CN101483623A - 一种基带自适应数字预失真功放校正方法及系统 - Google Patents

Abstract

本发明适用于数字电视发射端线性化处理领域，提供了一种基带自适应数字预失真功放校正方法及系统，所述方法包括：在通信状态中，实时计算通信信号经预失真后的信号与从功放引回并经缩小G倍及预失真后的信号间的残差，所述G为功放增益，当残差值超过预设门限1时，切断通信状态，进入训练状态；在训练状态中，实时计算训练序列经预失真及去同步头后的信号与从功放引回并经缩小G倍及预失真和去同步头后的信号间的残差，通过LS和Newton方法迭代更新这两个预失真处理中使用的系数，直至该残差的值得到收敛，并且当该残差值低于预设门限2时，结束训练状态，恢复通信状态，其中，所述训练序列为带同步头的gold码。

Description

一种基带自适应数字预失真功放校正方法及系统

技术领域

本发明属于数字电视发射端线性化处理领域，尤其涉及一种基带自适应数字预失真功放校正方法及系统。

背景技术

功率放大器是通信系统中不可缺少的部件，其输入和输出之间不可避免地存在非线性。早期的无线通信都是基于对功率放大非线性不敏感的恒定包络调制技术，可使功率放大器工作在具有较高效率的临近饱和区。然而恒定包络调制频带利用率低的缺点严重制约了无线通信高速数据传输的发展。各种无线通信系统为了提高系统容量，充分利用有限的频谱资源，就要采用频谱利用率高的调制方式，而高频谱利用率的调制方式如正交振幅调制QAM、正交频分复用OFDM的包络存在较大的波动，这些非恒定包络调制信号对功率放大器的非线性十分敏感。在大信号下出现的非线性会产生严重的频谱泄漏和带内失真，影响了通信的质量，造成邻道干扰。

预失真技术，尤其是基带预失真是当前实现功放线性化最通用的方法，其基本原理是在信号进入功放前先进行非线性变换，这种变换特性与功放的非线性特性互补，从而使得功放输出信号呈现为调制信号的线性放大，避免信号的带内畸变和带外频谱再生。

由于功率放大器的特性会随着时间、温度、环境以及信号本身的变化而变化，因此需要采用自适应预失真技术，使得预失真装置能够自适应跟踪放大器特性的变化。

关于数字基带自适应预失真主要有两大类技术：基于查询表和基于多项式的方法。查询表需要大量的存储器，且收敛速度慢。在基于多项式失真理论研究中，确定功放模型的多项式模型十分重要。常用的无记忆功放模型有：针对行波管功率放大器的Saleh模型，针对固态功率放大器的Rapp模型。

随着通信信号带宽的增加，功放越来越表现出记忆性。对于有记忆多项式也提出了很多模型，Volterra级数是通常用来描述非线性特性的模型，但其计算复杂度随多项式阶数及记忆深度呈指数上升，由此而提出了简化的有记忆多项式模型，如：Wiener模型、Hammerstein模型、Wiener-Hammerstein模型、记忆多项式模型以及Murray Hill等。

这几种记忆多项式模型支持的Volterra核有限，当对具有复杂记忆结构的非线性系统预失真时，这几种模型则不够有效。

发明内容

本发明的目的在于：提供一种基带自适应数字预失真功放校正方法，旨在解决现有的基带预失真技术对具有复杂记忆结构的非线性系统不够有效的问题。

本发明的目的是这样实现的：

一种基带自适应数字预失真功放校正方法，所述方法包括下述步骤：

A、在通信状态中，实时计算基带通信信号经预失真处理后的信号与从功放引回并经缩小G倍及预失真处理后的信号间的残差，所述G为功放增益，当所述残差值超过预设门限1时，切断通信状态，进入训练状态；

