查找表联合记忆效应补偿技术的宽带自适应预失真算法

为了能够对记忆型功率放大器线性化处理,并能一定程度克服其记忆效应,该文介绍一种自适应数字预失真器。该数字预失真器采用查找表与记忆效应补偿技术相结合的方法,并且利用内插值方法有效减小了查找表幅度量化过程产生的误差。相比记忆多项式预失真器,这种预失真器的计算复杂度较小,却能够得到与其相近的线性化效果。基于功率放大器记忆多项式模型,利用OFDM(Orthogonal Frequency Division Multiplexing)宽带信号验证该文提出的预失真器对记忆型非线性功率放大器的良好线性化效果。     

基于改进型径向基函数神经网络的功放线性化

提出了一种基于改进型径向基函数神经网络(MRBFNN)的数字预失真线性化模型,用于更为精确地矫正宽带射频功率放大器的动态非线性。该神经网络模型的输入层使用传统的延时抽头以补偿功放的线性记忆效应,同时对每个抽头进行级数展开用于补偿功放的非线性记忆效应,从而更好地抑制功放的动态非线性失真。文中使用WCDMA 三载波信号对一个460MHz 的Doherty 功率放大器进行数字预失真线性化实验。实验结果表明,与传统数字预失真线性化模型相比,基于改进型径向基神经网络的数字预失真线性化模型能更好地抑制宽带功放动态非线性引起的带外频谱再生,其三阶互调(IMD3)失真最多可以抑制23dB,大大提高了功放的线性度,验证了所提出的数字预失真线性化模型的有效性。     

毫米波功率放大器的预失真线性化改进研究

针对毫米波功率放大器的非线性失真问题,提出一种记忆多项式预失真优化算法,对功放的非线性失真进行补偿。预失真处理前后功放特性曲线表明该预失真算法的线性化效果明显;预失真处理后输出信号的相邻信道功率比原始输入信号高0.89 dB,比预失真前降低了7.8 dB,降低了相邻信道的干扰,符合理想功放线性化放大原则。     

一种基于维度加权盲K近邻算法的数字预失真技术

传统的数字预失真(DPD)模型通常在所有的输入信号功率上采用单一多项式模型和单一记忆深度对功率放大器(PA)进行线性化矫正。然而,功率放大器在不同的功率水平下会呈现出不同的非线性特性,并产生不同的记忆效应。针对这一问题,该文提出一种基于维度加权盲K近邻(KNN)算法的数字预失真模型,所提模型根据功放当前输入信号以及记忆输入信号的幅度进行维度加权的KNN分类,组成维度加权盲KNN记忆多项式(WKMP)模型,并为每一类输入信号序列建立子模型。所提方法用Doherty功率放大器进行实验验证,使用带宽为30 MHz、频点为2.2 GHz的3载波长期演进(LTE)信号作为输入,反馈端使用122.88 MHz的采样率进行采样。实验结果表明,所提维度加权盲KNN分类方法与记忆多项式(MP)模型结合时,功放正向建模效果和数字预失真效果均超过了广义记忆多项式(GMP)模型,并远超记忆多项式模型的效果,实验结果验证了所提模型的优良性能。     

Ku波段模拟预失真线性化器

提出了一种基于模拟预失真方法的线性化器设计。利用预失真技术设计行波管配用线性化器的数学模型,得出了预失真电路的功率转移特性曲线和相位特性曲线。预失真电路采用上下支路对消结构,通过二极管产生失真信号,并利用2个可调衰减器和可调移相器来调节其幅度和相位,以此补偿功率放大器的AM-AM,AM-PM失真特性,改善输出信号的线性度。此外通过改变二极管的偏压,线性化器能够提供不同种幅度和相位特性的组合方式,用于不同特性的功放。基于该模拟预失真方法设计了行波管线性化器,在给定的动态范围内幅度扩张5 dB,相位扩张40°。     

微波功率放大器非线性特性分析

为判断微波功率放大器非线性失真的主要影响因素,首先,在传统幂级数模型的基础上对功率放大器的非线性幅度失真和相位失真进行拟合,基于包络分析法给出了功率放大器非线性失真与幅度和相位失真间的解析关系;其次,对幅度失真和相位失真引起的非线性失真进行了分析,给出了两者之间的等效失真关系式,据此可对任意给定的功率放大器进行分析,以确定非线性失真的主要影响因素,并用于指导模拟预失真线性化器的设计与调试;最后,通过对一Ka频段行波管放大器的非线性测试及模拟预失真线性化,验证了所提出的功率放大器非线性分析的正确性及幅相等效失真关系式的有效性。     

