CN102739586A - 一种调整预失真线性性能的方法、设备和系统 - Google Patents

一种调整预失真线性性能的方法、设备和系统 Download PDF

Info

Publication number
CN102739586A
CN102739586A CN2012101969174A CN201210196917A CN102739586A CN 102739586 A CN102739586 A CN 102739586A CN 2012101969174 A CN2012101969174 A CN 2012101969174A CN 201210196917 A CN201210196917 A CN 201210196917A CN 102739586 A CN102739586 A CN 102739586A
Authority
CN
China
Prior art keywords
matrix
eigenvectors
eigenvalue
predistortion
distortion coefficients
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012101969174A
Other languages
English (en)
Other versions
CN102739586B (zh
Inventor
邓炳荣
杨俊�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Comba Network Systems Co Ltd
Original Assignee
Comba Telecom Systems China Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Comba Telecom Systems China Ltd filed Critical Comba Telecom Systems China Ltd
Priority to CN201210196917.4A priority Critical patent/CN102739586B/zh
Publication of CN102739586A publication Critical patent/CN102739586A/zh
Application granted granted Critical
Publication of CN102739586B publication Critical patent/CN102739586B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Amplifiers (AREA)

Abstract

本发明公开了一种调整预失真线性性能的方法、设备和系统，主要内容包括：根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu的预失真系数a的表达式，将确定预失真系数a的过程转化为确定R_uu的特征值矩阵S和特征向量矩阵V，简化计算的复杂度，在确定特征值矩阵S和特征向量矩阵V的过程中，进行矩阵运算的维数较低，运算所需的存储空间较少，最终将确定的R_uu的特征值矩阵S和特征向量矩阵V代入所述预失真系数a的表达式得到预失真系数，这样得到的预失真系数a稳定性较高，使得预失真线性调整性能也有所提高。

