CN101478522B - 一种ofdm系统中基于二维查询表的自适应预失真方法 - Google Patents

Abstract

本发明涉及一种OFDM系统中基于二维查询表的自适应预失真方法，该方法包括对OFDM源信号进行一次预失真处理后的信号和经过两次预失真处理后的信号进行误差计算，并对误差信号进行自适应迭代运算，更新预失真系数，使得误差信号趋近于0，在进行预失真处理时，采用通过第一维索引地址X(n)和第二维索引地址Y(n)联合索引得到幅度预失真系数和相位预失真系数的方法，其中第二维索引地址Y(n)利用历史输入幅度值计算得到，采用本发明技术方案有效克服了功放的记忆效应，在不提升算法复杂度的同时有效地加快了查询表的收敛速度，获得了更小的均方误差，同时降低了算法硬件实现的复杂程度。

Description

一种OFDM系统中基于二维查询表的自适应预失真方法

技术领域

本发明涉及无线通信技术领域，具体的涉及一种OFDM系统中基于二维查询表的自适应预失真方法。 

背景技术

由于OFDM系统内存在多个子信道信号的叠加，因此在系统的发射机内，合成信号会存在较大的瞬时峰值，从而产生过大的峰值平均功率比。这些瞬时峰值通过传输系统中的有限线性动态范围的放大器时，就会产生失真。 

放大器的失真分为两种：线性失真和非线性失真。通常放大电路的输入信号是多频信号，如果放大电路对信号的不同频率分量具有不同的增益幅值或者相对相移发生变化，就使输出波形发生失真，前者称为幅度失真，后者称为相位失真，两者统称为频率失真。由于频率失真是由电路的线性电抗元件引起的，故又称线性失真，其特征是输出信号中不产生输入信号中所没有的新的频率分量。而非线性失真是由放大器件伏安特性的非线性或者负载的非线性而引起的波形失真，其特征是产生新的频率分量，即产生以输入信号的单频分量为基波分量的高次谐波分量。本发明主要针对放大器非线性失真的校正进行深入研究。 

目前存在多种放大器线性化方法，常用到的有功率回退法、负反馈法、前馈法、LINC法和预失真法等。但无论何种方法，其目的都是为了在保持较高发射效率的同时，获得较好的线性输入输出特性。线性化技术发展中非常重要的一步是预失真技术的出现。预失真技术使功率放大器线性度大大提高，输出功率增大，适合宽带的应用，系统稳定性好，因此目前应用较为广泛。最主要的是预失真方法实现上比较简单，价格上也比较便宜，随之带来 经济效益的增加。因此，预失真技术是一种很有发展前途的功放线性化技术。 

然而，目前出现的大多数预失真方法都是针对无记忆功率放大器而提出的，对有记忆功率放大器引起的影响未能充分考虑。事实上，OFDM系统的日益流行给现行的很多无记忆预失真方法提出了新的问题和挑战。对很多功率放大器来说，OFDM是宽带信号，也就是说，这些功率放大器的幅频特性在OFDM信号的带宽范围内并不是完全平坦的，放大倍数不仅与当前输入值有关，还与之前的历史输入值有一定关系，这就是功率放大器的记忆特性。当OFDM信号频带足够宽，当前值与历史值的耦合程度足够大时，这种记忆特性对输出信号的影响就不能随便忽略了。因此，充分分析功率放大器非线性和记忆性对OFDM宽带信号的双重影响，已经成为数字预失真领域的一个新兴研究方向。 

虽然目前国际上已对有记忆功放预失真技术展开了一定的研究，但国内对这方面的研究尚属起步阶段，目前出现的有记忆功放预失真方案大多数都是基于多项式法的，使得这些方案很难应用到实际工程中去。而目前出现的考虑功放记忆效应的查询表预失真技术主要有两类：一类是仍旧采用一维表，但表地址的索引方式包含了功放的记忆效应，例如PMC和Altera表地址产生方案。还有一类就是采用多维表，通过增加查询表的维数来表征放大器的记忆效应。He(Terry Hoh)Zhi-yong，Ge Jian-hua，Geng shu-jian，andWang Gang，“An Improved Look-Up Table Predistortion Technique forHPA with Memory Effects in OFDM  Systems”，IEEE TRANSACTIONSON BROADCASTI NG，VOL.52，NO.1中首次提出了运用二维查询表的方法来对功放的记忆效应进行校正，由于增加了二维索引因子Y，因此可以有效区分不同的历史状态信息，从而克服功放的记忆效应。该方案是一种简单高效的预失真方法，但其性能还有待改善。 