LMS自适应时间延迟估计

数字基带预失真线性化技术是一种通过在功率放大器前端引入与其幅度和相位特性相反的预失真电路使输入和输出信号在整体上呈线性关系,从而实现高频谱效率传输的一种新型线性化技术．然而,预失真电路的引入必然引起环路延时。因此,数字基带预失真线性化技术的关键问题之一就是环路延时的估计,文中研究了基于Widrow的最小均方（LMS）算法的自适应时间延迟估计的基本原理,结构,和算法,分析了这种估计方法的性能,并给出了计算机仿真结果。从仿真结果中可以看出,LMSTDE可以精确的检测出系统的时间延迟,使功率放大器的线性化性能得到很大的改善。     

用于5G RF PA 线性化的多频段通用数字预失真器

文中提出了一种基于独热编码与长短时期记忆 (LSTM) 神经网络的多频段通用数字预失真非线性 模型,它可以有效地对工作在多个频段的宽带射频功放进行线性化。在训练集中引入表示不同频率信号的不同独 热编码,训练后的神经网络非线性模型可以在不改变网络结构和模型参数的情况下对不同频段的功率放大器进行 预失真线性化。为了验证该方法的有效性,建立了两个分别工作于2. 6 GHz 和4. 9 GHz 的射频功放实验平台,在这 两个频段预失真非线性建模的归一化均方误差(NMSE)均可达到-40 dB,然后使用100 MHz 带宽5G NR 信号,分别 对这两个射频功放进行预失真线性化实验验证。实验结果表明,该多频段通用数字预失真器可以将这两个功放的 邻信道泄漏比(ACLR)在中心频率下偏100 MHz 处分别改善19. 42 dB 和17. 91 dB,在中心频率上偏100 MHz 处分 别改善15. 73 dB 和15. 17 dB,验证了所提非线性模型的有效性。     

基于广义LSTM神经网络的宽带射频功放数字预失真线性化

在无线通信系统中,射频功放的非线性是信号失真与频谱增生的主要原因,尤其是对于采用64QAM、256QAM 等高峰均功率比的复杂调制系统,对射频功放线性度的要求越来越高;然而宽带射频功放中存在的强记忆效应严重地降低了基于传统非线性模型的数字预失真器的线性化性能。文章提出广义长短期记忆(LSTM)神经网络模型,通过输入的时序特性,从时间轴上进行模型迭代,利用LSTM模型独特的长短时序结构以更好地表征宽带射频功放的记忆效应,同时引入时间超前项以构建广义的LSTM模型,进一步增强其动态非线性建模能力。在不同超参数下的建模结果表明,该模型的归一化均方误差(NMSE)指标可达-42.2895 dB。最后,使用20 MHz 带宽的4 载波WCDMA信号,对中心频率1900 MHz 的50 W Doherty 功放进行预失真线性化实验验证。实验结果证实了基于广义LSTM神经网络模型的数字预失真器可以使互调分量降低达23.27 dB,大大优于记忆多项式等传统非线性模型的非线性校正性能。     

基于Wiener模型的非直接预失真线性化技术

新一代移动通信系统对于信道传输中的非线性失真十分敏感,功率放大器是产生非线性失真的主要器件。为了降低传输信号的失真程度,减小对相邻频段的用户的干扰,功率放大器的线性化技术显得尤其重要。预失真技术以其线性度好、自适应能力强、效率高等优点成为消除非线性失真的首选。在此阐述功率放大器的非线性特性和记忆效应,介绍预失真技术,利用基于Wiener模型的估计器来构成非直接预失真线性化系统,并对Wiener模型的参数识别算法进行优化。仿真实验表明此方法能有效补偿功率放大器的非线性失真和记忆效应,提高系统性能,降低开发成本。     

Exploiting low complex digital predistortion to improve wideband nonlinear satellite downlinks

With the increasing demand for higher data rate, increasing throughput requires wider bandwidth. Due to the nonlinear effect of power amplifier, severe nonlinear distortion effects will appear onboard satellite. Digital predistortion (DPD) scheme is usually employed to compensate for the distortions and memory effects introduced by traveling wave tube amplifier (TWTA) and output multiplexing filter (OMUX). In conventional predistorter, the signal loss of band‐limited feedback signal output through OMUX is usually ignored. Actually, it will affect the linear effect of TWTA. In order to solve the problem as to improve wideband nonlinear satellite downlink, this paper introduces a novel spectral extrapolation method based on deep neural network to recover the band‐limited feedback signal. On this basis, an advanced orthogonal matching pursuit algorithm is adopted in the nonlinear TWTA model construction to further reduce the DPD complexity. The proposed setup effectively compensates the distortions and is well suited for systems that generate data bits on satellites.     

功放数字预失真技术现状及未来发展

功放是无线通信发射机的重要组成部分,随着无线通信的不断发展,对宽带线性功放的要求也越来越高。然而,功放的非线性特性和记忆效应会导致信号严重失真。为了减小带内失真和邻道干扰,数字预失真成为功放线性化技术中最有发展潜力的技术。介绍了功放模型,数字预失真的学习结构、数字预失真器参数的辨识算法等研究现状,探讨了数字预失真的发展趋势,为今后数字预失真技术的研究提供参考。     

基于模糊神经网络的自适应预失真功放

在无线通信中,高数据传输率的数字无线系统要求用频谱有效的线性调制方法,但是这些调制方法对功放的非线性又很敏感,会产生频谱扩展、邻近信道干扰和误码率(BER)特性的恶化。本文提出用模糊神经网络(FNN)的算法来实现功放的自适应预失真,以补偿功放的非线性,并仿真了模糊神经网络对功放非线性的补偿以及对误码率特性的改进。结果表明,此方法实现的预失真器具有良好的自适应性和鲁棒性,不需要从一大堆原始数据中进行费时的训练,而可以充分地利用己有的知识和经验;而且,在学习的过程中,采用变结构的神经网络,先粗后细、分组学习,更大大缩短了学习的时间。     

An adaptive digital predistortion for compensating nonlinear distortions in RF power amplifier with memory effects

In this paper, an adaptive digital predistortion based on a memory polynomial model is proposed in order to linearize the power amplifier with memory effect. The coefficients of the power amplifier model have been extracted using a least square method and those of predistortion have been identified by applying an indirect learning structure. Finally, the performance of digital predistortion has been demonstrated using the simulation of the power amplifier and the digital predistortion excited by a modulated 16 QAM signal in Matlab software. According to the simulation results, the criterion of adjacent channel power ratio (ACPR) declined by around 15 dB and the input/output power spectrum density of the power amplifier has quite similar curves. The linearized power amplifier output spectrum demonstrates the superiority of the proposed predistorter in eliminating the spectral regrowth which is caused by the memory effect in comparison to the other linearization methods.     

一种用于射频功率放大器的新型预失真器的设计

预失真技术是功率放大器线性化的主要技术之一。分析了传统预失真器不能消除其输出端所产生双音基频分量的特点,提出一种新的预失真器,并利用它改善射频功率放大器的非线性失真。仿真结果表明,该方法可以明显改善射频功率放大器的三阶交调非线性失真。     

基于实值时间卷积神经网络的功放预失真研究

为了实现传输速率高达千兆比特每秒(Gbps)的目标,5G通信系统需要更宽的传输带宽和更高的调制度,这些对射频功放的线性度提出了更加苛刻的要求。必须对功放的非线性进行线性化。文中构建了一种基于实值时间卷积神经网络(Real-Valued Temporal Convolutional Networks,RVTCN)模型的数字预失真器。RVTCN模型利用扩大因果卷积(Dilated Causal Convolution, DCC)提取功放的当前时序信息,把记忆信息存储在残差块(Residual Block,RB)中,不断获取时序特征并保存于网络中。为了验证RVTCN线性化的性能,文中采用了100 MHz带宽的5G NR信号,对中心频率3.5 GHz的Doherty功放进行了预失真线性化实验验证。实验结果表明:该RVTCN模型具有射频功放的动态非线性行为建模能力,其归一化均方误差可达-40 d B;RVTCN预失真器对测试功放的相邻信道功率比(ACPR)改善可达19.5 d B左右。     

用记忆型 BP 神经网络实现 HPA 预失真的算法研究简

在分析宽频带CMMB直放站高功率功放(HPA）特性的基础上,提出了一种可分离处理功放记忆效应和非线性的延时神经网络（FIR-NLNNN）模型。该模型以实数延时神经网络（RVTDNN）为基础,用Levenberg-Marquardt（LM）优化算法确定神经网络系数,在模型中新增参数w0,给出了LM算法的修改公式。接着在预失真神经网络系统中引入Bayesian机理消除LM算法的过拟合现象,构建CMMB数字直放站的间接学习预失真器,拟合HPA的非线性和记忆效应。结果表明：RVTDNN和FIR-NLNNN 2种预失真器均能显著提高系统性能,降低邻信道功率比30 dB左右。在保持均方误差（MSE）小于10?6的情况下,FIR-NLNNN结构的网络参数比RVTDNN结构减少了近50%,迭代过程中的乘法和加法次数约降低75%。