CN105515593B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN105515593B CN105515593B CN201510881967.XA CN201510881967A CN105515593B CN 105515593 B CN105515593 B CN 105515593B CN 201510881967 A CN201510881967 A CN 201510881967A CN 105515593 B CN105515593 B CN 105515593B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- power amplifier
- model
- 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.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/02—Transmitters
- H04B1/04—Circuits
- H04B1/0475—Circuits with means for limiting noise, interference or distortion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Nonlinear Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Amplifiers (AREA)
Abstract
本发明公开了一种信号采样带宽受限情况下，预失真系统中功率放大器模型的有效项估计及辨识方法。使用本发明能够有效、精确地辨识出功放的阶次和记忆深度，从而使得预失真系统能够在采样带宽受限情况下工作，提高预失真器的可靠性。本发明首先将功率放大器的输入信号及采样带宽受限情况下的功率放大器输出信号采用相同的低通滤波器进行低通滤波处理，然后借助按阶递推最小二乘法算法，采用功放模型的非线性阶次与记忆深度分开估计的方法，首先估计非线性阶次，在补偿完非线性阶次以后再对记忆性进行相应的估计，提高了估计的准确性。
Description
技术领域
本发明涉及电通信技术领域，具体涉及一种信号采样带宽受限情况下，预失真系统中功率放大器模型的有效项估计及辨识方法。
背景技术
随着卫星通信的迅速发展，通信频段变得越来越拥挤，为了在有限的频谱范围内获得更高的传输速率，许多高频谱效率的调制方式(如QPSK、8PSK、16APSK、32APSK等)得到了广泛的应用。但是由于功率放大器(PA，Power Amplifier)固有的非线性，信号的包络波动将产生交调失真和频谱扩散，并且对于宽带信号，PA还表现出记忆效应。因此，为了同时保证PA的高线性度和高工作效率，必须对其进行线性化处理。
目前，PA的线性化技术主要有前馈技术、负反馈技术和预失真技术等等，其中预失真技术以其简单灵活、实现成本低、线性化性能好等优点，成为一种广泛使用的PA线性化技术，该技术的主要原理是在PA前级串联一个与其幅度和相位特性相反的模块，使得整个串联系统的输入输出呈线性关系。
功率放大器的非线性特性会使频谱发生扩展，因此功放输出的频谱一般会远大于理想信号带宽，这对A/D转换器提出了较高的要求，需要使用高速率的A/D转换器，但这无疑增加了成本要求。电子科技大学提出了一种在采样带宽受限情况下可以工作的预失真系统。在该预失真系统中，预失真器的输出数字信号通过D/A转换成模拟信号，并输入到PA中；反馈回路通过耦合器得到PA的输出信号，接着通过带通滤波器(BPF)对PA的输出信号的带宽进行限制，然后A/D以较低采样率采集一个带宽受限的信号；对预失真器输出的数字信号以及采集得到的带宽受限的信号进行相同的低通滤波处理，利用低通滤波的信号便可以辨识得到相应的功放特性，进而得到相应的预失真器的参数。该种预失真系统降低了A/D转化器的采样率的要求，即只需在较低的采样率下采集功放的输出信号便可以完成相应功能。但是，该方法在辨识功放的特性时，要求需要精确地知道功放的阶次和记忆深度，否则辨识出功放特性将存在较大的误差，并直接影响预失真器的可靠性。
发明内容
有鉴于此，本发明提供了一种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方法，能够有效、精确地辨识出功放的阶次和记忆深度，从而使得预失真系统能够在采样带宽受限情况下工作，提高预失真器的可靠性。
本发明的采样带宽受限时预失真系统中功放模型辨识方法，所述功放模型采用记忆多项式模型，包括如下步骤：
步骤1，将功率放大器的输入信号x(n)及采样带宽受限情况下的功率放大器输出信号yF(n)采用相同的低通滤波器进行低通滤波处理，获得低通滤波后的功率放大器输入信号L(x)和输出信号L(y)；
步骤2，以低通滤波后的功率放大器输入信号L(x)和输出信号L(y)为功放模型的输入、输出信号，将功放模型中的记忆深度设为0，采用按阶递推最小二乘法对功放模型的非线性阶次进行估计，计算获得第k次估计的最小LS误差J(k)，并判断是否小于或等于设定的阈值δ1，如果是，则第k次估计获得的模型参数为有效功放模型参数，功放模型的阶次为2k-1，其中，θk,2k-1表示第k次估计出来的功放模型的第2k-1阶的系数；