B、在训练状态中，用训练序列代替基带通信信号作为原始输入信号，实时计算训练序列经预失真处理及去同步头后的信号与从功放引回并经缩小G倍及预失真处理和去同步头后的信号间的残差，通过LS和Newton方法迭代更新这两个预失真处理中使用的系数，直至该残差的值得到收敛，并且当该残差值低于预设门限2时，结束训练状态，恢复通信状态，其中，所述训练序列为带同步头的系列gold码。

所述预失真处理采用下述模型：

$f\left(n\right)=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{a}_{\mathrm{kp}}x(n-k){\left|x(n-k)\right|}^{p-1}+\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{b}_{q}x\left(n\right){\left[\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{c}_l\left|x(n-l)\right|\right]}^{q-1}$

其中，x(n)为输入，f(n)为预失真处理后的输出；

所述通过LS和Newton方法迭代更新这两个预失真处理中使用的系数具体为在每次迭代中通过LS方法更新上述模型中的a_kp和b_q，再根据更新后的a_kp和b_q通过Newton方法更新c_i

所述残差的计算采用下述模型实现：

$J=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}{\left|e\left(n\right)\right|}^2=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}[f\left(k\right)-\hat{f}\left(k\right)]{[f\left(k\right)-\hat{f}\left(k\right)]}^{*}$

其中，N₀为预设的值。

在所述对基带通信信号或训练序列进行预失真处理后和进行功放前，还要对信号进行数/模转换及射频信号转换；在所述从功放引回的信号进行缩小G倍前，还要进行下变频及模/数转换。

本发明的另一目的在于：提供一种基带自适应数字预失真功放校正系统，所述系统包括：

训练序列产生单元，用于采用不同的多项式和初相产生一系列gold码，并选取其中具有良好自相关特性且满足预设标准的gold码作为同步头，以产生带同步头的训练序列；以及

功放自适应预失真单元，用于在与基带通信信号连接状态下对通信信号和从功放引回并经缩小G倍的信号分别进行预失真处理，并实时计算这两路预失真处理后的信号间的残差，当发现该残差值超过预设门限1时，发出切断本单元与通信信号的连接及接通所述训练序列产生单元的控制信号，及实时计算训练序列经预失真处理及去同步头后的信号与从功放引回并经缩小G倍及预失真处理和去同步头后的信号间的残差，通过LS和Newton方法迭代更新这两个预失真处理中使用的系数，直至该残差的值得到收敛，并且当发现该残差值低于预设门限2时，发出切断本单元与训练序列产生单元的连接及接通通信信号的控制信号。

所述功放自适应预失真单元包括：

预失真器，用于在接通通信信号时对通信信号进行预失真处理后输出，及与训练序列产生单元连接时对训练序列进行预失真处理后输出；以及

预失真器训练器，用于在预失真器与通信信号连接时对从功放引回的信号进行缩小G倍及预失真处理，并计算该处理后的信号与所述预失真器输出的信号间的残差，当发现该残差超过预设门限1时，发出切断预失真器与通信信号的连接及接通所述训练序列产生单元的控制信号；在预失真器与训练序列产生单元连接时对从功放引回的信号进行缩小G倍及预失真处理，并去掉该处理后的信号与预失真器输出的信号的同步头，计算这两路无同步头的信号间的残差，通过LS和Newton方法迭代更新预失真器训练器与预失真器进行预失真处理时使用的系数，直至该残差得到收敛，并当发现该残差低于预设门限2时，发出切断预失真器与训练序列产生单元的连接及接通通信信号的控制信号。

所述预失真器训练器包括：

先进先出队列(FIFO)，用于缓存所述预失真器的输出；

乘法器，用于对从功放引回的信号缩小G倍后输出；

预失真器的复制，用于对所述乘法器输出的信号进行预失真处理后输出；以及

训练器，用于在预失真器与通信信号连接时，计算预失真器的复制输出的信号与从FIFO读取的信号间的残差，并当该残差超过预设门限1时，发出切断预失真器与通信信号的连接及接通所述训练序列产生单元的控制信号，及在预失真器与训练序列产生单元连接时，根据预失真器的复制输出的信号及从FIFO读取的信号的同步头提取系统时延，并根据该时延控制从FIFO读取信号的时刻，在获取时延后去掉这两路信号的同步头，计算这两路无同步头的信号间的残差，通过LS和Newton方法迭代更新所述预失真器的复制与预失真器进行预失真处理时使用的系数，直至该残差得到收敛，并当该残差低于预设门限2时，发出切断预失真器与训练序列产生单元的连接及接通通信信号的控制信号。