图1给出了目前二维查询表自适应预失真的通用方法，图中输入数字预失真模块的OFDM数字基带复信号x_in，经过R/P变换后得到ρexp(jθ)。ρ量化后作为第一维索引值X；ρ与历史时刻的输入信号值ρ_his联合计算得出第二维索引值Y(Y有不同的定义方式)。联合索引值(X，Y)查询二维查询表即可得到此时x_in所对应的乘法修正因子β，经过乘法器后得到预失真器的输出x_pd＝x_in*β。 

发明内容

本发明的目的在于克服现有技术的不足，提供一种OFDM系统中基于二维查询表的自适应预失真方法，使得在不提升算法复杂度的同时有效地加快了查询表的收敛速度，获得了更小的均方误差，同时降低了算法硬件实现的复杂程度。 

本发明上述目的通过如下技术方案予以实现： 

一种OFDM系统中基于二维查询表的自适应预失真方法，其特征在于包括如下步骤： 

(1)根据第一查询表中预失真系数对OFDM源信号v_i(n)进行预失真处理得到预失真信号v_d(n)，其中进行预失真处理的过程如下： 

a)输入OFDM源信号v_i(n)＝ρ_in(n)*exp(jθ_in(n))，得到所述第一查询表的第一维索引地址X(n)和第二维索引地址Y(n)，其中ρ_in(n)为输入OFDM源信号的幅度，θ_in(n)为输入OFDM源信号的相位； 

b)根据X(n)和Y(n)联合索引查找第一查询表中的第一幅度表得到幅度预失真系数α(n)，查找第一查询表中的第一相位表得到相位预失真系数σ(n)，计算得到预失真系数β(n)＝α(n)exp(jρ(n))； 

c)根据v_i(n)和β(n)计算得到预失真处理后的信号v_d(n)： 

v_d(n)＝v_i(n)*β(n)＝ρ_in(n)*α(n)*exp(j(θ_in(n)+σ(n)))； 

(2)预失真信号v_d(n)依次经过数模变换处理、上变频处理、功率放大处理、下变频处理和模数变换处理后得到信号 

根据第二查询表中的预失真系数对信号 进行预失真处理，得到预失真信号 

其中进行预失真处理的过程如下： 

(d)输入信号 

v_i′(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))*exp(j(θ_in(n)+σ(n)+F_θ(ρ_in(n)*α(n))))，得到所述查询表的第一维索引地址X′(n)和第二维索引地址Y′(n)，其中G_ρ(ρ_in(n)*α(n))为功率放大器的AM/AM失真，F_θ(ρ_in(n)*α(n))为功率放大器的AM/PM失真，ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))为输入信号v_i′(n)的幅度，θ_in(n)+σ(n)+F_θ(ρ_in(n)*α(n))为输入信号v_i′(n)的相位； 

(e)根据X′(n)和Y′(n)联合索引查找第二查询表中的第二幅度表得到幅度预失真系数α′(n)，查找第二查询表中的第二相位表得到相位预失真系数σ′(n)，计算得到预失真系数β′(n)＝α′(n)exp(jσ′(n))； 

(f)根据v_i′(n)和β′(n)得到预失真处理后的信号 

${\hat{v}}_d\left(n\right)=v_i^{\′}\left(n\right)*{\mathrm{\β}}^{\′}\left(n\right)={\mathrm{\ρ}}_{\mathrm{in}}\left(n\right)*\mathrm{\α}\left(n\right)*{\mathrm{\α}}^{\′}\left(n\right)*G_{\mathrm{\ρ}}({\mathrm{\ρ}}_{\mathrm{in}}\left(n\right)*\mathrm{\α}\left(n\right))*;$

exp(j(θ_in(n)+σ(n)+σ′(n)+F_θ(ρ_in(n)*α(n)))) 

(3)将步骤(1)中的预失真信号v_d(n)和步骤(2)中的预失真信号 

进行误差计算，得到误差信号e(n)； 

(4)根据误差信号e(n)进行自适应迭代运算，更新步骤(2)中第二查询表中的预失真系数，使得误差信号e(n)趋近于0； 

其中e(n)＝e_ρ(n)*exp(je_θ(n))，e_ρ(n)为v_d(n)与 

的幅度误差，e_θ(n)为v_d(n)与 

的相位误差，n表示采样点数，为正整数。 

在上述OFDM系统中基于二维查询表的自适应预失真方法中，步骤(1)中第一维索引地址X(n)由ρ_in(n)经过地址量化得到。 

在上述OFDM系统中基于二维查询表的自适应预失真方法中，步骤(1)中计算第二维索引地址Y(n)的第一种方法如下： 

Y(n)＝Int{[ρ_in(n-Q)+ρ_in(n-Q+1)+...+ρ_in(n-1)]/A} 

其中函数Int(·)代表不大于函数值的最大整数；Q为记忆深度，取值为正整数；ρ_in(n)为输入信号v_i(n)的幅度；A为常数，取值为第二维索引值的区间数量；n表示采样点数，为正整数。 

