CN106817328B - 数字预失真表生成方法及装置 - Google Patents

Abstract

本发明提供了一种DPD表生成方法、装置及DPD系统，该方法包括：根据待处理装置的非线性数学模型，对待处理装置的产品样本的所有工作参数进行全遍历数据采集，获取评估数据，根据评估数据生成数据采集用例及全范围的数据生成方法；使用数据采集用例对待处理装置采集数据，获取寻优数据；对寻优数据进行数字预失真效果的检测和寻优，寻优结果作为非线性数学模型的模型系数；使用全范围的数据生成方法,根据模型系数生成DPD表。通过本发明的实施，使用统计学方法对影响待处理装置的DPD表的所有工作参数进行评估分析，同时，对表中的数据进行预失真效果检测和寻优，使得本发明中DPD表具备较佳的数字预失真效果。

Description

数字预失真表生成方法及装置

技术领域

本发明涉及移动通信领域，尤其涉及一种数字预失真表生成方法及装置。

背景技术

由于影响器件非线性特性的因素较多，原因复杂，而且很多影响因素的变化在设备实际运行时具有连续性，DPD(Digital Pre-Distortion，数字预失真)表生成时，表中数据的采集只能在这些连续变化的因素中选取几个离散条件，这种离散条件如何选取，设备运行时，每种运行条件下进行预失真时所使用的DPD数据不一定都能在DPD表中得到，这些DPD表中获取不到的数据如何通过表中的有限数据计算得到，如何保证采集及计算得到的DPD数据的准确性、有效性和预失真的最佳性能，是现有各种DPD模块和算法的关注点。

但是，现有方法的DPD表生成只考虑了一种影响因素，如仅根据放大器特性或者反馈信号进行预失真训练以及表的生成，并且，没有检测和评估DPD表中数据的预失真效果；即，现有DPD表生成方法考虑的影响因素单一、且没有对DPD表的数据进行检测及评估，效果差。

因此，如何提供一种可以解决现有DPD表影响因素单一、且没有对DPD表的数据进行检测及评估导致的数字预失真效果差的DPD表生成方法，是本领域技术人员亟待解决的技术问题。

发明内容

本发明提供了一种数字预失真表生成方法及装置，以解决现有DPD表影响因素单一、且没有对DPD表的数据进行检测及评估导致的数字预失真效果差的问题。

本发明提供了一种DPD表生成方法，其包括：

根据待处理装置的非线性数学模型，针对影响待处理装置DPD表的所有工作参数，对待处理装置的产品样本的所有工作参数进行全遍历数据采集，获取评估数据，根据评估数据生成数据采集用例及全范围的数据生成方法；

使用数据采集用例对待处理装置采集数据，获取寻优数据；

对寻优数据进行数字预失真效果的检测和寻优，寻优结果作为非线性数学模型的模型系数；

使用全范围的数据生成方法,根据模型系数生成DPD表。

进一步的，根据评估数据生成数据采集用例及全范围的数据生成方法包括：使用聚类、拟合的方法对评估数据进行分析，得到所有工作参数的有限取值组合而成的有效的数据采集用例以及全范围的数据生成方法。

进一步的，获取寻优数据包括：根据数据采集用例，对待处理装置的射频信号进行数字预失真测试；将数字预失真的射频信号以频谱形式显示，按频率步进扫描得到一组功率值，生成寻优数据。

进一步的，对寻优数据进行数字预失真效果的检测和寻优，将寻优结果作为非线性数学模型的模型系数，生成DPD表包括：针对发射信号，将预失真后的信号与标准信号进行功率对比，检测DPD效果，直到找到功率差值最优值，具体的，在DPD表的范围内，先固定DPD虚部，进行实部遍历，确定最优的实部数据，将DPD实部固定为最优的实部数据，进行虚部遍历，确定最优的虚部数据，循环至功率差值最优值，并记录非线性数学模型的模型系数的寻优范围；针对接收信号，在所述寻优范围内，大步寻优与小步寻优交替执行，循环至接收信号最优值，并记录此最优接收信号对应的非线性数学模型的模型系数为最优值。

