CN104580044B - 一种预失真处理方法和系统 - Google Patents
一种预失真处理方法和系统 Download PDFInfo
- Publication number
- CN104580044B CN104580044B CN201410850423.2A CN201410850423A CN104580044B CN 104580044 B CN104580044 B CN 104580044B CN 201410850423 A CN201410850423 A CN 201410850423A CN 104580044 B CN104580044 B CN 104580044B
- Authority
- CN
- China
- Prior art keywords
- signal
- predistortion
- model
- distortion
- input signal
- 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.)
- Active
Links
Abstract
本发明提供了一种预失真处理方法和系统,以解决现有预失真处理应用范围较窄的问题。所述的方法包括:获取依据小区建立信息配置的输入信号的带宽信息;当输入信号的带宽信息符合宽带信号规则时,采用基于放大器特性确定的宽带信号行为模型作为预失真模型;当输入信号的带宽信息不符合宽带信号规则时,采用对宽带信号行为模型简化后确定的窄带信号行为模型作为预失真模型;依据预失真模型确定预失真通道,并采用预失真通道对输入信号进行预失真处理。宽带/窄带信号行为模型均保持了描述功率放大器各种实际动态特性的能力,从而解决放大器由于宽带匹配不理想带来的频谱再生的问题,且无论是窄带信号还是宽带信号均具有匹配的模型,应用范围广泛。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种预失真处理方法和系统。
背景技术
数字预失真处理(DigitalPre-DistortiON,DPD)是基于记忆多项式对信号进行预失真处理的,其数学模型可以包括:
其中:
rn,m是输入信号的幅度:rn,m=|x(n-m)|,Q(·):是量化因子。
LUT是预失真参数(DPD参数),所述LUT的输入地址是根据输入信号量化后的幅度Q(rn,m)来决定,具体的:
则LUTm(|x(n-m)|)是按照输入信号幅度|x(n-m)|为索引对应的预失真参数。在进行预失真更新时按照|x(n-m)|存入预失真参数,预失真处理时按照|x(n-m)|提取预失真参数。
wm,q,m=1...M,q=1...Q是预失真系数(DPD系数),通过计算得到W以后,预失真模块就可以计算得到预失真信号y(n)。
可以基于简化模糊神经网络的增强维纳模型进行预失真处理,该方法主要包括模糊神经网络子系统和FIR滤波器子系统。其中,模糊神经网络子系统由二阶关野(Sugeno)模糊推理系统(Fuzzy inference system,FIS)结构的简化模糊神经网络构成,用于补偿功率放大器幅度和相位失真特性。FIR滤波器子系统由两个平行的有限冲击响应(FIR)滤波器构成,用于补偿功放的记忆效应。
结合间接的学习结构,模糊神经网络的参数由最小二乘和反向传播相结合学习算法来识别,线性FIR滤波器系数由最小二乘法确定。该预失真方法可以在不增加实现复杂度的同时,结合了简化模糊神经网络结构的特点,利用增强型维纳模型,补偿宽带功率放大器由于宽带匹配不理想带来的频谱再生,对宽带深度记忆效应的功率放大器准确建模。但是,此种模型对于窄带信号系统所带来的改善非常有限,并且对于宽频信号的验证也仅仅限制在40MHZ以下,因此应用范围较窄。
发明内容
本发明提供了一种预失真处理方法和系统,以解决现有预失真处理应用范围较窄的问题。
为了解决上述问题,本发明公开了一种预失真处理方法,包括:获取依据小区建立信息配置的输入信号的带宽信息;当所述输入信号的带宽信息符合宽带信号规则时,采用基于放大器特性确定的宽带信号行为模型作为预失真模型;当所述输入信号的带宽信息不符合宽带信号规则时,采用对宽带信号行为模型简化后确定的窄带信号行为模型作为预失真模型;依据所述预失真模型确定预失真通道,并采用所述预失真通道对输入信号进行预失真处理。
可选的,获取依据小区建立信息配置的输入信号的带宽信息之后,还包括:依据所述带宽信息判断所述输入信号是否属于单频信号;当依据所述带宽信息判断输入信号属于单频信号时,依据所述输入信号的载波个数和载波带宽判断所述输入信号是否符合宽带信号规则;当依据所述带宽信息判断输入信号不属于单频信号时,依据所述输入信号各频段的载波带宽和载波带宽间隔判断所述输入信号是否符合宽带信号规则。
可选的,所述宽带信号行为模型包括单频宽带信号行为模型和多频宽带信号行为模型,所述窄带信号行为模型包括单频窄带信号行为模型和多频窄带信号行为模型。
可选的,采用所述预失真通道对输入信号进行预失真处理,包括:获取依据所述预失真模型确定的预失真系数;将所述预失真系数和输入信号输入所述预失真通道进行预失真处理。
可选的,还包括依据所述预失真模型确定预失真系数的步骤:对预失真处理后得到的预失真信号通过各类信号处理器进行处理,得到输出处理信号;对所述输出处理信号和预存的训练序列进行校准处理;将校准后的输出处理信号和训练序列通过所述预失真模型进行预失真参数训练,得到更新的预失真系数。
可选的,所述对所述输出处理信号和预存的训练序列进行校准处理包括:对所述输出处理信号进行幅度校准;对校准后输出处理信号和预存的训练序列进行同步相关处理;对所述同步后的训练序列进行M个采样点的校准。
可选的,将校准后的输出处理信号和训练序列通过所述预失真模型进行预失真参数训练,得到更新的预失真系数,包括:采用所述预失真模型确定校准后的输出处理信号和训练序列的自相关矩阵和互相关矩阵;对所述自相关矩阵和互相关矩阵进行矩阵求逆,确定更新的预失真系数。
可选的,还包括:采用所述更新的预失真系数对预失真参数表进行更新。
可选的,依据所述预失真模型确定预失真通道,并采用所述预失真通道对输入信号进行预失真处理,包括:当不同预失真模型采用同一预失真通道时,若所述预失真模型为窄带信号行为模型,对所述预失真通道中多余部分以零填充;将依据所述预失真模型确定的预失真系数和所述输入信号输入所述预失真通道进行预失真处理。