步骤3，将输入信号L(x)按照进行非线性处理，得到信号L′(x)，获得修正非线性后的功放模型输入输出功放关系；
步骤4，以步骤3获得的信号L′(x)为输入，以输出信号L(y)为输出，采用按阶递推最小二乘法，对功放模型的记忆深度进行估计，计算获得第q次估计的最小LS误差J′(q)；判断是否小于或等于设定的阈值δ2，如果是，则停止估计，第q+1次估计所对应的记忆模型参数为有效记忆模型参数，功放模型的记忆深度为q，其中，为功放模型的记忆深度为q的项的系数；
步骤5，结合步骤2获得的功放模型的非线性阶次及对应的有效功放模型参数和步骤4获得的功放模型的记忆深度及对应的有效记忆模型参数获得功放模型。
进一步地，所述步骤1中，采样带宽受限情况下的功率放大器输出信号yF(n)的获取方法如下：通过耦合器得到功率放大器的输出信号y(t)，输出信号y(t)经过模拟滤波器变为采样带宽受限的模拟信号，对该模拟信号进行下变频后经A/D转换器获得。
进一步地，所述步骤2中的非线性阶次估计，包括如下子步骤：
步骤2.1，初始化：
令k＝1，则观察矩阵为Hk＝H1＝L(x)，其中，L(x)为步骤1获得的输入信号；x＝[x(1),x(2),...,x(N)]T，是功率放大器的实际输入矩阵，为N×1维矩阵，x(i)表示的是功率放大器的第i个采样点的数值，i＝1,2，…,N，N为采样点总个数；计算D1、第一次估计的功放模型参数估计值和第一次估计的最小LS误差J(1)，其中，
其中yL＝[yL(1),yL(2),...,yL(N)]T，为步骤1获得的L(y)，为N×1维矩阵；上标H表示共轭转置；
步骤2.2，从第2次估计开始，利用当前估计结果来估计下一次估计的相应结果：
其中，第k+1次估计的观察矩阵为Hk+1＝[Hk,hk+1]，其中，
其中，其中I表示单位矩阵；
有益效果：
本发明所述的方法在采样率受限预失真系统是一个重要环节，通过使用本发明所介绍的方法自动获取最佳的功放非线性阶次及记忆深度，提高了采样率受限预失真器的实用性。另外，采用相应的有效项估计方法，降低了系统计算复杂度，在硬件实现上减少了资源消耗，也提高了运算的稳定性。
附图说明
图1为本发明中所涉及的采样率受限数字预失真系统结构图。
图2为本发明的功放模型获取模块的结构示意图。
图3为本发明的功放特性有效项估计方法结构图。
图4为本发明的功放特性辨识的流程图。
图5为模拟滤波器的通带与数字低通滤波器的通带关系示意图。
图6为Ku波段功放实际特性与采样率受限情况下辨识出功放模型特性对比图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提供了一种在采样带宽受限的情况下对预失真系统中的功率放大器模型的阶次和记忆深度的有效估计方法，首先，在采样带宽受限的情况下辨识出真实功率放大器的相应特性，得到功放模型的参数，然后进一步通过求逆的过程，即可离线情况下获得相应的预失真器的相关参数。本发明中，预失真器中的功率放大器模型采用记忆多项式模型，在估计该模型的阶次与记忆深度的时候，借助按阶递推最小二乘法算法，并且采用阶次与记忆深度分开估计的方法，首先估计非线性阶次，在补偿完非线性阶次以后再对记忆性进行相应的估计，从而提高了估计的准确性。本发明方法可以应用到采样带宽受限预失真器设计中。
其中，采样率受限数字预失真系统的结构图如图1所示，主要包括发射支路、发射反馈支路、PA模型获取模块和预失真器训练模块。其中，发射支路包括预失真器、D/A转换器、上变频器和功率放大器PA，数字基带信号x(n)通过D/A转换器变到模拟信号后，通过上变频器上变频到PA工作频带的射频信号s(t)，射频信号s(t)经功率放大器放大后输出信号y(t)。预失真器串联在D/A前，能够在采样带宽受限情况下工作，消除PA的非线性。
发射反馈支路包括耦合器、带通滤波器(BPF)、下变频器和A/D转换器，其中，通过耦合器得到功率放大器的输出信号y(t)，输出信号y(t)经带通滤波器(BPF)后变为采样带宽受限的模拟信号，对该模拟信号进行下变频后再经A/D转换器，得到功率放大器的带限数字输出信号yF(n)。
功放(PA)模型获取模块的结构如图2所示，将功率放大器的输出信号y(t)、功率放大器的带限数字输出信号yF(n)，分别进行相同的低通滤波处理，获得带宽相同的低通滤波信号，然后结合预失真器训练模块，对功放模型的有效项和参数进行估计和辨识。其中，采用按阶递推最小二乘法算法，从一阶开始，得到不同阶时的最小LS误差及辨识参数，首先通过最小LS误差决定理想的非线性阶次，并补偿非线性。然后，对补偿完非线性以后的功放输入输出信号，同样利用按阶递推最小二乘法估计相应的记忆深度(图3)。得到了功放模型的非线性阶次与记忆深度以后，联合两个判定过程中所得到的参数即可得到相应的功放的记忆多项式模型的参数。
功率放大器模型的阶次和记忆深度的估计方法流程图如图4所示，具体包括如下步骤：
步骤1，将功率放大器输入信号x(n)及采样带宽受限情况下抓取的功放输出信号进行相同的低通滤波处理，获得低通滤波后的功率放大器输入信号L(x)和输出信号L(y)。
其中，通过耦合器得到功率放大器的输出信号y(t)，输出信号y(t)经过模拟滤波器变为采样带宽受限的模拟信号，对该模拟信号进行下变频后经A/D转换器得到带限数字信号yF(n)。功率放大器输入信号x(n)与带限数字信号yF(n)分别进行相同的低通滤波器L(·)进行低通滤波处理。
