CN107124141A - 基于复数域矩阵数值求解自适应误差验证的数字预失真的方法 - Google Patents
基于复数域矩阵数值求解自适应误差验证的数字预失真的方法 Download PDFInfo
- Publication number
- CN107124141A CN107124141A CN201610727709.0A CN201610727709A CN107124141A CN 107124141 A CN107124141 A CN 107124141A CN 201610727709 A CN201610727709 A CN 201610727709A CN 107124141 A CN107124141 A CN 107124141A
- Authority
- CN
- China
- Prior art keywords
- mrow
- signal
- msub
- matrix
- complex
- 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.)
- Granted
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
Abstract
一种基于复数域矩阵数值求解自适应误差验证的数字预失真的方法,所述数字预失真系统包括模拟域电路和数字域电路,将输入的射频信号接入模拟域电路,经放大和电平控制后,将其变为中频信号,经过采样后变为数字信号进入数字域电路;从所述射频功放输出耦合的反馈信号也经放大和电平控制后,变为中频信号,经过采样后变为数字信号进入数字域电路;主路信号通过一个分数阶全通延时滤波器以调整信号延时;对主路信号与反馈路信号做复数域相关得到对齐整数倍延时;对两路信号构建代价函数偏导矩阵,对复矩阵进行数值求解得到功放模型系数。本发明的有益效果是:使得自适应方法稳健可靠,应用时具有更好的灵活性和可移植性。
Description
技术领域 本发明涉及高频放大器,尤其涉及适用于射频放大器的基于复数域矩阵数值求解自适应误差验证的数字预失真方法。
背景技术 射频功率放大器是通讯发射设备中的核心部件,其典型特性包括P1dB,线性,效率,增益等。在移动通讯日益发展的今天,各种数字调制方式带来的高带宽,高动态(高均峰比)对于射频功放的要求越来越高。如图1中曲线所示,功放在数字调制信号激励下所呈现出的特性,其总体趋势体现为随着输入功率的增大,输出功率呈现为压缩特性,不仅在幅度特性上如此,相位特性亦如此。而围绕总的趋势线的离散的点体现了功放的记忆效应,主要是因为输入激励信号包络的变化影响到了功放自身的特性所导致。
采用单纯的回退方法来获取功放线性已无法满足通讯发射设备应用要求。目前业界使用的功放线性化技术主要有三类:
1.前馈技术,线性指标优秀,但是存在硬件复杂,成本较高,效率低下等缺点;
2.模拟预失真,存在线性不足,指标较差等缺点;
3.数字预失真,线性指标较好,效率较高,硬件较为简单,可和数字基带处理部分结合等优点,但缺点是算法较为复杂;
可以看出数字预失真技术是改善功放特性最有优势的技术,目前在通讯设备中应用最为广泛。
所谓数字预失真是指在数字基带域对信号进行预先失真,来抵消由于功放非线性以及记忆效应引起的信号畸变,从而改善功率放大器的线性。其具体步骤如下:
1.通过对功放输入输出信号进行变频,采样等步骤变换到数字域;
2.通过对采样得到的数字信号进行处理做到时域对齐
3.在特定功放模型下,采用自适应算法来确定模型各项系数;
4.在数字域应用功放反特性失真模型;
5.自适应算法跟踪功放特性,使得失真性能在器件,环境变化时保持最优。
业界比较完善能够商用的DPD器件一般由几家国外芯片厂家提供,如TI,Xilinx,OP等等,DPD算法固化在芯片内,或以IP核形式出现。
现有技术数字预失真方法(又称数字预失真算法)的核心部分是用于功放模型系数求解的自适应算法。由于功放的缓变时变性,数字预失真算法通常采用自适应算法来跟踪功放的特性,通常的自适应算法是采用LMS(最小均方)或基于LMS的一些变形算法,以及RLS(递归最小二乘)等算法,由于LMS算法在工程实现时较为简单,计算量较小,因此较为常用。由于所述算法本身的局限,从机制上来看,存在收敛不易控制,稳态误差易受输入数值影响,若收敛不理想或出现异常无法快速恢复等问题。
在数据处理方面,数字预失真算法主要完成对输入输出信号的滤波和延时估计。严格的信号对齐对于算法运行效果有非常重要的意义。而在实际工程中由于采样率以及高采样率带来的处理负荷等各方面的限制,现有技术数字预失真方法无法在较低的采样率基础上对延时进行非常准确的估计,因此会一定程度上影响射频功率放大器的最终性能。
