CN101175061B - 一种ofdm发射机的自适应数字预失真方法和装置 - Google Patents

Abstract

本发明提供一种适用于OFDM发射机的自适应数字预失真方法和装置。该装置包括正交频分复用OFDM基带信号模块、数字预失真合成处理单元、模数转换器DAC、射频发射机、宽带高功率放大器(Wideband High Power Amplifier，即W-HPA)和反馈回路。其中，采用多项式模型构造数字预真内核，对经过信号预处理的数字信号进行预失真处理，并基于训练序列的RLS+LMS算法相组合的混合算法，或基于训练序列的QRD-RLS+NLMS算法相组合的混合算法对自适应数字预失真滤波器系数进行估计和更新。本发明降低了宽带功率放大器因记忆效应所带来的性能下降，能够有效的提高基站系统的发射性能，改善了宽带功率放大器的线性度和效率。

Description

一种OFDM发射机的自适应数字预失真方法和装置

技术领域

本发明涉及移动通信技术领域，具体涉及一种适用于OFDM发射机的自适应数字预失真方法和装置。

背景技术

越来越多的用户服务需求是带动带宽需求上升的主要因素，在未来的称为超三代，或称其为第四代移动通信(4th generation mobile communication，即4G)的下一代移动通信系统中，采用如100Mbit/s的数据业务速率，承载业务的带宽一般不小于20MHZ。更高的信号带宽需求正变得日趋普遍，这就使得下一代移动通信系统中，发射机的技术难点之一就是开发适合基于OFDM发射机中宽带功率放大器的预失真系统，以达到改善宽带功率放大器的线性度、提高宽带功率放大器的工作效率的目的。

面对下一代移动通信中采用正交频分复用(Orthogonal Frequency DivisionMultiplexing，即OFDM)技术所遇到的高峰均功率比(Peak-to-Average Power Ratio，即PAPR)问题，人们已经提出了很多峰值削波(Crest Factor Reduction，即CFR)技术和方法。但是，对于提高宽带高功率放大器(Wideband High PowerAmplifier，即W-HPA)的线性度和效率，仅仅采用CFR技术是非常困难的，由于在可容许的带内失真的限制矢量误差幅度(Error Vector Magnitude即EVM)为2％，这就要求W-HPA必须在很大的动态范围内是线性的，需要一个大功率的W-HPA来实现，但一般W-HPA是非常昂贵的。为了降低基站的成本和满足未来的基站设备体积小型化的趋势，必须降低W-HPA的成本和提高W-HPA的效率。

预失真是补偿放大器非线性失真最好的方法之一，使用这种技术，在功率放大器输入端采用反失真来抵消功率放大器的非线性失真。如果将这种反失真特性设计为随放大器的工作点(输出功率)变化而变化，那么调节这种失真就可以补偿由温度、电源电压、晶体管老化等引起工作点变化所造成的系统性能的下降。数字预失真线性化技术不涉及到复杂的射频信号处理，只对基带信号进行处理，而且很容易做到自适应，便于采用现代的数字信号处理技术来实现，因此，它是一种较好的线性化技术。

传统的数字预失真通常是采用查找表的方式来实现的。然而，这种方法被广泛的应用于窄带功率放大器(无记忆非线性系统)线性化。随着传输带宽的增加和多载波的支持，传统的查找表方式不再适合W-HPA的线性化，需要寻找另一种方式来支持宽带信号的数字预失真。同时，记忆效应是由温度和电气特性的短暂变化对W-HPA中晶体管的影响带来的，而温度对晶体管的影响依赖于当前的和先前的输入值，由于宽带功率放大器的这种记忆效应也阻碍了此方法的应用，特别是当输入信号的带宽很大时，这种记忆效应变得更加明显，宽带功率放大器的记忆效应校正将逐渐变得更加重要。

发明内容

本发明的目的是为了解决因超带宽传输输入带来的宽带功率放大器记忆效应更加明显，从而严重影响数字预失真的补偿效果的技术问题。

因此，本发明提出了一种基于多项式的数字预失真装置和基于训练序列的递推最小二乘法(Recursice Least Square，即RLS)算法+最小二乘法(Least Mean Square，即LMS)算法相组合的混合算法，以进行自适应数字预失真滤波器系数的估计和更新的方法，优选地提出了一种基于训练序列的基于QR分解的递推最小二乘法(QR Decompositionbased RLS，即QRD-RLS)算法+归一化的最小二乘法(Normalized LMS，即NLMS)算法相组合的混合算法进行自适应数字预失真滤波器系数的估计和更新方法，可应用于基于OFDM发射机的WIMAX(World Interoperability for Microwave Access，全球微波接入互操作性)基站系统以及未来下一代移动通信系统。

为了实现上述目的，本发明采用如下技术方案：

一种OFDM发射机的自适应数字预失真装置，包括前向通路和反馈回路；其中前向通路包括OFDM基带信号模块、数字预失真合成处理单元、数模转换器DAC、射频发射机和宽带高功率放大器W-HPA；反馈回路包括射频接收机、模数转换器ADC。

所述的OFDM基带信号模块对来自上层的数据进行OFDM调制，生成OFDM基带IQ数据；

所述的数字预失真合成处理单元包括信号预处理模块、数字预失真内核和自适应处理模块。其中信号预处理模块主要对OFDM基带信号模块传来的基带下行IQ数据进行接入，实现数字上变频处理和峰值削波处理(CFR)；数字预失真内核处理经过信号预处理模块的数字信号进行预失真，产生与W-HPA的非线性特性相反的曲线，已产生的预失真发射信号送给DAC；同时，接收经过功放耦合反馈回来的数字中频信号；自适应处理模块主要实现自适应算法，产生预失真内核的校正系数。

所述的DAC对数字预失真内核处理后的预失真信号进行数模转换并输出一个模拟高中频的下行信号；

优选地，所述的DAC对数字预失真内核处理后的预失真信号进行数模转换并输出一个零中频的基带信号；

所述的射频发射机将对模拟高中频信号经过上变频到射频频段，然后射频放大，滤波后输出下行射频信号到W-HPA，W-HPA进行功率放大后送给天线输出；

优选地，所述的射频发射机将对零中频信号经过模拟正交调制(AQM)到射频频段，然后射频放大，滤波后输出下行射频信号到W-HPA，W-HPA进行功率放大后送给天线输出；

所述的射频接收机将对经过W-HPA放大后通过定向耦合器耦合部分的射频信号功率能量，然后进行RF下变频处理，中频滤波，中频放大后送给ADC转换器进行模数转换，最后传输到数字预失真合成单元中的数字预失真内核作为反馈输入信号；

所述的ADC主要对模拟中频信号进行模数转换；

所述的数字预失真合成单元采用单一的可编程逻辑器件(FPGA)来实现；

所述的数字预失真内核是基于多项式模型的数字预失真器；

所述的自适应处理模块是实现基于训练序列的RLS+LMS算法相组合的混合算法；

优选地，所述的自适应处理模块是实现基于训练序列的QRD-RLS+NLMS算法相组合的混合算法。

本发明同时提供一种OFDM发射机的自适应数字预失真方法，包括下列步骤：

1)首先将OFDM基带信号S_n送给信号预处理模块经数字上变频处理和峰值削波处理后产生x_n；

2)然后构造数字预失真内核，采用下列多项式模型如下；

$z\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{C}_{\mathrm{kq}}\·x_{(n-q)}\·{\left|x_{(n-q)}\right|}^{k-1}---\left(1\right)$

式中C代表滤波器的系数，x_n是数字预失真内核的输入，z(n)表示数字预失真内核的输出，K是多项式模型的阶数，Q是预失真记忆效应长度(即功率放大器的记忆长度)；

3)基于训练序列的RLS算法进行自适应数字预失真滤波器系数的估计。(1)式中滤波器系数C是线性的，K和Q各取一个常值；为了提高收敛速度，快速地计算出滤波器系数C。

其中，滤波器系数的估计过程是基

的RLS算法进行滤波器系数C快速估计来获得预失真内核滤波器系数的初始值。基于训练序列的RLS算法如下：

a)初始化X＝C＝[0，0，...，0]^T和其中δ的取值对高(低)信噪比的输入信号选择较小(大)的正常数；

b)发送一个训练序列去探测宽带高功率放大器的非线性特性，射频接收机反馈给数字预失真合成单元的采样为；

y(n)＝h(x(n))+w(n)         (2)

w(n)是噪声失量，h(x(n))是宽带高功率放大器的非线性特性模型表达式，y(n)是宽带高功率放大器的输出；

c)接受新的输入采样和反馈采样对{x[n]，f[n]}，同时将输入信号x[n]和反馈采样信号f[n]移到基整信号向量X[n]和F[n]，这里f[n]≌y[n]，并且B[n]包含所有的输入采样所必须的非线性产物的矢量F[n]；