其中，预失真器中的功放模型采用记忆多项式模型，则功放模型的输入输出信号x(n)和y(n)满足如下关系：
其中2K-1为功放模型的非线性阶次，Q为功放模型的记忆深度，x(n-q)为功放模型输入数据的第n-q个点，a2k-1,q为非线性阶次为2k-1、记忆深度为q的多项式项的系数。
对上式等号两侧分别进行低通滤波处理，则满足关系：
其中，L(·)表示低通滤波处理过程。
真实功率放大器的输出信号经过一个模拟滤波器，A/D转换器以一个较低的采样速率可以采集得到yF(n)，若再通过一个通带带宽小于模拟滤波器通带带宽的低通滤波器，效果如图5所示，此时可以得到：
yL(n)＝L(yF(n))
由于低通滤波器的通带宽度小于模拟滤波器的通带，所以应该满足：
L(yF(n))＝L(yL(n))
故有：
利用上式的关系进行接下来的运算。
步骤2，以低通滤波后的功率放大器输入信号L(x)和输出信号L(y)为功放模型的输入、输出信号，将功放模型中的记忆深度设为0，采用按阶递推最小二乘法对功放模型的非线性阶次进行估计，具体包括如下子步骤：
步骤2.1，初始化
令k＝1，令观察矩阵为Hk＝H1＝L(x)，其中，L(x)即为步骤1获得的输入信号；x＝[x(1),x(2),...,x(N)]T，是功率放大器的实际输入矩阵，为N×1维矩阵，x(i)表示的是功率放大器的第i个采样点的数值，(i＝1,2,...,N)。
计算D1：
计算 其中，yL＝[yL(1),yL(2),...,yL(N)]T，为步骤1获得的L(y)，是N×1维矩阵；上标H表示共轭转置。
计算J(1)：
其中，θk,i表示第k次估计的第i项的系数(i＝1,3,...,2k-1)。J(k)表示的是第k次估计的最小LS误差。
步骤2.2，采用按阶递推最小二乘法按阶递推。
对于所假设的功放记忆多项式模型，第k次估计可得到模型的非线性阶次为2k-1阶时所对应的参数及相应最小LS误差J(k)。
利用第k次估计的结果来估计第k+1次估计的相应结果，首先在第k次的观察矩阵中增加新的一列以此构造出新的观察矩阵Hk+1＝[Hk,hk+1]。其中，
利用按阶递推最小二乘法的以下递推公式得到：
利用按阶递推最小二乘法中的以下公式更新系数：
其中，其中I表示单位矩阵。
利用按阶递推最小二乘法中的以下公式得到第k+1次估计最小LS误差：
步骤2.3，确定非线性阶次
若则说明阶次增加对功放非线性逼近程度影响不大，即说明第k次估计已经达到相应的要求，相应的为有效估计值，此时估计出功放模型的阶次为2k-1。其中δ1是判定非线性阶次所使用的一个阈值。
步骤3，利用步骤2获得的估计结果对功放模型的非线性特性进行补偿。
假设步骤2中，第k次估计的结果为有效估计值则功放模型的输入信号L(x)按照进行非线性处理，得到信号L′(x)，获得消除非线性影响的功放模型的输入输出关系。此时，功放模型的输入向量变为：
此时，需要寻找功放模型的记忆深度即为u0与yL之间的关系，即为：
其中，为记忆深度为q的项，为记忆模型的参数。
步骤4，采用按阶递推最小二乘法，估计经步骤3消除非线性后的功放模型的记忆深度。
对于本发明采用的功放模型，第一次估计估计出的是记忆深度为0的结果，类似的，第q次估计的是记忆深度为q-1的结果(q＝1,2,3,...)。
具体过程与功放非线性阶次的估计的过程一致，从零记忆深度开始估计相应的参数及此时的最小LS误差，然后通过最小LS误差的变化值确定最佳记忆深度，并得到相应的记忆模型参数。
其中，初始列为u0＝[u(1),u(2),...,u(N)]T，
第q次估计新增列变为按照按阶递推最小二乘法进行相应的计算，假设第q次估计的最小LS误差为J'(q)。
当则说明第q+1次估计所对应的记忆深度是有效记忆深度，故功放的记忆深度为q。
假设所获得的记忆模型的参数为
步骤5，获得功放模型的参数
本步骤中，将功放非线性辨识以及功放记忆性估计的结果结合在一起，即将与合在一起，可以得到功放的记忆多项式模型的参数为：
即当阶次为2k-1、记忆深度为q时，有
所以功率放大器的模型应该为：
在得到相应的功率放大器的模型以后，便可以估计预失真器的相应特性。由于已知功放的具体模型及参数，可以利用求逆的过程离线获得预失真器的相关特性。
为了验证方法的有效性，利用Ku波段功放进行相应仿真验证，源信号采用16APSK调制成形信号，符号速率为25MHz。对功放数据进行两次采样，一次是直接采集的功放输出的信号，用于观察实际的功放输出特性，另外是一次采集带限的信号，用于功放模型的辨识。在验证过程中令δ1＝0.01，δ2＝0.05，经过估计得到相应的模型非线性阶次为11阶，记忆深度为2。如图6所示，辨识出来的功放特性与实际功放特性基本一致。
本发明所涉及到的预失真系统，需要先在带限情况下辨识出真实功率放大器的相应特性，并得到功放模型的参数，然后进一步通过求逆的过程，即可离线情况下获得相应的预失真器的相关参数。对于预失真器中的功率放大器模型，本发明主要针对的是采用记忆多项式模型的功率放大器模型，在估计该模型的阶次与记忆深度的时候，借助按阶递推最小二乘法算法，并且采用阶次与记忆深度分开估计的方法，首先估计非线性阶次，在补偿完非线性阶次以后再对记忆性进行相应的估计，从而提高了估计的准确性。
本发明所涉及到的预失真系统包括了功放有效项估计及参数辨识、预失真器训练两个部分，由于采样带宽受限，所以关键部分在于获得准确的功放模型，否则直接影响相应的结果。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种采样带宽受限时预失真系统中功放模型辨识方法，所述功放模型采用记忆多项式模型，其特征在于，包括如下步骤：
步骤1，将功率放大器的输入信号x(n)及采样带宽受限情况下的功率放大器输出信号yF(n)采用相同的低通滤波器进行低通滤波处理，获得低通滤波后的功率放大器输入信号L(x)和输出信号L(y)；
步骤2，以低通滤波后的功率放大器输入信号L(x)和输出信号L(y)为功放模型的输入、输出信号，将功放模型中的记忆深度设为0，采用按阶递推最小二乘法对功放模型的非线性阶次进行估计，计算获得第k次估计的最小LS误差J(k)，并判断是否小于或等于设定的阈值δ1，如果是，则第k次估计获得的模型参数为有效功放模型参数，功放模型的阶次为2k-1，其中，θk,2k-1表示第k次估计出来的功放模型的第2k-1阶的系数；
步骤3，将输入信号L(x)按照进行非线性处理，得到信号L′(x)，获得修正非线性后的功放模型输入输出功放关系；
步骤4，以步骤3获得的信号L′(x)为输入，以输出信号L(y)为输出，采用按阶递推最小二乘法，对功放模型的记忆深度进行估计，计算获得第q次估计的最小LS误差J′(q)；判断是否小于或等于设定的阈值δ2，如果是，则停止估计，第q+1次估计所对应的记忆模型参数为有效记忆模型参数，功放模型的记忆深度为q，其中，为功放模型的记忆深度为q的项的系数；
步骤5，结合步骤2获得的功放模型的非线性阶次及对应的有效功放模型参数和步骤4获得的功放模型的记忆深度及对应的有效记忆模型参数获得功放模型。
2.如权利要求1所述的采样带宽受限时预失真系统中功放模型辨识方法，其特征在于，所述步骤1中，采样带宽受限情况下的功率放大器输出信号yF(n)的获取方法如下：通过耦合器得到功率放大器的输出信号y(t)，输出信号y(t)经过模拟滤波器变为采样带宽受限的模拟信号，对该模拟信号进行下变频后经A/D转换器获得。
3.如权利要求1所述的采样带宽受限时预失真系统中功放模型辨识方法，其特征在于，所述步骤2中的非线性阶次估计，包括如下子步骤：
步骤2.1，初始化：
令k＝1，则观察矩阵为Hk＝H1＝L(x)，其中，L(x)为步骤1获得的输入信号；x＝[x(1),x(2),...,x(N)]T，是功率放大器的实际输入矩阵，为N×1维矩阵，x(i)表示的是功率放大器的第i个采样点的数值，i＝1,2，…,N，N为采样点总个数；计算D1、第一次估计的功放模型参数估计值和第一次估计的最小LS误差J(1)，其中，
<mrow>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>H</mi>
<mn>1</mn>
<mi>H</mi>
</msubsup>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>L</mi>
<mi>H</mi>
</msup>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mi>L</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>;</mo>
</mrow>
1
其中yL＝[yL(1),yL(2),...,yL(N)]T，为步骤1获得的L(y)，为N×1维矩阵；上标H表示共轭转置；
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<msub>
<mover>
<mi>&theta;</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>H</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<msub>
<mover>
<mi>&theta;</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<mi>L</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>H</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>L</mi>
</msub>
<mo>-</mo>
<mi>L</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<msub>
<mover>
<mi>&theta;</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
步骤2.2，从第2次估计开始，利用当前估计结果来估计下一次估计的相应结果：
其中，第k+1次估计的观察矩阵为Hk+1＝[Hk,hk+1]，其中，
<mrow>
<msub>
<mi>D</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = '[' close = ']'>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
<msubsup>
<mi>H</mi>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
<msubsup>
<mi>H</mi>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mfrac>
<mn>1</mn>
<mrow>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<msub>
<mover>
<mi>&theta;</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = '[' close = ']'>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>&theta;</mi>
<mo>^</mo>
</mover>
<mi>k</mi>
</msub>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
<msubsup>
<mi>H</mi>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>y</mi>
<mi>L</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>y</mi>
<mi>L</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，
<mrow>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<mo>=</mo>
<mi>I</mi>
<mo>-</mo>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>H</mi>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msubsup>
<mi>H</mi>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>=</mo>
<mi>I</mi>
<mo>-</mo>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
<msubsup>
<mi>H</mi>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>,</mo>
</mrow>
其中I表示单位矩阵；
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>y</mi>
<mi>L</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<msubsup>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>H</mi>
</msubsup>
<msubsup>
<mi>P</mi>
<mi>k</mi>
<mo>&perp;</mo>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>.</mo>
</mrow>
2
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510881967.XA CN105515593B (zh) | 2015-12-03 | 2015-12-03 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510881967.XA CN105515593B (zh) | 2015-12-03 | 2015-12-03 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105515593A CN105515593A (zh) | 2016-04-20 |
| CN105515593B true CN105515593B (zh) | 2017-11-28 |
Family
ID=55723307
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510881967.XA Expired - Fee Related CN105515593B (zh) | 2015-12-03 | 2015-12-03 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105515593B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103179074A (zh) * | 2013-03-20 | 2013-06-26 | 中国科学院上海微系统与信息技术研究所 | 基于正交多项式的自适应预失真系统及方法 |
| 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 |