所述训练器包括：

时延提取器，用于在预失真器与训练序列产生单元连接时，根据预失真器的复制输出的信号及从FIFO读取的信号的同步头提取系统时延，并根据该时延控制从FIFO读取预失真器的输出信号的时刻，及在获取时延后去掉这两路信号的同步头并输出；

训练控制器，用于在预失真器与通信信号连接时，计算预失真器的复制输出的信号与从FIFO读取的信号间的残差，并当该残差超过预设门限1时，发出切断预失真器与通信信号的连接及接通所述训练序列产生单元的控制信号，及在预失真器与训练序列产生单元连接时，计算时延提取器输出的两路信号间的残差，并当该残差低于预设门限2时，发出切断预失真器与训练序列产生单元的连接及接通通信信号的控制信号；

LS运算器，用于根据LS方法迭代更新预失真器的复制及预失真器进行预失真处理时使用的部分系数；

Newton运算器，用于根据Newton方法在LS运算器更新的部分系数的基础上迭代更新预失真器的复制及预失真器进行预失真处理时使用的另一部分系数；以及

数据生成器，用于为LS运算器及Newton运算器在迭代过程中进行数据更新。

所述预失真处理采用下述模型实现：

$f\left(n\right)=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{a}_{\mathrm{kp}}x(n-k){\left|x(n-k)\right|}^{p-1}+\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{b}_{q}x\left(n\right){\left[\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{c}_l\left|x(n-l)\right|\right]}^{q-1}$

其中，x(n)为输入，f(n)为预失真处理后的输出；

所述LS运算器用于根据LS方法迭代更新上述模型中的a_kp和b_q；

所述Newton运算器用于根据Newton方法在LS运算器更新的a_kp和b_q的基础上迭代更新上述模型中的c_i

所述残差的计算采用下述模型实现实现：

$J=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}{\left|e\left(n\right)\right|}^2=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}[f\left(k\right)-\hat{f}\left(k\right)]{[f\left(k\right)-\hat{f}\left(k\right)]}^{*}$

其中，N₀为预设的值。

本发明的突出优点是：本发明采用基于综合记忆型多项式与Murray Hill模型的特征的功放模型，利用NEWTON/LS进行迭代训练，实现对预失真器的校正，可以充分利用记忆型多项式的鲁棒性，相对于现有的记忆型多项式预失真技术，能更有效的处理具有复杂记忆结构的非线性系统。

附图说明

图1是本发明实施例提供的基带自适应数字预失真功放校正系统的结构示意图；

图2是本发明实施例提供的图1中功放自适应预失真器的组成结构图；

图3是本发明实施例提供的图2中训练器的组成结构图；

图4是本发明实施例提供的基带自适应数字预失真功放校正方法及系统进行预失真校正后与无校正情况下的功放输出频谱。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供的基带自适应数字预失真功放校正方法及系统采用基于综合记忆型多项式与Murray Hill模型的特征的功放模型，利用NEWTON/LS进行迭代训练，实现对预失真器的校正，可以充分利用记忆型多项式的鲁棒性，相对于现有的记忆型多项式预失真技术，能更有效地处理具有复杂记忆结构的非线性系统。

图1示出了本发明实施例提供的基带自适应数字预失真功放校正系统的结构示意，为了便于说明，仅示出了与本发明实施例相关的部分，这些部分可以是软件、硬件或者软硬件结合的单元。

在数字电视发射机正常通信过程中，开关K1接到端点2上，由功放自适应预失真单元13中的预失真器131对通信信号11进行预失真变换。预失真器131的输出信号分为两路，一路先后经数/模转换控制器(DAC)14进行数/模转换及经射频通道15转为射频信号后，最后由功放16将信号的辐射功率放大至预设值输出；另一路则被引入至预失真器训练器132。同时，从功放16的输出中也将引回一路，先后经下变频单元17将信号的频率下变频至预失真器131输出信号对应的频点上，及模/数转换控制器(ADC)18进行模/数转换后，输入至预失真器训练器132。

预失真器训练器132则实时地计算上述两路输入信号间的残差。正常通信时，如果预失真器131理想校正功放16的非线性，则所述残差值应该极小。因此，当该残差值超过了预设的门限值时，预失真器训练器132将发出控制信号，控制开关K1切换到端点1上，开始进行对预失真器131的训练，此时，预失真器131的输入信号为训练序列产生单元12产生的训练序列。

当对预失真器131的训练完成时，预失真器训练器132将控制开关K1切回至端点2上，恢复正常通信状态。

上述训练序列产生单元12采用不同的多项式和初相产生一系列gold码，选取其中具有良好自相关特性且满足要求的gold码作为训练序列前的同步头，从而产生带同步头的训练序列。该训练序列具有功率遍历性，能充分提取功放的非线性特性。

在具体实现时，训练序列可以保存在训练序列产生单元12的Rom中，在需要对预失真器131进行训练时直接输出。

图2示出了上述功放自适应预失真单元13的组成结构，其中，预失真器训练器22中的训练器222的组成结构如图3所示。以下将结合图2和图3详细说明本发明实施例提供的基带自适应数字预失真功放校正的方法。

在正常通信状态下(此时，开关K1、K2、K3均接到端点2上)，预失真器21采用下述公式1的模型对通信信号进行非线性变换，设预失真器21的输入为x(n)，输出为f(n)：

$f\left(n\right)=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{a}_{\mathrm{kp}}x(n-k){\left|x(n-k)\right|}^{p-1}+\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{b}_{q}x\left(n\right){\left[\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{c}_l\left|x(n-l)\right|\right]}^{q-1}$      公式1

先进先出队列(FIFO)221将缓存预失真器21的输出f(n)。

预失真器的复制223与预失真器21有着相同的构造，用于将上述ADC18输出的信号并经乘法器224缩小G倍后所得的信号(设为y_c(n))采用公式1的模型进行预失真后输出至训练器222，设预失真器的复制223的输出为。所述G为功放增益。

训练器222中的训练控制器31采用下述公式2计算上述f(n)和残差J实现：

$J=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}{\left|e\left(n\right)\right|}^2=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}[f\left(k\right)-\hat{f}\left(k\right)]{[f\left(k\right)-\hat{f}\left(k\right)]}^{*}$          公式2

当J超过预设门限值时，训练控制器31则发送控制开关K1、K2、K3均切换到端点1上的控制信号，以进入训练状态。所述预设门限及N₀的值可通过使用要求和预先的实测情况进行设定。

在训练状态中，时延提取器32采用f(n)和同步捕获的方法，利用训练序列中的同步头的自相关特性，采用PN码匹配滤波技术直接提取同步信息，将信息进行相关匹配运算，找出相关峰最大值大于预设判决门限的时刻作为最佳采样时刻，从而实现同步，提取系统时延，并根据该时延控制从FIFO221中读取f(n)的时刻，在去掉f(n)和中的同步头后，输出对应的训练序列z(n)和

至训练控制器31及数据生成器33。当训练的数据点数N≥N₀时，训练控制器31则采用下述公式3不断计算z(n)和

的残差J：

$J=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left|e\left(n\right)\right|}^2=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}[z\left(n\right)-\hat{z}\left(n\right)]{[z\left(n\right)-\hat{z}\left(n\right)]}^{*}$ 公式3

FIFO221则根据f(n)和

间的时延调整f(n)的缓存时间。

所谓预失真校正，即是寻求优化的a_kp、b_q和c_i的取值组合，使得J的值最小，因而有

$\frac{\∂J}{\∂a_{\mathrm{kp}}^{*}}=-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}e\left(n\right)u_{\mathrm{kp}}^{*}\left(n\right)=0$              公式4