在上述OFDM系统中基于二维查询表的自适应预失真方法中，步骤(1)中计算第二维索引地址Y(n)的第二种方法如下： 

设输入加权平均幅度为： 

ρ_wei(n)＝λ_Qρ_in(n-Q)+λ_Q-1ρ_in(n-Q+1)+L+λ₂ρ_in(n-2)+λ₁ρ_in(n-1) 

其中λ_i＝D^1-i；D为指数遗忘因子的底数，D＞1，i＝1，2，L，Q-1，Q为记忆深度，取值为正整数， 

若 $\frac{{\mathrm{\&rho;}}_{\mathrm{wei}}\left(n\right)}{{\mathrm{\&rho;}}_{\mathrm{in}}\left(n\right)}<U_{\max },$ $Y\left(n\right)=\mathrm{Int}(\frac{\frac{{\mathrm{\&rho;}}_{\mathrm{wei}}\left(n\right)}{{\mathrm{\&rho;}}_{\mathrm{in}}\left(n\right)}}{U_{\max }}*L_Y);$

若 

Y(n)＝L_Y-1 

其中，U_max为 

的理想上限值，L_Y为第二维索引值的区间数量。 

在上述OFDM系统中基于二维查询表的自适应预失真方法中，步骤(2)中第一维索引地址X′(n)由ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))经过地址量化得到。 

在上述OFDM系统中基于二维查询表的自适应预失真方法中，步骤(2)中计算第二维索引地址Y′(n)的第一种方法如下： 

Y′(n)＝Int{[ρ′_in(n-Q)+ρ′_in(n-Q+1)+…+ρ′_in(n-1)]/A} 

其中函数Int(·)为不大于函数值的最大整数；Q为记忆深度，取值为正整数；ρ′_in(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))为输入信号 

的幅度；A为常数，取值为第二维索引值的区间数量；n表示采样点数，为正整数。 

在上述OFDM系统中基于二维查询表的自适应预失真方法中，步骤(2)中计算第二维索引地址Y′(n)的第二种方法如下： 

设输入加权平均幅度为： 

[0043] ρ′_wei(n)＝λ_Qρ′_in(n-Q)+λ_Q-1ρ′_in(n-Q+1)+L+λ₂ρ′_in(n-2)+λ₁ρ′_in(n-1) 

[0044] 其中λ_i＝D^1-i，D为指数遗忘因子的底数，D＞1，i＝1，2，L，Q-1，Q为记忆深度，取值为正整数， 

若 $\frac{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{wei}}\left(n\right)}{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{in}}\left(n\right)}<U_{\max },$ $Y^{\&prime;}\left(n\right)=\mathrm{Int}(\frac{\frac{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{wei}}\left(n\right)}{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{in}}\left(n\right)}}{U_{\max }}*L_Y);$

若 

Y′(n)＝L_Y-1 

其中，U_max为 

的理想上限值，L_Y为第二维索引值的区间数量，ρ′_in(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))为输入信号 

的幅度。 

在上述OFDM系统中基于二维查询表的自适应预失真方法中，步骤(4)中进行自适应迭代运算的迭代方程为： 

${{\mathrm{\&alpha;}}_{i+1}}^{\&prime;}\left(n\right)={\mathrm{\&alpha;}}_i^{\&prime;}\left(n\right)+e_{\mathrm{\&rho;}}\left(n\right)*{\mathrm{\&mu;}}_{\mathrm{\&rho;}}$

${{\mathrm{\&sigma;}}_{i+1}}^{\&prime;}\left(n\right)={\mathrm{\&sigma;}}_i^{\&prime;}\left(n\right)+e_{\mathrm{\&theta;}}\left(n\right)*{\mathrm{\&mu;}}_{\mathrm{\&theta;}}$