发明内容 本发明要解决的技术问题在于避免上述现有技术的不足之处而提出一种基于复数域矩阵数值求解自适应误差验证的数字预失真方法,解决现有技术应用于射频功率放大器的数字预失真方法无法在较低的采样率基础上对延时进行非常准确的估计等问题。
本发明为解决上述技术问题而提出的技术方案是:一种基于复数域矩阵数值求解自适应误差验证的数字预失真的方法,包括构建一种基于复数域矩阵数值求解自适应误差验证的数字预失真系统,接入射频功放,所述数字预失真系统包括模拟域电路和数字域电路,实施如下步骤:
A.将输入的射频信号接入模拟域电路,经放大和电平控制后,将输入的射频信号变为符合带通采样定理的中频信号,所述中频信号经过采样后变为数字信号作为主路信号进入数字域电路;从所述射频功放输出耦合的反馈信号也接入模拟域电路,经放大和电平控制后,变为符合带通采样定理的中频信号,经过采样后变为数字信号进入数字域电路;
B.步骤A中所述的两路数字信号进入数字域电路经滤波和降采样后,变换到一个处理器可以承载的样点率上;
C.经滤波和降采样后的主路信号通过一个分数阶全通延时滤波器以调整信号延时;
D.对分数延时后的主路信号与反馈路信号做复数域相关得到对齐整数倍延时;调整主路信号延时使得主路信号和反馈路信号严格对齐;
E.根据所述对齐整数倍延时的两路信号构建代价函数偏导矩阵;
F.通过正交阵分解QR的方法对复矩阵进行数值求解,得到功放模型系数;
G.通过反函数求解当前解的实际误差,确定当前解是否可用;若当前解不可用时丢弃该解;将可用的功放模型系数应用到预失真模型中;
H.将预失真模型输出的数字信号转换为模拟信号输入所述射频功率放大器。
更佳的是,步骤B中所述的样点率包括92.16Mbps。
更佳的是,步骤C所述”主路信号通过一个分数阶全通延时滤波器”是1/8样点率步进,确保信号在做延时估计时能精确到1/8样点率的精度。
更佳的是,步骤C所述“经滤波和降采样后的主路信号通过一个分数阶全通延时滤波器以调整信号延时”还包括:
首先构造一个能完成分数阶延时又不会影响到信号的频域特性的全通分数阶滤波器,Sinc函数:sinc(x)=sin(x)/(x)作为全通滤波器原型,利用MATLAB软件在时域对滤波器原型进行8倍插值,使用不同的时域延时抽取下来,得到8组不同的系数;
将主路信号分别通过8个所述的分数阶全通延时滤波器,就能得到8种分数阶延时的信号,延时差值为1/8采样间隔,再通过对所述8种分数阶延时的信号和反馈路信号的复数相关求得整数延时,求得到1/8采样精度的最佳延时估计。
更佳的是,步骤E中所述“根据两路信号构建代价函数偏导矩阵”,包括实施如下步骤:
构建功放的非线性记忆效应模型如下:
其中n是非线性阶数,m是记忆效应阶数,nl是最大的非线性阶数,me是最大记忆效应深度,ys(i)是输出信号,x(i)是输入信号,anm是模型系数;
构建代价函数表征输出信号和预期信号之间的矢量(信号是复数)差的幅值总和
其中i是样点序号,N是本次采样的总的样点数,y(i)是预期信号。
对代价函数求对系数的偏导,经化简得:
结合式(1)、(2)和(3)构建代价函数矩阵:
是一个nm*1的行向量,因此代价函数矩阵是一个nl*me的方阵;求解这个方阵便可以得到功放模型的系数anm。
更佳的是,步骤G中所述“通过反函数求解当前解的实际误差”包括实施如下步骤:
G1.将预失真器的初始系数是设置为增益为1的线性放大器,所以yo=x;
G2.构造一个关于输入yf、输出yo的代价函数矩阵,求解矩阵得第一组模型系数即得到预失真器特型f-1(),使得yo=f-1(yf),得到的模型实际是功放模型的反函数f-1();
G3.使用所述模型计算预失真器输出yonew=f-1(x);计算yonew与yf的矢量误差和,若小于设定门限值则认为此组解是有效的,将此组系数应用到预失真器中,并将该矢量误差和记录下来。
G4.采样一组新的样点,构造关于输入yf、输出yo的代价函数矩阵,求解矩阵得到新的模型系数;
G5.使用步骤G中新的模型系数计算预失真器输出yonew=f-1(x);计算yonew、yo的矢量误差和,若小于上一次的矢量误差和认为此组解是有效的,将此组系数应用到预失真器中,并将这次的矢量误差和记录下来;
G6.重复步骤G4。
同现有技术相比较,本发明的有益效果是:本发明采用直接数值求解提取功放模型,数值求解稳定性好,误差易于控制,不会出现收敛不好,收敛震荡等异常状况。通过特定的误差估计方法,使得自适应方法稳健可靠。由于本发明算法的独立性,无需依赖特定厂家的硬件或IP,因此在应用时具有更好的灵活性和可移植性。
附图说明 图1是射频功放在数字调制信号激励下所呈现出的特性示意图;
图2是本发明所述优选实施例中示意图基于复数域矩阵数值求解自适应误差验证的数字预失真系统的逻辑框图;
图3是所述优选实施例中个全通分数阶滤波器利用MATLAB在时域对滤波器原型进行8倍插值时的时域脉冲响应示意图;