$\frac{\∂J}{\∂b_q^{*}}=-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}e\left(n\right)v_q^{*}\left(n\right)=0$               公式5

$\frac{\∂J}{\∂c_l}=-\underset{n=1}{\overset{N}{\mathrm{\Σ}}}2\mathrm{Re}\left[e\left(n\right)s_l^{*}\left(n\right)\right]=0$           公式6

且

u_kp(n)＝y_c(n-k)y_c(n-k)|^p-1      公式7

$v_q\left(n\right)=y_c\left(n\right){\left[\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{y}_c(n-l)\right]}^{q-1}$           公式8

$s_l\left(n\right)=\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{b}_q{y}_c\left(n\right)(q-1){\left[\underset{l_1=0}{\overset{L-1}{\mathrm{\Σ}}}{c}_{l_1}\left|y_c(n-l_1)\right|\right]}^{q-2}\left|y_c(n-l)\right|$                 公式9

对预失真器训练的过程，在本发明实施例中，是由训练器222通过LS和Newton方法迭代更新预失真器21和预失真器的复制223采用所述公式1对输入信号进行预失真变换时使用的a_kp、b_q和c_i的值，直至训练控制器31根据公式3所得的J值得到收敛，当该J值低于另一预设门限时，训练控制器31将控制开关K1、K2、K3均切回到端点2上，恢复通信状态。

LS方法：

设上次迭代得到的c_i为

则利用LS方法求解上述公式4和公式5，这两式可写为

${\left(\begin{array}{cc}U& V^{\left(i\right)}\end{array}\right)}^H=\left(\begin{array}{cc}U& V^{\left(i\right)}\end{array}\right)\left(\begin{array}{c}a\\ b\end{array}\right)={\left(\begin{array}{cc}U& V^{\left(i\right)}\end{array}\right)}^{H}z$                公式10

且

U＝[u₁₀，...，u_K0，...，u_IP，...，u_KP]               公式11

$V^{\left(i\right)}=[v_2^{\left(i\right)},...,v_Q^{\left(i\right)}]$                                    公式12

a＝[a₁₀，...，a_K0，...，a_IQ...，a_KQ]^T             公式13

b＝[b₂，...，b_Q]^T                                公式14

z＝[z(0)，...，z(N-1)]^T                          公式15

其中，u_kp和

定义为

u_kp＝[u_kp(0)，...，u_kp(N-1)]^T                     公式16

$v_q^{\left(i\right)}=[v_q^{\left(i\right)}\left(0\right),...,v_q^{\left(i\right)}(N-1)]$                              公式17

则第i+1次迭代得到的a和b为

$\left[\begin{array}{c}{\hat{a}}^{(i+1)}\\ {\hat{b}}^{(i+1)}\end{array}\right]={\left({\left[\begin{array}{cc}U& V^{\left(i\right)}\end{array}\right]}^H\left[\begin{array}{cc}U& V^{\left(i\right)}\end{array}\right]\right)}^{-1}{\left[\begin{array}{cc}U& V^{\left(i\right)}\end{array}\right]}^{H}z$               公式18

Newton法：

一旦得到a⁽ⁱ⁺¹⁾和b⁽ⁱ⁺¹⁾，再采用Newton法更新c_i。令 $c^{\left(i\right)}={[c_0^{\left(i\right)},c_1^{\left(i\right)},...,c_{L-1}^{\left(i\right)}]}^T,$ 则有

$c^{(i+1)}=c^{\left(i\right)}-{\left[{\▿}_c^{2}J\left(c^{\left(i\right)}\right)\right]}^{-1}{\▿}_{c}J\left(c^{\left(i\right)}\right)$ 公式19

式中，

是l维的矢量，是J的梯度矢量。

${\left[{\▿}_{c}J\left(c^{\left(i\right)}\right)\right]}_l=\frac{\∂J}{\∂c_l}{|}_{c^{\left(i\right)}}$                                       公式20

是J的Hessian矩阵，其(m，l)元素为

${\left[{\▿}_c^{2}J\left(c^{\left(i\right)}\right)\right]}_{\mathrm{lm}}=\frac{{\∂}^{2}J}{\∂c_l\∂c_m}{|}_{c^{\left(i\right)}}$                                       公式21

$\frac{{\∂}^{2}J}{\∂c_l\∂c_m}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}2\mathrm{Re}[-e\left(n\right)z_{\mathrm{lm}}^{*}\left(n\right)+s_m\left(n\right)s_l^{*}\left(n\right)]$                           公式22

式中

$z_{\mathrm{lm}}\left(n\right)=\frac{\∂s_l\left(n\right)}{\∂c_m}=\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{b}_q{y}_c\left(n\right)(q-1)(q-2){\left[\underset{l_1=0}{\overset{L-1}{\mathrm{\Σ}}}{c}_{l_1}\left|y_c(n-l_1)\right|\right]}^{q-3}\left|y_c(n-l)y_c(n-m)\right|$   公式23

如前所述，根据s_l(n)、z_lm(n)和e(n)可得矢量

和e⁽ⁱ⁾。推导出最后结果有

${\hat{c}}^{(i+1)}={\hat{c}}^{\left(i\right)}+{\left[\mathrm{Re}\{{\left[S^{\left(i\right)}\right]}^H{S}^{\left(i\right)}-{\left[Z^{\left(i\right)}\right]}^H{E}^{\left(i\right)}\}\right]}^{-1}\mathrm{Re}\left\{{\left[S^{\left(i\right)}\right]}^H{e}^{\left(i\right)}\right\}$         公式24

式中

$S^{\left(i\right)}=[s_0^{\left(i\right)},...,s_{L-1}^{\left(i\right)}]$                                     公式25

$Z^{\left(i\right)}=\left[\begin{array}{ccc}{z}_{00}^{\left(i\right)}& \·\·\·& z_{0,L-1}^{\left(i\right)}\\ z_{10}^{\left(i\right)}& \·\·\·& z_{1,L-1}^{\left(i\right)}\\ \·\·\·& \·\·\·& \·\·\·\\ z_{L-\mathrm{1,0}}^{\left(i\right)}& \·\·\·& z_{L-1,L-1}^{\left(i\right)}\end{array}\right]$                            公式26

$E^{\left(i\right)}=\left[\begin{array}{ccc}{e}^{\left(i\right)}& \·\·\·& 0\\ 0& \·\·\·& 0\\ \·\·\·& \·\·\·& \·\·\·\\ 0& \·\·\·& e^{\left(i\right)}\end{array}\right]$                                    公式27

LS运算器34即根据上述公式18不断更新a_kp、b_q，Newton运算器35则根据LS运算器34更新后输出的a_kp、b_q，采用上述公式24更新c_l，并最后将此次更新后的a_kp、b_q和c_l输出给预失真器21及预失真器的复制223。

数据生成器33则用于根据上述公式11、12、15、25、26和27为LS运算器34和Newton运算器35在迭代过程中进行数据更新。a_kp、b_q和c_l的初始设置值可存储在存储器36中，也可分别存储在LS运算器34和Newton运算器35中。

图4则示出了采用本发明实施例提供的基带自适应数字预失真功放校正方法及系统进行预失真校正后与无校正情况下的功放输出频谱。其中，曲线1表示理想的功放输出信号的频谱，曲线2表示无校正时功放输出信号的频谱，曲线3表示采用本发明实施例提供的基带自适应数字预失真功放校正方法及系统进行预失真校正后的功放输出信号的频谱。由图可见，无校正时，带内严重失真，带外有最高达40dB的再生频谱，而采用本发明实施例提供的基带自适应数字预失真功放校正方法及系统进行预失真校正后的信号频谱与理想信号频谱基本吻合，可以很好地解决数字电视发射机功放非线性的问题，抑制带外频谱再生和带内失真，极大地提高功率放大器的效率，完全可以满足数字电视的通信需求。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1、一种基带自适应数字预失真功放校正方法，其特征在于，所述方法包括下述步骤：

A、在通信状态中，实时计算基带通信信号经预失真处理后的信号与从功放引回并经缩小G倍及预失真处理后的信号间的残差，所述G为功放增益，当所述残差值超过预设门限1时，切断通信状态，进入训练状态；

B、在训练状态中，用训练序列代替基带通信信号作为原始输入信号，实时计算训练序列经预失真处理及去同步头后的信号与从功放引回并经缩小G倍及预失真处理和去同步头后的信号间的残差，通过LS和Newton方法迭代更新这两个预失真处理中使用的系数，直至该残差的值得到收敛，并且当该残差值低于预设门限2时，结束训练状态，恢复通信状态，其中，所述训练序列为带同步头的gold码。

2、如权利要求1所述的基带自适应数字预失真功放校正方法，其特征在于，所述预失真处理采用下述模型：

$f\left(n\right)=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{a}_{\mathrm{kp}}x(n-k){\left|x(n-k)\right|}^{p-1}+\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{b}_{q}x\left(n\right){\left[\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{c}_l\left|x(n-l)\right|\right]}^{q-1}$

其中，x(n)为输入，f(n)为预失真处理后的输出；

所述通过LS和Newton方法迭代更新这两个预失真处理中使用的系数具体为每次迭代通过LS方法更新上述模型中的a_kp和b_q，再根据更新后的a_kp和b_q通过Newton方法更新c_l。

3、如权利要求1所述的基带自适应数字预失真功放校正方法，其特征在于，所述残差的计算采用下述模型：

$J=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}{\left|e\left(n\right)\right|}^2=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}[f\left(k\right)-\hat{f}\left(k\right)]{[f\left(k\right)-\hat{f}\left(k\right)]}^{*}$

其中，N₀为预设的值。

4、如权利要求1所述的基带自适应数字预失真功放校正方法，其特征在于，在所述对基带通信信号或训练序列进行预失真处理后和进行功放前，还要对信号进行数/模转换及射频信号转换；在所述从功放引回的信号进行缩小G倍前，还要进行下变频及模/数转换。

5、一种基带自适应数字预失真功放校正系统，其特征在于，所述系统包括：

训练序列产生单元，用于采用不同的多项式和初相产生一系列gold码，并选取其中具有良好自相关特性且满足预设标准的gold码作为同步头，以产生带同步头的训练序列；以及

功放自适应预失真单元，用于在与基带通信信号连接状态下对通信信号和从功放引回并经缩小G倍的信号分别进行预失真处理，并实时计算这两路预失真处理后的信号间的残差，当发现该残差值超过预设门限1时，发出切断本单元与通信信号的连接及接通所述训练序列产生单元的控制信号，及实时计算训练序列经预失真处理及去同步头后的信号与从功放引回并经缩小G倍及预失真处理和去同步头后的信号间的残差，通过LS和Newton方法迭代更新这两个预失真处理中使用的系数，直至该残差的值得到收敛，并且当发现该残差值低于预设门限2时，发出切断本单元与训练序列产生单元的连接及接通通信信号的控制信号。

6、如权利要求5所述的基带自适应数字预失真功放校正系统，其特征在于，所述功放自适应预失真单元包括：

预失真器，用于在接通通信信号时对通信信号进行预失真处理后输出，及与训练序列产生单元连接时对训练序列进行预失真处理后输出；以及

预失真器训练器，用于在预失真器与通信信号连接时对从功放引回的信号进行缩小G倍及预失真处理，并计算该处理后的信号与所述预失真器输出的信号间的残差，当发现该残差超过预设门限1时，发出切断预失真器与通信信号的连接及接通所述训练序列产生单元的控制信号；在预失真器与训练序列产生单元连接时对从功放引回的信号进行缩小G倍及预失真处理，并去掉该处理后的信号与预失真器输出的信号的同步头，计算这两路无同步头的信号间的残差，通过LS和Newton方法迭代更新预失真器训练器与预失真器进行预失真处理时使用的系数，直至该残差得到收敛，并当发现该残差低于预设门限2时，发出切断预失真器与训练序列产生单元的连接及接通通信信号的控制信号。

7、如权利要求6所述的基带自适应数字预失真功放校正系统，其特征在于，所述预失真器训练器包括：

先进先出队列(FIFO)，用于缓存所述预失真器的输出；

乘法器，用于对从功放引回的信号缩小G倍后输出；

预失真器的复制，用于对所述乘法器输出的信号进行预失真处理后输出；以及

训练器，用于在预失真器与通信信号连接时，计算预失真器的复制输出的信号与从FIFO读取的信号间的残差，并当该残差超过预设门限1时，发出切断预失真器与通信信号的连接及接通所述训练序列产生单元的控制信号，及在预失真器与训练序列产生单元连接时，根据预失真器的复制输出的信号及从FIFO读取的信号的同步头提取系统时延，并根据该时延控制从FIFO读取信号的时刻，在获取时延后去掉这两路信号的同步头，计算这两路无同步头的信号间的残差，通过LS和Newton方法迭代更新所述预失真器的复制与预失真器进行预失真处理时使用的系数，直至该残差得到收敛，并当该残差低于预设门限2时，发出切断预失真器与训练序列产生单元的连接及接通通信信号的控制信号。

8、如权利要求7所述的基带自适应数字预失真功放校正系统，其特征在于，所述训练器包括：

时延提取器，用于在预失真器与训练序列产生单元连接时，根据预失真器的复制输出的信号及从FIFO读取的信号的同步头提取系统时延，并根据该时延控制从FIFO读取预失真器的输出信号的时刻，及在获取时延后去掉这两路信号的同步头并输出；

训练控制器，用于在预失真器与通信信号连接时，计算预失真器的复制输出的信号与从FIFO读取的信号间的残差，并当该残差超过预设门限1时，发出切断预失真器与通信信号的连接及接通所述训练序列产生单元的控制信号，及在预失真器与训练序列产生单元连接时，计算时延提取器输出的两路信号间的残差，并当该残差低于预设门限2时，发出切断预失真器与训练序列产生单元的连接及接通通信信号的控制信号；

LS运算器，用于根据LS方法迭代更新预失真器的复制及预失真器进行预失真处理时使用的部分系数；

Newton运算器，用于根据Newton方法在LS运算器更新的部分系数的基础上迭代更新预失真器的复制及预失真器进行预失真处理时使用的另一部分系数；以及

数据生成器，用于为LS运算器及Newton运算器在迭代过程中进行数据更新。

9、如权利要求5-8中任一项所述的基带自适应数字预失真功放校正系统，其特征在于，所述预失真处理采用下述模型实现：

$f\left(n\right)=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{a}_{\mathrm{kp}}x(n-k){\left|x(n-k)\right|}^{p-1}+\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{b}_{q}x\left(n\right){\left[\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{c}_l\left|x(n-l)\right|\right]}^{q-1}$

其中，x(n)为输入，f(n)为预失真处理后的输出；

所述LS运算器用于根据LS方法迭代更新上述模型中的a_kp和b_q；

所述Newton运算器用于根据Newton方法在LS运算器更新的a_kp和b_q的基础上迭代更新上述模型中的c_l。

10、如权利要求5-8中任一项所述的基带自适应数字预失真功放校正系统，其特征在于，所述残差的计算采用下述模型实现：

$J=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}{\left|e\left(n\right)\right|}^2=\frac{1}{N_0}\underset{k=n}{\overset{n+N_0}{\mathrm{\Σ}}}[f\left(k\right)-\hat{f}\left(k\right)]{[f\left(k\right)-\hat{f}\left(k\right)]}^{*}$

其中，N₀为预设的值。

Images