| CN104796091A (zh) * | 2015-04-13 | 2015-07-22 | 南京理工大学 | 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 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9071487B2 (en) * | 2013-08-20 | 2015-06-30 | Analog Devices Global | Power amplification system, device and method |
-
2015
- 2015-12-03 CN CN201510881967.XA patent/CN105515593B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103179074A (zh) * | 2013-03-20 | 2013-06-26 | 中国科学院上海微系统与信息技术研究所 | 基于正交多项式的自适应预失真系统及方法 |
| 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 |
| CN104796091A (zh) * | 2015-04-13 | 2015-07-22 | 南京理工大学 | 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105515593A (zh) | 2016-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101080911B (zh) | 对高频发射机中模拟i/q调制器幅度和相位失衡以及dc偏移的校准方法及装置 | |
| US9148093B2 (en) | Low-cost digital predistortion apparatus and method using envelope detection feedback | |
| CN100557951C (zh) | 预失真控制设备和方法 | |
| 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 | |
| CN104777495B (zh) | 一种基于分布直方图的qpsk调制i/q支路正交性测试方法 | |
| CN103715992B (zh) | 基于简化Volterra级数的功放预失真装置及方法 | |
| CN104717172A (zh) | 一种发射机中iq不平衡的补偿方法和装置 | |
| CN111245375B (zh) | 一种复值全连接递归神经网络模型的功放数字预失真方法 | |
| Hekkala et al. | Adaptive time misalignment compensation in envelope tracking amplifiers | |
| CN105490973A (zh) | Iq信号校准方法及装置 | |
| CN106125547B (zh) | 一种基于分段多项式的功放非线性自适应模拟方法及系统 | |
| CN101951241A (zh) | 实现射频泄漏对消的装置及方法和射频识别阅读器 | |
| EP3208938A1 (en) | Pre-distortion processing device and method | |
| CN108199690A (zh) | 基于三次样条的带限ddr函数模型的功率放大器数字预失真装置及方法 | |
| CN104363194A (zh) | 基于波形变换的psk调制识别方法 | |
| CN107493117A (zh) | 一种高动态下直扩msk信号的二维联合捕获方法 | |
| Jiang et al. | Block-oriented time-delay neural network behavioral model for digital predistortion of RF power amplifiers | |
| CN105490759A (zh) | Iq信号校准方法及装置 | |
| CN104931955B (zh) | 一种补偿宽带声呐系统发射信号幅度的方法 | |
| CN105515593B (zh) | 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 | |
| CN107834983A (zh) | 一种基于云平台的数字预失真线性化参数提取方法 | |
| CN111988254A (zh) | 一种低复杂度峰均比压缩与预失真联合优化方法 | |
| CN106950544A (zh) | 一种基于dsp实现的大时宽信号分段识别的方法 | |
| CN113949416B (zh) | G3-plc电力载波线系统的非线性预均衡装置和方法 | |
| Pan et al. | Digital linearization of multiple power amplifiers in phased arrays for 5G wireless communications |
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 | ||
| 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: 20171128 Termination date: 20181203 |