 IFFT。解决子块 IFFT 只做一次存成矩阵后面相位搜索只做加权求和。上面代码里的x_sub就是预先算好的如果你拿到的代码在粒子循环里调用了ifft把它挪出去。4.4 相位因子没有归一化功率对不上现象PTS 之后的信号平均功率和原始 OFDM 不一致PAPR 比较失去意义。原因是相位因子 b_v 的模不是 1或者合成时没有做功率归一化。解决确认 phase_set 里的每个值都是单位模合成后如果需要除以 sqrt(V) 做功率回退。这个坑很隐蔽因为星座图看起来正常但 PAPR 数值会偏。4.5 视频里的结果和你跑的不一样现象同样的代码视频里 PAPR 降了 4 dB你跑出来只降了 2 dB。原因大概率是随机种子不同或者 MATLAB 版本差异导致rand序列不一样。解决固定随机种子在脚本开头加rng(42)之类的。如果还不行检查子载波数 N 和子块数 V 是否和视频一致这两个参数对结果影响最大。5. 进阶技巧让 PSO-PTS 的抑制效果再稳一点5.1 惯性权重的线性递减策略标准 PSO 里 w 是常数但在 PTS 这种搜索空间不大的问题上前期需要探索、后期需要收敛。我一般把 w 做成从 0.9 线性降到 0.4迭代到一半的时候大概在 0.65。改法很简单在迭代循环里加一行w 0.9 - 0.5 * (t / T);这行放在速度更新之前。效果是收敛曲线更平滑最终 PAPR 通常能再低 0.2~0.5 dB。别小看这点写论文的时候对比图就靠它拉开差距。5.2 用并行计算加速多帧蒙特卡洛如果你要跑 1000 帧每帧都做 PSO 搜索串行会等到怀疑人生。MATLAB 的parfor可以把帧循环并行化。前提是你有 Parallel Computing Toolbox。改法是把帧循环的for换成parfor注意循环内不要有跨帧的依赖。加速比大概等于你 CPU 的物理核心数8 核能快 5~6 倍。5.3 验证 PSO 结果是否接近穷举最优怎么知道 PSO 找到的相位组合是不是够好在 V 比较小的时候比如 V4W4总共 256 种组合你可以跑一次穷举把最优 PAPR 记下来再和 PSO 的结果比。如果差距在 0.3 dB 以内说明 PSO 参数没问题。这个验证步骤我强烈建议做一次它是你判断仿真可信度的基准线。V 大了之后穷举跑不动但小规模验证能给你信心。5.4 从 PAPR 曲线到功放回退的衔接PAPR 抑制的最终目的是让功放能工作在更靠近饱和点的区域提高效率。仿真里你只看到 PAPR 降了但实际链路里还要看 EVM 和带外泄漏。如果你要往系统级仿真走把 PTS-PSO 之后的信号送进功放模型看 ACLR 和 EVM 的变化。这一步资源里可能没包含但它是从“算法仿真”到“链路验证”的必经之路。从那以后我每次拿到这类 PAPR 抑制代码都强制先跑一遍小规模穷举验证确认 PSO 没跑偏再上大规模蒙特卡洛。这个习惯帮我省了很多返工时间。希望帮到你。本文还有配套的精品资源点击获取