CN102055696A - 抑制反馈信号噪声的数字预失真系统 - Google Patents

Abstract

本发明公开了一种抑制反馈信号噪声的数字预失真系统及方法，主要解决强记忆非线性放大器的预失真处理抗噪问题。其系统包括：预失真器、放大器、非线性滤波器、第一加法器、第二加法器、改进型NLMS及NLMS基本模块。预失真器对基带输入进行非线性逆处理后将其输出至放大器和非线性滤波器；放大器对输入信号作功率放大后将其输出至第二加法器；非线性滤波器对输入进行去噪声滤波处理，并将其输出至第一和第二加法器；第一加法器计算预失真错误误差；第二加法器计算反馈错误误差；改进型NLMS模块迭代更新非线性滤波器系数；NLMS模块迭代更新预失真器系数。本发明能有效改善反馈噪声对宽带预失真方法性能的影响，可用于各类宽带无线通信发射机的线性化系统。

Description

抑制反馈信号噪声的数字预失真系统

技术领域

本发明属于无线通信领域，涉及一种抑制反馈信号噪声的数字预失真系统及方法，可用于各类宽带无线通信发射机的线性化系统。

背景技术

目前，基带数字预失真已成为无线通信系统射频功率放大器线性化的主流技术。但是，现有数字预失真处理方法对于反馈信号中包含的信号噪声分量非常敏感，导致预失真的频谱改善性能与稳定性欠佳。在抑制反馈噪声的预失真处理方法方面，Po-Chun Chien在“Performance Analysis of PolynomialPredistorter Based on Indirect and Direct Learning Architecture”给出了基于直接学习和间接学习结构的预失真方法；Zhou Dayong在“Affine ProjectionAlgorithm Based Direct Adaptations for Adaptive Nonlinear Predistorters”给出了抑制噪声的改进型直接学习结构预失真方法；Dennis R.Morgan在“Reducing Measurement Noise Effects in Digital Predistortion of RF PowerAmplifiers”给出了抑制噪声的新型间接学习结构预失真方法；Markus Rupp在“Analysis of LMS and NLMS Algorithms with Delayed Coefficient UpdateUnder the Presence of Spherically Invariant Processes”给出了归一化最小均方NLMS(Normalized Least Mean Square)预失真方法。但是，上述抑制噪声预失真方法均针对功率放大器的弱记忆非线性效应，然而新一代宽带无线通信系统功率放大器通常呈现出强的记忆非线性效应，因此，需要寻找一种适用于强记忆非线性效应的抑制反馈噪声数字预失真处理方法。

发明内容

本发明目的在于解决宽带无线通信系统中功率放大器的预失真处理抗噪问题，针对宽带强记忆非线性功率放大器，提出了一种抑制反馈信号噪声的数字预失真系统及方法，满足宽带无线通信系统发射机的线性化需求。

本发明的目的是这样实现的：

1.一种抑制反馈噪声的数字预失真系统，包括：

预失真器，用于对输入的基带信号x(n)进行放大器非线性特性的逆处理，并将输出的2路相同信号z(n)分别传输给放大器和非线性滤波器；

放大器，用于对输入放大器的z(n)信号进行功率放大，并将其输出信号y(n)传输给第二加法器；

非线性滤波器，用于对输入z(n)进行信号的去噪声滤波处理，并将输出的2路相同信号

分别传输给第一加法器和第二加法器；

第一加法器，用于对非线性滤波器输出信号

和基带信号x(n)进行比较，并输出预失真错误误差

第二加法器，用于对非线性滤波器输出信号

和放大器输出信号y(n)进行比较，并输出反馈错误误差

改进型NLMS模块，用于利用输入的反馈错误误差e_hpa(n)，按照如下公式迭代计算非线性滤波器系数，并在第n+1个时刻将更新的非线性滤波器系数向量输出至非线性滤波器：