其中 

v_d(n)为所述步骤(1)中预失真处理后的信号， 

为所述步骤(2)中预失真处理后的信号，函数arg(.)为取信号的相位，μ_ρ是幅度的迭代步长，μ_θ是相位的迭代步长。 

本发明与现有技术相比具有如下优点： 

(1)采用RASCAL迭代算法，相较传统的LMS，RLS等自适应算法，参数更少，且具有良好的收敛特性。 

(2)采用二维查询表方式来表征功率放大器的记忆效应，其中第一维索引值为输入OFDM源信号的幅度值，第二维索引值为利用指数遗忘因子对不同的历史输入幅度进行加权求和的值，从而表征当前输入信号的幅度值与历史输入信号幅度值的耦合状况，有效克服功放的记忆效应。 

(3)通过采用利用输入信号的幅度进行索引的方式，具有实现简单、 依赖因素少，性能较优的特点。 

本发明技术方案大大降低了算法硬件实现的复杂程度，适合于工程实现。 

图说明 

图1为二维查询表自适应预失真的通用方法结构框图； 

图2为本发明OFDM系统中非直接学习结构自适应预失真器结构图； 

图3为本发明中第一预失真单元进行预失真工作流程图； 

图4为本发明中第二预失真单元进行预失真工作流程图； 

图5为在预失真器工作前后的功放输出解调星座图； 

图6为各种情况下的功率放大器输出功率谱密度图； 

图7为本发明中二维索引值Y分布的柱状图； 

图8为当第二维尺寸分别取32和512时功率放大器的输出功率谱密度图。 

具体实施方式

下面结合图和具体实施方式对本发明作进一步的详细描述。 

图2为本发明的非直接学习结构自适应预失真系统结构图，该系统将多项式预失真方法中的非直接学习结构与查询表自适应预失真方法相结合，本发明预失真器包括第一预失真单元、第二预失真单元两个预失真查询表单元，误差信号计算单元和自适应算法单元。 

其中第一预失真单元包括存储预失真系数的第一查询表，根据第一查询表对输入的OFDM源信号v_i(n)进行预失真处理，并将预失真处理后的信号v_d(n)分别输送给误差信号计算单元和外部的数模变换器DAC单元；第二预失真单元接收第一预失真单元预失真处理后的信号v_d(n)依次经过外部数模变换器DAC单元、上变频单元，功率放大器、下变频单元和模数变换器ADC单元处理后的信号v_i′(n)，根据存储预失真系数的第二查询表进行预失真处理，并将预失真处理后的信号 输送给误差信号计算单元；误差信号计算 单元接收第一预失真单元预失真处理后的信号v_d(n)和第二预失真单元预失真处理后的信号 

并进行误差计算，得到误差复信号e(n)；自适应算法单元接收误差复信号e(n)进行自适应迭代运算，更新第二预失真单元的第二查询表中的预失真系数，使得误差复信号e(n)趋近于0，其中e(n)＝e_ρ(n)*exp(je_θ(n))，e_ρ(n)代表v_d(n)与 

的幅度误差，e_θ(n)代表v_d(n)与 

的相位误差，n表示采样点，为正整数。 

通过仿真对比可以得到以下结论：对于一个典型的AB类功率放大器，功率索引在任何情况下都是最差的一种方法；在动态功率控制系统中，μ律幅度索引与回退电平变化依赖性最小；相对于前两种方法，幅度索引产生的交调功率较小；而最优表项分布方案优于幅度索引。但是，虽然最优分布方案的性能最佳，但从工程实现的角度来看，更倾向于幅度索引的方法，因为它实现简单，依赖因素少，性能也最接近于最优分布，因此本发明技术方案中采用幅度索引的方法。 

图3为本发明中第一预失真单元进行预失真工作流程图，首先输入OFDM源信号v_i(n)＝ρ_in(n)*exp(jθ_in(n))，其中ρ_in(n)为输入OFDM源信号的幅度，θ_in(n)为输入OFDM源信号的相位，根据ρ_in(n)量化得出查询表的第一维索引地址X(n)，利用历史输入幅度值进行计算得到第二维索引地址Y(n)，本发明给出计算Y(n)的两种方法： 

方法1： 

用一种最简单的方法来改进二维索引值Y的计算。由于引入二维索引因子Y的目的就是为了识别不同历史输入信号，来消除功放的记忆效应，因此可以用一种简单的方法来获取二维索引值Y： 

Y(n)＝Int{[ρ_in(n-Q)+ρ_in(n-Q+1)+...+ρ_in(n-1)]/A}    (1) 

其中函数Int(·)代表不大于函数值的最大整数；Q为记忆深度，取值为正整数；ρ_in(n)为输入信号v_i(n)的幅度；A为常数，取值为第二维索引值的区间 数量；n表示采样点数，为正整数。。 

方法2： 

设输入加权平均幅度为： 

ρ_wei(n)＝λ_Qρ_in(n-Q)+λ_Q-1ρ_in(n-Q+1)+…+λ₂ρ_in(n-2)+λ₁ρ_in(n-1)    (2) 

其中λ_i＝D^1-i，D＞1是指数遗忘因子的底数，i＝1，2，…，Q-1，Q是记忆深度。为了压缩ρ_wei(n)的取值范围，同时又不影响其描述历史状态的本质，可以对当前幅度ρ_in(n)归一化，得到 

根据 

的分布采用平均量化区间的方法，便能得到二维索引值Y(n)。 

若 $\frac{{\mathrm{\&rho;}}_{\mathrm{wei}}\left(n\right)}{{\mathrm{\&rho;}}_{\mathrm{in}}\left(n\right)}<U_{\max },$ $Y\left(n\right)=\mathrm{Int}(\frac{\frac{{\mathrm{\&rho;}}_{\mathrm{wei}}\left(n\right)}{{\mathrm{\&rho;}}_{\mathrm{in}}\left(n\right)}}{U_{\max }}*L_Y);---\left(3\right)$

若 $\frac{{\mathrm{\&rho;}}_{\mathrm{wei}}\left(n\right)}{{\mathrm{\&rho;}}_{\mathrm{in}}\left(n\right)}\&GreaterEqual;U_{\max },$ Y(n)＝L_Y-1(4) 

其中，U_max代表 

的理想上限值，L_Y代表二维索引值Y的区间数量。若对于记忆特性不是很强的功放，可以把式简化为 即只考虑权重最大的最后一项。 

采用上述计算方法是由于根据多个典型有记忆HPA模型的系数分布，可以发现时间上越相近的历史值，对当前值的影响越大。因此选用指数遗忘因子λ对Y值加以改进，对时间较近的输入值使用较大的权，时间较早的输入值使用按指数规律减少的权。这种方法可以作为对实际中未知HPA记忆特性的一种更为合理的估计。 

根据{X(n)，Y(n)}联合索引查找第一幅度表得到幅度预失真系数α(n)，查找第一相位表得到相位预失真系数σ(n)，计算得到预失真系数β(n)＝α(n)exp(jσ(n))；β(n)与v_i(n)通过乘法器的运算得到预失真处理后的信号 v_d(n)： 

v_d(n)＝v_i(n)*β(n)＝ρ_in(n)*α(n)*exp(j(θ_in(n)+σ(n)))(5) 

信号v_d(n)经过外部数模变换器DAC单元、上变频单元，功率放大器、下变频单元和模数变换器ADC单元处理后得到信号v_i′(n)，本发明暂不考虑信号经过数模/模数转换及变频过程的影响，只考虑功率放大器对信号产生的失真，因此信号v_d(n)经过功率放大器处理后的信号v_i′(n)为： 

v_i′(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))*exp(j(θ_in(n)+σ(n)+F_θ(ρ_in(n)*α(n))))    (6) 

其中G_ρ(ρ_in(n)*α(n))代表功率放大器的AM/AM失真，F_θ(ρ_in(n)*α(n))代表功率放大器的AM/PM失真，ρ_in(n)为输入OFDM源信号的幅度，θ_in(n)为输入OFDM源信号的相位，信号v_i′(n)输入第二预失真单元。 

如图4所示为本发明第二预失真单元进行预失真工作流程图，首先输入信号v_i′(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))*exp(j(θ_in(n)+σ(n)+F_θ(ρ_in(n)*α(n))))，其中ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))为输入信号v_i′(n)的幅度，θ_in(n)+σ(n)+F_θ(ρ_in(n)*α(n))为输入信号v_i′(n)的相位，幅度值ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))经过地址量化得出第二查询表的第一维索引地址X′(n)，利用历史输入幅度值进行计算得到第二维索引地址Y′(n)，本发明给出计算Y′(n)的两种方法，计算过程同Y(n)的计算： 

方法1： 

Y′(n)＝Int{[ρ′_in(n-Q)+ρ′_in(n-Q+1)+...+ρ′_in(n-1)]/A}    (7) 

其中函数Int(·)代表不大于函数值的最大整数，Q代表记忆深度，取值为正整数，ρ′_in(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))为输入信号v_i′(n)的幅度，A为常数，取值为第二维索引值的区间数量，n表示采样点数，为正整数。 

方法2： 

设输入加权平均幅度为： 

ρ′_wei(n)＝λ_Qρ′_in(n-Q)+λ_Q-1ρ′_in(n-Q+1)+…+λ₂ρ′_in(n-2)+λ₁ρ′_in(n-1)    (8) 

