1) 算法在做什么
OFDM 时域信号峰值高，本质原因是大量子载波同相叠加。
“迭代降低”一般不是一步到位，而是：
- 限幅：把时域样值压到门限 A 以内（非线性，会抬升底噪/产生带外）
- 频域滤波：把限幅产生的“带外失真”扔掉（只保留子载波位置的频域分量）
- 迭代：重复 1→2，让带内失真慢慢“收敛”，PAPR 逐步下降
代价：每次限幅都会引入带内失真（EVM 类损伤），因此迭代不是越多越好，要在 PAPR 与 EVM/BER 间折衷。
2) 关键参数与建模假设
| 参数 | 符号 | 典型值 |
|---|---|---|
| 子载波总数 | N | 256 |
| 有效子载波 | N_used | N（或 N-保护 tone） |
| 调制 | M | 16-QAM / QPSK |
| 过采样率（时域） | L | 4 |
| 限幅门限（幅度） | A | 由目标 PAPR₀ 换算 |
| 迭代次数 | N_iter | 3~8 |
| 帧数（Monte Carlo） | N_frame | ≥500（CCDF 才稳） |
限幅门限与 PAPR 的关系
如果你希望“限幅门限对应某个目标 PAPR₀(dB)”：
A=σx10PAPR010A = \sigma_x \sqrt{10^{\frac{PAPR_0}{10}}}A=σx1010PAPR0
其中 (σx2=E[∣x(n)∣2]\sigma_x^2=E[|x(n)|^2]σx2=E[∣x(n)∣2])（用一段训练样本估计，或直接归一化平均功率为 1）。
3) 核心函数：迭代限幅 + 频域滤波（ICF）
这里我用频域把“非子载波位置置零”来模拟“只保留有用子载波”——等价于理想的子载波内滤波。
functionx_out=icf_ofdm(y,A,N_iter,Nfft,N_used,cp_len)% ICF_OFDM Iterative Clipping and Frequency-Domain Filtering% y : 时域 OFDM 符号 (Nfft+L*Nfft? 这里约定 y 长度为 Nfft)% A : 限幅门限 (幅度)% N_iter : 迭代次数% Nfft : FFT 点数% N_used : 有效子载波数（这里用简单中心映射示意）% cp_len : CP 长度（不影响限幅核，但你要统一接口就留着）x=y(:);% --- 子载波索引：简单取中心 N_used ---kc=floor((Nfft-N_used)/2)+1;idx_used=kc:(kc+N_used-1);forit=1:N_iter% 1) 限幅mag=abs(x);phase=exp(1j*angle(x));mask=(mag>A);x_c=x;x_c(mask)=A.*phase(mask);% 硬限幅（你可换软限幅）d=x_c-x;% 限幅失真% 2) 回频域，只保留子载波位置（滤掉带外）D=fft(d,Nfft);D_filter=zeros(Nfft,1);D_filter(idx_used)=D(idx_used);% 子载波内留着% 3) 重建时域x=x_c-ifft(D,Nfft);% 经典写法：x_new = x_c - ifft(带外)% 等价理解：只保留带内 => x = ifft(D_filter)% 可选：再做一个小保护（避免数值反弹）x(abs(x)>A)=A.*exp(1j*angle(x(abs(x)>A)));endx_out=x;end如果你要更“射频味”，把频域滤波换成FIR/矩形窗（对应 sinc 时域）或保留 DC/左右对称子载波即可；结构不变。
4) 完整仿真骨架：产生 OFDM → 迭代降低 → PAPR/CCDF
4.1 主脚本
clear;clc;close all;%% === 参数 ===Nfft=256;N_used=Nfft;% 这里先不用虚拟子载波，方便看清 PAPRM=16;% QAML=4;% 过采样倍数N_sym=1;% 每帧 OFDM 符号数（PAPR 通常不依赖多符号）cp_len=Nfft/8;% 迭代参数N_iter=5;PAPR0_dB=7;% 你想“对应的限幅门限”参考（不是保证值）N_frame=1000;% Monte-Carlo%% === 归一化：令 E[|x|^2]=1 ===% 16-QAM 平均能量 (格雷/单位平均功率归一化可自己定)const=qammod(0:M-1,M,...InputType="integer",UnitAveragePower=true);% const = (2*(randi([0 1],N,1)-0.5) + 1j*(2*(randi([0 1],N,1)-0.5))) / sqrt(2); % QPSK 例子PAPR_vec_raw=nan(N_frame,1);PAPR_vec_icf=nan(N_frame,1);rng(42);forf=1:N_frame%% 1) 随机数据b=randi([0M-1],N_used*N_sym,1);Xf=qammod(b,M,InputType="integer",UnitAveragePower=true);%% 2) 映射到 FFT 位置（中心映射）kc=floor((Nfft-N_used)/2)+1;X=zeros(Nfft,1);X(kc:kc+N_used-1)=Xf;%% 3) IFFT → 过采样可在此做（最简：IFFT 后插值；更“标准”用 L*Nfft）x_raw=ifft(X,Nfft)*sqrt(Nfft);% 归一化看你习惯；下面我们用功率归一化% --- 功率归一化使得 E[|x|^2]=1 ---x_raw=x_raw/sqrt(mean(abs(x_raw).^2));% 为省事：这里先不做 L>1 插值（PAPR 仍可比，但更严格的要插值）x=x_raw;%% 4) 原始 PAPRpower_inst=abs(x).^2;PAPR_raw(f)=10*log10(max(power_inst)/mean(power_inst));%% 5) 限幅门限A=sqrt(mean(power_inst))*sqrt(10^(PAPR0_dB/10));%% 6) ICFx_icf=icf_ofdm(x,A,N_iter,Nfft,N_used,cp_len);% 重新功率归一化（可选，便于公平比较）x_icf=x_icf/sqrt(mean(abs(x_icf).^2));power_inst2=abs(x_icf).^2;PAPR_icf(f)=10*log10(max(power_inst2)/mean(power_inst2));end%% === CCDF ===PAPR_db=0:0.1:12;ccdf_raw=arrayfun(@(t)mean(PAPR_raw>t),PAPR_db);ccdf_icf=arrayfun(@(t)mean(PAPR_icf>t),PAPR_db);figure;semilogy(PAPR_db,ccdf_raw,'k--','LineWidth',2);hold on;grid on;semilogy(PAPR_db,ccdf_icf,'r-','LineWidth',2);xlabel('PAPR_0 (dB)');ylabel('CCDF = Prob(PAPR>PAPR_0)');legend('Raw OFDM','ICF (iter='+string(N_iter)+')');title('OFDM PAPR 降低：迭代限幅+频域滤波');参考代码 PAPR 迭代降低算法仿真www.youwenfan.com/contentcsv/81410.html
5) 3 个“仿真坑”
PAPR 看起来偏低 / 没峰
→ 你很可能没做过采样。真 PAPR 需要用至少 (L\ge4) 的过采样（IFFT 插值或更长 IFFT）否则会漏掉峰。
做法：用Nfft_up = L*Nfft，把频域填到更大网格再做 IFFT。迭代后波形“反而更怪”
→ 常见原因：你限幅门限太低（A 太小）→ 强削波 → 带内 EVM 暴增；或者你滤波没正确“只保留子载波/带内”。先把N_iter=1跑通、看时域波形再往上加。CCDF 不稳（曲线毛毛躁躁）
→N_frame不够。PAPR 尾部是稀有事件，通常要几千帧才平滑（看你精度需求）。