$B\left[n\right]=\left[\begin{array}{c}{f}_{\left(n\right)}\\ f_{\left(n\right)}\left|f_{\left(n\right)}\right|\\ f_{\left(n\right)}{\left|f_{\left(n\right)}\right|}^2\\ .\\ .\\ .\\ f_{n-2}\\ f_{(n-2)}\left|f_{(n-2)}\right|\\ f_{(n-2)}{\left|f_{(n-2)}\right|}^2\\ f_{n-2}{\left|f_{(n-2)}\right|}^3\\ f_{(n-2)}{\left|f_{(n-2)}\right|}^4\\ .\\ .\\ .\\ f_{(n-q)}{\left|f_{(n-q)}\right|}^{k-2}\\ f_{(n-q)}{\left|f_{n-q}\right|}^{k-1}\end{array}\right]---\left(3\right)$

d)通过上式(1)计算预失真滤波器的输出信号z(n)；

e)通过下列公式计算出先验误差函数；

e[n]＝z[n]-C[n]B[n]             (4)

f)通过下列公式计算卡尔曼增益因子；

$k\left[n\right]=R_{\mathrm{xx}}^{-1}\left[n\right]x\left[n\right]---\left(5\right)$

g)根据下列公式更新滤波器的逆自相关矩阵；

$R_{\mathrm{xx}}^{-1}\left[n\right]=\frac{1}{p}\left(R_{\mathrm{xx}}^{-1}\right[n-1]+\frac{k\left[n\right]k^T\left[n\right]}{p+x^T\left[n\right]k\left[n\right]})$ p为遗忘因子(6)

h)根据下列公式更新滤波器系数；

C[n]＝C[n-1]+k[n]e[n]          (7)

i)重复步骤b到h。

4)接下来，基于LMS算法对滤波器系数C进行更新。一旦自适应滤波器系数达到最佳值，随着时间的变化，宽带功率放大器的非线性失真因温度，器件老化等因素的影响而变化，为了解决这个问题，滤波器系数C的更新过程是基于一种适合于硬件实现的自适应算法(LMS算法)来跟踪非线性功放的时变特性。LMS算法如下：

a)采用式(7)的滤波器系数初始化C；

b)接受一对新的输入采样和反馈回路采样对{x[n]，f[n]}，同时将输入信号x[n]和反馈采样信号f[n]移到基整信号向量X[n]和F[n]；

c)通过上式(1)计算预失真滤波器的输出信号z(n)；

d)通过下面的公式计算误差函数；

e[n]＝z[n]-C[n]B[n]           (8)

e)根据下面的公式更新滤波器系数；

C[n+1]＝C[n]+ue[n]X[n]    u为收敛因子     (9)

f)重复步骤b到e。

本发明的另一种OFDM发射机的改进自适应数字预失真方法，提出了一种基于训练序列的QRD-RLS+NLMS算法相组合的混合算法进行自适应数字预失真滤波器系数的估计和更新。主要区别在于上述所述的步骤3滤波器系数的估计过程是基于训练序列的QRD-RLS算法进行滤波器系数C快速估计来获得预失真内核滤波器系数的初始值和上述所述的步骤4滤波器系数C的更新过程是基于一种适合于硬件实现的NLMS算法来跟踪非线性功放的时变特性。这样可以使收敛速度更快，减少计算量，节省FPGA的逻辑资源，降低硬件成本。

本发明采用了基于多项式的数字预失真装置和基于训练序列的RLS+LMS算法相组合的混合算法进行自适应数字预失真滤波器系数的估计和更新方法，优选地采用基于训练序列的QRD-RLS+NLMS算法相组合的混合算法进行自适应数字预失真滤波器系数的估计和更新方法。采用本发明的装置和方法，与传统的方法相比，处理带宽可以达到50MHZ以上，其余的改进之处如下：

本发明采用两种算法的联合处理，分步执行，达到快速补偿的目的，降低了宽带功率放大器因记忆效应所带来的性能下降，能够有效的提高基站系统的发射性能，改善了宽带功率放大器的线性度。同时，采用数字信号预处理模块的CFR技术，提高了宽带功率放大器的效率。

附图说明

图1是本发明的OFDM发射机的自适应数字预失真装置的示意图；

图2是本发明的自适应数字预失真装置的数字预失真合成单元示意图；

图3是本发明的自适应数字预失真方法流程图；

图4是本发明的另一种改进自适应数字预失真方法流程图。

具体实施方式

下面根据附图来说明本发明的具体实施例：

如图1所示，是本发明的OFDM发射机的自适应数字预失真的结构示意图。该OFDM发射机的自适应数字预失真装置，包括前向通路和反馈回路；其中前向通路包括OFDM基带信号模块101、数字预失真合成处理单元102、DAC103、射频发射机104和W-HPA105；反馈回路包括射频接收机108、ADC109。OFDM基带信号模块101对来自上层的数据进行OFDM调制，生成OFDM基带IQ数据；如图2所示，是本发明的自适应数字预失真装置的数字预失真合成单元示意图。数字预失真合成处理单元102包括信号预处理模块102a、数字预失真内核102b和自适应处理模块102c。其中信号预处理模块102a主要对OFDM基带信号模块101传来的基带下行IQ数据进行接入，实现数字上变频处理和峰值削波处理；数字预失真内核102b处理经过信号预处理模块的数字信号进行预失真，产生与W-HPA105的非线性特性相反的曲线，已产生的预失真发射信号送给DAC103；同时，接收经过功放耦合107反馈回来的数字中频信号；自适应处理模块102c主要实现自适应算法，产生数字预失真内核的校正系数。DAC103对数字预失真内核处理后的预失真信号进行数模转换并输出一个模拟高中频的下行信号；优选地DAC103对数字预失真内核处理后的预失真信号进行数模转换并输出一个零中频的基带信号；射频发射机104将模拟高中频信号经过上变频到射频频段，然后射频放大，滤波后输出下行射频信号到W-HPA105，W-HPA105进行功率放大后送给天线106输出；优选地射频发射机104将零中频信号经过模拟正交调制(AQM)到射频频段，然后射频放大，滤波后输出下行射频信号到W-HPA105，W-HPA105进行功率放大后送给天线106输出；射频接收机108对经过W-HPA105放大后通过定向耦合器107耦合部分的射频信号功率能量，进行RF下变频处理，中频滤波，中频放大后送给ADC转换器109进行模数转换，最后传输到数字预失真合成单元中的数字预失真内核作为反馈输入信号；ADC109主要对模拟中频信号进行模数转换；数字预失真合成单元采用单一的可编程逻辑器件(FPGA)来实现；数字预失真内核是基于多项式模型的数字预失真器。自适应处理模块是实现基于训练序列的RLS+LMS算法相组合的混合算法，优选地自适应处理模块是实现基于训练序列的QRD-RLS+NLMS算法相组合的混合算法。

如图3所示，是本发明的自适应数字预失真方法流程图。

1)首先将来自OFDM基带信号模块101生成的基带信号S_n送给数字预失真合成单元102的信号预处理模块处理102a进行数字上变频处理和峰值削波处理后产生x_n；

2)然后采用上述多项式模型(1)构造数字预失真内核102b，K为多项式模型的阶数，Q是预失真记忆效应长度(既功率放大器的记忆长度)；本实施例中K取5阶，Q取2，功放的先前记忆长度为2，多项式扩展表达式如下

z(n)＝C10.x(n)+C20.x(n).|x(n)|+C30.x(n).|x(n)|²+C40.x(n).|x(n)|³+C50.x(n).|x(n)|⁴+

C11.x(n-1)+C21.x(n-1).|x(n-1)|+C31.x(n-1).|x(n-1)|²+C41.x(n-1).|x(n-1)|³+C51.x(n-1).|x(n-1)|⁴+

C12.x(n-2)+C22.x(n-2).|x(n-2)|+C32.x(n-2).|x(n-2)|²+C42.x(n-2).|x(n-2)|³+C52.x(n-2).|x(n-2)|4    (10)；

3)基于训练序列的RLS算法进行自适应数字预失真滤波器系数的估计。对于(10)式中滤波器系数C是线性的，为了提高收敛速度，快速地计算出滤波器系数C。优选地，提出了一种基于训练序列的QRD-RLS+NLMS算法相组合的混合算法进行自适应数字预失真滤波器系数的估计和更新。如图4所示是本发明的另一种改进自适应数字预失真方法流程图。滤波器系数的估计过程是基于训练序列的RLS算法进行滤波器系数C初始值快速估计来获得预失真内核滤波器系数的初始值。基于训练序列的RLS算法如下：

a)初始化X＝C＝[0，0，...，0]^T和

b)发送一个训练序列去探测宽带高功率放大器的非线性特性，射频接收机反馈给数字预失真合成单元的采样为上式(2)；

c)同时接受新的输入采样和反馈采样对{x[n]，f[n]}，同时将输入信号x[n]和反馈采样信号f[n]移到基整信号向量X[n]和F[n]，这里f[n]≌y[n]，并且B[n]包含所有的输入采样所必须的非线性产物的矢量F[n]，如上式(3)所示；

d)通过上式(1)计算预失真滤波器的输出信号z(n)；

e)通过上式(4)计算出先验误差函数；

f)通过上式(5)计算卡尔曼增益因子；

g)根据上式(6)更新滤波器的逆自相关矩阵；

h)根据上式(7)更新式(10)中的滤波器系数C；

i)重复步骤b到h。

4)接下来，对式(10)中滤波器系数C进行更新。一旦自适应滤波器系数达到最佳值，随着时间的变化，功率放大器的非线性失真因温度，器件老化等因素的影响而变化，为了解决这个问题，滤波器系数C的更新过程是基于一种适合于硬件实现的自适应算法(LMS算法)来跟踪非线性功放的时变特性。LMS算法如下：

a)采用上式(7)的滤波器系数初始值初始化C；

b)接受一对新的输入采样和反馈回路采样对{x[n]，f[n]}，同时将输入信号x[n]和反馈采样信号f[n]移到基整信号向量X[n]和F[n]；

c)通过上式(1)计算预失真滤波器的输出信号z(n)；

d)通过上式(8)计算误差函数；

e)根据上式(9)更新式(10)中的已变化的滤波器系数C；

f)重复步骤b到e。

以上所述，仅为本发明最佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种适用于OFDM发射机的自适应数字预失真的装置，包括前向通路和反馈回路，其中前向通路包括正交频分复用OFDM基带信号模块、数字预失真合成处理单元、数模转换器DAC、射频发射机和宽带高功率放大器W-HPA；反馈回路包括射频接收机、模数转换器ADC；

其中，前向通路与反馈回路的连接关系为，射频接收机(108)将经过W-HPA(105)放大后通过定向耦合器(107)耦合部分的射频信号功率能量，进行RF下变频处理，中频滤波，中频放大后送给ADC转换器(109)进行模数转换，最后传输到数字预失真合成处理单元中的数字预失真内核作为反馈输入信号；ADC(109)主要对模拟中频信号进行模数转换；

OFDM基带信号模块对来自上层的数据进行OFDM调制，生成OFDM基带IQ数据；数字预失真合成处理单元对该OFDM基带IQ数据进行预失真处理；DAC对数字预失真处理后的预失真信号进行数模转换并输出一个零中频的基带信号；射频发射机将零中频信号经过模拟正交调制到射频频段，然后射频放大，滤波后输出下行射频信号到W-HPA，W-HPA进行功率放大后送给天线输出，其特征在于：

数字预失真合成处理单元包括信号预处理模块、数字预失真内核和自适应处理模块，其中，信号预处理模块主要对OFDM基带信号模块传来的基带下行IQ数据进行接入，实现数字上变频处理和峰值削波处理；数字预失真内核处理经过信号预处理模块的数字信号进行预失真，产生与W-HPA的非线性特性相反的曲线，已产生的预失真发射信号送给DAC，同时，接收经过功放耦合反馈回来的数字中频信号；自适应处理模块主要实现自适应算法，产生数字预失真内核的校正系数，

所述数字预失真内核的构造是基于下面的多项式模型，

$z\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{C}_{\mathrm{kq}}\·x_{(n-q)}\·{\left|x_{(n-q)}\right|}^{k-1}$

式中C代表滤波器的系数，x_n是数字预失真内核的输入，z(n)表示数字预失真内核的输出，K是多项式模型的阶数，Q是功率放大器的记忆长度，

所述自适应处理模块是基于训练序列的RLS+LMS算法相组合的混合算法，或者基于训练序列的QRD-RLS+NLMS算法相组合的混合算法，从而对自适应数字预失真滤波器系数进行估计和更新。

2.一种适用于OFDM发射机的自适应数字预失真方法，包括以下步骤：

A、将OFDM基带信号S_n送给信号预处理模块经数字上变频处理和峰值削波处理后产生x_n；

B、构造数字预失真内核对经过信号预处理的数字信号进行预失真处理，采用下列多项式模型如下；

$z\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{C}_{\mathrm{kq}}\·x_{(n-q)}\·{\left|x_{(n-q)}\right|}^{k-1}---\left(1\right)$

式中C代表滤波器的系数，x_n是数字预失真内核的输入，z(n)表示数字预失真内核的输出，K是多项式模型的阶数，Q是功率放大器的记忆长度；

C、基于训练序列的RLS+LMS算法相组合的混合算法对自适应数字预失真滤波器系数进行估计和更新；

D、将已产生的预失真信号传给数模转换器DAC，DAC对数字预失真内核处理后的预失真信号进行数模转换并输出一个零中频的基带信号；

E、射频发射机将零中频信号经过模拟正交调制到射频频段，然后射频放大，滤波后输出下行射频信号到宽带高功率放大器W-HPA，W-HPA进行功率放大后送给天线输出。

3.如权利要求2所述的方法，其中步骤C中的RLS算法如下：

a)初始化X＝C＝[0，0，...，0]^T和R

[0]＝δI，其中δ的取值对高信噪比的输入信号选择较小的正常数，对低信噪比的输入信号选择较大的正常数；

b)发送一个训练序列去探测宽带高功率放大器的非线性特性，射频接收机反馈给数字预失真合成单元的采样为；

y(n)＝h(x(n))+w(n)                   (2)

w(n)是噪声失量，h(x(n)))是宽带高功率放大器的非线性特性模型表达式，y(n)是宽带高功率放大器的输出；

c)接受新的输入采样和反馈采样对{x[n]，f[n]}，同时将输入信号x[n]和反馈采样信号f[n]移到基整信号向量X[n]和F[n]，这里f[n]≌y[n]，并且B[n]包含所有的输入采样所必须的非线性产物的矢量F[n]；

$B\left[n\right]=\left[\begin{array}{c}{f}_{\left(n\right)}\\ f_{\left(n\right)}\left|f_{\left(n\right)}\right|\\ f_{\left(n\right)}{\left|f_{\left(n\right)}\right|}^2\\ .\\ .\\ .\\ f_{n-2}\\ f_{(n-2)}\left|f_{(n-2)}\right|\\ f_{(n-2)}{\left|f_{(n-2)}\right|}^2\\ f_{n-2}{\left|f_{(n-2)}\right|}^3\\ f_{(n-2)}{\left|f_{(n-2)}\right|}^4\\ .\\ .\\ .\\ f_{(n-q)}{\left|f_{(n-q)}\right|}^{k-2}\\ f_{(n-q)}{\left|f_{n-q}\right|}^{k-1}\end{array}\right]---\left(3\right)$

d)通过上式(1)计算预失真滤波器的输出信号z(n)；

e)通过下列公式计算出先验误差函数；

e[n]＝z[n]-C[n]B[n]              (4)

f)通过下列公式计算卡尔曼增益因子；

$k\left[n\right]=R_{\mathrm{xx}}^{-1}\left[n\right]x\left[n\right]---\left(5\right)$

g)根据下列公式更新滤波器的逆自相关矩阵；

$R_{\mathrm{xx}}^{-1}\left[n\right]=\frac{1}{p}\left(R_{\mathrm{xx}}^{-1}\right[n-1]+\frac{k\left[n\right]k^T\left[n\right]}{p+x^T\left[n\right]k\left[n\right]})$ p为遗忘因子(6)

h)根据下列公式更新滤波器系数；

C[n]＝C[n-1]+k[n]e[n]            (7)

i)重复步骤b到h。

4.如权利要求3中的方法，其中步骤C中的LMS算法如下：

a)采用式(7)的滤波器系数初始化C；

b)接受一对新的输入采样和反馈回路采样对{x[n]，f[n]}，同时将输入信号x[n]和反馈采样信号f[n]移到基整信号向量X[n]和F[n]；

c)通过上式(1)计算预失真滤波器的输出信号z(n)；

d)通过下面的公式计算误差函数；

e[n]＝z[n]-C[n]B[n]              (8)

e)根据下面的公式更新滤波器系数；

C[n+1]＝C[n]+ue[n]X[n]    u为收敛因子(9)

f)重复步骤b到e。

5.如权利要求2所述的方法，其中步骤C中，基于训练序列的QRD-RLS+NLMS算法对自适应数字预失真滤波器系数进行估计和更新。

Images