其中λ_i＝D^1-i，D＞1是指数遗忘因子的底数，i＝1，2，…，Q-1，Q是记忆深度。 为了压缩ρ′_wei的取值范围，同时又不影响其描述历史状态的本质，可以对当前幅度ρ_in′(n)归一化，得到 

根据 

的分布采用平均量化区间的方法，便能得到二维索引值Y′(n)。 

若 $\frac{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{wei}}\left(n\right)}{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{in}}\left(n\right)}<U_{\max },$ $Y^{\&prime;}\left(n\right)=\mathrm{Int}(\frac{\frac{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{wei}}\left(n\right)}{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{in}}\left(n\right)}}{U_{\max }}*L_Y);---\left(9\right)$

若 $\frac{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{wei}}\left(n\right)}{{{\mathrm{\&rho;}}^{\&prime;}}_{\mathrm{in}}\left(n\right)}\&GreaterEqual;U_{\max },$ Y′(n)＝L_Y-1  (10) 

其中U_max代表 

的理想上限值，L_Y代表第二维索引值的区间数量，ρ′_in(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))为输入信号v_i′(n)的幅度。若对于记忆特性不是很强的功放，可以把式简化为 

即只考虑权重最大的最后一项。 

计算得到预失真修正系数β′(n)＝α′(n)exp(jσ′(n))；β′(n)与v_i′(n)通过乘法器的运算得到预失真处理后的信号 

${\hat{v}}_d\left(n\right)=v_i^{\&prime;}\left(n\right)*{\mathrm{\&beta;}}^{\&prime;}\left(n\right)={\mathrm{\&rho;}}_{\mathrm{in}}\left(n\right)*\mathrm{\&alpha;}\left(n\right)*{\mathrm{\&alpha;}}^{\&prime;}\left(n\right)*G_{\mathrm{\&rho;}}({\mathrm{\&rho;}}_{\mathrm{in}}\left(n\right)*\mathrm{\&alpha;}\left(n\right))*---\left(11\right)$

exp(j(θ_in(n)+σ(n)+σ′(n)+F_θ(ρ_in(n)*α(n))))  

当系统收敛时，应满足v_i(n)＝v′_i(n)，这时 $v_d\left(n\right)={\hat{v}}_d\left(n\right).$ 自适应过程采用RASCAL算法，则迭代方程为： 

$e_{\mathrm{\&rho;}}\left(n\right)=\left|v_d\left(n\right)\right|-\left|{\hat{v}}_d\left(n\right)\right|---\left(12\right)$

$e_{\mathrm{\&theta;}}\left(n\right)=\arg \left(v_d\left(n\right)\right)-\arg \left({\hat{v}}_d\left(n\right)\right)---\left(13\right)$

α′_i+1(n)＝α′_i(n)+e_ρ*μ_ρ    (14) 

σ′_i+1(n)＝σ′_i(n)+e_θ(n)*μ_θ    (15) 

其中，e_ρ(n)，e_θ(n)分别代表v_d(n)与 的幅度和相位的误差，arg(v_d(n))和 

表示取信号的相位，μ_ρ和μ_θ是幅度与相位的迭代步长。根据式(14) 和式(15)所给出的自适应迭代方程来更新进行第二次预失真处理的第二查询表中的预失真系数α′(n)和σ′(n)，使得误差信号e(n)趋近于0，其中e(n)＝e_ρ(n)*exp(je_θ(n))。 

需要说明的是第一预失真单元中的第一查询表是第二预失真单元中第二查询表的复制，当自适应算法单元对第二查询表中的预失真系数进行更新时，第一查询表中的预失真系数也相应进行了更新，本发明为描述方便，对第一查询表和第二查询表中的变量赋予了不同的符号表示。 

由于功率放大器对输入信号相位的失真是在原相位上再叠加一个相位偏移，这个相位偏移只与输入信号的幅度值有关。因此，当幅度失真足够小时，可以利用下式来消除所有的残余相位误差。 

σ′_i+1(n)＝σ′_i(n)+μ_θ    (16) 

图5，6给出了将本发明预失真方案应用于数字电视地面多媒体广播(DTMB)系统中得到的性能结果，功率放大器模型采用多项式模型。 

图5为在预失真器工作前后的功放输出解调星座图，图(a)代表64QAM信号源的星座图，图(b)代表无预失真器时的解调星座图，可见由于记忆效应的存在，星座图已严重失真，图(c)是采用一维查询表预失真器后的星座图，而图(d)是采用本发明所提供的二维查询表预失真器后的星座图。可以看出，一维查询表预失真器也可较好地恢复失真的星座点，但其对星座点扩散的抑制能力还是相对有限，而二维查询表预失真器则可以更完好清晰地恢复出原始星座图。 

图6是在各种情况下的功率放大器输出功率谱密度图，其中(a)为无预失真校正的信号；(b)为经过一维查询表预失真器校正后的信号；(c)为经过本发明所提供预失真器方法1校正后的信号；(d)为经过本发明所提供预失真器方法2校正后的信号；(e)为原始信号。由图可以看到，采用一维查询表的方法也可抑制带外频谱泄漏，但是一维查询表预失真器的性能比二维查询表预失真器的性能差，二者性能相差最多能达到20dB，而且通过仔细观 察可发现其PSD(Power Spectrum Density：功率谱密度)曲线会出现双肩不平的现象，这是由于功放的记忆效应产生的，可见一维查询表还是无法很好地校正功放的记忆效应。而(c)、(d)这两种二维查询表的方法就可以很好地克服功放的记忆效应。由于在(d)中采取了用遗忘因子加权求和的方法，相较于(c)中的直接求和，这种方法对功放记忆效应的估计更为准确合理。因此(d)的性能比(e)的性能又有几乎5dB的提高，已经接近于原始信号的PSD曲线。 

在二维查询表预失真器的设计中，值得注意的一个问题就是预失真器性能与二维表尺寸的折衷。通常查询表尺寸越大，收敛越慢，但误差越小。图7所示为本发明中二维索引值Y分布的柱状图。从图中可以看到，仅仅在一小部分区间内Y出现的机率较大，而本发明所采用的是均匀量化方案，因此若将第二维的尺寸取的过大，将导致很多查询表单元都没有被利用，从而造成存储空间的浪费。图8为当第二维尺寸分别取32和512时的功率放大器输出功率谱密度图，其中(a)为无预失真校正的信号；(b)为经过一维查询表预失真器校正后的信号；(c)为经过本发明所提供方案1的预失真器校正后的信号；(d)为经过本发明所提供方案2的预失真器校正后的信号；(e)为原始信号。由图可以看出当第二维Y的尺寸分别为32和512时，对系统性能的影响不是特别大，因此在实际系统中设计预失真器时，要考虑性能与复杂度的一个折衷。 

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。 

本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。 

Claims (8)

1.一种OFDM系统中基于二维查询表的自适应预失真方法，其特征在于包括如下步骤：

(1)根据第一查询表中预失真系数对OFDM源信号v_i(n)进行预失真处理得到预失真信号v_d(n)，其中进行预失真处理的过程如下：

a) 输入OFDM源信号v_i(n)＝ρ_in(n)*exp(jθ_in(n))，得到所述第一查询表的第一维索引地址X(n)和第二维索引地址Y(n)，其中ρ_in(n)为输入OFDM源信号的幅度，θ_in(n)为输入OFDM源信号的相位；

b)根据X(n)和Y(n)联合索引查找第一查询表中的第一幅度表得到幅度预失真系数α(n)，查找第一查询表中的第一相位表得到相位预失真系数σ(n)，计算得到预失真系数β(n)＝α(n)exp(jσ(n))；

c)根据v_i(n)和β(n)计算得到预失真处理后的信号v_d(n)：

v_d(n)＝v_i(n)*β(n)＝ρ_in(n)*α(n)*exp(j(θ_in(n)+σ(n)))；

(2)预失真信号v_d(n)依次经过数模变换处理、上变频处理、功率放大处理、下变频处理和模数变换处理后得到信号v′_i(n)，根据第二查询表中的预失真系数对信号v′_i(n)进行预失真处理，得到预失真信号 

其中进行预失真处理的过程如下：

(d)输入信号

v′_i(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))*exp(j(θ_in(n)+σ(n)+F_θ(ρ_in(n)*α(n))))，得到所述查询表的第一维索引地址X′(n)和第二维索引地址Y′(n)，其中G_ρ(ρ_in(n)*α(n))为功率放大器的AM/AM失真，F_θ(ρ_in(n)*α(n))为功率放大器的AM/PM失真，ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))为输入信号v′_i(n)的幅度，θ_in(n)+σ(n)+F_θ(ρ_in(n)*α(n))为输入信号v′_i(n)的相位；

(e)根据X′(n)和Y′(n)联合索引查找第二查询表中的第二幅度表得到幅 度预失真系数α′(n)，查找第二查询表中的第二相位表得到相位预失真系数σ′(n)，计算得到预失真系数β′(n)＝α′(n)exp(jσ′(n))；

(f)根据v′_i(n)和β′(n)得到预失真处理后的信号 

exp(j(θ_in(n)+σ(n)+σ′(n)+F_θ(ρ_in(n)*α(n))))

(3)将步骤(1)中的预失真信号v_d(n)和步骤(2)中的预失真信号 

进行误差计算，得到误差信号e(n)；

(4)根据误差信号e(n)进行自适应迭代运算，更新步骤(2)中第二查询表中的预失真系数，使得误差信号e(n)趋近于0；

其中e(n)＝e_ρ(n)*exp(je_θ(n))，e_ρ(n)为v_d(n)与 的幅度误差，e_θ(n)为v_d(n)与 

的相位误差；n表示采样点数，为正整数。

2.根据权利要求1所述的一种OFDM系统中基于二维查询表的自适应预失真方法，其特征在于：所述步骤(1)中第一维索引地址X(n)由ρ_in(n)经过地址量化得到。

3.根据权利要求1所述的一种OFDM系统中基于二维查询表的自适应预失真方法，其特征在于：所述步骤(1)中计算第二维索引地址Y(n)的方法如下：

Y(n)＝Int{[ρ_in(n-Q)+ρ_in(n-Q+1)+...+ρ_in(n-1)]/A}

其中函数Int(·)代表不大于函数值的最大整数；Q为记忆深度，取值为正整数；ρ_in(n)为输入信号v_i(n)的幅度；A为常数，取值为第二维索引值的区间数量；n表示采样点数，为正整数。

4.根据权利要求1所述的一种OFDM系统中基于二维查询表的自适应预失真方法，其特征在于：所述步骤(1)中计算第二维索引地址Y(n)的方法如下：

设输入加权平均幅度为： 

ρ_wei(n)＝λ_Qρ_in(n-Q)+λ_Q-1ρ_in(n-Q+1)+…+λ₂ρ_in(n-2)+λ₁ρ_in(n-1)

其中λ_i＝D^1-i；D为指数遗忘因子的底数，D＞1，i＝1，2，…，Q-1，Q为记忆深度，取值为正整数，

若

若

Y(n)＝L_Y-1；

其中，U_max为 

的理想上限值，L_Y为第二维索引值的区间数量。

5.根据权利要求1所述的一种OFDM系统中基于二维查询表的自适应预失真方法，其特征在于：所述步骤(2)中第一维索引地址X′(n)由ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))经过地址量化得到。

6.根据权利要求1所述的OFDM系统中基于二维查询表的自适应预失真方法，其特征在于：所述步骤(2)中计算第二维索引地址Y′(n)的方法如下：

Y′(n)＝Int{[ρ′_in(n-Q)+ρ′_in(n-Q+1)+...+ρ′_in(n-1)]/A}

其中函数Int(·)为不大于函数值的最大整数；Q为记忆深度，取值为正整数；ρ′_in(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))为输入信号v′_i(n)的幅度；A为常数，取值为第二维索引值的区间数量；n表示采样点数，为正整数。

7.根据权利要求1所述的一种OFDM系统中基于二维查询表的自适应预失真方法，其特征在于：所述步骤(2)中计算第二维索引地址Y′(n)的方法如下：

设输入加权平均幅度为：

ρ′_wei(n)＝λ_Qρ′_in(n-Q)+λ_Q-1ρ′_in(n-Q+1)+…+λ₂ρ′_in(n-2)+λ₁ρ′_in(n-1)

其中λ_i＝D^1-i，D为指数遗忘因子的底数，D＞1，i＝1，2，…，Q-1，Q为记忆 深度，取值为正整数，

若

若

Y′(n)＝L_Y-1；

其中，U_max为 的理想上限值，L_Y为第二维索引值的区间数量，ρ′_in(n)＝ρ_in(n)*α(n)*G_ρ(ρ_in(n)*α(n))为输入信号v′_i(n)的幅度。

8.根据权利要求1所述的一种OFDM系统中基于二维查询表的自适应预失真方法，其特征在于：所述步骤(4)中进行自适应迭代运算的迭代方程为：

α_i+1′(n)＝α′_i(n)+e_ρ(n)*μ_ρ

σ_i+1′(n)＝σ′_i(n)+e_θ(n)*μ_θ

其中e_ρ(n)为v_d(n)与 

的幅度误差，

e_θ(n)为v_d(n)与 的相位误差，v_d(n)为经过第一预失真单元处理后的信号， 

为经过第二预失真单元处理后的信号；arg(v_d(n))与 

为取信号的相位；μ_ρ为幅度的迭代步长，μ_θ为相位的迭代步长；n表示采样点数，为正整数。 

Images