本发明提供了一种DPD表生成装置，其包括评估模块、采集模块、寻优模块及生成模块，其中，

评估模块用于根据待处理装置的非线性数学模型，针对影响待处理装置DPD表的所有工作参数，使用采集模块对待处理装置的产品样本的所有工作参数进行全遍历数据采集，获取评估数据，根据评估数据生成数据采集用例及全范围的数据生成方法；

采集模块用于使用数据采集用例对待处理装置采集数据，获取寻优数据；

寻优模块用于对寻优数据进行数字预失真效果的检测和寻优，寻优结果作为非线性数学模型的模型系数；

生成模块用于使用所述全范围的数据生成方法,根据所述模型系数生成DPD表。

进一步的，评估模块用于使用聚类、拟合的方法对评估数据进行分析，得到所有工作参数的有限取值组合而成的有效的数据采集用例及全范围的数据生成方法。

进一步的，采集模块用于根据数据采集用例，对待处理装置的射频信号进行数字预失真测试；将数字预失真的射频信号以频谱形式显示，按频率步进扫描得到一组功率值，生成寻优数据。

进一步的，寻优模块用于针对发射信号，将预失真后的信号与标准信号进行功率对比，检测DPD效果，直到找到功率差值最优值，具体的在DPD表的范围内，先固定DPD虚部，进行实部遍历，确定最优的实部数据，将DPD实部固定为最优的实部数据，进行虚部遍历，确定最优的虚部数据，循环至功率差值最优值，并记录以上算法找到的非线性数学模型的模型系数的系数范围；针对接收信号，在所述寻优范围内，大步寻优与小步寻优交替执行，循环至接收信号最优值，同时记录此最优接收信号对应的非线性数学模型的模型系数为最优值。

本发明的有益效果：

本发明提供了一种DPD表生成方法，考虑了影响待处理装置的DPD表的所有工作参数，使用统计学方法对所有工作参数进行评估分析，得到采数的影响因素组合用例，使用这些用例进行采数，既解决了离散条件选取问题，利用自动化也保证了数据的采集和生成效率；同时，在采数算法和完整的DPD数据生成算法上较现有的算法也有所改进，现有的DPD表生成方法，无论是离线写入的DPD表，还是实时训练得到的DPD表，均不会对表中的数据进行预失真效果检测和寻优，本发明给出的DPD表生成方法，其数据是在检测和寻优预失真效果前提下采集得到，得到后使用该数据使能DPD，并且配置和连通一条收、发链路，检测收端设备信号，用接收信号进一步遍历、验证和寻优前面得到的DPD数据，从而保证DPD表中的数据都是预失真效果寻优后的数据，进而使得本发明中DPD表中的数据所达到的预失真效果要好于现有DPD表生成方法获取的数据所达到的预失真效果。

附图说明

图1为本发明第一实施例提供的DPD表生成装置的结构示意图；

图2为本发明第二实施例提供的DPD表生成方法的流程图；

图3为本发明第三实施例提供的DPD系统的结构示意图。

具体实施方式

现通过具体实施方式结合附图的方式对本发明做出进一步的诠释说明。

第一实施例：

图1为本发明第一实施例提供的DPD表生成装置的结构示意图，由图1可知，在本实施例中，本发明提供的DPD表生成装置1包括评估模块11、采集模块12、寻优模块13及生成模块14，其中，

评估模块11用于根据待处理装置的非线性数学模型，针对影响待处理装置DPD表的所有工作参数，使用采集模块12对待处理装置的产品样本的所有工作参数进行全遍历数据采集，获取评估数据，根据评估数据生成数据采集用例及全范围的数据生成方法，供采集模块12及生成模块14使用；

采集模块12用于使用评估模块11得到的数据采集用例对待处理装置采集数据，获取寻优数据，并反馈给寻优模块13；

寻优模块13用于对采集模块12采集得到的寻优数据进行数字预失真效果的检测和寻优，寻优结果作为非线性数学模型的模型系数；

生成模块14用于使用评估模块11得到的全范围的数据生成方法,根据所述模型系数生成DPD表。

在一些实施例中，上述实施例中的DPD表生成装置1还包括：调用模块，用于在生成DPD表之后，存储DPD表，并根据待处理装置的实时工作参数，查找对应的DPD表并输出进行DPD。

在一些实施例中，上述实施例中的评估模块11用于使用聚类、拟合的方法对评估数据进行分析，得到所有工作参数的有限取值组合而成的有效的数据采集用例以及全范围的数据生成方法，将数据生成方法及全范围的数据生成方法形成数据文件，本申请所涉及的聚类、拟合是常用的算法，下文进行大致说明。

聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类(Cluster)分析是由若干模式(Pattern)组成的，通常，模式是一个度量(Measurement)的向量，或者是多维空间中的一个点。聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。

聚类分析包括以下4种主要方法：

1、K-MEANS；

k-means算法接受输入量k；然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。

k-means算法的工作过程说明如下：

首先从n个数据对象任意选择k个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度(距离)，分别将它们分配给与其最相似的(聚类中心所代表的)聚类；

然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值)；不断重复这一过程直到标准测度函数开始收敛为止。

一般都采用均方差作为标准测度函数.k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。

2、K-MEDOIDS；

K-MEANS有其缺点：产生类的大小相差不会很大，对于脏数据很敏感。

改进的算法：k—medoids方法。这儿选取一个对象叫做mediod来代替上面的中心的作用，这样的一个medoid就标识了这个类。K-medoids和K-means不一样的地方在于中心点的选取，在K-means中，我们将中心点取为当前cluster中所有数据点的平均值，在K-medoids算法中，我们将从当前cluster中选取这样一个点——它到其他所有(当前cluster中的)点的距离之和最小——作为中心点。

步骤：

1，任意选取K个对象作为medoids(O1,O2,…Oi…Ok)。

以下是循环的：

2，将余下的对象分到各个类中去(根据与medoid最相近的原则)；

3，对于每个类(Oi)中，顺序选取一个Or，计算用Or代替Oi后的消耗—E(Or)。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。

4，这样循环直到K个medoids固定下来。

这种算法对于脏数据和异常数据不敏感，但计算量显然要比K均值要大，一般只适合小数据量。

3、Clara；

上面提到K-medoids算法不适合于大数据量的计算。Clara算法，这是一种基于采样的方法，它能够处理大量的数据。

Clara算法的思想就是用实际数据的抽样来代替整个数据，然后再在这些抽样的数据上利用K-medoids算法得到最佳的medoids。Clara算法从实际数据中抽取多个采样，在每个采样上都用K-medoids算法得到相应的(O1,O2…Oi…Ok)，然后在这当中选取E最小的一个作为最终的结果。

4、Clarans；

Clara算法的效率取决于采样的大小，一般不太可能得到最佳的结果。

在Clara算法的基础上，又提出了Clarans的算法，与Clara算法不同的是：在Clara算法寻找最佳的medoids的过程中，采样都是不变的。而Clarans算法在每一次循环的过程中所采用的采样都是不一样的。与上面所讲的寻找最佳medoids的过程不同的是，必须人为地来限定循环的次数。

而拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}，通过调整该函数中若干待定系数f(λ1,λ2,…,λn)，使得该函数与已知点集的差别(最小二乘意义)最小。如果待定函数是线性，就叫线性拟合或者线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归。表达式也可以是分段函数，这种情况下叫作样条拟合。一组观测结果的数字统计与相应数值组的吻合。形象的说,拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。

在MATLAB中可以用polyfit来拟合多项式。拟合以及插值还有逼近是数值分析的三大基础工具，通俗意义上它们的区别在于：拟合是已知点列，从整体上靠近它们；插值是已知点列并且完全经过点列；逼近是已知曲线，或者点列，通过逼近使得构造的函数无限靠近它们。

在一些实施例中，上述实施例中的采集模块12用于根据数据采集用例，对待处理装置的射频信号进行数字预失真测试；将数字预失真的射频信号以频谱形式显示，按频率步进扫描得到一组功率值，生成寻优数据。

在一些实施例中，上述实施例中的寻优模块13用于将预失真后的信号与标准信号进行功率对比，检测DPD效果，直到找到功率差值最优值，在DPD表的范围内，先固定DPD虚部，进行实部遍历，确定最优的实部数据，将DPD实部固定为最优的实部数据，进行虚部遍历，确定最优的虚部数据，循环至最优值。

在一些实施例中，上述实施例中的寻优模块13还用于大步寻优与小步寻优交替执行，循环至最优值。

同时，本发明也提供了一种DPD系统，其使用本发明提供的DPD表生成装置1生成的DPD表。

第二实施例：

图2为本发明第二实施例提供的DPD表生成方法的流程图，由图2可知，在本实施例中，本发明提供的DPD表生成方法包括以下步骤：

S201：根据待处理装置的非线性数学模型，针对影响待处理装置DPD表的所有工作参数，对待处理装置的产品样本的所有工作参数进行全遍历数据采集，获取评估数据，根据评估数据生成数据采集用例及全范围的数据生成方法；

S202：使用数据采集用例对待处理装置采集数据，获取寻优数据；

S203：对寻优数据进行数字预失真效果的检测和寻优，寻优结果作为非线性数学模型的模型系数；

S204：使用全范围的数据生成方法,根据模型系数生成DPD表。

在一些实施例中，上述实施例中的根据评估数据生成数据采集用例及全范围的数据生成方法包括：使用聚类、拟合的方法对评估数据进行分析，得到所有工作参数的有限取值组合而成的有效的数据采集用例以及全范围的数据生成方法，将数据采集用例以及全范围的数据生成方法形成数据文件。

在一些实施例中，上述实施例中的获取寻优数据包括：根据数据采集用例，对待处理装置的射频信号进行数字预失真测试；将数字预失真的射频信号以频谱形式显示，按频率步进扫描得到一组功率值，生成寻优数据。

在一些实施例中，上述实施例中的寻优数据进行数字预失真效果的检测和寻优，将寻优结果作为非线性数学模型的模型系数，生成DPD表包括：将预失真后的信号与标准信号进行功率对比，检测DPD效果，直到找到功率差值最优值，在DPD表的范围内，先固定DPD虚部，进行实部遍历，确定最优的实部数据，将DPD实部固定为最优的实部数据，进行虚部遍历，确定最优的虚部数据，循环至最优值。

在一些实施例中，上述实施例中的对数据进行DPD效果的检测和寻优包括：大步寻优与小步寻优交替执行，循环至最优值。

现结合具体应用场景对本发明做进一步的诠释说明。

第三实施例：

本发明给出了一种自动生成DPD表的系统和方法，该方法针对器件的非线性特性数学模型，使用自动化采数系统，基于概率统计学的原理采集数学模型需要的DPD模型系数，为了实现数据采集的可行性、可实施性以及设备生产效率，这些DPD模型系数在有限样本和筛选因素下采集得到，在此基础上，为了保证数据的准确性和预失真效果，对采集得到的DPD模型系数进行预失真效果的遍历和寻优，将这些优化后的模型系数写入DPD表后，最终使用这些寻优得到的基础数据，计算生成所选因素和条件范围内的完整数据，生成完整的DPD表，并写入设备的EEPROM(Electrically Erasable Programmable Read-OnlyMemory，电可擦可编程只读存储器)中，设备运行时以实时条件，如具体的工作参数，为索引，查询EEPROM的DPD表，调用对应的DPD模型系数，代入数学模型中进行信号预失真计算，对信号进行预失真。

本发明在已知器件非线性数学模型的前提下发明了一种生成DPD表的方法，使用这种方法采集得到的数据准确性、有效性以及预失真效果较现有的方法都有所改进；包括以下步骤：

第一步、样本评估。选择有限的产品样本，在带宽、功率、频率、调制方式和温度五种因素下在数据采集模块中进行全遍历数据采集，采集到的数据反馈给样本评估模块，样本评估模块使用聚类、拟合等方法进行统计分析，得到五种因素的有限取值组合，称之为数据采集用例，同时分析出五种因素全范围数据的生成方法，将数据采集用例及全范围数据的生成方法形成数据文件，分别作为数据采集模块和DPD表生成模块的输入，具体的为，数据采集用例作为数据采集模块的输入，全范围数据的生成方法作为DPD表生成模块的输入；

第二步、数据采集。利用样本评估得到的数据采集用例，通过控制模块中的仪表控制模块设置频谱仪，设备控制模块设置发射设备，DPD数据去默认值，使能DPD功能，对发出的射频信号进行DPD。同样通过控制模块中的接口板控制模块控制接口板上的开关连通发射设备和频谱仪，使得经过DPD的射频信号以频谱形式显示在频谱上。控制频谱仪按频率步进扫描得到一组功率值，反馈给数据采集模块，数据采集模块将数据输入数据处理模块进行分析和数据提取；

第三步、数据处理。对数据采集模块输入的数据在器件给定的DPD数据范围内进行DPD数据遍历，每次遍历的DPD数据值反馈给数据采集模块控制对发射信号进行DPD，预失真后的信号与标准信号进行功率对比，检测DPD效果，直到找到功率差值最优值，结束发射信号效果寻优，记录此时的DPD数据最优值及范围，以此为基础，通过仪表控制模块设置信号源发出接收信号，并通过接口板控制模块控制开关连通接收设备和信号源，检测接收设备的接收信号，进行接收信号的DPD效果验证和寻优，与发射信号寻优一样，接收信号寻优过程也与数据采集模块进行反馈循环，直到找到最优值。重复第二和第三步，直到遍历完成评估给出的所有用例。

第四步、DPD表生成。数据处理得到的最优值输入DPD表生成模块，该模块利用样本评估得到的全范围数据生成方法生成五种影响因素相关的完整DPD数据，形成数据文件，通过控制模块中的设备控制模块将数据文件写入发射设备，写完后在通过设备控制模块回读写入发射设备的数据进行校验。

现结合图3对寻优算法进行说明，如图3所示，本实施例提供的离线生成DPD表的系统包括以下模块：

样本评估模块31、数据采集模块32、数据处理模块33、DPD表生成模块34、控制模块35、接口板36、包含频谱仪和信号源的射频仪表37、包含发射设备38和接收设备39的被测设备，其中控制模块35根据控制对象的不同分为仪表控制模块351、接口板控制模块352和设备控制模块353；还包括：射频连接线、网口连接线、串口连接线。其中351模块和353模块均通过网口连接线分别连接射频仪表和被测设备，完成控制信号和数字信号的发送和交互。352模块通过串口连接线连接接口板，向接口板发送控制信号并回读控制状态。被测设备和射频仪表之间使用射频连接线通过接口板间接连接，进行射频信号交互；接口板上设计有射频切换开关，在接口板控制模块控制下完成各设备和仪表之间的射频信号切换；射频仪表则主要负责射频信号的接收和显示，以及接收设备的接收信号转入。以上系统的功能框图参见附图3，图中连线箭头表示信号方向，连线从粗到细表示不同的信号类型，由粗到细依次为数据流、射频发射信号、射频接收信号和控制信号，其中控制信号均为双向，表示向被控设备发送信号之后，被控设备要反馈和被读取被控状态。

基于上图，本实施例提供的DPD表生成方法包括：

第一步：发射信号。使用评估时选定的五种影响因素取值和信号参数，通过35模块中的353模块设置发射和接收设备，然后通过35模块中的352模块切换开关连通发射设备和频谱仪，使得发射设备发出要求的信号；

第二步：实部遍历寻优。在器件给定的DPD数据范围内，固定DPD数据虚部，遍历实部，通过35模块的352模块使能DPD功能，然后通过351模块从频谱仪读取并分析频谱数据，寻找DPD效果最优的DPD数据；

第三步：虚部遍历寻优。在器件给定的DPD数据范围内，使用第二步得到的实部数据，遍历虚部，采用与第二步相同的方法分析频谱寻优；

第四步：实部二次寻优。在器件给定的DPD数据范围内，使用第三步得到的虚部数据，遍历实部，采用与第二步相同的方法分析频谱寻优；

第五步：重复第二到四步，发射信号与标准信号对比，直到找到最优值并记录，同时记录的还有DPD数据的寻优范围；

第六步：配置接收信号。通过35模块中的351模块配置信号源，353模块控制发射设备使能DPD功能，然后通过35模块的352模块切换接口板开关连通发射设备和信号源，以及信号源和接收设备，使得接收设备接收到要求的信号；

第七步：大步进寻优。在上面得到的DPD寻优范围内，大步进遍历DPD数据，通过353模块读取接收设备上的接收信号，寻优DPD数据；

第八步：小步进寻优。大步进寻优结果输出一个数据范围，输入小步进寻优，使用第七步同样的方法进一步小范围内寻优；

第九步：重复第七到第八步，直到连续两次最优接收信号对应的DPD模型系数相同，结束接收信号寻优，记录寻优结果；

第十步：重复第一到九步，直到数据采集用例全部寻优结束，记录寻优最终结果，并输出寻优最终结果为一个数据文件。

以上算法均在计算机上使用自动化控制和采数软件自动实现，有益效果：本发明主要在PC机上实现了DPD表自动生成的系统和方法，该方法考虑了设备运行时各种影响DPD性能的条件和因素，基于功率放大器的非线性特性模型有针对性的采集DPD数据，并且采集得到的数据正确性和有效性立刻在设备运行环境中进行测试和验证，且进一步根据DPD效果寻优，寻优后的数据才写入和生成DPD表，保证了整个方法和系统的正确性和有效性。同时该方法具有通用性，针对不同的器件和设备仅需要给出不同的非线性数学模型，以及影响DPD的条件和因素，就可以使用本发明所阐述的方法和系统进行DPD数据采集，进而生成DPD表。

另外，现有技术分为手动生成数据和DPD芯片自动化实现，DPD芯片所需成本高，而且DPD的采数、器件非线性模型建立、DPD训练以及DPD表生成都需要系统开销，对信号的要求不是很高，或者放大器非线性影响不是很大的需求，DPD芯片技术成本过高，也欠缺灵活性。最重要的是，本发明给出的DPD表生成方法，其预失真的效果接近甚至优于DPD芯片的效果，这一点已经在微波产品的应用中得到实践和验证。所以本发明兼顾手动方法的灵活性和低成本，在条件相同的情况下，又可以达到DPD芯片的预失真效果，是一种简单高效低成本的综合方法。

现在以微波产品为待检测装置为例进行说明，微波产品使用的数字芯片给出的预失真数学模型为：；

y＝x(g₁+g₃|x|²+g₅|x|⁴)；

其中x为输入信号，y为输出信号，g1、g3和g5为多项式模型系数，这3个模型系数的取值决定了不同条件和因素下的DPD效果。经过试验证明3个模型系数中只有g3起决定作用。因此采数时仅寻优g3值。数字芯片手册给出的g3范围为-2到+2。

流程部分的处理步骤如下：

第一步、样本评估。选择4个产品样本，由于调制方式取值有限，由其他因素的评估结果决定。先进行带宽评估，功率评估和频率评估。在数据采集模块中进行全遍历数据采集，样本评估模块使用聚类、拟合等方法对遍历得到的数据进行统计分析，得出带宽、功率和频率取值后，用这些值分别在高低温下进行温度评估。最后得到带宽为28M，功率为16dBm、21dBm和23dBm，调制方式为128QAM、512QAM和1024QAM，频点为21200MHz、21800MHz、22400MHz、23000MHz和23600MHz，常温33°，输出的数据文件为InterpolationData_23G.ini。高温和低温55°、5°、-15°、-33°和-40°单独输出一个文件为access数据库表usr_Coefficients_23G。

第二步、数据采集。利用样本评估得到的数据采集用例，通过自动化控制和采数软件的仪表控制模块设置频谱仪FSV，自动化控制和采数软件的设备控制模块设置微波射频单元设备SRU或AOU，使能DPD功能，并使其发出射频信号。同样通过自动化控制和采数软件的接口板控制模块控制RDC采数工装上的开关连通发射设备和频谱仪，使得发送的射频信号以频谱形式显示在频谱仪上。控制频谱仪按频率步进扫描得到一组功率值，反馈给数据采集模块，数据采集模块将数据输入数据处理模块进行分析和数据提取；

第三步、数据处理。对数据采集模块输入的数据在DPD模型系数g3的范围内遍历g3值，每次遍历的g3值反馈给数据采集模块控制发射信号进行DPD，DPD后的信号与欧标定义的标准信号进行功率对比，检测DPD效果，直到找到功率差值最优值，结束发射信号效果寻优，记录此时的DPD模型系数g3的最优值及范围，以此为基础，通过仪表控制模块设置信号源SMF100A发出接收信号，并通过接口板控制模块控制开关连通接收设备和信号源，检测接收设备的接收信号，进行接收信号的DPD效果验证和寻优，与发射信号寻优一样，接收信号寻优过程也与数据采集模块进行反馈循环，直到找到最优值。重复第二和第三步，直到遍历完成评估给出的所有用例。

第四步、DPD表生成。数据处理得到的最优值输入DPD表生成模块，该模块利用样本评估得到的全范围数据生成方法生成五种影响因素相关的完整DPD数据，形成数据文件，通过自动化控制和采数软件的设备控制模块将数据文件写入发射设备，写完后在通过设备控制模块回读写入发射设备的数据进行校验。

具体应用中使用的DPD数据寻优算法如下：

第一步、发射信号。读取InterpolationData_23G.ini文件给出的用例，通过自动化控制和采数软件发送控制命令设置发射和接收设备，然后通过自动化控制和采数软件发送控制命令，切换RDC采数工装的射频开关连通发射设备和频谱仪FSV，使得发射设备发出要求的信号；

第二步、实部遍历寻优。在器件给定的DPD模型系数g3范围-2到+2内，固定DPD模型系数g3虚部，遍历实部，通过自动化控制和采数软件使能DPD功能，然后通过自动化控制和采数软件从频谱仪读取并分析频谱数据，寻找DPD效果最优的DPD数据；

第三步、虚部遍历寻优。在器件给定的DPD数据范围内，使用第二步得到的实部数据，遍历虚部，采用与第二步相同的方法分析频谱寻优；

第四步、实部二次寻优。在器件给定的DPD数据范围内，使用第三步得到的虚部数据，遍历实部，采用与第二步相同的方法分析频谱寻优；

第五步、重复第二到四步，发射信号与标准信号对比，直到找到最优值并记录，同时记录的还有DPD数据的寻优范围；

第六步、配置接收信号。通过自动化控制和采数软件配置信号源，自动化控制和采数软件控制发射设备使能DPD功能，然后通过自动化控制和采数软件切换接口板开关连通发射设备和信号源，以及信号源和接收设备，使得接收设备接收到要求的信号；

第七步、大步进寻优。在上面得到的DPD寻优范围内，以0.1为大步进遍历DPD模型系数g3，通过53模块读取接收设备上的接收信号的MSE值，用MSE值寻优DPD数据；

第八步、小步进寻优。大步进寻优结果输出一个数据范围，在该范围内，以0.02为小步进使用第七步同样的方法进一步小范围内寻优；

第九步、重复第七到第八步，直到连续两次最优接收信号对应的DPD模型系数相同，结束接收信号寻优，记录寻优结果；

第十步、重复第一到九步，直到数据采集用例全部寻优结束，记录寻优最终结果，并输出寻优最终结果为一个excel文件，文件多以产品条码命令，例如219053719224.xlsm。

综上可知，通过本发明的实施，至少存在以下有益效果：

本发明提供了一种DPD表生成方法，考虑了所有的影响因素，使用统计学方法对所有因素进行评估分析，得到采数的影响因素组合用例，使用这些用例进行采数，既解决了离散条件选取问题，利用自动化也保证了数据的采集和生成效率；同时，在采数算法和完整的DPD数据生成算法上较现有的算法也有所改进，现有的DPD表生成方法，无论是离线写入的DPD表，还是实时训练得到的DPD表，均不会对表中的数据进行预失真效果检测和寻优，本发明给出的DPD表生成方法，其数据是在检测和寻优预失真效果前提下采集得到，得到后使用该数据使能DPD，并且配置和连通一条收、发链路，检测收端设备信号，用接收信号进一步遍历、验证和寻优前面得到的DPD数据，从而保证DPD表中的数据都是预失真效果寻优后的数据，进而使得本发明中DPD表中的数据所达到的预失真效果要好于现有DPD表生成方法获取的数据所达到的预失真效果。

以上仅是本发明的具体实施方式而已，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任意简单修改、等同变化、结合或修饰，均仍属于本发明技术方案的保护范围。

Claims (8)

1.一种数字预失真表生成方法，其特征在于，包括：

根据待处理装置的非线性数学模型，针对影响所述待处理装置数字预失真表的所有工作参数，对所述待处理装置的产品样本的所有工作参数进行全遍历数据采集，获取评估数据，根据所述评估数据生成数据采集用例及全范围的数据生成方法；

使用所述数据采集用例对所述待处理装置采集数据，获取寻优数据；

对所述寻优数据进行数字预失真效果的检测和寻优，寻优结果作为非线性数学模型的模型系数；

使用所述全范围的数据生成方法,根据所述模型系数生成数字预失真表。

2.如权利要求1所述的数字预失真表生成方法，其特征在于，所述根据所述评估数据生成所述数据采集用例及所述全范围的数据生成方法包括：使用聚类、拟合的方法对所述评估数据进行分析，得到所述所有工作参数的有限取值组合而成的有效的所述数据采集用例及所述全范围的数据生成方法。

3.如权利要求1或2所述的数字预失真表生成方法，其特征在于，所述获取寻优数据包括：根据所述数据采集用例，对所述待处理装置的射频信号进行数字预失真测试；将数字预失真的射频信号以频谱形式显示，按频率步进扫描得到一组功率值，生成所述寻优数据。

4.如权利要求3所述的数字预失真表生成方法，其特征在于，所述对所述寻优数据进行数字预失真效果的检测和寻优，将寻优结果作为所述非线性数学模型的模型系数，生成数字预失真表包括：针对发射信号，将预失真后的信号与标准信号进行功率对比，检测数字预失真效果，直到找到功率差值最优值，具体的，在数字预失真表的范围内，先固定数字预失真虚部，进行实部遍历，确定最优的实部数据，将数字预失真实部固定为最优的实部数据，进行虚部遍历，确定最优的虚部数据，循环至功率差值最优值，并记录非线性数学模型的模型系数的寻优范围；针对接收信号，在所述寻优范围内，大步寻优与小步寻优交替执行，循环至接收信号最优值，同时记录此最优接收信号对应的非线性数学模型的模型系数为最优值。

5.一种数字预失真表生成装置，其特征在于，包括评估模块、采集模块、寻优模块及生成模块，其中，

所述评估模块用于根据待处理装置的非线性数学模型，针对影响所述待处理装置数字预失真表的所有工作参数，使用所述采集模块对所述待处理装置的产品样本的所有工作参数进行全遍历数据采集，获取评估数据，根据所述评估数据生成数据采集用例及全范围的数据生成方法；

所述采集模块用于使用所述数据采集用例对所述待处理装置采集数据，获取寻优数据；

所述寻优模块用于对所述寻优数据进行数字预失真效果的检测和寻优，寻优结果作为非线性数学模型的模型系数；

所述生成模块用于使用所述全范围的数据生成方法,根据所述模型系数生成数字预失真表。

6.如权利要求5所述的数字预失真表生成装置，其特征在于，所述评估模块用于使用聚类、拟合的方法对所述评估数据进行分析，得到所述所有工作参数的有限取值组合而成的有效的所述数据采集用例以及所述全范围的数据生成方法。

7.如权利要求5或6所述的数字预失真表生成装置，其特征在于，所述采集模块用于根据所述数据采集用例，对所述待处理装置的射频信号进行数字预失真测试；将数字预失真的射频信号以频谱形式显示，按频率步进扫描得到一组功率值，生成所述寻优数据。

8.如权利要求7所述的数字预失真表生成装置，其特征在于，所述寻优模块用于针对发射信号，将预失真后的信号与标准信号进行功率对比，检测数字预失真效果，直到找到功率差值最优值，具体的，在数字预失真表的范围内，先固定数字预失真虚部，进行实部遍历，确定最优的实部数据，将数字预失真实部固定为最优的实部数据，进行虚部遍历，确定最优的虚部数据，循环至功率差值最优值，并记录非线性数学模型的模型系数的寻优范围；针对接收信号，在所述寻优范围内，大步寻优与小步寻优交替执行，循环至接收信号最优值，同时记录此最优接收信号对应的非线性数学模型的模型系数为最优值。

Images