CN104796091B - 基于分段记忆多项式的功率放大器建模及数字预失真方法 - Google Patents
基于分段记忆多项式的功率放大器建模及数字预失真方法 Download PDFInfo
- Publication number
- CN104796091B CN104796091B CN201510173582.8A CN201510173582A CN104796091B CN 104796091 B CN104796091 B CN 104796091B CN 201510173582 A CN201510173582 A CN 201510173582A CN 104796091 B CN104796091 B CN 104796091B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- power amplifier
- subsignal
- 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
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03F—AMPLIFIERS
- H03F1/00—Details of amplifiers with only discharge tubes, only semiconductor devices or only unspecified devices as amplifying elements
- H03F1/32—Modifications of amplifiers to reduce non-linear distortion
- H03F1/3241—Modifications of amplifiers to reduce non-linear distortion using predistortion circuits
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03F—AMPLIFIERS
- H03F3/00—Amplifiers with only discharge tubes or only semiconductor devices as amplifying elements
- H03F3/20—Power amplifiers, e.g. Class B amplifiers, Class C amplifiers
- H03F3/21—Power amplifiers, e.g. Class B amplifiers, Class C amplifiers with semiconductor devices only
- H03F3/213—Power amplifiers, e.g. Class B amplifiers, Class C amplifiers with semiconductor devices only in integrated circuits
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03F—AMPLIFIERS
- H03F2201/00—Indexing scheme relating to details of amplifiers with only discharge tubes, only semiconductor devices or only unspecified devices as amplifying elements covered by H03F1/00
- H03F2201/32—Indexing scheme relating to modifications of amplifiers to reduce non-linear distortion
- H03F2201/3227—Adaptive predistortion based on amplitude, envelope or power level feedback from the output of the main amplifier
Abstract
本发明公开了一种基于分段记忆多项式的功率放大器建模及数字预失真方法,建模方法利用矢量阈值分解技术将功率放大器原始输入信号分解为若干子信号,对各子信号分别进行记忆多项式展开,对展开结果进行合并作为功率放大器的最终输出信号;数字预失真方法基于该模型构建数字预失真器,对功率放大器进行线性化处理。本发明的建模方法可以精确描述宽带射频功率放大器的非线性特性,相应的数字预失真方法有效提高了宽带射频功率放大器线性度。
Description
技术领域
本发明属于功率放大器线性化技术领域,特别是一种基于分段记忆多项式的功率放大器建模及数字预失真方法。
背景技术
随着无线通信技术的迅速发展,通信频段越来越拥挤。为了能在有限频带内传输尽可能多的信息,现代通信系统普遍采用高频谱利用率的非恒定包络信号,导致功率放大器回退幅度增大,效率受限。
由于包络跟踪功率放大器具有提升自身功率效率的特性,它的输出信号的线性度比一般固定偏置功率放大器的线性度更差,更加需要线性化技术对其进行线性补偿,但是因为包络跟踪功率放大器结构组成的特殊性,一般固定偏置功率放大器线性化方法对其并不完全适用,因此,针对包络跟踪功率放大器特性的功率放大器的线性化方法研究显得尤其重要。
而包络跟踪功率放大器在不同功率区域的非线性性能有差异,所以去线性化包络跟踪功率放大器时,数字预失真的幅度特性和相位特性表示上显示出功率扩张和压缩会同时发生,而且在不同的区别振幅和相位改变会不一致。因此,如果单独使用一个记忆多项式的话需要的非线性阶数会特别高,高阶的非线性会降低系统性能。