$\hat{w}(n+1)=\hat{w}\left(n\right)+\frac{u_2}{{\left|\right|S\left(n\right)\left|\right|}_2^2+\mathrm{\ρ}({\left|\right|S\left(n\right)\left|\right|}_2^2+{\left|\right|e\_\mathrm{hpa}\left(n\right)\left|\right|}_2^2)/{\left|\right|S\left(n\right)\left|\right|}_2^2}S\left(n\right){e)\_\mathrm{hpa}}^{*}\left(n\right),$

其中，

为在第n个时刻非线性滤波器系数

的向量表示：

$\hat{w}\left(n\right)={\left[\begin{array}{cccccccc}{\hat{w}}_{\mathrm{1,1}}& {\hat{w}}_{\mathrm{1,2}}& L& {\hat{w}}_{1,K-1}& L& {\hat{w}}_{Q-\mathrm{1,1}}& L& {\hat{w}}_{Q-1,K-1}\end{array}\right]}^T,$

其中，

为非线性滤波器系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度；u₂为改进型NLMS的迭代步长因子，ρ为噪声加权系数；S(n)为由放大器输出信号y(n)得到的一个组合向量，其定义为：

S(n)＝{y(n)，y(n)|y(n)|，K，y(n)|y(n)|^K-1，K，y(n-Q)|y(n-Q)|^K-1}，

其中，y(n-Q)表示当前时刻y(n)信号在Q个时刻之前的历史信号；

NLMS模块，用于利用输入的预失真错误误差e_pd(n)，按照如下公式迭代计算预失真器滤波系数，并在第n+1个时刻将更新的预失真器滤波系数向量a(n+1)输出至预失真器：

$a(n+1)=a\left(n\right)+\frac{u_1}{{\left|\right|P\left(n\right)\left|\right|}_2^2}P\left(n\right){e\_\mathrm{pd}}^{*}\left(n\right),$

其中，a(n)为在第n个时刻预失真器滤波系数a_k，q的向量表示：

a(n)＝[a_1，1 a_1，2 L a_1，K-1 L a_Q-1，1 L a_Q-1，K-1]^T，

其中，a_k，q为预失真器滤波系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度；u₁为NLMS的迭代步长因子；P(n)为由非线性滤波器输出信号

得到的一个组合向量，其定义为：

$P\left(n\right)=\{\hat{y}\left(n\right),\hat{y}\left(n\right)|\hat{y}\left(n\right)|,K,\hat{y}\left(n\right){\left|\hat{y}\left(n\right)\right|}^{K-1},K,\hat{y}(n-Q){\left|\hat{y}(n-Q)\right|}^{K-1}\},$

其中，

表示当前时刻

信号在Q个时刻之前的历史信号；

2.一种抑制反馈噪声的数字预失真方法，包括以下步骤：

(1)对在第n个时刻输入的基带信号x(n)进行非线性特性的逆处理，并输出2路相同信号z(n)；对一路z(n)进行信号的功率放大处理，并输出信号y(n)；对另一路z(n)进行信号的去噪声滤波处理，并输出2路相同信号

(2)将一路信号的去噪声滤波处理输出

与信号的功率放大处理输出y(n)进行比较，得到反馈错误误差

(3)利用反馈错误误差e_hpa(n)，按照如下公式迭代计算非线性滤波器系数，并在第n+1个时刻更新非线性滤波器系数向量

$\hat{w}(n+1)=\hat{w}\left(n\right)+\frac{u_2}{{\left|\right|S\left(n\right)\left|\right|}_2^2+\mathrm{\ρ}({\left|\right|S\left(n\right)\left|\right|}_2^2+{\left|\right|e\_\mathrm{hpa}\left(n\right)\left|\right|}_2^2)/{\left|\right|S\left(n\right)\left|\right|}_2^2}S\left(n\right){e)\_\mathrm{hpa}}^{*}\left(n\right),$

其中，

为在第n个时刻非线性滤波器系数的向量表示：

$\hat{w}\left(n\right)={\left[\begin{array}{cccccccc}{\hat{w}}_{\mathrm{1,1}}& {\hat{w}}_{\mathrm{1,2}}& L& {\hat{w}}_{1,K-1}& L& {\hat{w}}_{Q-\mathrm{1,1}}& L& {\hat{w}}_{Q-1,K-1}\end{array}\right]}^T,$

其中，为非线性滤波器系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度；u₂为改进型NLMS的迭代步长因子，ρ为噪声加权系数；S(n)为由信号功率放大处理输出信号y(n)得到的一个组合向量，其定义为：

S(n)＝{y(n)，y(n)|y(n)|，K，y(n)|y(n)|^K-1，K，y(n-Q)|y(n-Q)|^K-1}，

其中，y(n-Q)表示当前时刻y(n)信号在Q个时刻之前的历史信号；

(4)将另一路信号的去噪声滤波处理输出

与基带输入信号x(n)进行比较，得到预失真错误误差

(5)利用预失真错误误差e_pd(n)，按照如下公式迭代计算预失真器系数，并在第n+1个时刻更新预失真器滤波系数向量a(n+1)：

$a(n+1)=a\left(n\right)+\frac{u_1}{{\left|\right|P\left(n\right)\left|\right|}_2^2}P\left(n\right){e\_\mathrm{pd}}^{*}\left(n\right),$

其中，a(n)为在第n个时刻预失真器滤波系数a_k，q的向量表示：

a(n)＝[a_1，1 a_1，2 L a_1，K-1 L a_Q-1，1 L a_Q-1，K-1]^T，

其中，a_k，q为预失真器滤波系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度；u₁为NLMS的迭代步长因子；P(n)为由信号的去噪声滤波处理输出

得到的一个组合向量，其定义为：

$P\left(n\right)=\{\hat{y}\left(n\right),\hat{y}\left(n\right)|\hat{y}\left(n\right)|,K,\hat{y}\left(n\right){\left|\hat{y}\left(n\right)\right|}^{K-1},K,\hat{y}(n-Q){\left|\hat{y}(n-Q)\right|}^{K-1}\},$

其中，

表示当前时刻信号在Q个时刻之前的历史信号；

(6)在第n+1个时刻重复步骤(1)到步骤(6)。

本发明与现有技术相比具有如下优点：

(1)现有的宽带预失真处理方法对于反馈信号中包含的加性噪声分量非常敏感，易导致预失真频谱改善性能与稳定性欠佳；本发明能有效抑制反馈噪声对预失真性能的影响，在频谱性能及稳定性方面改善明显；

(2)现有的抗噪预失真方法大多针对窄带的弱记忆非线性放大器；本发明则利用改进型NLMS和非线性滤波器，在有噪声反馈条件下可实现对放大器强记忆非线性特性的精确估计，满足宽带无线通信的线性化需求。

附图说明

图1是本发明的预失真系统结构框图；

图2是实现本发明的预失真方法流程图；

图3是本发明预失真系统的频谱改善性能仿真比较图。

具体实施方式

下面将结合附图对本发明的实施例进行详细描述。本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体操作过程，但本发明的保护范围不限于下述实施例。

参照附图1，本发明数字预失真系统包括：预失真器、放大器、非线性滤波器、第一加法器、第二加法器、改进型NLMS模块及NLMS模块共7个基本单元。输入的基带信号x(n)首先进入预失真器进行放大器非线性特性的逆处理，并输出2路相同信号z(n)分别传输给放大器和非线性滤波器；放大器对输入的一路z(n)信号进行功率放大处理，并将其输出信号y(n)传输给第二加法器；非线性滤波器对输入的另一路z(n)信号进行去噪声滤波处理，并将其输出的2路相同信号

分别传输给第一加法器和第二加法器；第一加法器对非线性滤波器的输出信号

和基带输入信号x(n)进行比较处理，输出预失真错误误差

至NLMS模块；NLMS模块按照如下公式迭代计算预失真器滤波系数，并在第n+1时刻将更新的预失真器滤波系数向量a(n+1)输出至预失真器：

$a(n+1)=a\left(n\right)+\frac{u_1}{{\left|\right|P\left(n\right)\left|\right|}_2^2}P\left(n\right){e\_\mathrm{pd}}^{*}\left(n\right),$

其中，a(n)为在第n时刻预失真器滤波系数a_k，q的向量表示：

a(n)＝[a_1，1 a_1，2 L a_1，K-1 L a_Q-1，1 L a_Q-1 K-1]^T，

其中，a_k，q为预失真器滤波系数，k和q分别为该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度；u₁为NLMS的迭代步长因子；P(n)为由非线性滤波器输出信号

得到的一个组合向量，其定义为其中，

表示当前时刻信号在Q个时刻之前的历史信号。

第二加法器对非线性滤波器的输出信号

和放大器的输出信号y(n)进行比较处理，输出反馈错误误差

至改进型NLMS模块；改进型NLMS模块按照如下公式迭代计算非线性滤波器系数，并在第n+1时刻将更新的非线性滤波器系数向量输出至非线性滤波器：

$\hat{w}(n+1)=\hat{w}\left(n\right)+\frac{u_2}{{\left|\right|S\left(n\right)\left|\right|}_2^2+\mathrm{\ρ}({\left|\right|S\left(n\right)\left|\right|}_2^2+{\left|\right|e\_\mathrm{hpa}\left(n\right)\left|\right|}_2^2)/{\left|\right|S\left(n\right)\left|\right|}_2^2}S\left(n\right){e)\_\mathrm{hpa}}^{*}\left(n\right),$

其中，

为在第n时刻非线性滤波器系数的向量表示：

$\hat{w}\left(n\right)={\left[\begin{array}{cccccccc}{\hat{w}}_{\mathrm{1,1}}& {\hat{w}}_{\mathrm{1,2}}& L& {\hat{w}}_{1,K-1}& L& {\hat{w}}_{Q-\mathrm{1,1}}& L& {\hat{w}}_{Q-1,K-1}\end{array}\right]}^T,$

其中，

为非线性滤波器系数，k和q分别为该系数的非线性阶数和记忆深度；u₂为改进型NLMS的迭代步长因子，ρ为噪声加权系数；S(n)为由放大器输出信号y(n)得到的一个组合向量，其定义为：

S(n)＝{y(n)，y(n)|y(n)|，K，y(n)|y(n)|^K-1，K，y(n-Q)|y(n-Q)|^K-1}，

其中，y(n-Q)表示当前时刻y(n)信号在Q个时刻之前的历史信号。

参照附图2，本发明数字预失真方法的具体实现步骤如下：

步骤一：基带信号的非线性逆处理与去噪声滤波处理；

1a)对在第n个时刻输入的基带信号x(n)进行放大器非线性特性的逆处理，并输出2路相同信号z(n)，非线性特性的逆处理按照如下公式进行：

$z\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{a}_{k,q}{\left|x(n-q)\right|}^{k-1}x(n-q)---1)$

其中，x(n)为输入基带信号，z(n)为非线性特性逆处理的输出信号；x(n-q)表示当前时刻x(n)信号在q个时刻之前的历史信号；a_k，q为预失真器滤波系数，k和q分别代表该系数的非线性阶数和记忆深度，a_1，0的初始值置为1，其余a_k，q的初始值均置为0；K和Q分别为预失真器的最高非线性阶数和记忆深度；

1b)对一路z(n)进行信号功率的放大处理，并输出信号y(n)；对另一路z(n)进行信号的去噪声滤波处理，并输出2路相同信号

信号的去噪声滤波处理按照如下公式进行：

$\hat{y}\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{\hat{w}}_{k,q}{\left|z(n-q)\right|}^{k-1}z(n-q)---2)$

其中，

为信号的去噪声滤波处理输出信号；z(n-q)表示当前时刻z(n)信号在q个时刻之前的历史信号；为非线性滤波器系数，k和q分别代表该系数的非线性阶数和记忆深度，其中

置为1，其余

均置为0；K和Q分别为预失真器的最高非线性阶数和记忆深度。

步骤二：将一路信号的去噪声滤波处理输出与信号功率放大处理输出y(n)进行比较，得到反馈错误误差

步骤三：利用反馈错误误差e_hpa(n)对非线性滤波器系数

进行实时迭代计算，并在第n+1个时刻得到更新的非线性滤波器系数向量

首先，将反馈错误误差e_hpa(n)模值的平方|e_hpa(n)|²作为迭代递归代价函数，递归的目标是使该代价函数最小，其导数可以表示为：

${\▿}_{\hat{w}\left(n\right)}=\frac{\∂{\left|{e\_\mathrm{hpa}}^{*}\left(n\right)\right|}^2}{\∂\hat{w}\left(n\right)}=-2S\left(n\right){e\_\mathrm{hpa}}^{*}\left(n\right),$

其中，

为在第n个时刻非线性滤波器系数

的向量表示：

$\hat{w}\left(n\right)={\left[\begin{array}{cccccccc}{\hat{w}}_{\mathrm{1,1}}& {\hat{w}}_{\mathrm{1,2}}& L& {\hat{w}}_{1,K-1}& L& {\hat{w}}_{Q-\mathrm{1,1}}& L& {\hat{w}}_{Q-1,K-1}\end{array}\right]}^T;$

其中，S(n)为由信号功率放大输出y(n)得到的一个组合向量，定义为：

S(n)＝{y(n)，y(n)|y(n)|，K，y(n)|y(n)|^K-1，K，y(n-Q)|y(n-Q)|^K-1}，

其中，y(n-Q)表示当前时刻y(n)信号在Q个时刻之前的历史信号；

随后，将作为递归调整量，相应的迭代递归处理可以表示为：

$\hat{w}(n+1)=\hat{w}\left(n\right)-{\mathrm{\μ}}_2{\▿}_{\hat{w}\left(n\right)}=\hat{w}\left(n\right)+{2\mathrm{\μ}}_{2}S\left(n\right){e\_\mathrm{hpa}}^{*}\left(n\right),$

其中，μ₂为其迭代步长因子，用于控制迭代的收敛速度和稳定性；

进一步，为了使迭代获得更快的收敛速度和小的稳态失调量，对递归调整量

作归一化修正；并对其引入噪声分量以克服因反馈噪声导致的稳定性问题，从而得到更新的非线性滤波器系数向量

$\hat{w}(n+1)=\hat{w}\left(n\right)+\frac{u_2}{{\left|\right|S\left(n\right)\left|\right|}_2^2+\mathrm{\ρ}({\left|\right|S\left(n\right)\left|\right|}_2^2+{\left|\right|e\_\mathrm{hpa}\left(n\right)\left|\right|}_2^2)/{\left|\right|S\left(n\right)\left|\right|}_2^2}S\left(n\right){e)\_\mathrm{hpa}}^{*}\left(n\right)---3)$

其中，u₂为改进型NLMS的迭代步长因子，ρ为噪声加权系数，可依据反馈噪声情况对ρ的数值进行调节；

步骤四：将另一路信号的去噪声滤波处理输出

与基带输入信号x(n)进行比较，得到预失真错误误差

步骤五：利用预失真错误误差e_pd(n)对预失真器滤波系数a(n)进行迭代计算，并在第n+1个时刻得到更新的预失真器滤波系数向量a(n+1)。

首先，将预失真错误误差e_pd(n)模值的平方|e_pd(n)|²作为迭代递归代价函数，递归的目标是使该代价函数最小，其导数

可以表示为

${\▿}_{a\left(n\right)}=\frac{\∂{|e\_{\mathrm{pd}}^{*}\left(n\right)|}^2}{\∂a\left(n\right)}=-2P\left(n\right){e\_\mathrm{pd}}^{*}\left(n\right),$

其中，a(n)为在第n个时刻预失真器滤波系数a_k，q的向量表示：

a(n)＝[a_1，1 a_1，2 L a_1，K-1 L a_Q-1，1 L a_Q-1，K-1]^T；

其中，P(n)为由去噪声处理输出信号

得到的一个组合向量，其定义为：

$P\left(n\right)=\{\hat{y}\left(n\right),\hat{y}\left(n\right)|\hat{y}\left(n\right)|,K,\hat{y}\left(n\right){\left|\hat{y}\left(n\right)\right|}^{K-1},K,\hat{y}(n-Q){\left|\hat{y}(n-Q)\right|}^{K-1}\},$

其中，表示当前时刻信号在Q个时刻之前的历史信号；

随后，将

作为递归调整量，相应的迭代递归处理可以表示为：

$a(n+1)=a\left(n\right)-{\mathrm{\μ}}_1{\▿}_{a\left(n\right)}=a\left(n\right)+{2\mathrm{\μ}}_{1}P\left(n\right){e\_\mathrm{pd}}^{*}\left(n\right),$

其中，μ₁为其迭代步长因子，用于控制迭代的收敛速度和稳定性；

进一步，对递归调整量

作归一化修正，得到更新的预失真器滤波系数向量a(n+1)：

$a(n+1)=a\left(n\right)+\frac{u_1}{{\left|\right|P\left(n\right)\left|\right|}_2^2}P\left(n\right){e\_\mathrm{pd}}^{*}\left(n\right)---4)$

其中，u₁为NLMS的迭代步长因子。

步骤六：在n+1个时刻重复步骤一到步骤六，对预失真器滤波系数进行持续的更新运算，以逐步获得更为精确的记忆非线性特性估计效果。

上述步骤描述了本发明的优选实例，显然本领域的研究人员可参考本发明的优选实例和附图可以对本发明做出各种修改和替换，这些修改和替换都应落入本发明的保护范围之内。

本发明的效果可通过仿真作进一步说明。

1)仿真条件：基带输入x(n)为20MHz带宽OFDM信号，调制方式为64QAM星座；放大器采用广义记忆多项式；预失真器和非线性滤波器的滤波系数均初始化为[1，0，...，0]，并选择K＝7，Q＝5；NLMS的迭代步长因子u₁设置为0.25；改进型NLMS的迭代步长因子u₂设置为1，噪声加权系数ρ设置为4。

2)仿真内容与结果：

图3给出了当放大器输出信号y(n)信噪比为35dB时，经过本发明预失真系统的频谱改善性能比较。其中，曲线1为未经预失真处理的信号频谱；曲线2为传统直接学习结构预失真频谱；曲线3、曲线4和曲线5均采用了直接学习结构，其中曲线3的非线性滤波器采用最小均方LMS算法；曲线4的非线性滤波器采用NLMS算法；曲线5的非线性滤波器采用改进型NLMS算法；曲线6为原始基带信号频谱。由图3可见，传统预失真方法对有噪信号的频谱失真改善非常有限，而本发明预失真系统输出信号在通带频率点的频谱与基带信号频谱基本重合，其性能改善效果比传统预失真方法具有较大的提升。

Claims (4)

1.一种抑制反馈噪声的数字预失真系统，包括：

预失真器，用于对输入的基带信号x(n)进行放大器非线性特性的逆处理，并将输出的2路相同信号z(n)分别传输给放大器和非线性滤波器；

放大器，用于对输入放大器的z(n)信号进行功率放大，并将其输出信号y(n)传输给第二加法器；

非线性滤波器，用于对输入z(n)进行信号的去噪声滤波处理，并将输出的2路相同信号

分别传输给第一加法器和第二加法器；

第一加法器，用于对非线性滤波器输出信号和基带输入信号x(n)进行比较，并输出预失真错误误差

第二加法器，用于对非线性滤波器输出信号

和放大器输出信号y(n)进行比较，并输出反馈错误误差

改进型NLMS模块，用于利用输入的反馈错误误差e_hpa(n)，按照如下公式迭代计算非线性滤波器系数，并在第n+1个时刻将更新的非线性滤波器系数向量

输出至非线性滤波器：

$\hat{w}(n+1)=\hat{w}\left(n\right)+\frac{u_2}{{\left|\right|S\left(n\right)\left|\right|}_2^2+\mathrm{\ρ}({\left|\right|S\left(n\right)\left|\right|}_2^2+{\left|\right|e\_\mathrm{hpa}\left(n\right)\left|\right|}_2^2)/{\left|\right|S\left(n\right)\left|\right|}_2^2}S\left(n\right){e)\_\mathrm{hpa}}^{*}\left(n\right),$

其中，为在第n个时刻非线性滤波器系数的向量表示：

$\hat{w}\left(n\right)={\left[\begin{array}{cccccccc}{\hat{w}}_{\mathrm{1,1}}& {\hat{w}}_{\mathrm{1,2}}& L& {\hat{w}}_{1,K-1}& L& {\hat{w}}_{Q-\mathrm{1,1}}& L& {\hat{w}}_{Q-1,K-1}\end{array}\right]}^T,$

其中，

为非线性滤波器系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度；u₂为改进型NLMS的迭代步长因子，ρ为噪声加权系数；S(n)为由放大器输出信号y(n)得到的一个组合向量，其定义为：

S(n)＝{y(n)，y(n)|y(n)|，K，y(n)|y(n)|^K-1，K，y(n-Q)|y(n-Q)|^K-1}，

其中，y(n-Q)表示当前时刻y(n)信号在Q个时刻之前的历史信号；

NLMS模块，用于利用输入的预失真错误误差e_pd(n)，按照如下公式迭代计算预失真器滤波系数，并在第n+1个时刻将更新的预失真器滤波系数向量a(n+1)输出至预失真器：

$a(n+1)=a\left(n\right)+\frac{u_1}{{\left|\right|P\left(n\right)\left|\right|}_2^2}P\left(n\right){e\_\mathrm{pd}}^{*}\left(n\right),$

其中，a(n)为在第n个时刻预失真器滤波系数a_k，q的向量表示：

a(n)＝[a_1，1 a_1，2 L a_1，K-1 L a_Q-1，1 L a_Q-1，K-1]^T，

其中，a_k，q为预失真器滤波系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度；u₁为NLMS的迭代步长因子；P(n)为由非线性滤波器输出信号

得到的一个组合向量，其定义为：

$P\left(n\right)=\{\hat{y}\left(n\right),\hat{y}\left(n\right)|\hat{y}\left(n\right)|,K,\hat{y}\left(n\right){\left|\hat{y}\left(n\right)\right|}^{K-1},K,\hat{y}(n-Q){\left|\hat{y}(n-Q)\right|}^{K-1}\},$

其中，

表示当前时刻

信号在Q个时刻之前的历史信号；

2.一种抑制反馈噪声的数字预失真方法，包括以下步骤：

(1)对在第n个时刻输入的基带信号x(n)进行非线性特性的逆处理，并输出2路相同信号z(n)；对一路z(n)进行信号的功率放大处理，并输出信号y(n)；对另一路z(n)进行信号的去噪声滤波处理，并输出2路相同信号

(2)将一路信号的去噪声滤波处理输出

与信号的功率放大处理输出y(n)进行比较，得到反馈错误误差

(3)利用反馈错误误差e_hpa(n)，按照如下公式迭代计算非线性滤波器系数，并在第n+1个时刻更新非线性滤波器系数向量

$\hat{w}(n+1)=\hat{w}\left(n\right)+\frac{u_2}{{\left|\right|S\left(n\right)\left|\right|}_2^2+\mathrm{\ρ}({\left|\right|S\left(n\right)\left|\right|}_2^2+{\left|\right|e\_\mathrm{hpa}\left(n\right)\left|\right|}_2^2)/{\left|\right|S\left(n\right)\left|\right|}_2^2}S\left(n\right){e)\_\mathrm{hpa}}^{*}\left(n\right),$

其中，

为在第n个时刻非线性滤波器系数

的向量表示：

$\hat{w}\left(n\right)={\left[\begin{array}{cccccccc}{\hat{w}}_{\mathrm{1,1}}& {\hat{w}}_{\mathrm{1,2}}& L& {\hat{w}}_{1,K-1}& L& {\hat{w}}_{Q-\mathrm{1,1}}& L& {\hat{w}}_{Q-1,K-1}\end{array}\right]}^T,$

其中，

为非线性滤波器系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度；u₂为改进型NLMS的迭代步长因子，ρ为噪声加权系数；S(n)为由信号功率放大处理输出信号y(n)得到的一个组合向量，其定义为：

S(n)＝{y(n)，y(n)|y(n)|，K，y(n)|y(n)|^K-1，K，y(n-Q)|y(n-Q)|^K-1}，

其中，y(n-Q)表示当前时刻y(n)信号在Q个时刻之前的历史信号；

(4)将另一路信号的去噪声滤波处理输出

与基带输入信号x(n)进行比较，得到预失真错误误差

(5)利用预失真错误误差e_pd(n)，按照如下公式迭代计算预失真器系数，并在第n+1个时刻更新预失真器滤波系数向量a(n+1)：

$a(n+1)=a\left(n\right)+\frac{u_1}{{\left|\right|P\left(n\right)\left|\right|}_2^2}P\left(n\right){e\_\mathrm{pd}}^{*}\left(n\right),$

其中，a(n)为在第n个时刻预失真器滤波系数a_k，q的向量表示：

a(n)＝[a_1，1 a_1，2 L a_1，K-1 L a_Q-1，1 L a_Q-1，K-1]^T，

其中，a_k，q为预失真器滤波系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度；u₁为NLMS的迭代步长因子；P(n)为由信号的去噪声滤波处理输出

得到的一个组合向量，其定义为：

$P\left(n\right)=\{\hat{y}\left(n\right),\hat{y}\left(n\right)|\hat{y}\left(n\right)|,K,\hat{y}\left(n\right){\left|\hat{y}\left(n\right)\right|}^{K-1},K,\hat{y}(n-Q){\left|\hat{y}(n-Q)\right|}^{K-1}\},$

其中，

表示当前时刻

信号在Q个时刻之前的历史信号；

(6)在第n+1个时刻重复步骤(1)-(6)。

3.根据权利要求2所述的数字预失真方法，其中步骤(1)所述的对在第n个时刻输入的基带信号x(n)进行非线性特性的逆处理，按照如下公式进行：

$z\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{a}_{k,q}{\left|x(n-q)\right|}^{k-1}x(n-q),$

其中，x(n)为预失真器的输入信号，z(n)为预失真器的输出信号；x(n-q)表示当前时刻x(n)信号在q个时刻之前的历史信号；a_k，q为预失真器滤波系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度。

4.根据权利要求2所述的数字预失真方法，其中步骤(1)所述的对另一路z(n)进行信号的去噪声滤波处理，按照如下公式进行：

$\hat{y}\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{\hat{w}}_{k,q}{\left|z(n-q)\right|}^{k-1}z(n-q),$

其中，z(n)为非线性滤波器的输入信号，

为非线性滤波器的输出信号；z(n-q)表示当前时刻z(n)信号在q个时刻之前的历史信号；

为非线性滤波器系数，k和q分别代表该系数的非线性阶数和记忆深度；K和Q分别为预失真器的最高非线性阶数和记忆深度。

Images