图4是所述优选实施例中全通分数阶滤波器的利用MATLAB在时域对滤波器原型进行8倍插值时的频域响应示意图;
图5是所述优选实施例中的预失真系统的基本框图;
具体实施方式 下面,结合各附图所示之优选实施例进一步阐述本发明。
参见图2,本发明的优选实例是,构建一种基于复数域矩阵数值求解自适应误差验证的数字预失真系统,接入射频功放,所述数字预失真系统包括模拟域电路和数字域电路,实施如下步骤:
A.将输入的射频信号接入模拟域电路,经放大和电平控制后,将射频信号变为符合带通采样定理的中频信号,中频信号经过采样后变为数字信号成为主路信号进入数字域电路;从射频功放输出耦合的反馈信号也接入模拟域电路,经放大和电平控制后,变为符合带通采样定理的中频信号,经过采样后变为数字信号进入数字域电路;
B.步骤A中两路的数字信号进入数字域电路分别经由滤波、降采样后,变换到一个处理器可以承载的样点率上,如92.16Mbps;
C.主路信号通过一个分数阶全通延时滤波器(1/8样点率步进)以调整信号延时,确保信号在做延时估计时能精确到1/8样点率的精度,提高后续算法的精度;
D.对分数延时后的主路信号与反馈路信号做复数域相关得到对齐整数倍延时;调整主路延时使得主路反馈路严格对齐;
E.根据两路信号构建代价函数偏导矩阵;
F.通过正交阵分解QR的方法对复矩阵进行数值求解,得到功放模型系数;
G.通过反函数求解当前解的实际误差,确定当前解是否可用;若当前解不可用时丢弃该解,将可用的功放模型系数应用到预失真模型中;
H.将预失真模型输出的数字信号转换为模拟信号输入所述射频功放。
步骤C所述“主路信号通过一个分数阶全通延时滤波器(1/8样点率步进)以调整信号延时”还包括如下步骤:
首先构造一个全通分数阶滤波器,既能完成分数阶延时又不会影响到信号的频域特性。Sinc函数:sinc(x)=sin(x)/(x)在频域体现为砖墙响应,可作为全通滤波器原型首先利用MATLAB软件在时域对滤波器原型进行8倍插值,再使用不同的时域延时抽取下来,得到8组不同的系数。其时域脉冲响应(8个相位偏置)如图3所示,其频域响应如图4所示,可见频域还是保持全通特性。系数如下表所示:
将主路信号分别通过8个所述的分数阶全通延时滤波器,就能得到8种分数阶延时的信号,延时差值为1/8采样间隔,再通过对所述8种分数阶延时的信号和反馈路信号的复数相关求得整数延时,求得到1/8采样精度的最佳延时估计。
步骤E中所述“根据两路信号构建代价函数偏导矩阵”,包括实施如下步骤:
构建功放的非线性记忆效应模型如下:
其中n是非线性阶数,m是记忆效应阶数,nl是最大的非线性阶数,me是最大记忆效应深度,ys(i)是输出信号,x(i)是输入信号,anm是模型系数。
构建代价函数表征输出信号和预期信号之间的矢量(信号是复数)差的幅
值总和
其中i是样点序号,N是本次采样的总的样点数,y(i)是预期信号。
对代价函数求对系数的偏导,经化简得:
结合式(1)、(2)和(3)构建代价函数矩阵:
是一个nm*1的行向量,因此代价函数矩阵是一个nl*me的方阵。求解这个方阵便可以得到功放模型的系数anm。
本实施例中是利用反函数验证求解值的可靠性:
误差验证是算法的最重要的部分之一,直接决定着算法的稳健性以及实际使用是否
否可靠。功放的特性主要由本身的物理特性决定,但也和环境温度,偏置变化,以及输入信号大小,统计特性密切相关。因此在实际应用时,DPD算法需要自适应的闭环算法不断修正模型系数以达到最好的效果,基于梯度的LMS算法,虽然简单易实现,但对收敛异常无法控制,算法受输入信号数值统计特性影响较大,若出现系数异常,无法即使恢复,且因为系数一直在应用变化,可能造成畸变信号发射出去,影响设备使用性能。
本实施例中,利用函数和反函数的特性巧妙的设计了一种验证方法,在不影响现有系数工作的前提下,不断验证新采样数据计算出的模型误差的大小,已决定是否应用新的系数,这样系统系数更新完全可控,且不受输入数值统计特性的影响,算法的可靠性大大提高。
具体实现原理如下:
如图5所示是一个基本的预失真器的基本框图:
图5中预失真器的特性和功放特性构成一对函数-反函数,这对函数的互逆特性越接近,输入信号x和功放输出信号yf才会无限逼近,系统的性能才会越好。
步骤G中所述“通过反函数求解当前解的实际误差”包括实施如下步骤:
G1.将预失真器的初始系数是设置为增益为1的线性放大器,所以yo=x;
G2.构造一个关于输入yf,输出yo的代价函数矩阵,求解矩阵得第一组模型系数即得到预失真器特型f-1(),使得yo=f-1(yf),可以看出,现在得到的模型实际是功放模型的反函数f-1()。
G3.使用这个模型计算预失真器输出yonew=f-1(x);计算yonew、yf的矢量误差和,若小于设定门限值则认为此组解是有效的,将此组系数应用到预失真器中,并将该矢量误差和记录下来。
G4.采样一组新的样点,构造关于输入yf、输出yo的代价函数矩阵,求解矩阵得到新的模型系数;
G5.使用步骤G中新的模型系数计算预失真器输出yonew=f-1(x);计算yonew、yo的矢量误差和,若小于上一次的矢量误差和认为此组解是有效的,将此组系数应用到预失真器中,并将这次的矢量误差和记录下来。
G6.重复步骤G4。
Claims (6)
1.一种基于复数域矩阵数值求解自适应误差验证的数字预失真的方法,其特征在于:
构建一种基于复数域矩阵数值求解自适应误差验证的数字预失真系统,接入射频功放,所述数字预失真系统包括模拟域电路和数字域电路,实施如下步骤:
A.将输入的射频信号接入模拟域电路,经放大和电平控制后,将输入的射频信号变为符合带通采样定理的中频信号,所述中频信号经过采样后变为数字信号作为主路信号进入数字域电路;从所述射频功放输出耦合的反馈信号也接入模拟域电路,经放大和电平控制后,变为符合带通采样定理的中频信号,经过采样后变为数字信号进入数字域电路;
B.步骤A中所述的两路数字信号进入数字域电路经滤波和降采样后,变换到一个处理器可以承载的样点率上;
C.经滤波和降采样后的主路信号通过一个分数阶全通延时滤波器以调整信号延时;
D.对分数延时后的主路信号与反馈路信号做复数域相关得到对齐整数倍延时;调整主路信号延时使得主路信号和反馈路信号严格对齐;
E.根据所述对齐整数倍延时的两路信号构建代价函数偏导矩阵;
F.通过正交阵分解QR的方法对复矩阵进行数值求解,得到功放模型系数;
G.通过反函数求解当前解的实际误差,确定当前解是否可用;若当前解不可用时丢弃该解;将可用的功放模型系数应用到预失真模型中;
H.将预失真模型输出的数字信号转换为模拟信号输入所述射频功率放大器。
2.按照权利要求1所述的基于复数域矩阵数值求解自适应误差验证的数字预失真的方法,其特征在于:
步骤B中所述的样点率包括92.16Mbps。
3.按照权利要求1所述的基于复数域矩阵数值求解自适应误差验证的数字预失真的方法,,其特征在于:
步骤C所述”主路信号通过一个分数阶全通延时滤波器”是1/8样点率步进,确保信号在做延时估计时能精确到1/8样点率的精度。
4.按照权利要求1所述的基于复数域矩阵数值求解自适应误差验证的数字预失真的方法,其特征在于:
步骤C所述“经滤波和降采样后的主路信号通过一个分数阶全通延时滤波器以调整信号延时”还包括:
首先构造一个能完成分数阶延时又不会影响到信号的频域特性的全通分数阶滤波器,Sinc函数:sinc(x)=sin(x)/(x)作为全通滤波器原型,利用MATLAB软件在时域对滤波器原型进行8倍插值,使用不同的时域延时抽取下来,得到8组不同的系数;
将主路信号分别通过8个所述的分数阶全通延时滤波器,就能得到8种分数阶延时的信号,延时差值为1/8采样间隔,再通过对所述8种分数阶延时的信号和反馈路信号的复数相关求得整数延时,求得到1/8采样精度的最佳延时估计。
5.按照权利要求1所述的基于复数域矩阵数值求解自适应误差验证的数字预失真的方法,其特征在于:
步骤E中所述“根据两路信号构建代价函数偏导矩阵”,包括实施如下步骤:
构建功放的非线性记忆效应模型如下:
<mrow>
<msub>
<mi>y</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>n</mi>
<mi>l</mi>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>m</mi>
<mi>e</mi>
</mrow>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
<mi>x</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>n</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中n是非线性阶数,m是记忆效应阶数,nl是最大的非线性阶数,me是最大记忆效应深度,ys(i)是输出信号,x(i)是输入信号,anm是模型系数;
构建代价函数表征输出信号和预期信号之间的矢量(信号是复数)差的幅值总和
<mrow>
<mi>&phi;</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>y</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>s</mi>
</msub>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>-</mo>
<mi>y</mi>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>s</mi>
</msub>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>-</mo>
<mi>y</mi>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>*</mo>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中i是样点序号,N是本次采样的总的样点数,y(i)是预期信号。对代价函数求对系数的偏导,经化简得:
结合式(1)、(2)和(3)构建代价函数矩阵:
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>&phi;</mi>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>a</mi>
<mn>11</mn>
</msub>
</mrow>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>&phi;</mi>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>a</mi>
<mn>12</mn>
</msub>
</mrow>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>&phi;</mi>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>a</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>&phi;</mi>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>a</mi>
<mn>21</mn>
</msub>
</mrow>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>&phi;</mi>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>a</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>&phi;</mi>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mtd>
</mtr>
</mtable>
</mfenced>
是一个nm*1的行向量,因此代价函数矩阵是一个nl*me的方阵;求解这个方阵便可以得到功放模型的系数anm。
6.按照权利要求1所述的基于复数域矩阵数值求解自适应误差验证的数字预失真的方法,其特征在于:
步骤G中所述“通过反函数求解当前解的实际误差”包括实施如下步骤:
G1.将预失真器的初始系数是设置为增益为1的线性放大器,所以yo=x;
G2.构造一个关于输入yf、输出yo的代价函数矩阵,求解矩阵得第一组模型系数即得到预失真器特型f-1(),使得yo=f-1(yf),得到的模型实际是功放模型的反函数f-1();
G3.使用所述模型计算预失真器输出yonew=f-1(x);计算yonew与yf的矢量误差和,若小于设定门限值则认为此组解是有效的,将此组系数应用到预失真器中,并将该矢量误差和记录下来。
G4.采样一组新的样点,构造关于输入yf、输出yo的代价函数矩阵,求解矩阵得到新的模型系数;
G5.使用步骤G中新的模型系数计算预失真器输出yonew=f-1(x);计算yonew、yo的矢量误差和,若小于上一次的矢量误差和认为此组解是有效的,将此组系数应用到预失真器中,并将这次的矢量误差和记录下来;
G6.重复步骤G4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610727709.0A CN107124141B (zh) | 2016-08-26 | 2016-08-26 | 基于复数域矩阵数值求解自适应误差验证的数字预失真的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610727709.0A CN107124141B (zh) | 2016-08-26 | 2016-08-26 | 基于复数域矩阵数值求解自适应误差验证的数字预失真的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107124141A true CN107124141A (zh) | 2017-09-01 |
CN107124141B CN107124141B (zh) | 2020-06-12 |
Family
ID=59717733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610727709.0A Active CN107124141B (zh) | 2016-08-26 | 2016-08-26 | 基于复数域矩阵数值求解自适应误差验证的数字预失真的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107124141B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108417207A (zh) * | 2018-01-19 | 2018-08-17 | 苏州思必驰信息科技有限公司 | 一种深度混合生成网络自适应方法及系统 |
CN110034735A (zh) * | 2018-01-11 | 2019-07-19 | 亚德诺半导体无限责任公司 | 频率整形的数字预失真 |
CN110943701A (zh) * | 2019-12-27 | 2020-03-31 | 陕西亚成微电子股份有限公司 | 一种用于包络追踪功放的数字预失真方法和设备 |
CN115278746A (zh) * | 2022-07-28 | 2022-11-01 | 北京邮电大学 | 面向5g宽带功放的自适应快速误差修正数字预失真方法 |
CN116436539A (zh) * | 2023-06-15 | 2023-07-14 | 中星联华科技(北京)有限公司 | 放大器非线性校准装置及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175061A (zh) * | 2007-11-30 | 2008-05-07 | 北京北方烽火科技有限公司 | 一种ofdm发射机的自适应数字预失真方法和装置 |
EP2157692A2 (en) * | 2002-12-10 | 2010-02-24 | NTT DoCoMo, Inc. | Linear power amplifier |
CN105656434A (zh) * | 2015-12-31 | 2016-06-08 | 东南大学 | 基于修改分段线性函数的功放数字预失真装置及方法 |
-
2016
- 2016-08-26 CN CN201610727709.0A patent/CN107124141B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2157692A2 (en) * | 2002-12-10 | 2010-02-24 | NTT DoCoMo, Inc. | Linear power amplifier |
CN101175061A (zh) * | 2007-11-30 | 2008-05-07 | 北京北方烽火科技有限公司 | 一种ofdm发射机的自适应数字预失真方法和装置 |
CN105656434A (zh) * | 2015-12-31 | 2016-06-08 | 东南大学 | 基于修改分段线性函数的功放数字预失真装置及方法 |
Non-Patent Citations (1)
Title |
---|
曲昀等: "双分支Hammerstein-Wiener射频功放行为建模及预失真", 《微电子学》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110034735A (zh) * | 2018-01-11 | 2019-07-19 | 亚德诺半导体无限责任公司 | 频率整形的数字预失真 |
CN110034735B (zh) * | 2018-01-11 | 2023-05-30 | 亚德诺半导体国际无限责任公司 | 频率整形的数字预失真 |
CN108417207A (zh) * | 2018-01-19 | 2018-08-17 | 苏州思必驰信息科技有限公司 | 一种深度混合生成网络自适应方法及系统 |
CN110943701A (zh) * | 2019-12-27 | 2020-03-31 | 陕西亚成微电子股份有限公司 | 一种用于包络追踪功放的数字预失真方法和设备 |
CN115278746A (zh) * | 2022-07-28 | 2022-11-01 | 北京邮电大学 | 面向5g宽带功放的自适应快速误差修正数字预失真方法 |
CN116436539A (zh) * | 2023-06-15 | 2023-07-14 | 中星联华科技(北京)有限公司 | 放大器非线性校准装置及方法 |
CN116436539B (zh) * | 2023-06-15 | 2023-10-03 | 中星联华科技(北京)有限公司 | 放大器非线性校准装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107124141B (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107124141A (zh) | 基于复数域矩阵数值求解自适应误差验证的数字预失真的方法 | |
US11129076B2 (en) | Method and system for baseband predistortion linearization in multi-channel wideband communication systems | |
US20190348956A1 (en) | Digital compensator for a non-linear system | |
US8610500B2 (en) | Orthogonal basis function set for digital predistorter | |
CN100571023C (zh) | 一种宽带线性化功率放大器的自适应预失真方法及系统 | |
CN102893399B (zh) | 预失真校正方法、预失真校正装置、发射机及基站 | |
CN101175061B (zh) | 一种ofdm发射机的自适应数字预失真方法和装置 | |
CN102006013B (zh) | 幂级数型数字预失真器和其失真补偿控制方法 | |
CN102437822B (zh) | 一种射频功率放大器自适应数字预失真线性化系统 | |
CN100594669C (zh) | 基于模糊神经网络的哈默斯坦模型的功放预失真方法 | |
EP2641324A1 (en) | Joint process estimator with variable tap delay line for use in power amplifier digital predistortion | |
CN107359864B (zh) | 频率捷变功率放大器的自适应捷变数字预失真方法 | |
CN103618684B (zh) | 一种估计dpd系数的方法及装置 | |
CN102970261A (zh) | 一种提高数字预失真处理速度的方法 | |
Anttila et al. | Recursive learning-based joint digital predistorter for power amplifier and I/Q modulator impairments | |
CN201409180Y (zh) | 一种数字电视发射机自适应基带线性化装置 | |
CN105680919B (zh) | 可补偿iq非平衡效应的交叉式mimo系统预失真方法 | |
CN114726703B (zh) | 一种功率注入型多路自适应数字预失真算法及系统 | |
Landin et al. | Two novel memory polynomial models for modeling of RF power amplifiers | |
CN105720931A (zh) | 一种自适应前馈预失真系统及方法 | |
Fan et al. | Joint IQ imbalance and PA nonlinearity pre-distortion for highly integrated millimeter-wave transmitters | |
Kang et al. | An efficient adaptive predistorter for nonlinear high power amplifier in satellite communication | |
Huang et al. | RLS-DPD algorithm for hybrid precoding architecture in MIMO-OFDM systems | |
Zhang et al. | A Loop Delay Estimation Algorithm Based on Sliding Window in Digital Predistortion Systems | |
Hekkala et al. | Compensation of linear and nonlinear distortions in envelope tracking amplifier |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |