CN103888396A - 基于自适应可变步长迭代的预失真方法 - Google Patents

Abstract

本发明公开了一种基于自适应可变步长迭代的预失真方法，主要解决非稳定信号对强记忆非线性放大器性能影响的问题。该方该在预失真系统中进行，其实现步骤是：1）前向预失真器对基带信号进行非线性逆处理输出预失真信号；2）功率放大器对预失真信号进行处理，输出放大的预失真信号传输给后向预失真器进行非线性逆处理，输出预失真估计信号；3）加法器比较预失真信号和预失真估计信号输出估计误差；4）参数估计模块利用估计误差迭代更新出后向预失真器的系数向量，并复制给前向预失真器；5）在下一时刻重复步骤1）-5）。本发明能有效处理非稳定信号对宽带预失真系统性能的影响，可用于各类宽带无线通信系统发射机中功率放大器的线性化。

Description

基于自适应可变步长迭代的预失真方法

技术领域

本发明属于无线通信技术领域，涉及一种可变步长迭代的预失真方法，适用于各类宽带无线通信系统发射机中功率放大器的线性化。

背景技术

目前，数字预失真技术已成为无线通信系统射频功率放大器线性化中最具成本效益和最有应用前景的技术。在处理非稳定信号的预失真方案中，S.Haykin在“AdaptiveFilter Theory”中给出了归一化最小均方NLMS（Normalized Least Mean Square）预失真方案；D.P.Mandic在“A Generalized Normalized Gradient Descent Algorithm”中给出了广义归一化梯度下降GNGD（Generalized Normalized Gradient Descent）预失真方案；Dennis R.Morgan在“Reducing Measurement Noise Effects in Digital Predistortion of RFPower Amplifiers”中给出了降低量化噪声影响的新型间接学习结构预失真方案；ZhouDayong在“Novel Adaptive Nonlinear Predistorters Based on the Direct Learning Algorithm”中给出了抑制量化噪声影响的改进型直接学习结构预失真方案。

上述处理非稳定信号的预失真方案主要是针对功率放大器的弱记忆与弱非线性效应、受反馈信号中噪声分量影响较低以及输入信号动态变化范围较小等应用场景。然而随着无线通信系统频带的增加，功率放大器通常呈现出强记忆与强非线性效应，反馈信号中的噪声分量也会增加，现有的数字预失真系统已不能满足宽带无线通信系统中对功率放大器的线性化需求，而且对信号不稳定特性非常敏感，在抑制带外频谱扩展、收敛性和稳定性等方面的性能欠佳。

发明内容

本发明目的在于针对上述现有技术的不足，提出一种基于自适应可变步长迭代的预失真方法，以有效地抑制带外频谱扩展，减小非稳定信号对系统性能的影响，提高系统的收敛性和稳定性，实现对放大器强记忆与强非线性特性的精确估计，满足宽带无线通信系统中对功率放大器的线性化需求。

本发明的技术方案是这样实现的：

一种基于自适应可变步长迭代预失真方法，是在预失真系统中进行，所述预失真系统包括:前向预失真器、功率放大器、后向预失真器和加法器，其实现步骤包括如下：

（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，并将输出的预失真信号z(n)分别给功率放大器和加法器；

（2）功率放大器输出放大后的预失真信号y(n)传输给后向预失真器进行非线性特性逆处理，输出预失真估计信号

给加法器；

（3）加法器将预失真估计信号与预失真信号z(n)进行比较，得到估计误差

给参数估计模块；

（4）参数估计模块利用输入的估计误差e(n)，按照如下公式迭代计算在第n+1个时刻后向预失真器系数向量w(n+1)：

w(n+1)＝w(n)+μ₁erf(1-e^-a|e(n)|)u(n)e^*(n)，

其中，w(n)为在第n个时刻的后向预失真器系数向量，表示为：

w(n)＝[w₁₀,w₃₀,...w_Q0,...w_1M,w_3M,...w_QM]^T，w_qm为预失真器系数，q和m分别代表预失真系数的非线性阶数和记忆深度，1≤q≤Q,0≤m≤M；Q和M分别为后向预失真器的最高非线性阶数和最高记忆深度；

u₁为参数估计模块的迭代步长因子，a为调整因子，|·|是求模运算符；

u(n)表示由放大后的预失真信号y(n)构成的向量，定义为：

u(n)＝[y(n),y(n)|y(n)|²,...,y(n)|y(n)|^Q-1,...,y(n-M)|y(n-M)|^Q-1]^T，式中，y(n-M)表示放大后的预失真信号y(n)在M个时刻之前的历史信号；

（5）将后向预失真器得到的第n个时刻的系数向量w(n)复制到前向预失真器中，以对输入的基带信号x(n)进行非线性特性的逆处理；

（6）在第n+1个时刻重复步骤（1）—（6），经过持续迭代，使得前向预失真器的非线性特性不断接近于功率放大器的非线性特性的逆，以实现对功率放大器的非线性处理。

本发明与现有技术相比具有如下优点：

1）现有的预失真方法对信号非稳定特性非常敏感，导致预失真系统在抑制带外频谱扩展、收敛性和稳定性等方面的性能欠佳；本发明利用可变步长函数，当估计误差变大时保持较大的步长以获得较快的收敛速度，当估计误差变小的时候保持较小的步长以获得较小的稳态误差，有效地减小了非稳定信号对预失真系统性能的影响，抑制了带外频谱的扩展，提高了系统的收敛性和稳定性。

2）现有的预失真方法大多针对的窄带弱记忆弱非线性放大器，不能满足宽带无线通信系统中对功率放大器的线性化需求；本发明利用可变步长函数代替现有算法中的固定步长，在信号特性非平稳的条件下，对放大器强记忆强非线性特性进行更精确地估计，能满足宽带无线通信系统中对功率放大器的线性化的需求。

附图说明

图1是现有预失真系统框图；

图2是本发明的实现总流程图；

图3是本发明与现有三种方法的频谱性能仿真效果图。

具体实施方式

下面将结合附图对本发明的实例进行详细描述。本实例在以现有的预失真系统为前提下进行实施，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例。

参照图1，实现本发明的预失真系统包括：前向预失真器、功率放大器、后向预失真器、加法器、参数估计模块5个基本单元。其中，前向预失真器对输入的基带信号x(n)进行非线性特性的逆处理，输出的预失真信号z(n)分别给放大器和加法器；放大器对输入的预失真信号z(n)进行功率放大处理输出放大后的预失真信号y(n)给后向预失真器和参数估计模块；后向预失真器对输入的放大后的预失真信号y(n)信号进行非线性逆处理，输出预失真估计信号

给加法器；加法器对预失真估计信号

和预失真信号z(n)进行比较，输出估计误差

至参数估计模块；参数估计模块按照迭代算法更新预失真器滤波系数，并在第n+1时刻将后向预失真器滤波系数向量w(n+1)复制到前向预失真器中：

参照图2，本发明基于上述系统，实现预失真的步骤如下：

步骤一：对在第n个时刻输入的基带信号x(n)按如下公式进行非线性特性的逆处理，输出预失真信号z(n)：

$z\left(n\right)=\underset{\underset{q\∈\mathrm{odd}}{q=1}}{\overset{Q}{\mathrm{\Σ}}}\underset{m=0}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{qm}}{\left|x(n-m)\right|}^{q-1}x(n-m),---1)$

其中，x(n-m)表示基带信号x(n)在m个时刻之前的历史信号；w_qm为前向预失真器滤波系数，q和m分别代表前向预失真器滤波系数的非线性阶数和记忆深度，1≤q≤Q，0≤m≤M，Q和M分别为前向预失真器的最高非线性阶数和最高记忆深度，w₁₀的初始值置为1，其余w_km的初始值均置为0；odd表示奇数集合。

步骤二：对预失真信号z(n)进行功率的放大处理，输出放大后的预失真信号y(n)给后向预失真器，按如下公式进行非线性特性的逆处理，输出预失真估计信号

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

其中，y(n-m)表示放大后的预失真信号y(n)在m个时刻之前的历史信号，w_qm为后向预失真器滤波系数，q和m分别为后向预失真器滤波系数的非线性阶数和记忆深度，1≤q≤Q,0≤m≤M，Q和M分别为后向预失真器的最高非线性阶数和最高记忆深度，w₁₀的初始值置为1，其余w_km的初始值均置为0；odd表示奇数集合。

步骤三：将预失真估计信号

与预失真信号z(n)进行比较，并输出估计误差： $e\left(n\right)=z\left(n\right)-\hat{z}\left(n\right).$

步骤四：利用估计误差e(n)对后向预失真器系数w(n)进行实时迭代计算，并在第n+1个时刻得到更新的后向预失真器系数向量w(n+1)。

4.1）基于最小均方准则，将单次采样数据得到的估计误差e(n)的欧几里得范数||e(n)||²作为迭代递归代价函数，该代价函数的导数▽_w(n)表示为：

${\▿}_{w\left(n\right)}=\frac{{\∂\left|\right|e\left(n\right)\left|\right|}^2}{\∂w\left(n\right)}=-2u\left(n\right)e^{*}\left(n\right),---3)$

其中，w(n)为在第n个时刻后向预失真器系数w_qm的向量表示，u(n)表示由放大后的预失真信号y(n)构成的一个向量，其分别定义为：

w(n)＝[w₁₀,w₃₀,...w_Q0,...w_1M,w_3M,...w_QM]^T，

u(n)＝[y(n),y(n)|y(n)|2,...，y(n)|y(n)|^Q-1,...，y(n-M)|y(n-M)|^Q-1 T，

式中，y(n-M)表示放大后的预失真信号y(n)在M个时刻之前的历史信号；

4.2）将代价函数的导数▽_w(n)作为递归调整量，带入LMS算法的迭代公式中，得到后向预失真器滤波系数向量

的迭代计算公式：

$\tilde{w}(n+1)=\tilde{w}\left(n\right)+\mathrm{\μu}\left(n\right)e^{*}\left(n\right),---4)$

其中，μ为迭代步长，e^*(n)表示对e(n)信号取共轭；

4.3）对4）式中的迭代步长μ进行修正，即用基于误差函数的变步长函数μ(n)＝μ₁erf(1-e^-a|e(n)|)代替固定步长μ，得到改进后的后向预失真器滤波系数向量w(n+1)的迭代计算公式：

w(n+1)＝w(n)+μ₁erf(1-e^-a|e(n)|)u(n)e^*(n)，       5）

其中，μ₁为其迭代步长因子，用于控制迭代算法的收敛速度和稳定性；a为调整因子，其大小依据信号的不稳定情况设定；本实例中设定，迭代步长因子u₁=1，调整因子a=10。

步骤五：将后向预失真器得到的第n个时刻的系数向量w(n)复制到前向预失真器中，以对输入的基带信号进行放大器非线性特性的逆处理。

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，使得预失真器的非线性特性逐步接近于功率放大器的非线性特性的逆，以抵消功率放大器的非线性特性，实现对功率放大器的非线性处理。

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)为宽带的OFDM信号，调制方式为64点的正交幅度调制QAM；预失真器和放大器均采用记忆多项式模型；预失真器滤波系数初始化为[1,0,…,0]^T，并选择Q＝5,和M＝2；参数估计模块的迭代步长因子u₁设置为1；调整因子a＝10；放大后的预失真信号y(n)受到高斯白噪声v(n)的干扰，其信噪比设置为35dB。

2)仿真内容与结果：

用本发明的预失真方法和现有的预失真方法分别对功率放大器的输入信号进行预失真处理，其获得的功率放大器输出信号的频谱性能如图3所示。其中，曲线a为未经预失真处理的功率放大器输出信号频谱；曲线b是采用典型的LMS算法的预失真方法；曲线c是采用典型的NLMS算法的预失真方法；曲线d是采用典型的GNGD算法的预失真方法；曲线e是采用本发明所述的变步长的LMS算法的预失真方法；曲线f为原始基带信号频谱。

由图3可见，传统预失真方法对由量化噪声分量和信号不平稳特性所引起的频谱失真改善非常有限，而本发明在抑制带外频谱扩展性能方面与传统预失真方法相比具有较大的提升。

Claims (3)

1.一种基于自适应可变步长迭代预失真方法，是在预失真系统中进行，所述预失真系统包括:前向预失真器、功率放大器、后向预失真器和加法器，其实现步骤包括如下：

（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，并将输出的预失真信号z(n)分别给功率放大器和加法器；

（2）功率放大器输出放大后的预失真信号y(n)传输给后向预失真器进行非线性特性逆处理，输出预失真估计信号

给加法器；

（3）加法器将预失真估计信号

与预失真信号z(n)进行比较，得到估计误差

给参数估计模块；

（4）参数估计模块利用输入的估计误差e(n)，按照如下公式迭代计算在第n+1个时刻后向预失真器系数向量w(n+1)：

w(n+1)＝w(n)+μ₁erf(1-e^-a|e(n)|)u(n)e^*(n)，

其中，w(n)为在第n个时刻的后向预失真器系数向量，表示为：

w(n)＝[w₁₀,w₃₀,...w_Q0,...w_1M,w_3M,...w_QM]^T，w_qm为预失真器系数，q和m分别代表预失真系数的非线性阶数和记忆深度，1≤q≤Q,0≤m≤M；Q和M分别为后向预失真器的最高非线性阶数和最高记忆深度；

u₁为参数估计模块的迭代步长因子，a为调整因子，|·|是求模运算符；

u(n)表示由放大后的预失真信号y(n)构成的向量，定义为：

u(n)＝[y(n),y(n)|y(n)|²,...,y(n)|y(n)|^Q-1,...,y(n-M)|y(n-M)|^Q-1]^T，式中，y(n-M)表示放大后的预失真信号y(n)在M个时刻之前的历史信号；

（5）将后向预失真器得到的第n个时刻的系数向量w(n)复制到前向预失真器中，以对输入的基带信号x(n)进行非线性特性的逆处理；

（6）在第n+1个时刻重复步骤（1）—（6），经过持续迭代，使得前向预失真器的非线性特性不断接近于功率放大器的非线性特性的逆，以实现对功率放大器的非线性处理。

2.根据权利要求1所述的数字预失真方法，其中步骤（1）所述的对第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：

$z\left(n\right)=\underset{\underset{q\∈\mathrm{odd}}{q=1}}{\overset{Q}{\mathrm{\Σ}}}\underset{m=0}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{qm}}{\left|x(n-m)\right|}^{q-1}x(n-m),$

其中，z(n)为预失真信号，x(n)为输入的基带信号，x(n-m)表示基带信号x(n)在m个时刻之前的历史信号；w_qm为前向预失真器滤波系数，q和m分别代表前向预失真器滤波系数的非线性阶数和记忆深度，1≤q≤Q，0≤m≤M，Q和M分别为前向预失真器的最高非线性阶数和最高记忆深度；odd表示奇数集合。

3.根据权利要求1所述的数字预失真方法，其中步骤（2）所述的对放大的预失真信号y(n)进行非线性特性的逆处理，按照如下公式进行：

$\hat{z}\left(n\right)=\underset{\underset{q\∈\mathrm{odd}}{q=1}}{\overset{Q}{\mathrm{\Σ}}}\underset{m=0}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{qm}}{\left|y(n-m)\right|}^{q-1}y(n-m),$

其中，

为预失真估计信号，y(n)为放大后的预失真信号，y(n-m)表示y(n)信号在m个时刻之前的历史信号，w_qm为后向预失真器滤波系数，q和m分别为后向预失真器滤波系数的非线性阶数和记忆深度，1≤q≤Q,0≤m≤M，Q和M分别为后向预失真器的最高非线性阶数和最高记忆深度，odd表示奇数集合。

Images