相应的,本发明还公开了一种预失真处理系统,包括:参数控制器,用于获取依据小区建立信息配置的输入信号的带宽信息;选择控制器,用于当所述输入信号的带宽信息符合宽带信号规则时,采用基于放大器特性确定的宽带信号行为模型作为预失真模型;当所述输入信号的带宽信息不符合宽带信号规则时,采用对宽带信号行为模型简化后确定的窄带信号行为模型作为预失真模型;预失真处理器,用于依据所述预失真模型确定预失真通道,并采用所述预失真通道对输入信号进行预失真处理。
可选的,还包括:频率选择器,用于依据所述带宽信息判断所述输入信号是否属于单频信号;当依据所述带宽信息判断输入信号属于单频信号时,宽带信号规则依据所述输入信号的载波带宽和载波个数配置;当依据所述带宽信息判断输入信号不属于单频信号时,宽带信号规则依据所述输入信号各频段的载波带宽和载波带宽间隔。
可选的,所述宽带信号行为模型包括单频宽带信号行为模型和多频宽带信号行为模型,所述窄带信号行为模型包括单频宽带信号行为模型和多频宽带信号行为模型。
可选的,所述预失真处理器,用于获取依据所述预失真模型确定的预失真系数;将所述预失真系数和输入信号输入所述预失真通道进行预失真处理。
可选的,还包括:各类信号处理器,用于对预失真处理后得到的预失真信号通过各类信号处理器进行处理,得到输出处理信号;参数训练器,用于对所述输出处理信号和预存的训练序列进行校准处理;将校准后的输出处理信号和训练序列通过所述预失真模型进行预失真参数训练,得到更新的预失真系数。
可选的,所述参数训练器,用于对所述输出处理信号进行幅度校准;对校准后输出处理信号和预存的训练序列进行同步相关处理;对所述同步后的训练序列进行M个采样点的校准。
可选的,所述参数训练器,用于采用所述预失真模型确定校准后的输出处理信号和训练序列的自相关矩阵和互相关矩阵;分别确定所述自相关矩阵和互相关矩阵的逆矩阵,并计算更新的预失真系数。
可选的,还包括:参数更新器,用于采用所述更新的预失真系数对预失真参数表进行更新。
可选的,所述预失真处理器,用于当不同预失真模型采用同一预失真通道时,若所述预失真模型为窄带信号行为模型,对所述预失真通道中多余部分以零填充;将依据所述预失真模型确定的预失真系数和所述输入信号输入所述预失真通道进行预失真处理。
与现有技术相比,本发明包括以下优点:
能够获取依据小区信息配置的输入信号的信号带宽,并依据信号带宽确定预失真模型,并依据所述预失真模型确定预失真通道对输入信号进行预失真处理。其中,输入信号的载波带宽符合宽带信号规则时采用基于放大器特性确定的宽带信号行为模型,输入信号的载波带宽不符合宽带信号规则时采用采用对宽带信号行为模型简化后确定的窄带信号行为模型,由于宽带信号行为模型和窄带信号行为模型是基于放大器的电路特性确定的,因此这两个模型均保持了描述功率放大器各种实际动态特性的能力,从而解决放大器由于宽带匹配不理想带来的频谱再生的问题,且无论是窄带信号还是宽带信号均具有匹配的模型,应用范围广泛。
附图说明
图1是本发明实施例一提供的预失真处理方法流程图;
图2是本发明实施例二提供的三种调制信号的频带分布;
图3是本发明实施例二提供的双频段DPD系统架构;
图4是本发明实施例二提供的预失真处理方法流程图;
图5是本发明实施例二提供的单频段预失真处理系统的处理示意图;
图6是本发明实施例二提供的双频段预失真处理系统的处理示意图;
图7是本发明实施例二提供的单频段的PVS模型的预失真通道处理示意图;
图8A、B是本发明实施例二提供的多频段DPD模型的预失真通道处理示意图;
图9是本发明实施例三提供的预失真处理系统结构图;
图10是根据本发明实施例三提供的预失真处理系统可选结构图。
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。
本发明实施例提供一种预失真处理方法,能够获取依据小区信息配置的输入信号的信号带宽,并依据信号带宽确定预失真模型,并依据所述预失真模型确定预失真通道对输入信号进行预失真处理。其中,输入信号的载波带宽符合宽带信号规则时采用基于放大器特性确定的宽带信号行为模型,输入信号的载波带宽不符合宽带信号规则时采用采用对宽带信号行为模型简化后确定的窄带信号行为模型,由于宽带信号行为模型和窄带信号行为模型是基于放大器的电路特性确定的,因此这两个模型均保持了描述功率放大器各种实际动态特性的能力,从而解决放大器由于宽带匹配不理想带来的频谱再生的问题,且无论是窄带信号还是宽带信号均具有匹配的模型,应用范围广泛。
实施例一
参照图1,给出了本发明实施例一提供的预失真处理方法流程图。
步骤101,获取依据小区建立信息配置的输入信号的带宽信息;
射频拉远单元(Radio Remote Unit,RRU)系统根据小区建立信息,配置该RRU能够承载的信号带宽。本实施例。根据小区建立的信号带宽来选择DPD的模型,因此处理器要获取系统建立的载波个数和各载波的带宽,作为输入信号的带宽信息。
步骤102,检测所述输入信号的带宽信息是否符合宽带信号规则。
本实施例预置了宽带信号规则用于对输入信号的带宽进行检测以判断其为宽带信号还是窄带信号,从而选择相应的预失真模型,因此本实施例对宽带信号和窄带信号都能匹配到合适的模型,获取准确的预失真处理结果。
因此要检测所述输入信号的带宽信息是否符合宽带信号规则。若是,即输入信号的带宽信息符合宽带信号规则,则执行步骤103;若否,即输入信号的带宽信息不符合宽带信号规则,则执行步骤104。
步骤103,采用基于放大器特性确定的宽带信号行为模型作为预失真模型。
当所述输入信号的带宽信息符合宽带信号规则时,确定其为宽带信号,采用基于放大器特性确定的宽带信号行为模型作为预失真模型。
本实施例为解决现有模型在复杂度和有效性中寻找最佳模型的难题,首先从放大器的等效电路出发,建立可以描述放大器主要非线性特性的行为模型,然后在此基础上,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,从而得到了基于放大器特性确定的宽带信号行为模型。此外,由于宽带信号行为模型模型的分析以及简化都基于放大器的电路特性,因此宽带信号行为模型模型保持了描述功率放大器各种实际动态特性的能力。
步骤104,采用对宽带信号行为模型简化后确定的窄带信号行为模型作为预失真模型。
当所述输入信号的带宽信息不符合宽带信号规则时,相对而言该输入信号属于窄带信号,采用简单的预失真模型效果较好,因此对宽带信号行为模型进一步进行简化得到第二行模型,采用窄带信号行为模型作为预失真模型。
