正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)是利用不同载波对数据调制的技术，具有抗射频干扰、频谱效率高等优点[1]，在5G通信中依然发挥着举足轻重的作用。但该技术存在高峰均比(Peak to Average Power Ratio，PAPR)[2]，这将导致OFDM信号产生非线性失真和系统性能降低的问题。因此，对降低峰均比算法的研究是本文的主要方向。
 
    降低PAPR的技术主要有：编码类技术、限幅类技术以及概率类技术。编码类技术利用不同的编码方式对OFDM信号编码后选取PAPR较低的信号，但传输速率较低，不适合子载波数较大的情况；限幅类技术是将超过某一门限值n的信号都限制在该值以下，这一过程是非线性的，它将带来严重的带内信号失真和带外辐射[3]；概率类技术降低了高峰值出现的概率降，但仍不能完全消除高峰值。文献[4]提出了一种限幅——噪声压缩方法来对OFDM信号修正，但需要较高的限幅门限；文献[5]提出了加性映射选择性映射算法(Selective Mapping，SLM)，该算法复杂度较低，但对降低峰均比无明显效果；文献[6]提出了一种利用相序集对SLM算法进行改进，但需要将子载波进行分块处理，增加了算法复杂度；文献[7]通过利用扰码选择器选择出最适合SLM的OCML扰码序列，增加了算法复杂度，且未与其他时空混沌序列进行对比。因此，已有的算法难以在不牺牲其他性能的情况下降低OFDM的峰均比。
 
    由于SLM要求相序集之间相互正交、相关性好且为非周期，本文针对高峰均比问题，在文献[7]的基础上对SLM的相序集进行改进，提出了一种基于全程耦合映像格子模型(Globally Couple Map Lattices，GCML)的SLM-RCF联合算法，仿真结果显示该算法能够在不改变复杂度的情况下降低PAPR。