Description

一种调整预失真线性性能的方法、设备和系统
技术领域
本发明涉及射频功率放大器的数字预失真技术，尤其涉及一种调整预失真线性性能的方法、设备和系统。
背景技术
在无线通信系统全面进入3G并迈向4G的过程中，功率放大器作为通信系统中影响系统性能和覆盖范围的关键部件，而非线性是功率放大器的固有特性，但是，非线性将会引起已过滤的信号频谱的增长，进而造成对相邻信道干扰，也会造成带内信号的失真，提高系统的误码率。
因此，对功率放大器进行线性化处理以提高其功效对于无线通信的发展至关重要。在现有技术中，采用多种方法对功率放大器进行线性处理，例如：反馈法、前馈法，数字预失真等方法。在这些线性化技术中，利用数字预失真技术对发射机的功率放大器进行线性化是性价比最高的技术，具有稳定性高、适用带宽宽、实现成本低等优点，目前被广泛应用。如图1所示，为现有技术中实现数字预失真的装置结构图。该装置包括：预失真处理单元、PA和预失真系数计算单元，图中虚线箭头表示预失真处理单元与预失真系数计算单元进行同步调整，该装置的工作原理为：
预失真处理单元，用于根据预失真系数计算单元生成的预失真系数，对输入的数字基带信号X(n)进行预失真处理，输出信号Z(n)；
PA，用于接收预失真处理单元输出信号Z(n)，进行放大处理后输出信号Y(n)；
预失真系数计算单元，用于根据PA的反馈信号和误差信号e(n)计算并生成预失真系数，向误差计算单元输出Z(n)的估计值
Figure BDA00001765774100011
并根据获取的预失真系数，对输入预失真处理单元的信号X(n)进行同步调整。其中，误差信号e(n)是将输出信号Z(n)与预失真系数计算单元生成的信号Z(n)的估计值
Figure BDA00001765774100021
进行减运算，输出得到的，用于对预失真系数计算单元进行调整。
在适用数字预失真技术对功率放大器进行线性化处理时，一般通过查表和记忆多项式两种方式进行，其中，采用查表的方法进行线性化处理时，需要大量的存储单元，并且计算速度慢，应用的可能性较小。
而采用记忆多项式进行线性化处理，可以节省大量的存储单元，并且计算速度加快，具体通过求解记忆多项式系数拟合功率放大器逆模型曲线的方式进行线性化处理。在基于记忆多项式的预失真技术中，求解预失真的常用方法有LU分解法、乔里斯基分解法、QR分解法、求逆法、奇异值分解法等方法。除了奇异值分解法，以上其他方法都是常见的线性方程组求解方法，都不涉及矩阵的特征值分解和特征向量问题，计算复杂度较低，但存在计算稳定性差的问题，导致利用得到的预失真系数来调整功放接收到的信号线性效果比较差。
利用奇异值分解法则涉及矩阵的特征值和特征向量，当记忆多项式阶数较高时，预失真矩阵的模糊性增加，而且系数复杂度指数增加，进而导致预失真器的稳定性下降。例如：当记忆多项式阶数较高时，假设得到的预失真矩阵是一个K*N矩阵，其中，N为输入数据序列X(n)的数据点(一般取值范围为103～104，例如4096)，对这维数如此大的矩阵进行奇异值分解的效率是非常低的，而且需要很大的存储空间。同时，奇异值分解完成后得到预失真矩阵的维数也是相当大的，存储空间要求也很高。
因此，亟需一种计算程度相对简单，运算效率较高并且存储空间需求小的确定预失真系数的方法，进而改善预失真的线性调整性能。
发明内容
本发明实施例提供了一种调整预失真线性性能的方法、设备和系统，用以解决现有技术中确定预失真系数的方法计算复杂、运算效率低且运算过程中存储数据空间需求大，导致调整预失真线性性能不稳定的问题。
一种调整预失真线性性能的方法，所述方法包括：
根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu-1的预失真系数a的表达式，所述R_uu-1为预失真自相关矩阵R_uu的逆矩阵；
确定预失真自相关矩阵R_uu的实对称阵
Figure BDA00001765774100031
的特征值矩阵
Figure BDA00001765774100032
和特征向量矩阵
Figure BDA00001765774100033
通过特征值矩阵
Figure BDA00001765774100034
和特征向量矩阵
Figure BDA00001765774100035
还原得到所述R_uu的特征值矩阵S和特征向量矩阵V；
对所述特征值矩阵S的主对角元素中小于设定阈值的元素取零，得到近似特征值矩阵
Figure BDA00001765774100036
利用近似特征值矩阵
Figure BDA00001765774100037
构建逆取代矩阵
Figure BDA00001765774100038
作为所述R_uu-1的特征值矩阵S-1代入所述预失真系数a的表达式计算得出所述预失真系数a；
使用计算得到的所述预失真系数a对输入的数字基带信号进行数字预失真的线性调整。
一种调整预失真线性性能的设备，所述设备包括：
预失真系数模型建立模块，用于根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu-1的预失真系数a的表达式，所述R_uu-1为预失真自相关矩阵R_uu的逆矩阵；
特征值矩阵和特征向量矩阵确定模块，用于确定预失真自相关矩阵R_uu的实对称阵
Figure BDA00001765774100039
的特征值矩阵
Figure BDA000017657741000310
和特征向量矩阵
Figure BDA000017657741000311
通过特征值矩阵
Figure BDA000017657741000312
和特征向量矩阵
Figure BDA000017657741000313
还原得到所述R_uu的特征值矩阵S和特征向量矩阵V；
预失真系数计算模块，用于对所述特征值矩阵S的主对角元素中小于设定阈值的元素取零，得到近似特征值矩阵
Figure BDA000017657741000314
利用近似特征值矩阵
Figure BDA000017657741000315
构建逆取代矩阵
Figure BDA000017657741000316
作为所述R_uu-1的特征值矩阵S-1代入所述预失真系数a的表达式计算得出所述预失真系数a；
预失真线性性能调整模块，用于使用计算得到的所述预失真系数a对数字基带信号进行数字预失真的线性调整。
一种调整预失真线性性能的系统，所述系统包括：调整预失真线性性能设备和射频功率放大器；
所述射频功率放大器，用于接收所述调整预失真线性性能设备的输出信号，进行功率放大处理后向外部输出信号，并同时将向外部输出的信号反馈给所述调整预失真线性性能设备。
本发明有益效果如下：
本发明实施例根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu-1的预失真系数a的表达式，将确定预失真系数a的过程转化为确定R_uu-1的特征值矩阵S和特征向量矩阵V，简化计算的复杂度，在确定特征值矩阵S和特征向量矩阵V的过程中，进行矩阵运算的维数较低，运算所需的存储空间较少，最终将确定的R_uu-1的特征值矩阵S和特征向量矩阵V代入所述预失真系数a的表达式得到预失真系数，这样得到的预失真系数a稳定性较高，使得预失真线性调整性能也有所提高。
附图说明
图1为现有技术中实现数字预失真的装置结构图；
图2为本实施例一的一种调整预失真线性性能的方法流程图；
图3为本实施例二的一种调整预失真线性性能的方法流程图；
图4为本实施例三的一种调整预失真线性性能的设备结构示意图；
图5为本实施例四的一种调整预失真线性性能的系统结构示意图；
图6为预失真线性性能调整的系统结构示意图。
具体实施方式
为了实现本发明的目的，本发明实施例提供了一种调整预失真线性性能的方法、设备和系统，根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu-1的预失真系数a的表达式，将确定预失真系数a的过程转化为确定R_uu的特征值矩阵S和特征向量矩阵V，简化计算的复杂度，最终将确定的R_uu的特征值矩阵S和特征向量矩阵V代入所述预失真系数a的表达式得到预失真系数，实现预失真对信号的线性调整。
与现有技术中确定预失真系数的其他方法相比，本发明的方案中由构建的基于记忆多项式的线性方程组转化得到的预失真系数a的表达式，运算过程中简化矩阵运算的维数，降低矩阵运算的复杂度，使得所需的存储空间较小，并且确定矩阵特征值矩阵和特征向量矩阵的方法运算过程相对简单，增强了预失真系数a求解过程的稳定性，使得预失真线性调整性能也有所提高。
下面结合说明书附图对本发明实施例进行详细描述。
实施例一：
如图2所示，为本实施例一提供的一种调整预失真线性性能的方法的流程图。该方法包括：
步骤101：根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu-1的预失真系数a的表达式，R_uu-1为预失真自相关矩阵R_uu的逆矩阵。
在本步骤101中，根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，针对构建的线性方程组进行矩阵的转化，得到预失真系数a的表达式，为准确确定预失真系数奠定基础。
步骤102：确定预失真自相关矩阵R_uu的实对称阵
Figure BDA00001765774100051
的特征值矩阵
Figure BDA00001765774100052
和特征向量矩阵
Figure BDA00001765774100053
通过特征值矩阵
Figure BDA00001765774100054
和特征向量矩阵还原得到所述R_uu的特征值矩阵S和特征向量矩阵V。
步骤103：对所述特征值矩阵S的主对角元素中小于设定阈值的元素取零，得到近似特征值矩阵
Figure BDA00001765774100056
利用近似特征值矩阵
Figure BDA00001765774100057
构建逆取代矩阵
Figure BDA00001765774100058
作为R_uu-1的特征值矩阵S-1代入所述预失真系数a的表达式计算得出预失真系数a。
步骤104：使用计算得到的所述预失真系数a对数字基带信号进行数字预失真的线性调整。
实施例二：
如图3所示，为本实施例二提供的一种调整预失真线性性能的方法的流程图。本实施例二是实施例一提供的方法的细化方案，其中包含了上述实施例一提供的方法中各步骤在具体实施时所采用的实施方式的详细描述，该方法包括下述步骤：
步骤201：根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组。
在本步骤201中，在对信号进行预失真处理时，当射频功率放大器接收到的信号的带宽小于射频功率放大器的固有带宽时，射频功率放大器的记忆效应可以忽略；当射频功率放大器接收到的信号的带宽大于射频功率放大器的固有带宽时，射频功率放大器的记忆效应相当明显。因此，本发明实施例中，根据当前通信网络的实际需要，在通过预失真系数对接收到的数字基带信号进行预失真处理时，需要根据输入射频功率放大器的信号z(n)和射频功率放大器输出信号y(n)构建基于记忆多项式模型的线性方程组。
具体地，根据输入射频功率放大器的信号z(n)和射频功率放大器输出的信号y(n)构建基于记忆多项式的线性方程组为：
Figure BDA00001765774100061
其中，K为记忆多项式最大阶数，k取值为1～K，L为记忆多项式最大记忆深度，l取值为0～L，akl为预失真系数中的第K个元素，G为功放增益。
步骤202：将步骤201构建的线性方程组进行转换，得到矩阵表达式。
具体地，利用数学方法将线性方程组转换为矩阵表达，即Z＝Ua，其中，
a为预失真系数矩阵，且a＝[a10，a20，...，aK0，...，a1L，a2L，...aKL]T；
Z＝[Z(0)，Z(1)，...，Z(N-1)]T；
U为预失真矩阵，且U＝[U10，U30，...，UK0，...，U1L，U2L，...，UKL]T；
Ukl＝[ukl(0)，ukl(1)，......，ukl(N-1)]T；
N为输入信号点数(一般取值范围为103～104)。
步骤203：根据步骤202转换得到的矩阵表达式，利用最小二乘法确定包含R_uu-1的预失真系数a的表达式a＝(R_uu)-1R_uz。
具体地，目前用于求解记忆多项式模型的线性表达式的方法多采用最小二乘法，其目的在于减少计算中产生的误差，提高计算预失真系数的正确度。具体包括：
第一步：对所述Z＝Ua两边分别左乘矩阵UH，得到UHZ＝UHUa；
第二步：将UHU求逆，即可得包含R_uu-1的预失真系数a的表达式a＝(R_uu)-1R_uz；
其中：R_uu＝UHU，R_uz＝UHZ；
R_uu是埃尔米特矩阵，具有R_uuH＝R_uu的性质，即R_uu矩阵与R_uu的共轭转置矩阵相等；R_uu矩阵的特征值全为实数。
步骤204：提取R_uu的实部矩阵和虚部矩阵，构建R_uu的实对称阵
Figure BDA00001765774100072
在步骤204中，为了更好的对预失真系数a的表达式进行简化，在对矩阵的逆进行运算时，需要先对矩阵本身进行运算，利用实对称矩阵进行运算，运算相对比较简单。
假设R_uu的特征值为λ(实数)，对应的特征向量为v，则有R_uu·v＝λv；
进一步地，令Rr，Ri为R_uu的实部和虚部，vr，vi为v的实部和虚部，则有R_uu＝Rr+jRi；v＝vr+jvi；
进一步地，得到(Rr+jRi)(vr+jvi)＝λ(vr+jvi)；
进一步地，化简并对比等号两端的实部和虚部，则有矩阵表示为：
R r - R i R i R r v r v i = λ v r v i , 其中， R r - R i R i R r = R ~ , v r v i = v ~ ;
进一步地，得到其中，
Figure BDA00001765774100077
为R_uu的实对称阵。
由于R_uu是埃尔米特矩阵，因此
Figure BDA00001765774100081
为对称阵，并且矩阵的维数将是R_uu的两倍，这样使得
Figure BDA00001765774100082
具有两两重复的特征值，为后期恢复R_uu的特征值矩阵做准备。
至此，将求解矩阵R_uu的特征值和特征向量转化为求解实对称矩阵
Figure BDA00001765774100083
的特征值和特征向量，这样的目的在于充分利用实对称的特性，简化运算的复杂度。
步骤205：利用豪斯荷尔德算法对所述实对称阵
Figure BDA00001765774100084
进行约化，得到三对角阵T为：
Figure BDA00001765774100085
其中，B为豪斯荷尔德变换矩阵。
在步骤205中，采用豪斯荷尔德法求解实对称矩阵的特征值矩阵和特征向量矩阵，可将实对称矩阵转化为三对角矩阵，即除了矩阵的主对角线和两条次对角线上的元素外，矩阵的其他元素都为0，然后对转化后的三对角矩阵进行特征分解，得到实对称阵的特征值矩阵和特征向量矩阵，可以达到简化运算的目的，减少运算量，同时相应的降低对计算存储能力的要求。
具体地，利用豪斯荷尔德算法对所述实对称阵进行约化，包括：
第一步：确定
Figure BDA00001765774100087
其中，t＝n-i-1；
第二步：确定 U i = [ a t 0 ( i ) , a t 1 ( i ) , . . . , a t , t - 2 ( i ) , a t , t - 1 ( i ) , ± σ i , 0 , . . . 0 ] T 和 H i = 1 2 U i T U i ;
第三步： B i = E - U i U i T / H i ;
第四步：
Figure BDA000017657741000811
第五步：利用
Figure BDA000017657741000812
进行迭代运算得到实对称矩阵
Figure BDA000017657741000813
的三对角阵T，
当i＝n-3时，计算停止，得到
Figure BDA00001765774100091
Figure BDA00001765774100092
其中，i＝0，1，...，n-3，B为豪斯荷尔德变换矩阵。
步骤206：利用雅可比方法对所述三对角阵T进行矩阵的特征值分解，得到三对角阵T的特征值矩阵ST和特征向量矩阵VT。
在步骤206中，针对步骤105中利用豪斯赫尔德法得到的实对称矩阵
Figure BDA00001765774100093
的三对角阵T，为了更能快速准确的得到三对角阵T的特征值矩阵ST和特征向量矩阵VT，采用雅可比法确定三对角阵T的特征值矩阵ST和特征向量矩阵VT。
具体地，假设初等正交矩阵为G(p，q，θ)，其中，p≠q，执行以下步骤：
首先：G(p，q，θ)TG(p，q，θ)＝E，其中：
Figure BDA00001765774100094
其次：执行以下迭代操作：
第一步：
Figure BDA00001765774100095
第二步：选取三对角阵T的非对角线元素中最大值者cpq。
判断|cpq|与ε的大小，当|cpq|＜ε时，则输出cii(i＝1，2，3，...，n)(即特征值λi)和VT(第i列为λi)对应的特征向量)，否则，执行第三步；
第三步：按照下列公式计算sin2θ、cos2θ、sinθ和cosθ。
m = - c pq n = 1 2 ( c qq - c pp ) ω = sgn ( n ) m m 2 + n 2
sin2θ＝ω
cos 2 θ = 1 - ω 2
sin θ = ω 2 ( 1 + 1 - ω 2 )
cos θ = 1 - sin 2 θ
第四步：按照下列公式计算三对角矩阵T的新元素：
c pp ′ = c pp cos 2 θ + c qq sin 2 θ + c pq sin 2 θ c qq ′ = c pp sin 2 θ + c qq cos 2 θ - c pq sin 2 θ c pq ′ = 1 2 ( c pp - c qq ) sin 2 θ + c pq cos 2 θ c qp ′ = c pq ′
c pj ′ = c pj cos θ + c qj sin θ c qj ′ = - c pj sin θ + c qj cos θ c ip ′ = c ip cos θ + c iq sin θ c ij ′ = c ij i , j = 1,2 , . . . , n ; i , j ≠ p , q .
第五步：
Figure BDA00001765774100107
跳转执行第二步。
当|cpq|＜ε时，则输出cii(i＝1，2，3，...，n)(即特征值λi)和VT(第i列为λi)对应的特征向量)，此时可得到三对角矩阵T的特征值矩阵ST和特征向量矩阵VT，
其中，
Figure BDA00001765774100108
需要说明的是，从ST中可以看出，ST对角线元素是两两重复的，其中K*L个元素构成了预失真矩阵自相关矩阵R_uu的特征值。
步骤207：根据步骤206获得的三对角阵的特征值矩阵ST和特征向量矩阵VT，还原得到实对称阵
Figure BDA00001765774100111
的特征值矩阵
Figure BDA00001765774100112
和特征向量矩阵
Figure BDA00001765774100113
在步骤207中，还原得到实对称阵
Figure BDA00001765774100114
的特征值矩阵
Figure BDA00001765774100115
和特征向量矩阵的具体方法包括：
第一步：假设令x、xT分别为
Figure BDA00001765774100117
和T的特征向量，λ、λT分别为和T的特征值，可以得到：
Figure BDA00001765774100119
TxT＝λTxT；
第二步：将
Figure BDA000017657741001110
代入TxT＝λTxT得到：
进一步得到： R ~ Bx = λ T B x T ;
进一步得到： R ~ ( Bx ) = λ T ( B x T ) ;
第三步：根据
Figure BDA000017657741001114
和
Figure BDA000017657741001115
得到实对称阵
Figure BDA000017657741001116
的特征值矩阵
Figure BDA000017657741001117
和特征向量矩阵
Figure BDA000017657741001118
S R ~ = S T , V R ~ = B V T .
需要说明的是，在步骤207中，实对称阵
Figure BDA000017657741001121
可用特征值矩阵
Figure BDA000017657741001122
和特征向量矩阵
Figure BDA000017657741001123
表示为： R ~ = V R ~ S R ~ V R ~ H .
步骤208：根据确定的实对称阵
Figure BDA000017657741001125
的特征值矩阵
Figure BDA000017657741001126
和特征向量矩阵
Figure BDA000017657741001127
还原得到所述R_uu的特征值矩阵S和特征向量矩阵V。
在步骤208中，由于ST对角线元素是两两重复的以及因此，实对称阵
Figure BDA000017657741001129
的特征值矩阵
Figure BDA000017657741001130
对角线元素也是两两重复的，从实对称阵
Figure BDA000017657741001131
的特征值矩阵
Figure BDA000017657741001132
的对角线元素提取奇数位置的元素构成R_uu的特征值矩阵S；或者从实对称阵
Figure BDA000017657741001133
的特征值矩阵
Figure BDA000017657741001134
的对角线元素提取偶数位置的元素构成R_uu的特征值矩阵S，得到的R_uu的特征值矩阵S是相同的。
因此，R_uu的特征值矩阵S具体为：
Figure BDA000017657741001135
其中，λ1≥λ2≥...≥λKl≥0。
具体地，从实对称阵
Figure BDA00001765774100121
的特征向量矩阵
Figure BDA00001765774100122
中提取1～KL行的奇数列构成R_uu的特征向量矩阵V的实部，并从实对称阵
Figure BDA00001765774100123
的特征向量矩阵
Figure BDA00001765774100124
中提取KL+1～2KL行的奇数列构成R_uu的特征向量矩阵V的虚部；或者从实对称阵
Figure BDA00001765774100125
的特征向量矩阵
Figure BDA00001765774100126
中提取1～KL行的偶数列构成R_uu的特征向量矩阵V的实部，并从实对称阵
Figure BDA00001765774100127
的特征向量矩阵
Figure BDA00001765774100128
中提取KL+1～2KL行的偶数列构成R_uu的特征向量矩阵V的虚部。
因此，根据得到R_uu的特征值矩阵S和特征向量矩阵V，可将R_uu表示为：R_uuKL*KL＝VKL*KLSKL*KLVKL*KL H。
需要说明的是，R_uuKL*KL分解得到的三个矩阵之积的表达式，维数为KL*KL，相对比较少，这样进行特征值分解将会降低计算的复杂度，并在运算过程中需要的存储空间较少。
步骤209：对所述特征值矩阵S的主对角元素中小于设定阈值的元素取零，得到近似特征值矩阵
Figure BDA00001765774100129
利用近似特征值矩阵构建逆取代矩阵
Figure BDA000017657741001211
作为所述R_uu-1的特征值矩阵S-1代入所述预失真系数a的表达式计算得出所述预失真系数a。
在步骤209中，由于预失真系数a的表达式a＝(R_uu)-1R_uz，根据得到的R_uu的特征值矩阵S和特征向量矩阵V，那么预失真系数a的表达式可转化为a＝VKL*KLSKL*KL -1VKL*KL HR_uz，其中，
Figure BDA000017657741001212
当存在λm＝0时，R_uu是不可逆的，而λm -1＝∞，因此，这种情况下的预失真系数a理论上是不存在的。
当λm→0，或λm -1→∞，此种情况下的预失真系数a是不稳定的，得到这样的预失真系数将影响预失真器的预失真效果，进而影响信号的预失真线性能。
因此，给定阈值ε＞0，当λm＜ε，m＝1，2，...，k≤n时，则令λm＝0，那么得到S的近似特征值矩阵
Figure BDA00001765774100131
即
Figure BDA00001765774100132
其中，
Figure BDA00001765774100133
进一步地，利用近似特征值矩阵
Figure BDA00001765774100134
构建逆取代矩阵
Figure BDA00001765774100135
作为S-1，即 S ~ ′ = Σ k - 1 0 .
进一步地，预失真系数a可表示为： a = V KL * KL S ~ ′ V KL * KL H R _ uz = V KL * KL Σ k - 1 0 V KL * KL H R _ uz .
进一步地，对R_uu的特征向量矩阵V进行矩阵的分块分解，得到
Figure BDA00001765774100138
和
进一步地，将特征值矩阵S-1代入所述预失真系数a的表达式，化简得到 a = [ V KL * k ′ V KL * ( KL - k ) ′ ′ ] Σ k - 1 0 [ V KL * k ′ V KL * ( KL - k ) ′ ′ ] H · R _ uz = V KL * k ′ Σ k - 1 V KL * k ′ H R _ uz .
步骤210：使用计算得到的所述预失真系数a对数字基带信号进行数字预失真的线性调整。
通过实施例二的方案，采用矩阵运算维数相对较少，利用的存储空间较少，并且确定矩阵特征值矩阵和特征向量矩阵的方法运算相对简单，这样得到的预失真系数a稳定性较高，进而提高了预失真线性性能。
实施例三：
如图4所示，为本实施例三的一种调整预失真线性性能的设备的结构示意图，该设备包括：预失真系数模型建立模块41、特征值矩阵和特征向量矩阵确定模块42、预失真系数计算模块43和预失真线性性能调整模块44。其中，
预失真系数模型建立模块41，用于根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu-1的预失真系数a的表达式，所述R_uu-1为预失真自相关矩阵R_uu的逆矩阵；
特征值矩阵和特征向量矩阵确定模块42，用于确定预失真自相关矩阵R_uu的实对称阵
Figure BDA00001765774100141
的特征值矩阵
Figure BDA00001765774100142
和特征向量矩阵通过特征值矩阵
Figure BDA00001765774100144
和特征向量矩阵
Figure BDA00001765774100145
还原得到所述R_uu的特征值矩阵S和特征向量矩阵V；
预失真系数计算模块43，用于对所述特征值矩阵S的主对角元素中小于设定阈值的元素取零，得到近似特征值矩阵
Figure BDA00001765774100146
利用近似特征值矩阵
Figure BDA00001765774100147
构建逆取代矩阵
Figure BDA00001765774100148
作为所述R_uu-1的特征值矩阵S-1代入所述预失真系数a的表达式计算得出所述预失真系数a；
预失真线性性能调整模块44，用于使用计算得到的所述预失真系数a对输入的数字基带信号进行数字预失真的线性调整。
进一步地，所述预失真系数模型建立模块41，具体用于根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式的线性方程组：
Figure BDA00001765774100149
将所述线性方程组转化为矩阵表达式，为Z＝Ua，并对所述Z＝Ua两边分别左乘矩阵UH，得到UHZ＝UHUa，以及将UHU求逆，即可得包含R_uu-1的预失真系数a的表达式a＝(R_uu)-1R_uz，其中，K为记忆多项式最大阶数，k取值为1～K，L为记忆多项式最大记忆深度，l取值为0～L，akl为预失真系数中的第k个元素，G为功放增益，a为预失真系数矩阵；Z＝[Z(0)，Z(1)，...，Z(N-1)]T，U为预失真矩阵，且U＝[U10，U30，...，UK0，...，U1L，U2L，...，UKL]T；R_uu为预失真自相关矩阵，且R_uu＝UHU，UH＝U；R_uz＝UHZ。
进一步地，特征值矩阵和特征向量矩阵确定模块42，具体用于提取R_uu的实部矩阵和虚部矩阵，将R_uu转化为 R r - R i R i R r V r V i = λ V r V i , 得到所述R_uu的实对称阵
Figure BDA00001765774100151
表达式为： R ~ = R r - R i R i R r , 其中，Rr、Ri为R_uu的实部和虚部，λ为R_uu的特征值，V为R_uu的特征向量，Vr、Vi为V的实部和虚部，并利用豪斯荷尔德算法对所述实对称阵
Figure BDA00001765774100153
进行约化，得到三对角阵T为：
Figure BDA00001765774100154
其中，B为豪斯荷尔德变换矩阵，再利用雅可比方法对所述三对角阵T进行矩阵的特征值分解，得到所述三对角阵T的特征值矩阵ST和特征向量矩阵VT，以及根据确定的所述三对角阵T的特征值矩阵ST和特征向量矩阵VT还原实对称阵
Figure BDA00001765774100155
的特征值矩阵和特征向量矩阵
Figure BDA00001765774100157
其中：
Figure BDA00001765774100158
V R ~ = B V T .
进一步地，特征值矩阵和特征向量矩阵确定模块42，具体用于从实对称阵
Figure BDA000017657741001510
的特征值矩阵
Figure BDA000017657741001511
的对角线元素提取奇数位置的元素构成R_uu的特征值矩阵S，以及从实对称阵的特征向量矩阵
Figure BDA000017657741001513
中提取1～KL行奇数列中的元素构成R_uu的特征向量矩阵V的实部，并从实对称阵
Figure BDA000017657741001514
的特征向量矩阵
Figure BDA000017657741001515
中提取KL+1～2KL行奇数列中的元素构成R_uu的特征向量矩阵V的虚部；
或者，从实对称阵
Figure BDA000017657741001516
的特征值矩阵
Figure BDA000017657741001517
的对角线元素提取偶数位置的元素构成R_uu的特征值矩阵S，以及从实对称阵
Figure BDA000017657741001518
的特征向量矩阵
Figure BDA000017657741001519
中提取1～KL行偶数列中的元素构成R_uu的特征向量矩阵V的实部，并从实对称阵
Figure BDA000017657741001520
的特征向量矩阵
Figure BDA00001765774100161
中提取KL+1～2KL行偶数列中的元素构成R_uu的特征向量矩阵V的虚部。
进一步地，预失真系数计算模块43，具体用于当λm＜ε，m＝1，2，...，k≤n时，则令λm＝0，那么得到S的近似特征值矩阵
Figure BDA00001765774100162
即 S ~ = Σ k 0 , 其中，
Figure BDA00001765774100164
再利用近似特征值矩阵
Figure BDA00001765774100165
构建逆取代矩阵
Figure BDA00001765774100166
作为S-1，即 S - 1 = S ~ ′ = Σ k - 1 0 .
进一步地，预失真系数确定模块43，具体用于对R_uu的特征向量矩阵V进行矩阵的分块分解，得到
Figure BDA00001765774100168
和
Figure BDA00001765774100169
并将特征值矩阵S-1代入预失真系数a的表达式，得到 a = [ V KL * k ′ V KL * ( KL - k ) ′ ′ ] Σ k - 1 0 [ V KL * k ′ V KL * ( KL - k ) ′ ′ ] H · R _ uz = V KL * k ′ Σ k - 1 V KL * k ′ H R _ uz .
实施例四：
如图5所示，为本实施例四的一种调整预失真线性性能的系统的结构示意图，该系统包括本发明实施例三提供的上述调整预失真线性性能设备51和射频功率放大器52。其中：射频功率放大器52，用于接收调整预失真线性性能设备的输出信号，进行功率放大处理后向外部输出信号，并同时将输出的信号反馈给调整预失真线性性能设备。
具体地，在本实施例四中，上述调整预失真线性性能设备可由数字信号处理DSP器件实现。
在本实施例四中，所述调整预失真线性性能的系统也可以通过硬件实现，例如该系统包可由预失真模块和射频功率放大器构成，如图6所示，为预失真线性性能调整的系统结构示意图。
其中，预失真模块又具体包括：预失真处理模块和预失真系数生成模块。
在具体实施时，上述预失真处理模块可由FPGA器件实现，用于根据预失真系数生成模块得到的预失真系数对接收到的数字基带信号进行预失真处理，并输出给射频功率放大器，同时反馈输出信号给预失真系数生成模块。
所述预失真系数生成模块可由数字信号处理DSP器件实现，也可以是独立的运算单元，用于根据本实施例一提供的方法得到预失真系数，并发送给预失真处理模块进行信号的预失真线性调整。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (14)

