CN104580042A - 一种数字预失真的方法和装置 - Google Patents

Abstract

本发明提供了一种数字预失真的方法和装置，其中，所述方法包括：获取实时采集到的业务信号的幅度、功率和数量；根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号；当所述业务信号为训练序列信号时，使用所述业务信号进行数字预失真。本发明技术方案能够有效覆盖基站及发射机在外场工作中的状态差异性、多样性，最大程度节约了有限的系统处理资源。本发明技术方案涵盖了FDD非满业务情况下的最优序列获取功能，充分保证了训练序列在峰值幅度、平均功率等分布方面对业务信号的覆盖性，在大大降低系统计算复杂度的同时，弥补了传统技术在训练序列生成方面和业务特征匹配方面的不足，提升了DPD处理的性能。

Description

一种数字预失真的方法和装置

技术领域

本发明涉及通信技术领域，特别是涉及一种数字预失真的方法和装置。

背景技术

现有的DPD(Digital Pre-Distortion，数字预失真)训练预失真系数有两种模式：一种为实时数据采集模式，另外一种为延时同步数据采集模式。实时数据采集模式：只要DPD软件有系数更新需求或者到达同步周期，就立即重新开始数据采集，将采集到的数据存贮到顺序增加的地址所对应的单元，直到地址累加到4095。延时同步数据采集模式：比较适合于已知信号的时域结构，且预知某一段信号具备较好的统计特性，能够很好的应用于参数估计，比如在TD-SCDMA(Time Division-Synchronous Code Division MultipleAccess，时分同步码分多址)的导频部分插入训练序列，启用外部同步端口，在延时同步数据采集模式中，采用获取使能的上升沿使能一次数据捕获，等到外部同步端口的上升沿到来之后，再延迟几个样点开始一次新的数据捕获。

现有的移动通信系统中，经常会采用延时同步数据采集模式，基本的专用训练信号使用随机序列生成器产生服从正态分布的随机数0/1，用以模拟多用户合并后的信源，数据长度根据DPD训练要求来确定。采用与业务信号相同的调制映射和调制傅立叶反变换模式，信号长度取决于算法设计，原则上只要包含足够多能够描述功率放大器失真的点就可以。满足以上条件，则发送数字信号功率应该在实际应用时达到最大值，当RRU(Radio RemoteUnit，射频拉远单元)确定时，从基带到天线口的信号变换也将确定，最终射频输出功率一定也是最大值。因为DPD训练可以离线完成，训练信号可以重复

由于目前方案采用在下行导频时隙按照额定功率发射专用训练序列，所以会对网络有一定干扰。尽管目前系统仿真表明该干扰并没有进一步恶化现网性能，但是还是建议以较低频率发射该信号，降低DPD系数更新周期。从原理上来讲，功放特性本身是慢变的，所以DPD系数更新周期只要能跟踪功放的变化即可。建议在产品设计时要对功放的变化特性进行充分评估，目前评估结果表明，DPD系数更新周期可以设置为2小时，但在实际产品应用中，DPD系数更新周期可以设置为30～60分钟，目前采用60分钟的更新周期。

对于LTE-FDD(Long Term Evolution-Frequency Division Duplexing，长期演进频分双工)系统，无法使用固定训练序列模式，无法在一个特定时间内发送一组特定的训练序列。对于LTE-TDD(Long Term Evolution-TimeDivision Duplexing，长期演进时分双工)系统，虽然能够发送特定的训练序列，但是需要根据带宽存储大量的训练序列，需要占用下行时隙发送额定功率的训练序列，对于本小区是一种干扰。为此自适应寻找合适的业务信号作为训练序列成为移动通信系统的一个难题。

发明内容

本发明提供一种数字预失真的方法和装置，以解决无法寻找合适的业务信号作为训练序列进行数字预失真的问题。

为了解决上述问题，本发明公开了一种数字预失真的方法，包括：

获取实时采集到的业务信号的幅度、功率和数量；

根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号；

当所述业务信号为训练序列信号时，使用所述业务信号进行数字预失真。

优选地，所述获取实时采集到的业务信号的幅度、功率和数量，包括：

将所述实时采集到的业务信号逐一存入先入先出队列；

获取每个进入到所述先入先出队列的业务信号的幅度和功率，并统计所述先入先出队列中的业务信号的数量。

优选地，所述根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号，包括：

判断所述业务信号的幅度是否满足幅度要求，所述业务信号的功率是否满足功率要求，所述业务信号的数量是否满足数量要求；

当所述业务信号的幅度满足幅度要求，且功率满足功率要求，且数量满足数量要求时，确定所述业务信号为训练序列信号。

优选地，所述判断所述业务信号的幅度是否满足幅度要求，所述业务信号的功率是否满足功率要求，所述业务信号的数量是否满足数量要求，包括：

判断所述业务信号的峰值幅度是否小于等于预设的最大峰值幅度，且大于等于预设的最小峰值幅度；当所述业务信号的峰值幅度小于等于所述预设的最大峰值幅度且大于等于所述预设的最小峰值幅度时，确定所述业务信号的幅度满足幅度要求；

判断所述业务信号的平均功率是否小于等于预设的最大平均功率，且大于等于预设的最小平均功率；当所述业务信号的平均功率小于等于所述预设的最大平均功率且大于等于所述预设的最小平均功率时，确定所述业务信号的功率满足功率要求；