步骤105,依据所述预失真模型确定预失真通道,并采用所述预失真通道对输入信号进行预失真处理。
依据预失真模型确定预失真处理器的预失真通道,其中,宽带信号行为模型和窄带信号行为模型可以采用不同的预失真通道,又因为窄带信号行为模型是对宽带信号行为模型进行简化得到的,因此宽带信号行为模型和窄带信号行为模型也可以采用同一预失真通道。
然后将输入信号输入预失真处理器,并采用选择的预失真通道对输入信号进行预失真处理。
综上所述,获取依据小区信息配置的输入信号的信号带宽,并依据信号带宽确定预失真模型,并依据所述预失真模型确定预失真通道对输入信号进行预失真处理。其中,输入信号的载波带宽符合宽带信号规则时采用基于放大器特性确定的宽带信号行为模型,输入信号的载波带宽不符合宽带信号规则时采用采用对宽带信号行为模型简化后确定的窄带信号行为模型,由于宽带信号行为模型和窄带信号行为模型是基于放大器的电路特性确定的,因此这两个模型均保持了描述功率放大器各种实际动态特性的能力,从而解决放大器由于宽带匹配不理想带来的频谱再生的问题,且无论是窄带信号还是宽带信号均具有匹配的模型,应用范围广泛。
实施例二
在上述实施例的基础上,本实施例进一步论述预失真处理的方法。
本实施例中,为适应各种带宽配置,提供了单频的DPD模型和多频的DPD模型,以能够自适应地选择DPD模型,即该DPD处理能够适用于单频段也能够应用于多频段,使得DPD效果最佳。
本发明一个可选实施例中,获取依据小区建立信息配置的输入信号的带宽信息之后,还包括:依据所述带宽信息判断所述输入信号是否属于单频信号;当依据所述带宽信息判断输入信号属于单频信号时,依据所述输入信号的载波个数和载波带宽判断所述输入信号是否符合宽带信号规则;当依据所述带宽信息判断输入信号不属于单频信号时,依据所述输入信号各频段的载波带宽和载波带宽间隔判断所述输入信号是否符合宽带信号规则。
为了更加全面、准确的进行DPD处理,可以在获取到数据信号的带宽信息后,依据该带宽信息监测输入信号是单频信号,或是多频信号,其中多频信号指的是输入信号至少包括两个频段。
当确定输入信号属于单频信号时,检测输入信号的载波个数,并确定各载波的带宽,然后确定该载波带宽是否大于预置带宽,若该载波带宽大于预置带宽,则确定输入信号符合宽带信号规则,否则输入信号不符合带宽信号规则。
当确定输入信号不属于单频信号时,检测输入信号具有的频段,各频段的载波带宽以及各载波间的带宽间隔,然后确定各频段的载波带宽是否大于预置带宽,若各频段的载波带宽大于预置带宽,则确定输入信号符合宽带信号规则,否则输入信号不符合带宽信号规则。其中,在判断输入信号是否符合带宽信号规则时,还可以依据载波带宽间隔进行判断,确定输入信号的载波带宽间隔是否满足宽带信号的要求。
因此,宽带信号行为模型包括单频宽带信号行为模型和多频宽带信号行为模型,所述窄带信号行为模型包括单频窄带信号行为模型和多频窄带信号行为模型。
即当输入信号为单频信号且符合宽带信号规则,采用单频宽带信号行为模型;当输入信号为单频信号且不符合宽带信号规则,采用单频窄带信号行为模型;当输入信号为多频信号且符合宽带信号规则,采用多频宽带信号行为模型;当输入信号为多频信号且不符合宽带信号规则,采用多频窄带信号行为模型。
基于上述内容,采用实施例论述依据输入信号选择预失真模型的步骤,其中多频信号以双频信号为例进行论述,则采用实施例论述单频信号和双频信号选择预失真模型的步骤。
其中,对于单频信号的预失真模型,本实施例从放大器的等效电路出发,建立可以描述放大器主要非线性特性的行为模型,可以采用离散形式的Volterra级数模型:
公式(2)中,x(n)和z(n)是系统输入和输出信号;h1(k)、h3(k1,k2,k3)和h5(k1,k2,k3,k4,k5)是功放模型参数,K是系统的记忆长度。
由于上述公式(2)提供的Volterra级数模型十分复杂,计算量大,因此需要采用简化模型以利于求解。
可以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。如果非线性Q=4,记忆性M=3,交错记忆性R=1,则PVS模型列表架构如下:
因此,当Q=4,M=3,R=1时,对应到功放的数学模型如下:
然后进一步对PVS模型进行简化得到记忆多项式(Memory Polynomial,MP)模型,其中,MP模型是PVS模型的一个特例,去掉PVS模型的交叉项目,则得到MP模型。则去掉交叉项以后,此时的MP模型如下:
其中,采用PVS模型和MP模型分别进行预失真处理的结果对比如下:
其中,信号带宽较小为20M时,预失真处理结果如表1所示:
LTE 20M | PVS模型 | MP模型 |
Lower(邻道/次邻道) | 50.3/55.8 | 54.5/61 |
upper(邻道/次邻道) | 49.6/55.1 | 52/61.2 |
表1
其中,信号带宽较大为50M时,预失真处理结果如表2所示:
LTE 20M | PVS模型 | MP模型 |
Lower(邻道/次邻道) | 53.5/53.7 | 51.3/51.3 |
upper(邻道/次邻道) | 51.1/53.3 | 46/49 |
表2
通过上述表1和2可知,随着信号带宽增加,复杂的PVS模型效果更好。因此可以将PVS模型作为宽带信号行为模型,将MP模型作为窄带信号行为模型。
其中,对于多频信号,如双频信号的两频段功率输出存在三种交调和互调,包括带内交调,带外交调和频段间互调,这三种调制信号的频带分布如图2所示。
图2为双频段发射机的功率谱信号,其中a为输入信号,b为输出信号。输入信号的两个频段ω1和ω2的频率间隔Δω=ω2-ω1非常大,所以带外交调(out-of-bandintermodulation)产物离信号频点很远,比较容易滤除,剩下的失真仅包括带内失真(in-band intermodulation)和互调产物(cross modulation)。
图3阐述了双频段DPD系统架构,其中包括:1)信号提取和分析阶段(the signalextraction and analysis stage);2)处理阶段(the processing stage);3)综合阶段(the synthesis stage)。
基于宽频不连续功放的特性,考虑到双频信号间的交叉调制效应以及模型的复杂度,本实施例提出一种基于2D-SDM-MP双频段信号数字预失真模型即2D-PVS模型,该模型考虑了交叉调制项的2D-DPD模型与修改的Volterra模型,该模型在2D-DPD模型的基础上引入两级时间交叉项模型。第一级是通道间的时间交叉模型,第二级是通道内的时间交叉模型,两级时间交叉模型(2D-TCMP-DPD)充分校正宽频不连续高输出功率功放的非线性和记忆性,实现超宽频多频段功放的精确建模,其中TCMP为Time Cross memory polynomial。
其中对于多频段展开,可以采用F频段和A频段共同反馈,然后E频段独立反馈,三个频段联合成为两个频段各自独立反馈,或者E频段和D频段分别独立反馈。
可以进一步展开并简化为如下表达式:
同理,通道2可以表示为:
这种各自反馈通道带宽,或者一个反馈通道有多个频段,通过这种同一个反馈通道内时间交叉,以及不同反馈通道之间时间交叉的方式就能够完成多个频段的联合反馈。
上述方式考虑了双通道时间不匹配的问题,进一步优化了系统的线性性能,尤其在两条通道的时间出现较明显不匹配(如超过2个采样点)的情况下,在邻信道功率比(Adjacent Channel Power Ratio,ACPR)和归一化均方误差(normalized mean squarederror,NMSE)等指标上有了很大的性能提升。同一个反馈内的信号也采用时间交叉,可以充分满足同一个反馈通道内大带宽的需求。
实际上对于双通道,通过前期发送训练序列,可以测试出某一个通道在时间上必然提前或者等于另外一个通道,所以时间交叉方向仅需要考虑一个方向即可。
同一个频段内的时间交错也仅考虑一个方向,则两个通道的预失真通道模型如下,通道1如公式(8)所示:
同理,通道2如公式(9)所示:
上述公式的两级时间交叉体现在第一级是通道间的时间交叉:
x1(n-m)|x1(n-m+r)|k-j和|x2(n-m+l)|j
x2(n-m)|x2(n-m+r)|k-j和|x1(n-m-l)|j
此时X1和X2分别表示通道1和通道2之间时间交叉信号。
第二级时间交叉体现在:
x1(n-m)|x1(n-m+r)|k-j通道1内部
x2(n-m)|x2(n-m+r)|k-j通道2内部
同一个通道内可以支持时间交叉,因此该通道就能够支持超频段信号(>60MHZ连续信号)或者两个不同频段信号。
对于双频段系统DPD模型的可选择性表现为:第一级时间交叉和第二级时间交叉都等于零值时就是2D-MP模型,该模型在同一个频段内的时间交错也仅考虑一个方向,则两个通道的预失真通道模型如下,通道1:
同理,通道2可以表示为:
本实施例中根据两个频段的载波带宽间隔和载波带宽决定选择R和L的大小。其中:当R和L不全都是零值时,此时的DPD模型就是2D-PVS模型;当R和L全都是零值时,此时的DPD模型就是2D-MP模型。当输入信号为双频信号时,可以依据载波带宽间隔和载波带宽确定R和L选择模型。
下面以实施例详细论述预失真处理的步骤,具体如下:
其中,预失真处理方法流程如图4所示,单频段预失真处理系统的处理示意图如图5所示,双频段预失真处理系统的处理示意图如图6所示。
步骤401,获取依据小区建立信息配置的输入信号的带宽信息。
经过数字上变频(Digital Up Conversion,DUC)和波峰因子降低(Crest FactorReduction,CFR)处理后得到输入信号。其中由于宽带信号和窄带信号需要采用不同的预失真模型,如对于窄带信号,采用简单的预失真模型的效果较好,因此需要提前依据小区建立时载波个数和载波带宽确定输入信号的带宽信息。
步骤402,依据所述带宽信息判断所述输入信号是否属于单频信号。
若是,即依据所述带宽信息判断所述输入信号属于单频信号,则执行步骤403;若否,即依据所述带宽信息判断所述输入信号不属于单频信号,执行步骤404。
步骤403,依据所述输入信号的载波个数和载波带宽判断所述输入信号是否符合宽带信号规则。
其中,当依据所述带宽信息判断输入信号属于单频信号时,依据所述输入信号的载波个数和载波带宽判断所述输入信号是否符合宽带信号规则。
若是,则执行步骤405;若否,则执行步骤406。
步骤404,依据所述输入信号各频段的载波带宽和载波带宽间隔判断所述输入信号是否符合宽带信号规则。
当依据所述带宽信息判断输入信号不属于单频信号时,依据所述输入信号各频段的载波带宽和载波带宽间隔判断所述输入信号是否符合宽带信号规则。
若是,则执行步骤405;若否,则执行步骤406。
例如,假设单频段信号的宽带信号规则为配置带宽门限为BW=40MHz,则检测输入信号中载波的带宽是否大于40MHz。
若是,即信号带宽大于40MHz,则执行步骤405;若否,即信号带宽小于或等于40MHz,则执行步骤406。
步骤405,采用基于放大器特性确定的宽带信号行为模型作为预失真模型。
当输入信号符合带宽信号规则时,对于单频段输入信号采用宽带信号行为模型单频宽带信号行为模型(如PVS模型),多频段输入信号采用多频宽带信号行为模型(如2D-PVS模型)。
步骤406,采用对宽带信号行为模型简化后确定的窄带信号行为模型作为预失真模型。
当输入信号不符合带宽信号规则时,对于单频段输入信号采用单频窄带信号行为模型(如MP模型),多频段输入信号采用多频窄带信号行为模型(如2D-MP模型)。
步骤407,依据所述预失真模型确定预失真通道,并采用所述预失真通道对输入信号进行预失真处理。
其中,对于单频段和多频段的MP模型和PVS模型,处理基本相同,但两者所选取的预失真通道略有不同。具体如下:
本发明一个可选实施例中,采用所述预失真通道对输入信号进行预失真处理,包括:获取依据所述预失真模型确定的预失真系数;将所述预失真系数和输入信号输入所述预失真通道进行预失真处理。
两者可以选取不同的预失真通道,在进行预失真处理时除了输入信号之外,还需要预失真系数。其中,预失真系数存储于预失真参数表中,最初进行预失真处理时所采用的预失真系数可以默认配置的,其后所采用的预失真系数是依据之前的预失真处理结果计算得到的,因此预失真系数与预失真模型有关。
其中,在预失真处理后可以进行矩阵系数组合、矩阵求逆等处理操作,得到更新的DPD系数,具体计算预失真系数的步骤在后面详细论述。
如采用单频段的PVS模型的预失真通道时,如图7所示分别将输入信号和预失真系数通道的三个分支中,得到zmp(n)、zcmp1(n)和zcmp-1(n),再将三者相加即可得到预失真处理后的预失真信号。
又如对于多频段DPD模型,当L=1时DPD模型中频段1的模型通道如图8A所示,频段2的模型如图8B所示。
本发明一个可选实施例中,依据所述预失真模型确定预失真通道,并采用所述预失真通道对输入信号进行预失真处理,包括:当不同预失真模型采用同一预失真通道时,若所述预失真模型为窄带信号行为模型,对所述预失真通道中多余部分以零填充;将依据所述预失真模型确定的预失真系数和所述输入信号输入所述预失真通道进行预失真处理。
例如对于单频段信号,由于MP模型是对PVS模型进行简化得到的,因此这两个模型均可以采用PVS模型的预失真通道进行处理,如图3所示将输入信号和预失真系数通道的三个分支后,得到zmp(n)、0和0,则预失真处理后的预失真信号即为zmp(n)。
从而对于同一条DPD通道单频段DPD模型,MP模型使用PVS模型时,MP模型的多余部分填充零值即可实现,无需额外的切换处理。这样小区建立时不同带宽,频段都能够灵活的不同的DPD模型中切换。多频段DPD模型与此类似,不再赘述。
步骤408,对预失真处理后得到的预失真信号通过各类信号处理器进行处理,得到输出处理信号。
预失真信号通过各类信号处理器进行处理,如通过数模转换器(Digital toAnalog Converter,DAC),功率放大器(Power Amplifier,PA)、PF接收通道和模数转换器(Analog to Digital Converter,ADC)等。其中,对于多频段信号,在信号通过DAC之后,还可以通过智能调变器(Intelligence Quotient Modulator)等进行处理,如图6所示。
具体的,可以将预失真信号依次通过DAC、RF通道和PA从而得输出信号,作为本次预失真处理得到的输出信号。然后将输出信号通过PF接收通道和ADC得到输出处理信号y(n)...y(n-m)。
步骤409,对所述输出处理信号和预存的训练序列进行校准处理。
本发明一个可选实施例中,所述对所述输出处理信号和预存的训练序列进行校准处理包括:对所述输出处理信号进行幅度校准;对校准后输出处理信号和预存的训练序列进行同步相关处理;对所述同步后的训练序列进行M个采样点的校准。
首先,对输入处理信号进行幅度校准,然后将校准后输出处理信号和预存的训练序列进行同步相关处理,如进行幅度、相位的同步等操作,再对所述同步后的训练序列进行M个采样点的校准,从而得到校准后的输出处理信号和训练序列。
步骤410,将校准后的输出处理信号和训练序列通过所述预失真模型进行预失真参数训练,得到更新的预失真系数。
本发明一个可选实施例中,将校准后的输出处理信号和训练序列通过所述预失真模型进行预失真参数训练,得到更新的预失真系数,包括:采用所述预失真模型确定校准后的输出处理信号和训练序列的自相关矩阵和互相关矩阵;对所述自相关矩阵和互相关矩阵进行矩阵求逆,确定更新的预失真系数。
采用所述预失真模型确定校准后的输出处理信号和训练序列的自相关矩阵和互相关矩阵。例如输出处理信号的自相关矩阵是由输出处理信号矩阵和输出处理信号的转置共轭矩阵相乘后组成的,输出处理信号的互相关矩阵由输出处理信号和输出处理信号的转置共轭相乘之后组成的,组成矩阵时采用可以选择的DPD模型,如选择MP模型或者PVS模型。
通过计算得到自相关矩阵和互相关矩阵后进行矩阵求逆计算,如使用前向迭代和后向迭代做Cholesky分解算法,得到最终的预失真系数w。
其中,自相关矩阵也叫相关系数矩阵,是由矩阵各列间的相关系数构成的。也就是说,相关矩阵第i行第j列的元素是原矩阵第i列和第j列的相关系数。其中,互相关是统计学中用来表示两个随机矢量X和Y之间的协方差cov(X,Y),在信号处理领域中,互相关(有时也称为“互协方差”)是用来表示两个信号之间相似性的一个度量,通常通过与已知信号比较用于寻找未知信号中的特性。它是两个信号之间相对于时间的一个函数,有时也称为滑动点积,在模式识别以及密码分析学领域都有应用。
步骤411,采用所述更新的预失真系数对预失真参数表进行更新。
综上,根据小区建立时配置的信号带宽和输入信号的频段信息,可以依据输入信号的载波个数和载波带宽,或输入信号各频段的载波带宽和载波带宽间隔自适应选择数字预失真模型为单频宽带信号行为模型、多频宽带信号行为模型、单频窄带信号行为模型或多频窄带信号行为模型。对于单频和多频的输入信号都可以选择适合的宽、窄带信号行为模型进行处理,引用范围广泛。
其次,输入信号和训练序列均使用同样的系数求解函数,其区别仅在于预失真模型的不同,对于DPD系数求解之前信号的同步,幅度校准均相同,但在系数求解时模型不同。从而预失真处理时能够适应各种带宽配置下,得到更准确的预失真处理结果。
实施例三
在上述实施例的基础山,本实施例还提供了一种预失真处理系统。
参照图9,给出了本发明实施例三提供的预失真处理系统结构图。
预失真处理系统包括:参数控制器901、选择控制器902和预失真处理器903。
其中,参数控制器901,用于获取依据小区建立信息配置的输入信号的带宽信息;选择控制器902,用于当所述输入信号的带宽信息符合宽带信号规则时,采用基于放大器特性确定的宽带信号行为模型作为预失真模型;当所述输入信号的带宽信息不符合宽带信号规则时,采用对宽带信号行为模型简化后确定的窄带信号行为模型作为预失真模型;预失真处理器903,用于依据所述预失真模型确定预失真通道,并采用所述预失真通道对输入信号进行预失真处理。
综上所述,获取依据小区信息配置的输入信号的信号带宽,并依据信号带宽确定预失真模型,并依据所述预失真模型确定预失真通道对输入信号进行预失真处理。其中,输入信号的载波带宽符合宽带信号规则时采用基于放大器特性确定的宽带信号行为模型,输入信号的载波带宽不符合宽带信号规则时采用采用对宽带信号行为模型简化后确定的窄带信号行为模型,由于宽带信号行为模型和窄带信号行为模型是基于放大器的电路特性确定的,因此这两个模型均保持了描述功率放大器各种实际动态特性的能力,从而解决放大器由于宽带匹配不理想带来的频谱再生的问题,且无论是窄带信号还是宽带信号均具有匹配的模型,应用范围广泛。
参照图10,给出了根据本发明实施例三提供的预失真处理系统可选结构图。
该预失真处理系统还包括:频率选择器904、各类信号处理器905、参数训练器906和参数更新器907。
其中,频率选择器904,用于依据所述带宽信息判断所述输入信号是否属于单频信号;当依据所述带宽信息判断输入信号属于单频信号时,宽带信号规则依据所述输入信号的载波带宽和载波个数配置;当依据所述带宽信息判断输入信号不属于单频信号时,宽带信号规则依据所述输入信号各频段的载波带宽和载波带宽间隔。
其中,宽带信号行为模型包括单频宽带信号行为模型和多频宽带信号行为模型,所述窄带信号行为模型包括单频宽带信号行为模型和多频宽带信号行为模型。
所述预失真处理器903,用于获取依据所述预失真模型确定的预失真系数;将所述预失真系数和输入信号输入所述预失真通道进行预失真处理。
各类信号处理器905,用于对预失真处理后得到的预失真信号通过各类信号处理器进行处理,得到输出处理信号;参数训练器906,用于对所述输出处理信号和预存的训练序列进行校准处理;将校准后的输出处理信号和训练序列通过所述预失真模型进行预失真参数训练,得到更新的预失真系数。
本发明一个可选实施例中,所述参数训练器906,用于对所述输出处理信号进行幅度校准;对校准后输出处理信号和预存的训练序列进行同步相关处理;对所述同步后的训练序列进行M个采样点的校准。
所述参数训练器906,用于采用所述预失真模型确定校准后的输出处理信号和训练序列的自相关矩阵和互相关矩阵;分别确定所述自相关矩阵和互相关矩阵的逆矩阵,并计算更新的预失真系数。
参数更新器907,用于采用所述更新的预失真系数对预失真参数表进行更新。
本发明一个可选实施例中,所述预失真处理器903,用于当不同预失真模型采用同一预失真通道时,若所述预失真模型为窄带信号行为模型,对所述预失真通道中多余部分以零填充;将依据所述预失真模型确定的预失真系数和所述输入信号输入所述预失真通道进行预失真处理。
综上所述,根据小区建立时配置的信号带宽和输入信号的频段信息,可以依据输入信号的载波个数和载波带宽,或输入信号各频段的载波带宽和载波带宽间隔自适应选择数字预失真模型为单频宽带信号行为模型、多频宽带信号行为模型、单频窄带信号行为模型或多频窄带信号行为模型。对于单频和多频的输入信号都可以选择适合的宽、窄带信号行为模型进行处理,引用范围广泛。
其次,输入信号和训练序列均使用同样的系数求解函数,其区别仅在于预失真模型的不同,对于DPD系数求解之前信号的同步,幅度校准均相同,但在系数求解时模型不同。从而预失真处理时能够适应各种带宽配置下,得到更准确的预失真处理结果。
对于系统实施例而言,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。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种预失真处理方法和系统,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 (12)
1.一种预失真处理方法,其特征在于,包括:
获取依据小区建立信息配置的输入信号的带宽信息;
依据所述带宽信息判断所述输入信号是否属于单频信号;
当依据所述带宽信息判断输入信号属于单频信号时,依据所述输入信号的载波个数和载波带宽判断所述输入信号是否符合宽带信号规则;
当依据所述带宽信息判断输入信号不属于单频信号时,依据所述输入信号各频段的载波带宽和载波带宽间隔判断所述输入信号是否符合宽带信号规则;
当所述输入信号的带宽信息符合宽带信号规则时,采用基于放大器特性确定的宽带信号行为模型作为预失真模型;所述宽带信号行为模型包括单频宽带信号行为模型和多频宽带信号行为模型;
当所述输入信号的带宽信息不符合宽带信号规则时,采用对宽带信号行为模型简化后确定的窄带信号行为模型作为预失真模型;所述窄带信号行为模型包括单频窄带信号行为模型和多频窄带信号行为模型;
依据所述预失真模型确定预失真通道;
在预失真参数表中获取默认配置的预失真系数;
采用所述默认配置的预失真系数通过矩阵系数组合或矩阵求逆得到更新的预失真系数;
将所述更新的预失真系数和输入信号输入所述预失真通道进行预失真处理。
2.根据权利要求1所述的方法,其特征在于,还包括依据所述预失真模型确定预失真系数的步骤:
对预失真处理后得到的预失真信号通过各类信号处理器进行处理,得到输出处理信号;
对所述输出处理信号和预存的训练序列进行校准处理;
将校准后的输出处理信号和训练序列通过所述预失真模型进行预失真参数训练,得到更新的预失真系数。
3.根据权利要求2所述的方法,其特征在于,所述对所述输出处理信号和预存的训练序列进行校准处理包括:
对所述输出处理信号进行幅度校准;
对校准后输出处理信号和预存的训练序列进行同步相关处理;
对所述同步后的训练序列进行M个采样点的校准。
4.根据权利要求3所述的方法,其特征在于,将校准后的输出处理信号和训练序列通过所述预失真模型进行预失真参数训练,得到更新的预失真系数,包括:
采用所述预失真模型确定校准后的输出处理信号和训练序列的自相关矩阵和互相关矩阵;
对所述自相关矩阵和互相关矩阵进行矩阵求逆,确定更新的预失真系数。
5.根据权利要求2至4任一所述的方法,其特征在于,还包括:
采用更新的预失真系数对预失真参数表进行更新。
6.根据权利要求1所述的方法,其特征在于,依据所述预失真模型确定预失真通道,并采用所述预失真通道对输入信号进行预失真处理,包括:
当不同预失真模型采用同一预失真通道时,若所述预失真模型为窄带信号行为模型,对所述预失真通道中多余部分以零填充;
将依据所述更新的预失真系数和所述输入信号输入所述预失真通道进行预失真处理。
7.一种预失真处理系统,其特征在于,包括:
参数控制器,用于获取依据小区建立信息配置的输入信号的带宽信息;
频率选择器,用于依据所述带宽信息判断所述输入信号是否属于单频信号;当依据所述带宽信息判断输入信号属于单频信号时,宽带信号规则依据所述输入信号的载波带宽和载波个数配置;当依据所述带宽信息判断输入信号不属于单频信号时,宽带信号规则依据所述输入信号各频段的载波带宽和载波带宽间隔;
选择控制器,用于当所述输入信号的带宽信息符合宽带信号规则时,采用基于放大器特性确定的宽带信号行为模型作为预失真模型;所述宽带信号行为模型包括单频宽带信号行为模型和多频宽带信号行为模型;当所述输入信号的带宽信息不符合宽带信号规则时,采用对宽带信号行为模型简化后确定的窄带信号行为模型作为预失真模型;所述窄带信号行为模型包括单频宽带信号行为模型和多频宽带信号行为模型;
预失真处理器,用于依据所述预失真模型确定预失真通道,并采用所述预失真通道对输入信号进行预失真处理;
其中,所述预失真处理器,用于获取依据所述预失真模型确定的预失真系数;在预失真参数表中获取默认配置的预失真系数;采用所述默认配置的预失真系数通过矩阵系数组合或矩阵求逆得到更新的预失真系数;将所述更新的预失真系数和输入信号输入所述预失真通道进行预失真处理。
8.根据权利要求7所述的系统,其特征在于,还包括:
各类信号处理器,用于对预失真处理后得到的预失真信号通过各类信号处理器进行处理,得到输出处理信号;
参数训练器,用于对所述输出处理信号和预存的训练序列进行校准处理;将校准后的输出处理信号和训练序列通过所述预失真模型进行预失真参数训练,得到更新的预失真系数。
9.根据权利要求8所述的系统,其特征在于:
所述参数训练器,用于对所述输出处理信号进行幅度校准;对校准后输出处理信号和预存的训练序列进行同步相关处理;对所述同步后的训练序列进行M个采样点的校准。
10.根据权利要求9所述的系统,其特征在于:
所述参数训练器,用于采用所述预失真模型确定校准后的输出处理信号和训练序列的自相关矩阵和互相关矩阵;分别确定所述自相关矩阵和互相关矩阵的逆矩阵,并计算更新的预失真系数。
11.根据权利要求8至10任一所述的系统,其特征在于,还包括:
参数更新器,用于采用更新的预失真系数对预失真参数表进行更新。
12.根据权利要求7所述的系统,其特征在于:
所述预失真处理器,用于当不同预失真模型采用同一预失真通道时,若所述预失真模型为窄带信号行为模型,对所述预失真通道中多余部分以零填充;将依据所述更新的预失真系数和所述输入信号输入所述预失真通道进行预失真处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850423.2A CN104580044B (zh) | 2014-12-29 | 2014-12-29 | 一种预失真处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850423.2A CN104580044B (zh) | 2014-12-29 | 2014-12-29 | 一种预失真处理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104580044A CN104580044A (zh) | 2015-04-29 |
CN104580044B true CN104580044B (zh) | 2018-12-18 |
Family
ID=53095254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410850423.2A Active CN104580044B (zh) | 2014-12-29 | 2014-12-29 | 一种预失真处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104580044B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104901914B (zh) * | 2015-05-14 | 2018-11-02 | 大唐移动通信设备有限公司 | 一种多频段联合预失真的处理方法和装置 |
CN104980174B (zh) * | 2015-06-30 | 2018-02-06 | 上海华为技术有限公司 | 一种双频段双输入功放发射机 |
CN111277279B (zh) * | 2018-12-04 | 2022-10-14 | 深圳市中兴微电子技术有限公司 | 一种数据处理方法及装置 |
CN110032599B (zh) | 2018-12-20 | 2020-05-05 | 阿里巴巴集团控股有限公司 | 数据结构的读取及更新方法、装置、电子设备 |
CN109981505B (zh) * | 2019-03-27 | 2020-09-25 | 清华大学 | 功率可扩展的波束定向数字预失真装置及方法、收发系统 |
CN112543156B (zh) * | 2019-09-20 | 2024-04-12 | 中兴通讯股份有限公司 | 多频段信号的数字预失真方法、电子设备和可读存储介质 |
CN111082757B (zh) * | 2019-12-27 | 2023-05-23 | 东方红卫星移动通信有限公司 | 自适应带限数字预失真在宽带卫星通信系统中应用的方法 |
CN113037226B (zh) * | 2021-03-01 | 2022-09-16 | 北京邮电大学 | 基于自适应步长裁剪方法的数字预失真设计方法及装置 |
CN113612453B (zh) * | 2021-08-11 | 2023-09-15 | 电子科技大学 | 一种低采样率反馈的数字预失真校正方法与装置 |
CN115277381B (zh) * | 2022-07-29 | 2023-06-20 | 深圳市兆驰数码科技股份有限公司 | 基于dpd数据可用性判断机制的数据传输方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478522A (zh) * | 2009-02-11 | 2009-07-08 | 航天恒星科技有限公司 | 一种ofdm系统中基于二维查询表的自适应预失真方法 |
CN102118334A (zh) * | 2010-11-29 | 2011-07-06 | 大唐移动通信设备有限公司 | 一种数字预失真处理方法及装置 |
CN102255835A (zh) * | 2011-07-11 | 2011-11-23 | 电信科学技术研究院 | 多频段宽带dpd查找表生成方法、dpd处理方法和系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5056490B2 (ja) * | 2008-03-10 | 2012-10-24 | 富士通株式会社 | 歪み補償係数更新装置および歪み補償増幅器 |
CN101902258B (zh) * | 2009-05-31 | 2014-04-09 | 大唐移动通信设备有限公司 | 一种数字预失真处理参数求取的方法及装置 |
CN102118846B (zh) * | 2010-01-04 | 2014-05-07 | 大唐移动通信设备有限公司 | 一种功率控制方法及装置 |
CN102082752B (zh) * | 2010-02-25 | 2014-03-19 | 电信科学技术研究院 | 一种数字预失真处理方法及设备 |
CN103858337B (zh) * | 2011-09-22 | 2017-05-03 | 大力系统有限公司 | 用于增加多信道宽带通信系统中数字预失真的带宽的系统和方法 |
CN103051574B (zh) * | 2013-01-16 | 2016-05-11 | 大唐移动通信设备有限公司 | 数字预失真处理方法及系统 |
JP6098178B2 (ja) * | 2013-01-17 | 2017-03-22 | 富士通株式会社 | 増幅装置、歪補償装置および歪補償方法 |
CN104009717B (zh) * | 2013-02-21 | 2017-03-22 | 京信通信系统(中国)有限公司 | 一种自适应预失真处理方法及装置 |
CN104052410B (zh) * | 2014-06-27 | 2019-08-30 | 京信通信系统(中国)有限公司 | 高效率线性功放系统及其实现方法 |
-
2014
- 2014-12-29 CN CN201410850423.2A patent/CN104580044B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478522A (zh) * | 2009-02-11 | 2009-07-08 | 航天恒星科技有限公司 | 一种ofdm系统中基于二维查询表的自适应预失真方法 |
CN102118334A (zh) * | 2010-11-29 | 2011-07-06 | 大唐移动通信设备有限公司 | 一种数字预失真处理方法及装置 |
CN102255835A (zh) * | 2011-07-11 | 2011-11-23 | 电信科学技术研究院 | 多频段宽带dpd查找表生成方法、dpd处理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104580044A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104580044B (zh) | 一种预失真处理方法和系统 | |
Tarver et al. | Neural network DPD via backpropagation through a neural network model of the PA | |
WO2020220715A1 (zh) | 信号失真预校正方法、装置、系统及复合系统 | |
US20220200540A1 (en) | Model trainer for digital pre-distorter of power amplifiers | |
CN104426823B (zh) | 预失真方法及预失真装置 | |
CN105763495B (zh) | 一种数字预失真的方法和装置 | |
CN113037226B (zh) | 基于自适应步长裁剪方法的数字预失真设计方法及装置 | |
CN104580042B (zh) | 一种数字预失真的方法和装置 | |
CN104639481B (zh) | 一种多频段信号处理方法及设备 | |
Jaraut et al. | Independent component analysis for multi-carrier transmission for 4G/5G power amplifiers | |
CN104901914B (zh) | 一种多频段联合预失真的处理方法和装置 | |
CN111988254B (zh) | 一种低复杂度峰均比压缩与预失真联合优化方法 | |
CN103179074A (zh) | 基于正交多项式的自适应预失真系统及方法 | |
Gilabert Pinal | Multi look-up table digital predistortion for RF power amplifier linearization | |
US10298366B2 (en) | Circuit and method for predistortion | |
CN109643974A (zh) | Miso系统中的改进反馈 | |
Liszewski et al. | Low-complexity FPGA implementation of Volterra predistorters for power amplifiers | |
US20240119264A1 (en) | Digital Pre-Distortion Using Convolutional Neural Networks | |
Yadav et al. | Nonlinearity effect of high power amplifiers in communication systems | |
Pan et al. | Digital linearization of multiple power amplifiers in phased arrays for 5G wireless communications | |
CN102522957A (zh) | 一种改善射频功率放大器预失真性能的方法 | |
Hesami et al. | Digital predistorter in crosstalk compensation of MIMO transmitters | |
Ma et al. | An algorithm for obtaining the inverse for a given polynomial in baseband | |
Li et al. | Complex-valued pipelined chebyshev functional link recurrent neural network for joint compensation of wideband transmitter distortions and impairments | |
Huang et al. | Forward behavioral modeling of concurrent dual-band power amplifiers using extended real valued time delay neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |