An Improved Method to Reduce PAPR in MIMO-OFDM Systems

MIMO-OFDM has become a promising alternative in 4G broadband wireless communication, but there is a major drawback in MIMO-OFDM system - high peak-to-average ratio. Based on the antenna rotation inversion method, this paper proposes an improved method to reduce the PAPR of multi-antenna system, which makes full use of the degrees of freedom provided by the increase of antennas and improves the system performance. Performance analysis shows that the method used can achieve significant improvement in the peak-to-average ratio, and two suboptimal methods are proposed to reduce the computational complexity and make it easier to implement. Keywords: MIMO; OFDM; peak-to-average ratio; CARI Orthogonal frequency-division multiplexing (OFDM) technology has the advantages of anti-multipath interference, high spectrum utilization, and high-speed wireless data transmission. Multiple-input multiple-output (MIMO) can obtain very high diversity gain or capacity gain. Combining the two technologies in high-speed data wireless communication, OFDM can convert frequency-selective MIMO channels into parallel flat MIMO channels, reduce the complexity of the receiver, and can use multipath fading to achieve robust transmission of high data rates. Therefore, MIMO-OFDM has become a promising alternative in 4G mobile communication systems [1,2,3]. Due to multi-carrier modulation, MIMO-OFDM systems also have a high peak-to-average power ratio (PAPR) problem, which will cause the signal to enter the nonlinear region of the power amplifier, resulting in signal distortion and system performance degradation. Reference [4] proposed the use of the cross-antenna rotation and inversion (CARI) method to reduce the PAPR of the two-antenna MIMO-OFDM system. Based on the CARI method, this paper first fully exploits the degrees of freedom provided by the two antennas, and at the same time proposes an improved algorithm (Improved CARI) to reduce the peak-to-average power ratio of more antennas. In order to reduce the complexity, two suboptimal algorithms are proposed.