发明内容
本发明的目的在于提供一种基于分段记忆多项式的功率放大器建模及数字预失真方法。
实现本发明目的的技术方案为:一种基于分段记忆多项式的功率放大器建模方法,包括以下步骤:
步骤1、定义至少一个阈值,将原始信号分解,得到子信号;
步骤2、对子信号进行记忆多项式处理;
步骤3、将子信号的输出信号进行合并,得到最后的输出信号;
步骤4、以功率放大器的输入信号和输出信号进行建模。
一种基于分段记忆多项式的功率放大器建模方法的数字预失真方法,包括以下步骤:
第一步、以功率放大器的输出信号为输入信号,功率放大器的输入信号为输出信号,建立功率放大器逆模型,即为预失真器模型;
第二步、将原始信号进入预失真器进行预失真处理;
第三步、将处理好的信号输入到功率放大器进行放大处理;
第四步、将放大后的输出信号发送给频谱分析仪,频谱分析仪采集并显示输出信号;
第五步、判断输出信号的邻信道功率比是否达到预期值,如果是则结束,如果否,则返回步骤1对功率放大器的信号重新进行建模,直至输出信号的邻信道功率比达到预期值。
与现有技术相比,本发明的有益效果为:(1)本发明的建模方法可以精确地描述宽带射频功率放大器的非线性特性,数字预失真方法可以有效提高宽带射频功率放大器的线性度;(2)本发明在对功率放大器进行建模时采用分段的记忆多项式模型,该模型相比于常规的记忆多项式的建模精度有所提高,比Volterra级数模型的计算量小,结构简单,计算时间更短。
下面结合附图对本发明做进一步说明。
附图说明
图1为本发明的基于分段记忆多项式的功率放大器建模及数字预失真方法流程图。
图2为本发明的矢量阈值分解空间图。
图3为本发明实施例在AR功率放大器的基础上建模的仿真图。
图4为本发明实施例在包络跟踪功率放大器的基础上建模的仿真图。
图5为本发明实施例在AR功率放大器的基础上的迭代仿真图。
具体实施方式
结合图1,一种基于分段记忆多项式的功率放大器建模方法,包括以下步骤:
步骤1、定义一个或多个阈值,将原始信号分解,得到子信号;具体为:
定义一个或多个的阈值:
τ={λ1,λ2,…,λN} (1)
式(1)中λN为输入复包络信号的振幅值,λ1<λ2<…<λN,N为设置的总的阈值数目,N≥1;输入信号为复包络信号,阈值不是单独的实数值,而是一系列的圆,λN为第N个阈值圆的半径,如图2所示;
阈值圆将信号空间划分为多个区域,然后在相对应的区间内将输入复包络信号分为多个子信号,在s区域里第s个子信号为:
式(2)中,x(n)表示采样时刻为n时的输入信号,|x(n)|是x(n)的幅度值,是表示x(n)的相位;且λ0=0和1≤s≤N+1;
分解的子信号表示为:
χ(n)=[x1(n),x2(n),…,xN+1(n)] (3)
式(3)中,
步骤2、对子信号进行记忆多项式处理;具体为:
记忆多项式模型由Volterra级数模型简化得到,其表达式:
式(4)中,y(n)表示采样时刻为n时的输出信号,akq表示系统的系数,K表示多项式的阶数,1≤k≤K,Q表示多项式的记忆长度,0≤q≤Q;
以记忆多项式为每个子信号构建子函数,对于正在s区域中的第s个子信号xs(n),它的子函数有如下关系式:
式(5)中,xs(n)和us(n)分别表示子信号的独立的输入和输出,Ks表示子信号的阶数,1≤ks≤Ks,Qs表示子信号的记忆长度,0≤qs≤Qs,表示子信号的系统系数;
步骤3、将子信号的输出信号进行合并,得到最后的输出信号;具体为:
式(6)中,u(n)为功率放大器的输出信号;
步骤4、以功率放大器的输入信号和输出信号采用最小二乘法进行建模。
一种基于分段记忆多项式的功率放大器建模方法的数字预失真方法,包括以下步骤:
第一步、以功率放大器的输出信号为输入信号,功率放大器的输入信号为输出信号,建立功率放大器逆模型,即为预失真器模型;
第二步、将原始信号进入预失真器进行预失真处理;
第三步、将处理好的信号输入到功率放大器进行放大处理;
第四步、将放大后的输出信号发送给频谱分析仪,频谱分析仪采集并显示输出信号;
第五步、判断输出信号的邻信道功率比是否达到预期值,如果是则结束,如果否,则返回步骤1对功率放大器的信号重新进行建模,直至输出信号的邻信道功率比达到预期值;
进一步地,所述预期值优选为-50dBc。
将原始输入信号通过阈值分解成几个不同的子信号,每个子信号在其区间范围内以记忆多项式来处理;所有的经过记忆多项式处理的子函数的输出信号,合并在一起作为最终的输出信号。用矢量阈值分解技术的分段的记忆多项式,对于不同区域里的不同非线性特性的功率放大器能精确地被表示,且每个子函数中阶数可以取值相对比较小。
而在对记忆多项式模型进行分段的过程中,矢量阈值分解技术和分段曲线拟合对于输入分解和输出重组的处理是不同的。在分段曲线拟合中,是直接将输入信号分成几个部分,在时间上它们是相互独立的;而在矢量阈值分解中,是把所有的信号分成更小的部分,与每个抽样点都有关;而对于每个区间内部的子信号则与整个原始信号输入无关,只与该区间的输入信号有关;每个子信号和对应的区间的输出都是从0开始的,最后再将这些子信号的输出信号合并在一起;这样就可以保证最终的输出是连续的。并且因为子信号在时域中并列处理的,所以在模型中可以很好的考虑到记忆效应。而且其输出关于所有系数是线性的,这样可以降低误差,因为在分段曲线拟合中,每个子信函数的系数是单独定义的,容易引入额外的误差。用矢量阈值分解技术的分段的记忆多项式,对于不同区域里的不同非线性特性的功率放大器能精确地被表示,且每个子函数中阶数可以取值相对比较小。
下面结合具体实施例对本发明做进一步说明。
实施例1
本实施例的功率放大器:信号带宽为100MHz,QPSK调制的五载波的LTE-Advanced信号,采样频率为400MHz,峰均比为7dB,平均输出功率为38dBm,工作在3.45GHz的AR功率放大器和信号带宽为5MHz,过采样为40MHz的原始输入信号,峰均比为6dBm,工作频率为2.55GHz的包络跟踪功率放大器。
如图3所示,在AR功率放大器的基础上建模;图中横坐标为频率,纵坐标为对应的功率谱密度,点线的是原始的输出信号output signal的功率谱密度,虚线的是经过建立的记忆多项式模型后输出信号mp的功率谱密度,实线的是经过本发明所建立的分段记忆多项式后输出信号pmp的功率谱密度。
如图4所示,在包络跟踪功率放大器的基础上建模;图中横坐标为频率,纵坐标为对应的功率谱密度,点线的是原始的输出信号output signal的功率谱密度,虚线的是经过建立的记忆多项式模型后输出信号mp的功率谱密度,实线的是经过本发明所建立的分段记忆多项式后输出信号pmp的功率谱密度。
仿真结果得出,分段记忆多项式的建模精度比记忆多项式好,可以更好地表达出功率放大器的非线性特性以及包络跟踪功率放大器的特殊非线性特性。
如图5所示,在AR功率放大器的基础上的迭代仿真,图中横坐标为频率,纵坐标为对应的功率谱密度,点线的是原始输出信号的功率谱密度,虚线和实线的是线性化效果没有达到预期时进行的迭代处理。
本发明的建模方法精确地描述了宽带射频功率放大器的非线性特性,数字预失真方法有效提高宽带射频功率放大器的线性度;在对功率放大器进行建模时采用分段的记忆多项式模型,该模型相比于常规的记忆多项式的建模精度更高,比Volterra级数模型的计算量小,结构简单,计算时间短。
Claims (4)
1.一种基于分段记忆多项式的功率放大器建模方法,其特征在于,包括以下步骤:
步骤1、定义至少一个阈值,将原始信号分解,得到子信号;具体为:
定义至少一个的阈值:
τ={λ1,λ2,…,λN} (1)
式(1)中λN为输入复包络信号的振幅值,λ1<λ2<…<λN,N为设置的总的阈值数目,N≥1;输入信号为复包络信号,阈值为一系列的圆,λN为第N个阈值圆的半径;
阈值圆将信号空间划分为多个区域,然后在相对应的区间内将输入复包络信号分为多个子信号,在s区域里第s个子信号为:
式(2)中,x(n)表示采样时刻为n时的输入信号,|x(n)|是x(n)的幅度值,是表示x(n)的相位;且λ0=0和1≤s≤N+1;
分解的子信号表示为:
χ(n)=[x1(n),x2(n),…,xN+1(n)] (3)
式(3)中,
步骤2、对子信号进行记忆多项式处理;
步骤3、将子信号的输出信号进行合并,得到最后的输出信号;
步骤4、以功率放大器的输入信号和输出信号进行建模。
2.根据权利要求1所述的基于分段记忆多项式的功率放大器建模方法,其特征在于,步骤2所述的对子信号进行记忆多项式处理,具体为:
记忆多项式模型由Volterra级数模型简化得到,其表达式:
<mrow>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>q</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>Q</mi>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<mi>k</mi>
<mi>q</mi>
</mrow>
</msub>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
式(4)中,y(n)表示采样时刻为n时的输出信号,akq表示系统的系数,K表示多项式的阶数,1≤k≤K,Q表示多项式的记忆长度,0≤q≤Q;
以记忆多项式为每个子信号构建子函数,对于正在s区域中的第s个子信号xs(n),它的子函数有如下关系式:
<mrow>
<msub>
<mi>u</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>q</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
<msub>
<mi>Q</mi>
<mi>s</mi>
</msub>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>k</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mi>s</mi>
</msub>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<msub>
<mi>k</mi>
<mi>s</mi>
</msub>
<msub>
<mi>q</mi>
<mi>s</mi>
</msub>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<msub>
<mi>q</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<msub>
<mi>q</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式(5)中,xs(n)和us(n)分别表示子信号的独立的输入和输出,Ks表示子信号的阶数,1≤ks≤Ks,Qs为子信号的记忆长度,0≤qs≤Qs,为子信号的系统系数。
3.根据权利要求2所述的基于分段记忆多项式的功率放大器建模方法,其特征在于,步骤3所述的将子信号的输出信号进行合并,得到最后的输出信号;具体为:
<mrow>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>u</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
式(6)中,u(n)为功率放大器的输出信号。
4.根据权利要求3所述的基于分段记忆多项式的功率放大器建模方法,其特征在于,步骤4中以功率放大器的输入信号和输出信号采用最小二乘法进行建模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510173582.8A CN104796091B (zh) | 2015-04-13 | 2015-04-13 | 基于分段记忆多项式的功率放大器建模及数字预失真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510173582.8A CN104796091B (zh) | 2015-04-13 | 2015-04-13 | 基于分段记忆多项式的功率放大器建模及数字预失真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104796091A CN104796091A (zh) | 2015-07-22 |
CN104796091B true CN104796091B (zh) | 2017-12-12 |
Family
ID=53560657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510173582.8A Active CN104796091B (zh) | 2015-04-13 | 2015-04-13 | 基于分段记忆多项式的功率放大器建模及数字预失真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104796091B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279349A (zh) * | 2015-11-26 | 2016-01-27 | 上海无线电设备研究所 | 一种Volterra级数行为模型的简化降阶方法 |
CN105515593B (zh) * | 2015-12-03 | 2017-11-28 | 北京理工大学 | 采样带宽受限时预失真系统中功放模型有效项估计及辨识 |
CN106453172A (zh) * | 2016-07-19 | 2017-02-22 | 天津大学 | 基于分段线性函数的记忆多项式数字预失真方法 |
CN106169985B (zh) * | 2016-08-29 | 2020-05-22 | 上海交通大学 | 基于改进模型的包络跟踪放大器数字预失真方法 |
CN109039969B (zh) * | 2017-06-09 | 2020-11-27 | 中国工程物理研究院电子工程研究所 | 宽带数字预失真器的实现方法 |
US10361895B1 (en) * | 2018-01-22 | 2019-07-23 | Huawei Technologies Co., Ltd. | Systems and methods for hybrid multi-layer signal decomposition |
CN109347495B (zh) * | 2018-09-25 | 2019-11-05 | 电子科技大学 | 低位宽ad条件下提高数字信号传输精度的系统及方法 |
CN112182892B (zh) * | 2020-09-30 | 2024-01-02 | 西安空间无线电技术研究所 | 一种基于分段仿射的功率放大器行为建模方法及装置 |
CN112804171B (zh) * | 2020-12-29 | 2022-11-15 | 东南大学 | 基于支持向量回归的多分段数字预失真系统及方法 |
CN113114122B (zh) * | 2021-03-10 | 2023-04-07 | 西安电子科技大学 | 改进rascal算法数字预失真设计方法、系统及应用 |
CN113468842A (zh) * | 2021-08-16 | 2021-10-01 | 重庆大学 | 一种基于矢量量化的宽带数字预失真算法 |
CN115913140B (zh) * | 2022-11-25 | 2023-08-04 | 北京力通通信有限公司 | 运算精度控制的分段多项式数字预失真装置和方法 |
CN116054758B (zh) * | 2023-03-29 | 2023-06-06 | 北京力通通信有限公司 | 分段线性数字预失真模型的参数更新方法及预失真系统 |
CN116610181B (zh) * | 2023-05-22 | 2023-11-28 | 南京工业大学 | 一种包络线幅值范围分段跟踪方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350597A (zh) * | 2008-09-10 | 2009-01-21 | 北京北方烽火科技有限公司 | 一种宽带射频功率放大器建模方法 |
CN102142814A (zh) * | 2010-02-01 | 2011-08-03 | 富士通株式会社 | 功放相关装置、功率放大器预失真系统以及建模方法 |
CN102394846A (zh) * | 2011-11-10 | 2012-03-28 | 电子科技大学 | 一种基于记忆非线性系统的预失真方法以及预失真装置 |
CN102413085A (zh) * | 2011-10-12 | 2012-04-11 | 中兴通讯股份有限公司 | 一种数字预失真方法及装置 |
CN102769589A (zh) * | 2011-05-05 | 2012-11-07 | 中兴通讯股份有限公司 | 一种提高数字预失真性能的方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008078195A2 (en) * | 2006-12-26 | 2008-07-03 | Dali Systems Co., Ltd. | Method and system for baseband predistortion linearization in multi-channel wideband communication systems |
-
2015
- 2015-04-13 CN CN201510173582.8A patent/CN104796091B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350597A (zh) * | 2008-09-10 | 2009-01-21 | 北京北方烽火科技有限公司 | 一种宽带射频功率放大器建模方法 |
CN102142814A (zh) * | 2010-02-01 | 2011-08-03 | 富士通株式会社 | 功放相关装置、功率放大器预失真系统以及建模方法 |
CN102769589A (zh) * | 2011-05-05 | 2012-11-07 | 中兴通讯股份有限公司 | 一种提高数字预失真性能的方法和系统 |
CN102413085A (zh) * | 2011-10-12 | 2012-04-11 | 中兴通讯股份有限公司 | 一种数字预失真方法及装置 |
CN102394846A (zh) * | 2011-11-10 | 2012-03-28 | 电子科技大学 | 一种基于记忆非线性系统的预失真方法以及预失真装置 |
Non-Patent Citations (1)
Title |
---|
一种基于分段线性化的低邻道泄漏预失真方法;胡明等;《电子学报》;20131130;第41卷(第11期);第2298页第2段-第2299页第5段及附图1,3 * |
Also Published As
Publication number | Publication date |
---|---|
CN104796091A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104796091B (zh) | 基于分段记忆多项式的功率放大器建模及数字预失真方法 | |
US10862517B2 (en) | Digital compensator | |
CN106877825B (zh) | 基于带限的简化非线性滤波器的数字预失真装置及方法 | |
CN103685111B (zh) | 一种数字预失真参数的求取方法及预失真系统 | |
EP2858321B1 (en) | Pre-distortion correction method, pre-distortion correction device, transmitter and base station | |
CN103715992A (zh) | 基于简化Volterra级数的功放预失真装置及方法 | |
CN105656434A (zh) | 基于修改分段线性函数的功放数字预失真装置及方法 | |
CN102969987A (zh) | 基于欠采样的宽带功放预失真方法 | |
CN105635009A (zh) | 联合补偿多支路串扰和iq非平衡的自适应mimo预失真方法 | |
CN102075469A (zh) | 用于数字预失真系统的信号延迟时间的估计方法 | |
CN110166007A (zh) | 基于超前项模型的宽带功率放大器数字预失真系统及方法 | |
CN103618684A (zh) | 一种估计dpd系数的方法及装置 | |
CN101350597A (zh) | 一种宽带射频功率放大器建模方法 | |
CN102970261A (zh) | 一种提高数字预失真处理速度的方法 | |
CN107834983A (zh) | 一种基于云平台的数字预失真线性化参数提取方法 | |
CN113868994A (zh) | 适用于基于cpwl函数的功放模型的门限值优化方法 | |
CN102081751B (zh) | 基于实数延时神经网络的同步双频功率放大器建模方法 | |
CN102403965B (zh) | 一种基于Volterra模型的功率放大器模拟方法 | |
Mondal et al. | Genetic algorithm optimized memory polynomial digital pre-distorter for RF power amplifiers | |
Xu et al. | The threshold optimization of the canonical piecewise linear function-based model for RF PA linearization | |
CN102855417A (zh) | 一种宽带射频功率放大器记忆非线性模型及建模方法 | |
Gong et al. | A Memorized Recurrent Neural Network Design for Wide Bandwidth PA Linearization | |
CN109039969A (zh) | 宽带数字预失真器的实现方法 | |
CN102904846A (zh) | 一种适应快变信号的数字预失真处理方法 | |
CN103139120A (zh) | 数字预失真处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |