The physical-layer radio access of 5G New Radio (NR) and other modern wireless networks builds on the cyclic prefix (CP) orthogonal frequency-division multiplexing (OFDM), known to suffer from the high peak-to-average power ratio (PAPR) challenge. In this article, novel PAPR reduction methods are developed, referred to as the iterative clipping and weighted error filtering (ICWEF) approach. To this end, clipping noise is separated from the data signal in frequency domain and properly tailored frequency-selective clipping noise filtering is adopted to control the tradeoff between PAPR reduction and transmitted signal quality. Furthermore, as 5G NR networks support adopting different OFDM numerologies at different bandwidth parts within one channel bandwidth, the ICWEF approach is also extended to take into account and suppress the resulting inter-numerology interference—something that most existing state-of-the-art methods do not consider. To facilitate comprehensive performance evaluations, a software-defined radio based prototyping testbed including a high-power base station power amplifier is also developed and used for assessing the performance of PAPR reduction solutions. The proposed ICWEF-based PAPR reduction concept is thereon thoroughly validated with extensive numerical and experimental results and shown to outperform the existing state-of-the-art reference solutions.

中文翻译：

---

在5G及更高版本中有效降低PAPR的新型迭代修剪和错误过滤方法

5G新无线电（NR）和其他现代无线网络的物理层无线电访问建立在循环前缀（CP）正交频分复用（OFDM）的基础上，众所周知，该技术遭受高峰均功率比（PAPR）的困扰）挑战。在本文中，开发了新颖的PAPR降低方法，称为迭代削波和加权错误过滤（ICWEF）方法。为此，在频域中将削波噪声与数据信号分离，并采用适当定制的频率选择性削波噪声滤波来控制PAPR降低与发射信号质量之间的权衡。此外，由于5G NR网络支持在一个信道带宽内的不同带宽部分采用不同的OFDM数字，ICWEF方法也得到了扩展，以考虑并抑制由此产生的数字间干扰-大多数现有的最新方法都没有考虑到这一点。为了促进全面的性能评估，还开发了一个软件定义的基于无线电的原型测试台，其中包括一个高功率基站功率放大器，并用于评估PAPR降低解决方案的性能。所提出的基于ICWEF的PAPR降低概念已通过大量的数值和实验结果得到了充分验证，并显示出优于现有的最新参考解决方案。还开发了一个软件定义的基于无线电的原型测试台，其中包括一个高功率基站功率放大器，并用于评估PAPR降低解决方案的性能。所提出的基于ICWEF的PAPR降低概念已通过广泛的数值和实验结果得到了充分验证，并显示出优于现有的最新参考解决方案。还开发了一个软件定义的基于无线电的原型测试台，其中包括一个高功率基站功率放大器，并用于评估PAPR降低解决方案的性能。所提出的基于ICWEF的PAPR降低概念已通过广泛的数值和实验结果得到了充分验证，并显示出优于现有的最新参考解决方案。