1.一种调整预失真线性性能的方法，其特征在于，所述方法包括：
根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu-1的预失真系数a的表达式，所述R_uu-1为预失真自相关矩阵R_uu的逆矩阵；
确定由预失真自相关矩阵R_uu构建的实对称阵
Figure FDA00001765774000011
的特征值矩阵
Figure FDA00001765774000012
和特征向量矩阵
Figure FDA00001765774000013
通过特征值矩阵和特征向量矩阵
Figure FDA00001765774000015
还原得到所述R_uu的特征值矩阵S和特征向量矩阵V；
对所述特征值矩阵S的主对角元素中小于设定阈值的元素取零，得到近似特征值矩阵
Figure FDA00001765774000016
利用近似特征值矩阵
Figure FDA00001765774000017
构建逆取代矩阵作为所述R_uu-1的特征值矩阵S-1代入所述预失真系数a的表达式计算得出所述预失真系数a；
使用计算得到的所述预失真系数a对输入的数字基带信号进行数字预失真的线性调整。
2.如权利要求1所述的方法，其特征在于，根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu-1的预失真系数a的表达式，具体包括以下步骤：
根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式的线性方程组： z ( n ) = Σ k = 1 odd K Σ l = 0 L a kl y ( n - l ) G | y ( n - l ) G | k - l ;
将所述线性方程组转化为矩阵表达式，为Z＝Ua；
对所述Z＝Ua两边分别左乘矩阵UH，得到UHZ＝UHUa，并将UHU求逆，即可得包含R_uu-1的预失真系数a的表达式a＝(R_uu)-1R_uz，
其中，K为记忆多项式最大阶数，k取值为1～K，L为记忆多项式最大记忆深度，l取值为0～L，akl为预失真系数中的第k个元素，G为功放增益，
a为预失真系数矩阵；Z＝[Z(0)，Z(1)，...，Z(N-1)]T；U为预失真矩阵，且U＝[U10，U30，...，UK0，...，U1L，U2L，...，UKL]T；R_uu为预失真自相关矩阵，且R_uu＝UHU，UH＝U；R_uz＝UHZ。
3.如权利要求2所述的方法，其特征在于，确定由预失真自相关矩阵R_uu构建的实对称阵
Figure FDA00001765774000021
的特征值矩阵和特征向量矩阵
Figure FDA00001765774000023
具体包括：
提取R_uu的实部矩阵和虚部矩阵，将R_uu转化为 R r - R i R i R r V r V i = λ V r V i , 得到所述R_uu的实对称阵
Figure FDA00001765774000025
表达式为： R ~ = R r - R i R i R r ;
其中，Rr、Ri为R_uu的实部和虚部，λ为R_uu的特征值，V为R_uu的特征向量，Vr、Vi为V的实部和虚部；
利用豪斯荷尔德算法对所述实对称阵
Figure FDA00001765774000027
进行约化，得到三对角阵T为：
其中，B为豪斯荷尔德变换矩阵；
利用雅可比方法对所述三对角阵T进行矩阵的特征值分解，得到所述三对角阵T的特征值矩阵ST和特征向量矩阵VT；
根据确定的所述三对角阵T的特征值矩阵ST和特征向量矩阵VT还原实对称阵的特征值矩阵
Figure FDA000017657740000210
和特征向量矩阵
Figure FDA000017657740000211
其中：
Figure FDA00001765774000031
V R ~ = B V T .
4.如权利要求3所述的方法，其特征在于，通过特征值矩阵
Figure FDA00001765774000033
和特征向量矩阵
Figure FDA00001765774000034
还原得到所述R_uu的特征值矩阵S和特征向量矩阵V，具体包括：
从实对称阵
Figure FDA00001765774000035
的特征值矩阵的对角线元素提取奇数位置的元素构成R_uu的特征值矩阵S；
从实对称阵
Figure FDA00001765774000037
的特征向量矩阵
Figure FDA00001765774000038
中提取1～KL行奇数列中的元素构成R_uu的特征向量矩阵V的实部，并从实对称阵
Figure FDA00001765774000039
的特征向量矩阵
Figure FDA000017657740000310
中提取KL+1～2KL行奇数列中的元素构成R_uu的特征向量矩阵V的虚部；
或者，从实对称阵
Figure FDA000017657740000311
的特征值矩阵
Figure FDA000017657740000312
的对角线元素提取偶数位置的元素构成R_uu的特征值矩阵S；
从实对称阵的特征向量矩阵中提取1～KL行偶数列中的元素构成R_uu的特征向量矩阵V的实部，并从实对称阵
Figure FDA000017657740000315
的特征向量矩阵
Figure FDA000017657740000316
中提取KL+1～2KL行偶数列中的元素构成R_uu的特征向量矩阵V的虚部。
5.如权利要求4所述的方法，其特征在于，对所述特征值矩阵S的主对角元素中小于设定阈值的元素取零，得到近似特征值矩阵
Figure FDA000017657740000317
使用近似特征值矩阵
Figure FDA000017657740000318
构建逆取代矩阵具体包括：
当λm＜ε，m＝1，2，...，k≤n时，则令λm＝0，那么得到S的近似特征值矩阵
Figure FDA000017657740000320
即 S ~ = Σ k 0 , 其中，
Figure FDA000017657740000322
利用近似特征值矩阵
Figure FDA00001765774000041
构建逆取代矩阵
Figure FDA00001765774000042
作为S-1，即 S - 1 = S ~ ′ = Σ k - 1 0 .
6.如权利要求5所述的方法，其特征在于，作为所述R_uu-1的特征值矩阵S-1代入所述预失真系数a的表达式计算得出所述预失真系数a，具体包括：
对R_uu的特征向量矩阵V进行矩阵的分块分解，得到
Figure FDA00001765774000044
和
Figure FDA00001765774000045
将特征值矩阵S-1代入所述预失真系数a的表达式，化简得到 a = [ V KL * k ′ V KL * ( KL - k ) ′ ′ ] Σ k - 1 0 [ V KL * k ′ V KL * ( KL - k ) ′ ′ ] H · R _ uz = V KL * k ′ Σ k - 1 V KL * k H R _ uz .
7.一种调整预失真线性性能的设备，其特征在于，所述设备包括：
预失真系数模型建立模块，用于根据射频功率放大器的输入信号z(n)和输出信号y(n)构建基于记忆多项式模型的线性方程组，并对该线性方程组进行转换后，得到包含R_uu-1的预失真系数a的表达式，所述R_uu-1为预失真自相关矩阵R_uu的逆矩阵；
特征值矩阵和特征向量矩阵确定模块，用于确定预失真自相关矩阵R_uu的实对称阵
Figure FDA00001765774000047
的特征值矩阵和特征向量矩阵
Figure FDA00001765774000049
通过特征值矩阵
Figure FDA000017657740000410
和特征向量矩阵
Figure FDA000017657740000411
还原得到所述R_uu的特征值矩阵S和特征向量矩阵V；
预失真系数计算模块，用于对所述特征值矩阵S的主对角元素中小于设定阈值的元素取零，得到近似特征值矩阵
Figure FDA000017657740000412
利用近似特征值矩阵
Figure FDA000017657740000413
构建逆取代矩阵作为所述R_uu-1的特征值矩阵S-1代入所述预失真系数a的表达式计算得出所述预失真系数a；
预失真线性性能调整模块，用于使用计算得到的所述预失真系数a对数字基带信号进行数字预失真的线性调整。
8.如权利要求7所述的设备，其特征在于，
所述预失真系数模型建立模块，具体用于根据输入射频功率放大器的信号z(n)和射频功率放大器的输出信号y(n)构建基于记忆多项式的线性方程组：
将所述线性方程组转化为矩阵表达式，为Z＝Ua，并对所述Z＝Ua两边分别左乘矩阵UH，得到UHZ＝UHUa，以及将UHU求逆，即可得包含R_uu-1的预失真系数a的表达式a＝(R_uu)-1R)_uz，其中，K为记忆多项式最大阶数，k取值为1～K，L为记忆多项式最大记忆深度，l取值为0～L，akl为预失真系数中的第k个元素，G为功放增益，a为预失真系数矩阵；Z＝[Z(0)，Z(1)，...，Z(N-1)]T，U为预失真矩阵，且U＝[U10，U30，...，UK0，...，U1L，U2L，...，UKL]T；R_uu为预失真自相关矩阵，且R_uu＝UHU，UH＝U；R_uz＝UHZ。
9.如权利要求8所述的设备，其特征在于，
所述特征值矩阵和特征向量矩阵确定模块，具体用于提取R_uu的实部矩阵和虚部矩阵，将R_uu转化为 R r - R i R i R r V r V i = λ V r V i , 得到所述R_uu的实对称阵
Figure FDA00001765774000053
表达式为： R ~ = R r - R i R i R r , 其中，Rr、Ri为R_uu的实部和虚部，λ为R_uu的特征值，V为R_uu的特征向量，Vr、Vi为V的实部和虚部，并利用豪斯荷尔德算法对所述实对称阵
Figure FDA00001765774000055
进行约化，得到三对角阵T为：
其中，B为豪斯荷尔德变换矩阵，再利用雅可比方法对所述三对角阵T进行矩阵的特征值分解，得到所述三对角阵T的特征值矩阵ST和特征向量矩阵VT，以及根据确定的所述三对角阵T的特征值矩阵ST和特征向量矩阵VT还原实对称阵
Figure FDA00001765774000057
的特征值矩阵和特征向量矩阵其中：
Figure FDA00001765774000062
V R ~ = B V T .
10.如权利要求9所述的设备，其特征在于，
所述特征值矩阵和特征向量矩阵确定模块，具体用于从实对称阵
Figure FDA00001765774000064
的特征值矩阵
Figure FDA00001765774000065
的对角线元素提取奇数位置的元素构成R_uu的特征值矩阵S，以及从实对称阵的特征向量矩阵
Figure FDA00001765774000067
中提取1～KL行奇数列中的元素构成R_uu的特征向量矩阵V的实部，并从实对称阵的特征向量矩阵
Figure FDA00001765774000069
中提取KL+1～2KL行奇数列中的元素构成R_uu的特征向量矩阵V的虚部；
或者，从实对称阵的特征值矩阵
Figure FDA000017657740000611
的对角线元素提取偶数位置的元素构成R_uu的特征值矩阵S，以及从实对称阵
Figure FDA000017657740000612
的特征向量矩阵
Figure FDA000017657740000613
中提取1～KL行偶数列中的元素构成R_uu的特征向量矩阵V的实部，并从实对称阵
Figure FDA000017657740000614
的特征向量矩阵
Figure FDA000017657740000615
中提取KL+1～2KL行偶数列中的元素构成R_uu的特征向量矩阵V的虚部。
11.如权利要求10所述的设备，其特征在于，
所述预失真系数计算模块，具体用于当λm＜ε，m＝1，2，...，k≤n时，则令λm＝0，那么得到S的近似特征值矩阵
Figure FDA000017657740000616
即 S ~ = Σ k 0 , 其中，
Figure FDA000017657740000618
再利用近似特征值矩阵构建逆取代矩阵
Figure FDA000017657740000620
作为S-1，即 S - 1 = S ~ ′ = Σ k - 1 0 .
12.如权利要求11所述的设备，其特征在于，
所述预失真系数确定模块，具体用于对R_uu的特征向量矩阵V进行矩阵的分块分解，得到和
Figure FDA00001765774000072
并将特征值矩阵S-1代入预失真系数a的表达式，得到 a = [ V KL * k ′ V KL * ( KL - k ) ′ ′ ] Σ k - 1 0 [ V KL * k ′ V KL * ( KL - k ) ′ ′ ] H · R _ uz = V KL * k ′ Σ k - 1 V KL * k ′ H R _ uz .
13.一种调整预失真线性性能的系统，其特征在于，所述系统包括：如权利要求7至12任一项所述的调整预失真线性性能设备和射频功率放大器；
所述射频功率放大器，用于接收所述调整预失真线性性能设备的输出信号，进行功率放大处理后向外部输出信号，并同时将向外部输出的信号反馈给所述调整预失真线性性能设备。
14.如权利要求13所述的系统，其特征在于，所述调整预失真线性性能设备可由数字信号处理DSP器件和可编程门阵列FPGA器件实现。
CN201210196917.4A 2012-06-14 2012-06-14 一种调整预失真线性性能的方法、设备和系统 Expired - Fee Related CN102739586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210196917.4A CN102739586B (zh) 2012-06-14 2012-06-14 一种调整预失真线性性能的方法、设备和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210196917.4A CN102739586B (zh) 2012-06-14 2012-06-14 一种调整预失真线性性能的方法、设备和系统

Publications (2)

Publication Number Publication Date
CN102739586A true CN102739586A (zh) 2012-10-17
CN102739586B CN102739586B (zh) 2015-03-25

Family

ID=46994393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210196917.4A Expired - Fee Related CN102739586B (zh) 2012-06-14 2012-06-14 一种调整预失真线性性能的方法、设备和系统

Country Status (1)

Country Link
CN (1) CN102739586B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102970262A (zh) * 2012-11-16 2013-03-13 华南理工大学 一种提高数字预失真稳定性的方法
CN103618684A (zh) * 2013-11-25 2014-03-05 京信通信系统（中国）有限公司 一种估计dpd系数的方法及装置
CN103957179A (zh) * 2014-04-04 2014-07-30 京信通信系统（中国）有限公司 Dpd实现方法和系统
CN104363191A (zh) * 2014-11-03 2015-02-18 西安烽火电子科技有限责任公司 一种跳频通信系统的数字预失真方法
CN104796364A (zh) * 2014-01-16 2015-07-22 京信通信系统（中国）有限公司 一种预失真参数求取方法及预失真处理系统
WO2019071992A1 (zh) * 2017-10-10 2019-04-18 京信通信系统（中国）有限公司 一种数字预失真处理方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101615890A (zh) * 2008-06-26 2009-12-30 鼎桥通信技术有限公司 一种数字预失真处理方法及装置
CN101841303A (zh) * 2010-04-02 2010-09-22 北京交通大学 基于多项式的预失真估计方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101615890A (zh) * 2008-06-26 2009-12-30 鼎桥通信技术有限公司 一种数字预失真处理方法及装置
CN101841303A (zh) * 2010-04-02 2010-09-22 北京交通大学 基于多项式的预失真估计方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102970262A (zh) * 2012-11-16 2013-03-13 华南理工大学 一种提高数字预失真稳定性的方法
CN102970262B (zh) * 2012-11-16 2015-07-01 华南理工大学 一种提高数字预失真稳定性的方法
CN103618684A (zh) * 2013-11-25 2014-03-05 京信通信系统（中国）有限公司 一种估计dpd系数的方法及装置
CN103618684B (zh) * 2013-11-25 2017-09-29 京信通信系统（中国）有限公司 一种估计dpd系数的方法及装置
CN104796364A (zh) * 2014-01-16 2015-07-22 京信通信系统（中国）有限公司 一种预失真参数求取方法及预失真处理系统
CN104796364B (zh) * 2014-01-16 2018-02-27 京信通信系统（中国）有限公司 一种预失真参数求取方法及预失真处理系统
CN103957179A (zh) * 2014-04-04 2014-07-30 京信通信系统（中国）有限公司 Dpd实现方法和系统
CN103957179B (zh) * 2014-04-04 2018-04-20 京信通信系统（中国）有限公司 Dpd实现方法和系统
CN104363191A (zh) * 2014-11-03 2015-02-18 西安烽火电子科技有限责任公司 一种跳频通信系统的数字预失真方法
CN104363191B (zh) * 2014-11-03 2019-03-29 西安烽火电子科技有限责任公司 一种跳频通信系统的数字预失真方法
WO2019071992A1 (zh) * 2017-10-10 2019-04-18 京信通信系统（中国）有限公司 一种数字预失真处理方法及装置

Also Published As

Publication number Publication date
CN102739586B (zh) 2015-03-25

Similar Documents

Publication Publication Date Title
CN102739586A (zh) 一种调整预失真线性性能的方法、设备和系统
CN103685111B (zh) 一种数字预失真参数的求取方法及预失真系统
CN104363191B (zh) 一种跳频通信系统的数字预失真方法
CN101860326A (zh) 基于Volterra级数间接学习型预失真线性化系统
CN107589399A (zh) 基于多采样虚拟信号奇异值分解的互质阵列波达方向估计方法
WO2015107392A1 (en) Systems and methods for basis function orthogonalization for digital predistortion
CN102075469B (zh) 用于数字预失真系统的信号延迟时间的估计方法
CN115278746B (zh) 面向5g宽带功放的自适应快速误差修正数字预失真方法
CN101610093B (zh) 预失真装置、预失真系统和预失真方法
CN110086438B (zh) 一种针对无源多波束发射机的数字预失真系统及方法
CN101615890B (zh) 一种数字预失真处理方法及装置
Abi Hussein et al. Multi-stage digital predistortion based on indirect learning architecture
CN103179074A (zh) 基于正交多项式的自适应预失真系统及方法
CN105680919A (zh) 可补偿iq非平衡效应的交叉式mimo系统预失真方法
CN113132279A (zh) 一种预失真处理方法、装置、设备和存储介质
Luo et al. A dual-input canonical piecewise-linear function-based model for digital predistortion of multi-antenna transmitters
CN106027434A (zh) 一种基于csm的预编码方法
CN104168238B (zh) 一种降低自适应数字预失真算法计算复杂度的方法
CN107526869B (zh) 一种基于函数逼近自适应三维微波管输入输出窗模型降阶的数值方法
CN101557250B (zh) 一种基于方向预测的智能天线权值生成方法和装置
CN103488611A (zh) 基于IEEE802.11.ad协议的FFT处理器
WO2021151980A1 (en) Finite resolution decomposition of a matrix and matrix-vector multiplication
CN107835140B (zh) 共发双带功率放大器的数字预失真系统及其方法
Huang et al. RLS-DPD algorithm for hybrid precoding architecture in MIMO-OFDM systems
Baudoin On segmented predistortion for linearization of RF power amplifiers

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: JINGXIN COMMUNICATION SYSTEM CO LTD (GUANGZHOU)

Free format text: FORMER OWNER: COMBA TELECOM SYSTEMS (CHINA) CO., LTD.

Effective date: 20150821

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20150821

Address after: 510663 Guangdong city of Guangzhou province Guangzhou economic and Technological Development Zone Jinbi Road No. 6

Patentee after: COMBA TELECOM SYSTEMS (GUANGZHOU) Ltd.

Address before: 510663 Guangzhou Science City, Guangdong Shenzhou Road, No. 10

Patentee before: COMBA TELECOM SYSTEMS (CHINA) Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200106

Address after: 510663 No. 10, Shenzhou Road, Science City, Guangzhou, economic and Technological Development Zone, Huangpu District, Guangzhou, Guangdong Province

Patentee after: COMBA TELECOM SYSTEMS (CHINA) Ltd.

Address before: 510663, No. 6, Jin Lu, Guangzhou economic and Technological Development Zone, Guangdong, Guangzhou

Patentee before: COMBA TELECOM SYSTEMS (GUANGZHOU) Ltd.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 510663 No.10, Shenzhou Road, Guangzhou Science City, economic and Technological Development Zone, Huangpu District, Guangzhou City, Guangdong Province

Patentee after: Jingxin Network System Co.,Ltd.

Address before: 510663 No.10, Shenzhou Road, Guangzhou Science City, economic and Technological Development Zone, Huangpu District, Guangzhou City, Guangdong Province

Patentee before: COMBA TELECOM SYSTEMS (CHINA) Ltd.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150325