判断所述业务信号中达到峰值幅度的业务信号的数量是否大于等于预设的峰值幅度信号数量；当所述业务信号中达到峰值幅度的业务信号的数量大于等于所述预设的峰值幅度信号数量时，确定所述业务信号的数量满足数量要求。

优选地，所述预设的最大峰值幅度为峰值幅度的上限值与峰值幅度的上限余量之和；

所述预设的最小峰值幅度为峰值幅度的下限值与峰值幅度的下限余量之差；

所述预设的最大平均功率为平均功率的上限值与平均功率的上限余量之和；

所述预设的最小平均功率为平均功率的下限值与平均功率的下限余量之差。

相应地，本发明还公开了一种数字预失真的装置，包括：

获取模块，用于获取实时采集到的业务信号的幅度、功率和数量；

判断模块，用于根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号；

处理模块，用于当所述业务信号为训练序列信号时，使用所述业务信号进行数字预失真。

优选地，所述获取模块，包括：

信号存入子模块，用于将所述实时采集到的业务信号逐一存入先入先出队列；

获取统计子模块，用于获取每个进入到所述先入先出队列的业务信号的幅度和功率，并统计所述先入先出队列中的业务信号的数量。

优选地，所述判断模块，包括：

判断子模块，用于判断所述业务信号的幅度是否满足幅度要求，所述业务信号的功率是否满足功率要求，所述业务信号的数量是否满足数量要求；

确定子模块，用于当所述业务信号的幅度满足幅度要求，且功率满足功率要求，且数量满足数量要求时，确定所述业务信号为训练序列信号。

优选地，所述判断子模块，包括：

峰值幅度判断子单元，用于判断所述业务信号的峰值幅度是否小于等于预设的最大峰值幅度，且大于等于预设的最小峰值幅度；

平均功率判断子单元，用于判断所述业务信号的平均功率是否小于等于预设的最大平均功率，且大于等于预设的最小平均功率；

信号数量判断子单元，用于判断所述业务信号中达到峰值幅度的业务信号的数量是否大于等于预设的峰值幅度信号数量；

所述确定子模块，包括：

峰值幅度确定子单元，用于当所述业务信号的峰值幅度小于等于所述预设的最大峰值幅度且大于等于所述预设的最小峰值幅度时，确定所述业务信号的幅度满足幅度要求；

平均功率确定子单元，用于当所述业务信号的平均功率小于等于所述预设的最大平均功率且大于等于所述预设的最小平均功率时，确定所述业务信号的功率满足功率要求；

信号数量确定子单元，用于当所述业务信号中达到峰值幅度的业务信号的数量大于等于所述预设的峰值幅度信号数量时，确定所述业务信号的数量满足数量要求。

优选地，所述预设的最大峰值幅度为峰值幅度的上限值与峰值幅度的上限余量之和；

所述预设的最小峰值幅度为峰值幅度的下限值与峰值幅度的下限余量之差；

所述预设的最大平均功率为平均功率的上限值与平均功率的上限余量之和；

所述预设的最小平均功率为平均功率的下限值与平均功率的下限余量之差。

与背景技术相比，本发明包括以下优点：

通过实时采集的业务信号，根据业务信号的时频分布特性，选择合适的业务信号作为训练序列信号，在不影响正常业务的情况下完成了训练序列信号的选择。本发明技术方案能够有效覆盖基站及发射机在外场工作中的状态差异性、多样性。在不同信号类型、信号带宽、信号功率等情况下，不需要储存大量不同类型的基准信号，不需要增加额外的信号处理，最大程度节约了有限的系统处理资源。

与现有传统方法相比，本发明技术方案涵盖了FDD非满业务情况下的最优序列获取功能。在实际工作中的非满业务状态下，充分保证了训练序列在峰值幅度、平均功率等分布方面对业务信号的覆盖性。在大大降低系统计算复杂度的同时，弥补了传统技术在训练序列生成方面和业务特征匹配方面的不足，提升了DPD处理的性能。

附图说明

图1是本发明实施例中的两级并行DPD系数训练处理示意图；

图2是本发明实施例中的功率放大器的AM-AM曲线特征示意图；

图3是本发明实施例中的OFDM信号的幅度示意图；

图4是本发明实施例一中的一种数字预失真的方法流程图；

图5是本发明实施例二中的一种数字预失真的方法流程图；

图6是本发明实施例三中的一种数字预失真的方法示意图；

图7是本发明实施例四中的一种数字预失真的装置结构图；

图8是本发明实施例五中的一种数字预失真的装置结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

对于FDD系统，无法插入训练序列，或者根据某一个特殊时隙的数据进行DPD系数的训练。为此FPGA(Field Programmable Gate Array，现场可编程门阵列)只能根据输入的信号统计过滤合适的业务信号作为训练序列，针对采集的业务信号进行DPD系数训练，可以采用两级并行处理模式，第一级为正常DPD通道模型，第二级为数据采集分析统计模块。

如下图1所示，经过DUC(Digital Up Converter，数字上变频)的业务信号进行CFR(Crest Factor Reduction，波峰因子消减)后进入FPGA信号统计过滤模块和高速预失真器。高速预失真器对信号进行预失真处理，也就是完成函数F(X)的滤波处理。FPGA信号统计过滤模块统计输入信号的功率是否满足作为DPD训练序列的功能模块。DPD当前输入信号功率统计模块对进入FDD-DPD系数更新模块的信号进行功率统计。DPD输出功率统计统计DPD输出信号的功率是否合理。反馈信号功率统计统计反馈信号的功率大小。DPD动态控制模块根据反馈信号功率和发射信号功率决定是否启动本次DPD系数的更新。DAC(Digital Analog Converter，数模转换器)将数字信号转换为模拟信号。RF(Radio Frequency，射频)发射通道对模拟信号进行射频发射。PA(Power Amplifier，功率放大器)对信号进行功率放大。RF接收通道接收射频信号。ADC(Analog Digital Converter，模数转换器)将模拟信号转换为数字信号。同步、幅度校准模块对信号进行同步并校准信号幅度。评估(Estimation)模块：数字预失真器是通过模拟功放模型的逆，对接收到的输入信号先进行预失真，来抵消信号经过PA时的畸变。比如：输入信号为y(n)，数字预失真器的输出为Z＝F(y(n))。PA对经过预失真处理后的信号进行放大后信号呈现线性输出。评估模块采用的一般都是离散形式的Volterra级(是一种泛函级数)数模，但是离散形式的Volterra级数模型过于复杂，本方案采用近似和简化的方式，略去模型中高阶项，简化模型的复杂度。得到一种PVS(Pruned Volterra Series，可裁剪的Volterra序列)模型。其中，如果非线性Q＝4，记忆性M＝3，交错记忆性R＝1，对应到功放的数学模型PVS模型如下：

$\begin{array}{c}{F}_{\mathrm{PVS}}\left[z\left(n\right)\right]=z_{\mathrm{mp}}\left(n\right)+z_{\mathrm{cmp}1}\left(n\right)+z_{\mathrm{cmp}-1}\left(n\right)\\ \underset{m=0}{\overset{M}{\mathrm{\Σ}}}x(n-m)\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q}{\left|x(n-m)\right|}^{(q-1)}+\\ \underset{m=0}{\overset{M}{\mathrm{\Σ}}}x(n-m-1)\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q}^1{\left|x(n-m)\right|}^{\left(q\right)}+\underset{m=0}{\overset{M}{\mathrm{\Σ}}}x(n-m)\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q}^{-1}{\left|x(n-m-1)\right|}^{\left(q\right)}(R=1)\\ =U_{\mathrm{mp}}(m,q)+U_1(m,q,r)+U_2(m,q,-r)\end{array}$

简化的PVS模型包括基本的MP(Memory Polynomial，记忆多项式)模型和CMP(CORSS MP，交叉记忆多项式)模型，其中，非线性Q(＝4)，记忆性M(＝3)，交错记忆性R(＝1)。其中，z(n)表示n时刻输出的经过预失真处理后的信号，x(n)表示n时刻输入的预失真信号，n表示预失真信号的输入时刻，m表示预失真信号的记忆时刻，w表示预失真参数，M表示记忆深度，Q表示非线性阶数，R表示最大交叉采样点，q表示非线性阶数索引。

LUT(Look Up Table，查阅表)的处理：根据预失真模型映射到LUT的过程如下：所述预失真参数索引表中预失真参数与原始的信号幅值之间的对应关系，将替代后的预失真模型进一步变化为：

$\begin{array}{c}y\left(n\right)=\underset{m=0}{\overset{M}{\mathrm{\Σ}}}x(n-m)\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q}{\left|x(n-m)\right|}^{(q-1)}+\\ \underset{m=0}{\overset{M}{\mathrm{\Σ}}}x(n-m-1)\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q}^1{\left|x(n-m)\right|}^{\left(q\right)}+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}x(n-m)\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q}^{-1}{\left|x(n-m-1)\right|}^{\left(q\right)}=\\ \underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}x(n-m)\·\left\{\begin{array}{c}{\mathrm{LUT}}_m\left(\right|x(n-m)\left|\right)+\\ \underset{l=1}{\overset{L_c}{\mathrm{\Σ}}}{\mathrm{LUT}}_{m-1}\left(\right|x(n-m-l)\left|\right)\\ +\underset{l=1}{\overset{L_c}{\mathrm{\Σ}}}{\mathrm{LUT}}_{m+l}\left(\right|x(n-m+l)\left|\right)\end{array}\right\}\end{array}$

其中，LUT表示预失真参数索引表，LUT_m(|y(n-m)|)表示预失真信号的信号幅值|y(n-m)|在LUT中对应的预失真参数。其中：

${\mathrm{LUT}}_m\left(\right|y(n-m)\left|\right)=\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q}{\left|y(n-m)\right|}^{(q-1)},m=0...M-1,n=1...N$

${\mathrm{LUT}}_{m-l}\left(\right|y(n-m-l)\left|\right)=\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q,-l}{\left|y(n-m-l)\right|}^{(q-1)},m=0...M-1,n=1...N$

${\mathrm{LUT}}_{m+l}\left(\right|y(n-m+l)\left|\right)=\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q,l}{\left|y(n-m+l)\right|}^{(q-1)},m=0...M-1,n=1...N$

${\mathrm{LUT}}_{m-\mathrm{xl}}\left(\right|y(n-m-l)\left|\right)=\underset{q=2}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q,-l}{\left|y(n-m-l)\right|}^{(q-1)},m=0...M-1,n=1...N$

${\mathrm{LUT}}_{m-\mathrm{xl}}\left(\right|y(n-m-l)\left|\right)=\underset{q=3}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q,-\mathrm{xl}}{\left|y(n-m-l)\right|}^{(q-1)}$

${\mathrm{LUT}}_{m+\mathrm{xl}}\left(\right|y(n-m+l)\left|\right)=\underset{q=3}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q,\mathrm{xl}}{\left|y(n-m+l)\right|}^{(q-1)}$

w_m,q,l,xl,m＝0...M-1,q＝1...Q,l＝-L...L,xl＝-L...L是DPD自适应滤波计算得到的预失真系数。

设置输入信号最大值：mv＝max(|y(n)|)，LUT的最大尺寸A，则LUT中的幅度间隔是一个LUT的存储空间是L*L*M的长度，因此实际上生成LUT的方式如下：

${\mathrm{LUT}}_{m,l,\mathrm{xl}}\left(\mathrm{a\Δ}\right)=\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{w}_{m,q,l,\mathrm{xl}}^{\left(1\right)}\·{\left(\mathrm{a\Δ}\right)}^q$

m＝0...M-1,q＝1...Q,l＝-L...L,xl＝-L...L

则一个LUT的存储空间是A*(4L+1)的长度。

采用PVS模型，能够很好的修正功放的非线性失真。图2显示了功放的AM-AM(输出信号和输入信号幅度上的失真)曲线以及压缩特性，同时也对功放实际的AM-AM进行仪表测试。功率放大器1dBc压缩点P1(MKR＝2△1，-1dB)的功率为54.75dBm(MKR＝3)，压缩点P3(MKR＝4△1，-3dB)的功率为55.16dBm(MKR＝5)，测试时功放输出的平均功率为47.2dBm，峰值为54.7dBm，正工作在压缩点P1。信号通过功率放大器以后有较大的压缩，DPD的模型是对功放求逆，所以信号通过PVS模型之后其增益得到1.5dB的扩张，DPD系数和有可能大于1，一般能够达到1.1～1.5之间。

wsum＝∑w_m,q,l,xl,m＝0...M-1,q＝1...Q,l＝-L...L,xl＝-L...L

FPGA信号统计过滤决定着使用何种训练序列对信号进行系数的更新，信号的选取至关重要。为此信号统计过滤需要满足的条件如下：

1、用于训练的业务信号平均功率必须要满足一定门限，包括上限和下限。

2、由于DPD在CFR之后，由于CFR存在漏削的情况，如果存在漏削的信号用于DPD系数更新，DPD效果会变差，所以信号最大数值不能超过CFR削峰门限+余量。

3、用于DPD系数更新的业务信号要有一定的动态范围，所以需要存在一定的大功率信号，只有存在大功率信号才可以到达功放的非线性区，只有非线性区才可以真实的反映功放的压缩特性，训练得到的系数才能更好的用于后面的预失真处理。这个大功率信号也和CFR的削峰门限相关，不能小于CFR削峰门限-余量。

如果需要统计DPD之后的信号，对于峰值的余量应该增加，这是由于DPD系数之和有时候会大于1。

对于上述前三点接下来将依次说明：

对于移动通信系统来说，一般平均功率采用(dBFS)来表示，采集一段时间内的信号功率之和，然后求平均：

${\mathrm{train}\_\mathrm{pwr}}_{\mathrm{dBFS}}=10*{\log }_{10}\left(\frac{\mathrm{tx}\_\mathrm{pwr}\_\mathrm{sum}}{2^{30}*\mathrm{len}}\right)$

其中发射信号功率累加和是：tx_pwr_sum

$\mathrm{tx}\_\mathrm{pwr}\_\mathrm{sum}=\underset{t}{\overset{\mathrm{len}}{\mathrm{\Σ}}}{\mathrm{txi}}^2\left(t\right)+{\mathrm{txq}}^2\left(t\right)$

txi(t)和txq(t)发射信号的实部和虚部，len是统计信号的长度。

例如信号的平均功率mpow_dbfs是-16dBFS，信号满量程的BIT长度N＝15，对应到幅度是(5193)，mean_am＝10^(mpow_dbfs/20)*2^N(N＝15)；

对于输入信号的平均幅度上下振荡必须要在一定范围内，信号平均幅度满足：mean_min≤mean_am≤mean_max。

上述mean_min为信号均值幅度的最小值，mean_max为信号均值幅度的最大值。

信号幅度上限mihigh_thresh余量，下限milow_thresh余量，通过下面的公式计算得到，平均幅度需要满足的条件是：

mean_am-milow_thresh≤mean_am≤mean_max+mihigh_thresh

例如信号幅度上限有2dBc余量，下限有1dBc余量，平均幅度是5193，则4628<Mean_am<6538。

信号在通过CFR之后，信号的PAR(Peak to Average Radio，峰值平均无线电)一定，由于峰值信号功率确定在一定范围，故此可以计算得到信号的峰值功率，计算公式如下：

am_max＝mean_am*sqrt(10^(target_par/10))

其中，target_par表示目标峰均比：一般是CFR模块预先设定的，一般是7～8dBc。

例如target_par＝7.5，均值幅度mean_am＝6056，那么信号的峰值幅度点am_max＝14362。

图3示出了3个20MHZ的OFDM(Orthogonal Frequency DivisionMultiplexing，正交频分复用)信号，此时信号最大幅度是14000左右，target_par＝7.5，mean_am＝6056，峰值功率点am_max＝14362的3载波OFDM信号的幅度示意图。

计算得到信号最大幅度要求时，也规定一个上下门限余量lowmax_thresh和highmax_thresh，FIFO(First Input First Output，先入先出队列)中最大数值必须在这个门限之内。

lowmax_thresh≤max_am≤highmax_thresh

因为最大数值和削峰门限有关，所以上下门限余量的数值较小，上下振荡限制在0.5DbC之内，所以有：

lowmax_thresh＝mean_am*sqrt(10^(lowmax_thresh_dB/10))

highmax_thresh＝mean_am*sqrt(10^(highmax_thresh_dB/10))

同时规定达到最大数值数量也有要求，达到最大数值的数量必须大于max_point，最大数值的点数和载波的个数和训练信号的长度有关。一般情况下1000个训练信号内至少应该出现一个最大数值，这是由于较长一段时间内如果都不能出现大信号，说明信号异常，此段时间内的信号不能进行DPD系数更新。上面关于信号功率和幅度等的描述如表1所示：

表1

下面通过列举几个具体的实施例详细介绍本发明提供的一种数字预失真的方法和装置。

实施例一

详细介绍本发明实施例提供的一种数字预失真的方法。

参照图4，示出了本发明实施例中一种数字预失真的方法流程图。

步骤100，获取实时采集到的业务信号的幅度、功率和数量。

所述业务信号可以通过FIFO进行采集，对进入FIFO中的业务信号进行功率和幅度计算。所述FIFO存储业务信号的数量可以为4096、8192、16384等，均为2的整数次方，并统计进入FIFO中的业务信号的数量。

步骤102，根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号。

可以根据业务信号的平均幅度、峰值幅度、平均功率和数量等判断业务信号是否可以作为训练序列。

步骤104，当所述业务信号为训练序列信号时，使用所述业务信号进行数字预失真。

综上所述，本发明实施例中的技术方案通过实时采集的业务信号，根据业务信号的时频分布特性，选择合适的业务信号作为训练序列信号，在不影响正常业务的情况下完成了训练序列信号的选择。本发明技术方案能够有效覆盖基站及发射机在外场工作中的状态差异性、多样性。在不同信号类型、信号带宽、信号功率等情况下，不需要储存大量不同类型的基准信号，不需要增加额外的信号处理，最大程度节约了有限的系统处理资源。

与现有传统方法相比，本发明实施例中的技术方案涵盖了FDD非满业务情况下的最优序列获取功能。在实际工作中的非满业务状态下，充分保证了训练序列在峰值幅度、平均功率等分布方面对业务信号的覆盖性。在大大降低系统计算复杂度的同时，弥补了传统技术在训练序列生成方面和业务特征匹配方面的不足，提升了DPD处理的性能。

实施例二

详细介绍本发明实施例提供的一种数字预失真的方法。

参照图5，示出了本发明实施例中一种数字预失真的方法流程图。

步骤200，获取实时采集到的业务信号的幅度、功率和数量。

所述业务信号可以通过FIFO进行采集，对进入FIFO中的业务信号进行功率和幅度计算。所述FIFO存储业务信号的数量可以为4096、8192、16384等，均为2的整数次方，并统计进入FIFO中的业务信号的数量。

优选地，所述步骤200可以包括：

子步骤2001，将所述实时采集到的业务信号逐一存入FIFO。

每一次一个业务信号进入FIFO。

子步骤2002，获取每个进入到所述FIFO的业务信号的幅度和功率，并统计所述FIFO中的业务信号的数量。

对FIFO中进入的每个业务信号均计算幅度和功率，并统计FIFO中存储的业务信号的数量。每个业务信号的功率累加之后，即可计算得到业务信号的平均功率。

步骤202，根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号。

可以根据业务信号的平均幅度、峰值幅度、平均功率和数量等判断业务信号是否可以作为训练序列。

优选地，所述步骤202可以包括：

子步骤2021，判断所述业务信号的幅度是否满足幅度要求，所述业务信号的功率是否满足功率要求，所述业务信号的数量是否满足数量要求。

优选地，所述子步骤2021可以包括下列三方面情况：

(1)判断所述业务信号的峰值幅度是否小于等于预设的最大峰值幅度，且大于等于预设的最小峰值幅度。

其中，所述预设的最大峰值幅度为峰值幅度的上限值与峰值幅度的上限余量之和；所述预设的最小峰值幅度为峰值幅度的下限值与峰值幅度的下限余量之差。

也就是说，判断业务信号的峰值幅度是否位于预设的最小峰值幅度和预设的最大峰值幅度之间。

当所述业务信号的峰值幅度小于等于所述预设的最大峰值幅度且大于等于所述预设的最小峰值幅度时，确定所述业务信号的幅度满足幅度要求。

当所述业务信号的峰值幅度大于所述预设的最大峰值幅度，或者小于所述预设的最小峰值幅度时，确定所述业务信号的幅度不满足幅度要求。

(2)判断所述业务信号的平均功率是否小于等于预设的最大平均功率，且大于等于预设的最小平均功率。

其中，所述预设的最大平均功率为平均功率的上限值与平均功率的上限余量之和；所述预设的最小平均功率为平均功率的下限值与平均功率的下限余量之差。

也就是说，判断业务信号的平均功率是否位于预设的最小平均功率和预设的最大平均功率之间。

当所述业务信号的平均功率小于等于所述预设的最大平均功率且大于等于所述预设的最小平均功率时，确定所述业务信号的功率满足功率要求。

当所述业务信号的平均功率大于所述预设的最大平均功率，或者小于所述预设的最小平均功率时，确定所述业务信号的功率不满足功率要求。

(3)判断所述业务信号中达到峰值幅度的业务信号的数量是否大于等于预设的峰值幅度信号数量。

当所述业务信号中达到峰值幅度的业务信号的数量大于等于所述预设的峰值幅度信号数量时，确定所述业务信号的数量满足数量要求。

当所述业务信号中达到峰值幅度的业务信号的数量小于所述预设的峰值幅度信号数量时，确定所述业务信号的数量不满足要求。

子步骤2022，当所述业务信号的幅度满足幅度要求，且功率满足功率要求，且数量满足数量要求时，确定所述业务信号为训练序列信号。

当上述(1)、(2)和(3)三方面要求均满足时，确定所述业务信号为训练序列。

其中，确定为训练序列的业务信号可以为FIFO中全部业务信号。

当所述业务信号的幅度不满足幅度要求，或者功率不满足功率要求，或者数量不满足数量要求时，确定所述业务信号不是训练序列信号。

步骤204，当所述业务信号为训练序列信号时，使用所述业务信号进行数字预失真。

当确定FIFO中的这段业务信号可以作为训练序列时，触发这段业务信号进行DPD系数更新处理，此时可以进行正常的DPD系数更新操作。

综上所述，本发明实施例中的技术方案通过实时采集的业务信号，根据业务信号的时频分布特性，选择合适的业务信号作为训练序列信号，在不影响正常业务的情况下完成了训练序列信号的选择。本发明技术方案能够有效覆盖基站及发射机在外场工作中的状态差异性、多样性。在不同信号类型、信号带宽、信号功率等情况下，不需要储存大量不同类型的基准信号，不需要增加额外的信号处理，最大程度节约了有限的系统处理资源。

与现有传统方法相比，本发明实施例中的技术方案涵盖了FDD非满业务情况下的最优序列获取功能。在实际工作中的非满业务状态下，充分保证了训练序列在峰值幅度、平均功率等分布方面对业务信号的覆盖性。在大大降低系统计算复杂度的同时，弥补了传统技术在训练序列生成方面和业务特征匹配方面的不足，提升了DPD处理的性能。

实施例三

详细介绍本发明实施例提供的一种数字预失真的方法。

参照图6，示出了本发明实施例中一种数字预失真的方法示意图。

业务信号从位置①输入FPGA信号统计过滤模块，开关默认为关闭状态，同时，业务信号也进入DPD通道，进行DPD系数更新。业务信号的实部Ri和虚部Rq在位置②进入FIFO中，获取业务信号的幅度，计算业务信号的平均功率等。一般FIFO＝4096、8192或16384都是2的整数次方。

判断FIFO中业务信号的峰值幅度是否超过峰值幅度上限，且平均功率是否位于上下门限范围内，如果峰值幅度超过峰值幅度上限，或平均功率不在上下门限范围内，清空FIFO中的业务信号，重新统计FIFO中又进入的业务信号的功率等；如果峰值幅度未超过峰值幅度上限，且平均功率在上下门限范围内，判断达到峰值幅度的业务信号的数量是否满足数量要求，如果不满足，则返回位置③，开关为关闭状态，业务信号继续进入FIFO；如果满足，则返回位置⑤，开关断开，FIFO中停止进入业务信号，FIFO中的业务信号可以进行DPD系数更新，待DPD系数更新完毕，清空FIFO中的业务信号，返回位置④，开关为关闭状态，FIFO中重新进入业务信号，重新统计业务信号的功率等。

如果当前输入的业务信号出现峰值幅度大于峰值幅度上限的信号，则表明输入的业务信号过大，此时只要包含这个极大峰值幅度的业务信号必须要抛弃，不能参与DPD的训练序列，避免过大的业务信号训练出来的DPD系数不满足要求。

待平均功率满足要求，峰值幅度信号的数量满足要求并且没有出现极大峰值幅度的信号，这三点同时满足要求，则表明这段业务信号可以用作训练序列，此时断开业务信号进入FIFO的开关。触发这段业务信号进行DPD系数更新处理，此时可以进行正常的DPD系数更新操作。

综上所述，本发明实施例中的技术方案通过实时采集的业务信号，根据业务信号的时频分布特性，选择合适的业务信号作为训练序列信号，在不影响正常业务的情况下完成了训练序列信号的选择。本发明技术方案能够有效覆盖基站及发射机在外场工作中的状态差异性、多样性。在不同信号类型、信号带宽、信号功率等情况下，不需要储存大量不同类型的基准信号，不需要增加额外的信号处理，最大程度节约了有限的系统处理资源。

与现有传统方法相比，本发明实施例中的技术方案涵盖了FDD非满业务情况下的最优序列获取功能。在实际工作中的非满业务状态下，充分保证了训练序列在峰值幅度、平均功率等分布方面对业务信号的覆盖性。在大大降低系统计算复杂度的同时，弥补了传统技术在训练序列生成方面和业务特征匹配方面的不足，提升了DPD处理的性能。

通过一个FIFO就可以判断业务信号是否满足要求，避免多个存储器来回切换来判断业务信号是否满足要求，节省了存储空间，降低了算法的复杂度。

实施例四

详细介绍本发明实施例提供的一种数字预失真的装置。

参照图7，示出了本发明实施例中一种数字预失真的装置结构图。

所述装置可以包括：获取模块400，判断模块402，处理模块404。

下面分别详细介绍各模块的功能以及各模块之间的关系。

获取模块400，用于获取实时采集到的业务信号的幅度、功率和数量。

判断模块402，用于根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号。

处理模块404，用于当所述业务信号为训练序列信号时，使用所述业务信号进行数字预失真。

综上所述，本发明实施例中的技术方案通过实时采集的业务信号，根据业务信号的时频分布特性，选择合适的业务信号作为训练序列信号，在不影响正常业务的情况下完成了训练序列信号的选择。本发明技术方案能够有效覆盖基站及发射机在外场工作中的状态差异性、多样性。在不同信号类型、信号带宽、信号功率等情况下，不需要储存大量不同类型的基准信号，不需要增加额外的信号处理，最大程度节约了有限的系统处理资源。

与现有传统方法相比，本发明实施例中的技术方案涵盖了FDD非满业务情况下的最优序列获取功能。在实际工作中的非满业务状态下，充分保证了训练序列在峰值幅度、平均功率等分布方面对业务信号的覆盖性。在大大降低系统计算复杂度的同时，弥补了传统技术在训练序列生成方面和业务特征匹配方面的不足，提升了DPD处理的性能。

实施例五

详细介绍本发明实施例提供的一种数字预失真的装置。

参照图8，示出了本发明实施例中一种数字预失真的装置结构图。

所述装置可以包括：获取模块500，判断模块502，处理模块504。

其中，所述获取模块500可以包括：信号存入子模块5001，获取统计子模块5002。

所述判断模块502可以包括：判断子模块5021，确定子模块5022。

下面分别详细介绍各模块的功能以及各模块之间的关系。

获取模块500，用于获取实时采集到的业务信号的幅度、功率和数量。

优选地，所述获取模块500可以包括：

信号存入子模块5001，用于将所述实时采集到的业务信号逐一存入先入先出队列。

获取统计子模块5002，用于获取每个进入到所述先入先出队列的业务信号的幅度和功率，并统计所述先入先出队列中的业务信号的数量。

判断模块502，用于根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号。

优选地，所述判断模块502可以包括：

判断子模块5021，用于判断所述业务信号的幅度是否满足幅度要求，所述业务信号的功率是否满足功率要求，所述业务信号的数量是否满足数量要求。

优选地，所述判断子模块5021可以包括：

峰值幅度判断子单元，用于判断所述业务信号的峰值幅度是否小于等于预设的最大峰值幅度，且大于等于预设的最小峰值幅度。

其中，所述预设的最大峰值幅度为峰值幅度的上限值与峰值幅度的上限余量之和；所述预设的最小峰值幅度为峰值幅度的下限值与峰值幅度的下限余量之差。

平均功率判断子单元，用于判断所述业务信号的平均功率是否小于等于预设的最大平均功率，且大于等于预设的最小平均功率。

其中，所述预设的最大平均功率为平均功率的上限值与平均功率的上限余量之和；所述预设的最小平均功率为平均功率的下限值与平均功率的下限余量之差。

信号数量判断子单元，用于判断所述业务信号中达到峰值幅度的业务信号的数量是否大于等于预设的峰值幅度信号数量。

确定子模块5022，用于当所述业务信号的幅度满足幅度要求，且功率满足功率要求，且数量满足数量要求时，确定所述业务信号为训练序列信号。

优选地，所述确定子模块5022可以包括：

峰值幅度确定子单元，用于当所述业务信号的峰值幅度小于等于所述预设的最大峰值幅度且大于等于所述预设的最小峰值幅度时，确定所述业务信号的幅度满足幅度要求。

平均功率确定子单元，用于当所述业务信号的平均功率小于等于所述预设的最大平均功率且大于等于所述预设的最小平均功率时，确定所述业务信号的功率满足功率要求。

信号数量确定子单元，用于当所述业务信号中达到峰值幅度的业务信号的数量大于等于所述预设的峰值幅度信号数量时，确定所述业务信号的数量满足数量要求。

处理模块504，用于当所述业务信号为训练序列信号时，使用所述业务信号进行数字预失真。

综上所述，本发明实施例中的技术方案通过实时采集的业务信号，根据业务信号的时频分布特性，选择合适的业务信号作为训练序列信号，在不影响正常业务的情况下完成了训练序列信号的选择。本发明技术方案能够有效覆盖基站及发射机在外场工作中的状态差异性、多样性。在不同信号类型、信号带宽、信号功率等情况下，不需要储存大量不同类型的基准信号，不需要增加额外的信号处理，最大程度节约了有限的系统处理资源。

与现有传统方法相比，本发明实施例中的技术方案涵盖了FDD非满业务情况下的最优序列获取功能。在实际工作中的非满业务状态下，充分保证了训练序列在峰值幅度、平均功率等分布方面对业务信号的覆盖性。在大大降低系统计算复杂度的同时，弥补了传统技术在训练序列生成方面和业务特征匹配方面的不足，提升了DPD处理的性能。

实时寻找训练序列的一个难题就是能否及时准确的捕获输入的信号，而不给整个系统带来额外的延时，本申请还提出了一种后置功率延时判断装置，每一次输入一个信号，FIFO中的平均功率实时进行统计计算，每一次进入信号都要计算一次平均功率，平均功率只要满足条件。就触发下一级条件的判断，每一输入一个信号只要计算一次输入信号功率就可以得到FIFO中的总功率和。

当前信号总功率等于 $\mathrm{sum}\_\mathrm{jpwr}\left(i\right)=\underset{i}{\overset{I}{\mathrm{\&Sigma;}}}{\mathrm{txi}}^2\left(i\right)+{\mathrm{txq}}^2\left(i\right)$

当前时刻的功率和sum_pwr(i)就是前面I个采样点信号所有的功率和累加。

进来一个信号的同时FIFO中要出去一个信号，为此接下来一个时间点的总功率等于最新进入的信号功率减去最后输出FIFO的功率。

sum_pwr(i+1)＝sum_pwr(i)+txi²(1)+txq²(1)-[txi²(I+1)+txq²(I+1)]

其中txi²(1)+txq²(1)-[txi²(I+1)+txq²(I+1)]表示的就是当前输入信号功率减去将要溢出FIFO中的txi²(I+1)+txq²(I+1)功率。

每输入一个信号，同步算出FIFO中的平均功率，总功率＝输入信号功率-输出信号功率+上时刻信号总功率。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

以上对本发明实施例所提供的一种数字预失真的方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种数字预失真的方法，其特征在于，包括：

获取实时采集到的业务信号的幅度、功率和数量；

根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号；

当所述业务信号为训练序列信号时，使用所述业务信号进行数字预失真。

2.根据权利要求1所述的方法，其特征在于，所述获取实时采集到的业务信号的幅度、功率和数量，包括：

将所述实时采集到的业务信号逐一存入先入先出队列；

获取每个进入到所述先入先出队列的业务信号的幅度和功率，并统计所述先入先出队列中的业务信号的数量。

3.根据权利要求1或2所述的方法，其特征在于，所述根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号，包括：

判断所述业务信号的幅度是否满足幅度要求，所述业务信号的功率是否满足功率要求，所述业务信号的数量是否满足数量要求；

当所述业务信号的幅度满足幅度要求，且功率满足功率要求，且数量满足数量要求时，确定所述业务信号为训练序列信号。

4.根据权利要求3所述的方法，其特征在于，所述判断所述业务信号的幅度是否满足幅度要求，所述业务信号的功率是否满足功率要求，所述业务信号的数量是否满足数量要求，包括：

判断所述业务信号的峰值幅度是否小于等于预设的最大峰值幅度，且大于等于预设的最小峰值幅度；当所述业务信号的峰值幅度小于等于所述预设的最大峰值幅度且大于等于所述预设的最小峰值幅度时，确定所述业务信号的幅度满足幅度要求；

判断所述业务信号的平均功率是否小于等于预设的最大平均功率，且大于等于预设的最小平均功率；当所述业务信号的平均功率小于等于所述预设的最大平均功率且大于等于所述预设的最小平均功率时，确定所述业务信号的功率满足功率要求；

判断所述业务信号中达到峰值幅度的业务信号的数量是否大于等于预设的峰值幅度信号数量；当所述业务信号中达到峰值幅度的业务信号的数量大于等于所述预设的峰值幅度信号数量时，确定所述业务信号的数量满足数量要求。

5.根据权利要求4所述的方法，其特征在于，

所述预设的最大峰值幅度为峰值幅度的上限值与峰值幅度的上限余量之和；

所述预设的最小峰值幅度为峰值幅度的下限值与峰值幅度的下限余量之差；

所述预设的最大平均功率为平均功率的上限值与平均功率的上限余量之和；

所述预设的最小平均功率为平均功率的下限值与平均功率的下限余量之差。

6.一种数字预失真的装置，其特征在于，包括：

获取模块，用于获取实时采集到的业务信号的幅度、功率和数量；

判断模块，用于根据获取到的业务信号的幅度、功率和数量判断所述业务信号是否为训练序列信号；

处理模块，用于当所述业务信号为训练序列信号时，使用所述业务信号进行数字预失真。

7.根据权利要求6所述的装置，其特征在于，所述获取模块，包括：

信号存入子模块，用于将所述实时采集到的业务信号逐一存入先入先出队列；

获取统计子模块，用于获取每个进入到所述先入先出队列的业务信号的幅度和功率，并统计所述先入先出队列中的业务信号的数量。

8.根据权利要求6或7所述的装置，其特征在于，所述判断模块，包括：

判断子模块，用于判断所述业务信号的幅度是否满足幅度要求，所述业务信号的功率是否满足功率要求，所述业务信号的数量是否满足数量要求；

确定子模块，用于当所述业务信号的幅度满足幅度要求，且功率满足功率要求，且数量满足数量要求时，确定所述业务信号为训练序列信号。

9.根据权利要求8所述的装置，其特征在于，

所述判断子模块，包括：

峰值幅度判断子单元，用于判断所述业务信号的峰值幅度是否小于等于预设的最大峰值幅度，且大于等于预设的最小峰值幅度；

平均功率判断子单元，用于判断所述业务信号的平均功率是否小于等于预设的最大平均功率，且大于等于预设的最小平均功率；

信号数量判断子单元，用于判断所述业务信号中达到峰值幅度的业务信号的数量是否大于等于预设的峰值幅度信号数量；

所述确定子模块，包括：

峰值幅度确定子单元，用于当所述业务信号的峰值幅度小于等于所述预设的最大峰值幅度且大于等于所述预设的最小峰值幅度时，确定所述业务信号的幅度满足幅度要求；

平均功率确定子单元，用于当所述业务信号的平均功率小于等于所述预设的最大平均功率且大于等于所述预设的最小平均功率时，确定所述业务信号的功率满足功率要求；

信号数量确定子单元，用于当所述业务信号中达到峰值幅度的业务信号的数量大于等于所述预设的峰值幅度信号数量时，确定所述业务信号的数量满足数量要求。

10.根据权利要求9所述的装置，其特征在于，

所述预设的最大峰值幅度为峰值幅度的上限值与峰值幅度的上限余量之和；

所述预设的最小峰值幅度为峰值幅度的下限值与峰值幅度的下限余量之差；

所述预设的最大平均功率为平均功率的上限值与平均功率的上限余量之和；

所述预设的最小平均功率为平均功率的下限值与平均功率的下限余量之差。