CN108063739A - 宽带数字通信系统发射端功放自适应数字预失真方法 - Google Patents
宽带数字通信系统发射端功放自适应数字预失真方法 Download PDFInfo
- Publication number
- CN108063739A CN108063739A CN201711344237.1A CN201711344237A CN108063739A CN 108063739 A CN108063739 A CN 108063739A CN 201711344237 A CN201711344237 A CN 201711344237A CN 108063739 A CN108063739 A CN 108063739A
- Authority
- CN
- China
- Prior art keywords
- mrow
- digital
- power amplifier
- msub
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/38—Synchronous or start-stop systems, e.g. for Baudot code
- H04L25/40—Transmitting circuits; Receiving circuits
- H04L25/49—Transmitting circuits; Receiving circuits using code conversion at the transmitter; using predistortion; using insertion of idle bits for obtaining a desired frequency spectrum; using three or more amplitude levels ; Baseband coding techniques specific to data transmission systems
-
- 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
本发明涉及一种宽带数字通信系统发射端功放自适应数字预失真方法，基于混合预失真结构，同时具有直接学习结构和间接学习结构的特点，能够有效提高数字预失真器补偿功放的非线性性能，并能够同时满足初始收敛阶段时步长较大、收敛速度快的特点；以及能够在稳态后，满足步长缓慢减小、计算复杂度小，易实时实现、抗噪性能好等特点。
Description
技术领域
本发明涉及一种宽带数字通信系统发射端功放自适应数字预失真方法，属于数字通信技术领域。
背景技术
功放是发射机系统的重要组成器件，其作用是对输入信号进行放大，以确保发射信号能够达到所需要的发射功率。由于功放的非线性作用，信号经过功放产生带内及带外失真，造成误码率升高，并对相邻信道产生干扰，从而降低通信系统的性能，这就要求必须采用具有高线性度的功放，来减小对通信系统性能的影响。然而，功放的线性度和效率是一对矛盾。
在保证信号不失真的前提下提高功放的效率，提出了许多功放线性化方法，常用的功放线性化技术有功率回退技术、前馈技术、负反馈技术、非线性器件线性化技术、包络分离和恢复技术、预失真技术等。然而，这些线性化技术仍然不能彻底解决功放的效率与线性度之间的矛盾，但是自适应数字预失真(Digital Pre-Distortion，DPD)技术在目前功放线性化技术中最有发展潜力。
目前，自适应数字预失真技术广泛采用间接学习结构，而在实际中从发射端耦合到间接学习结构的数字预失真训练网络模块的功放输出信号受到加性噪声、ADC量化噪声等的影响，这些噪声将降低数字预失真器补偿功放非线性的性能。另外，目前对LMS算法进行了不同的改进，但仍不能同时满足初始收敛阶段时步长较大，收敛速度快；稳态后，步长缓慢减小；计算复杂度小，易实时实现；抗噪性能好等特点。
发明内容
本发明所要解决的技术问题是提供一种同时具有直接学习结构和间接学习结构特点，能够有效提高功放线性化工作效率的宽带数字通信系统发射端功放自适应数字预失真方法。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种宽带数字通信系统发射端功放自适应数字预失真方法，基于混合预失真结构，针对宽带数字通信系统发射端功放模型实现自适应数字预失真方法；其中，混合预失真结构包括数字预失真器、功放模型、数字预失真训练网络、第一自适应算法模块和第二自适应算法模块；由数字预失真器、功放模型、数字预失真训练网络、第一自适应算法模块依次连接，构成间接学习结构支路；由数字预失真器、功放模型、第二自适应算法模块依次连接，构成直接学习结构支路；所述自适应数字预失真方法包括如下步骤：
步骤A.初始化数字预失真器的权系数并预设学习结构切换阈值e0，然后进入步骤B；
步骤B.控制间接学习结构支路工作，由间接学习结构支路接收输入信号序列x(n)，并首先输送至数字预失真器进行处理，获得序列信号z(n)，然后经功放模型处理，获得采用信号y(n)，并进入步骤C；
步骤C.针对采用信号y(n)进行耦合处理，并衰减预设倍数后，获得信号序列u(n)，然后将u(n)发送至数字预失真训练网络中进行处理，获得输出信号序列并进入步骤D；
步骤D.根据获得绝对误差信号|e1(n)|，并经第一自适应算法模块进行处理，然后进入步骤E；
步骤E.判断绝对误差信号|e1(n)|是否大于学习结构切换阈值e0，是则返回步骤B；否则切换直接学习结构支路工作，同时获得数字预失真训练网络权系数w0，并将w0赋给数字预失真器，更新数字预失真器的权系数为w0，然后进入步骤F；
步骤F.由直接学习结构支路中的数字预失真器接收、并针对信号序列u(n)，按z(n)＝w0 Hu(n)进行处理，获得更新序列信号z(n)，然后进入步骤G；其中，w0 H为w0的复共轭转置；
步骤G.针对数字预失真器所输出的序列信号z(n)，经功放模型处理，获得采样信号，并针对该采样信号进行尺度变换，获得序列信号v(n)，然后进入步骤H；
步骤H.根据e2(n)＝x(n)-v(n)，获得绝对误差信号|e2(n)|，并经第二自适应算法模块进行处理，然后进入步骤I；
步骤I.判断绝对误差信号|e2(n)|是否大于0，是则返回步骤F；否则收敛，获得数字预失真器所对应的全局最优权系数实现自适应数字预失真控制。
作为本发明的一种优选技术方案：所述功放模型为S-GMP模型，若输入信号为x，则S-GMP模型的输出信号yS-GMP为：
式中，N1，N2和N3分别为MP项，CIME项和MICE项的非线性阶数；M1，M2和M3分别为MP项，CIME项和MICE项的记忆深度；akm，bkm和ckm分别为MP项，CIME项和MICE项的系数。
作为本发明的一种优选技术方案：所述第一自适应算法模块为RLS自适应算法模块，计算公式如下：
设z(n)为n时刻数字预失真器的输出信号，为数字预失真训练网络所输出的序列信号，w(n)为数字预失真器的权系数，u(n)为输入数字预失真训练网络的序列信号，e1(n)为绝对误差信号，则RLS自适应算法如下公式所示：
e2(n)＝x(n)-v(n)
π(n)＝P(n-1)u(n)k(n)＝π(n)/(λ+uH(n)π(n))
P(n)＝λ-1P(n-1)-λ-1k(n)uH(n)P(n-1)
式中，P(n)为预失真器最佳相位系数向量，π(n)为预失真器最佳幅度系数向量，k(n)为增益向量，uH(n)是u(n)的复共轭转置，e*(n)为e(n)复共轭，λ为预设遗忘因子，0＜λ＜1。
作为本发明的一种优选技术方案，所述第二自适应算法模块为LNCVSS-LMS算法，计算公式如下：
x(n)为宽带数字通信系统发射端的输入信号序列；v(n)为针对数字预失真器所输出序列信号z(n)，经功放模型处理，获得采样信号，并针对该采样信号进行尺度变换，获得的序列信号；w(n)为数字预失真器的权系数；e2(n)为绝对误差信号，则LNCVSS-LMS算法如下公式所示：
e2(n)＝x(n)-v(n)
μ(n+1)＝αμ(n)+β|e(n)|·|(|e(n)|-|e(n-1)|)|
w(n+1)＝w(n)+μ(n)e*(n)u(n)
式中，e*(n)为e(n)复共轭，μ为迭代步长，α、β为预设参数。
作为本发明的一种优选技术方案：所述步骤C中，将u(n)发送至数字预失真训练网络中进行处理，按获得输出信号序列其中，w(n)H是w(n)的复共轭转置。
作为本发明的一种优选技术方案：所述预设学习结构切换阈值e0＝0.005。
本发明所述一种宽带数字通信系统发射端功放自适应数字预失真方法的应用系统，采用以上技术方案与现有技术相比，具有以下技术效果：本发明所设计宽带数字通信系统发射端功放自适应数字预失真方法，基于混合预失真结构，同时具有直接学习结构和间接学习结构的特点，能够有效提高数字预失真器补偿功放的非线性性能，并能够同时满足初始收敛阶段时步长较大、收敛速度快的特点；以及能够在稳态后，满足步长缓慢减小、计算复杂度小，易实时实现、抗噪性能好等特点。
附图说明
图1是本发明宽带数字通信系统发射端功放自适应数字预失真方法的应用模型图；
图2是本发明宽带数字通信系统发射端功放自适应数字预失真方法的应用算法流程图；
图3是本发明实施例的AM/AM图；
图4是本发明实施例的AM/PM图；
图5至图8是本发明实施例星座图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种宽带数字通信系统发射端功放自适应数字预失真方法，实际应用当中，基于混合预失真结构，针对宽带数字通信系统发射端功放模型实现自适应数字预失真方法；如图1所示，混合预失真结构包括数字预失真器、功放模型、数字预失真训练网络、第一自适应算法模块和第二自适应算法模块；由数字预失真器、功放模型、数字预失真训练网络、第一自适应算法模块依次连接，构成间接学习结构支路；由数字预失真器、功放模型、第二自适应算法模块依次连接，构成直接学习结构支路。
所述直接学习结构是数字预失真器的输出经过非线性放大后，与期望得到的信号进行比较，用所求得的误差对数字预失真器的参数进行调整。
所述间接学习结构是在功放之后级联一个数字预失真训练网络，通过数字预失真训练网络的输入与误差，自适应调整数字预失真训练网络的参数，使其特性与功放相反，最后将调整后的参数复制给数字预失真器。
所述数字预失真技术是在功放前插入预失真器，其中预失真器具有与功放非线性相反的特性，让输入信号先经过预失真处理后再通过功放，实现信号输入输出在整体上呈线性关系，从而达到补偿功放非线性的效果；采用记忆多项式模型，其数学表达式参见如下公式：
公式中，K为非线性阶数，Q为记忆深度，Ckq是数字预失真器系数。
如图1所示混合预失真结构中，基于学习结构切换阈值e0，让直接学习结构和间接学习结构自适应切换，系统的输入信号序列x(n)经过数字预失真器处理后的输出信号为z(n)，然后z(n)作为功放的输入信号，通过功放后输出的采样信号为y(n)。设功放增益为G，在间接学习结构下，则功放输出信号通过耦合器并且衰减G倍后得到的反馈信号v(n)经ADC后输入到数字预失真训练网络的u(n)利用第一自适应算法模块对数字预失真器的参数进行快速粗略估计。当第一自适应算法收敛到给定判别门限|e1(n)|的值，然后在直接学习结构下，功放输出信号通过耦合器并且衰减G倍后得到的反馈信号v(n)利用第二自适应算法模块对数字预失真器的参数进行更进一步辨识，使其更接近最佳值。
实际应用中，如图2所示，所述自适应数字预失真方法包括如下步骤，其中，实线为间接学习结构支路；虚线为直接学习结构支路。
步骤A.初始化数字预失真器的权系数并预设学习结构切换阈值e0，然后进入步骤B；实际应用中，设定e0＝0.005。
步骤B.控制间接学习结构支路工作，由间接学习结构支路接收输入信号序列x(n)，并首先输送至数字预失真器进行处理，获得序列信号z(n)，然后经功放模型处理，获得采用信号y(n)，并进入步骤C。
上述功放模型是在记忆多项式模型(Memory Polynomial，MP)的基础上，增加了记忆时刻包络对当前输入信号的影响项(Current input Impact by the Memory Envelope，CIME)和当前时刻输入信号包络对记忆时刻的影响项(Memory time Influence by theCurrent Envelope，MICE)一起构成功放模型，这样充分考虑了输入信号间的交调影响，不仅降低了模型的复杂度，而且可以很好的来模拟功放的非线性和强记忆效应，提出了S-GMP(Simple General Memory Polynomial，S-GMP)模型；若输入信号为x，则S-GMP模型的输出信号yS-GMP为：
式中，N1，N2和N3分别为MP项，CIME项和MICE项的非线性阶数；M1，M2和M3分别为MP项，CIME项和MICE项的记忆深度；akm，bkm和ckm分别为MP项，CIME项和MICE项的系数。
信号通过非线性功放，三阶交调分量接近主信号，为干扰信号，不能用滤波器滤除，而其余阶数交调分量比三阶交调小得多。因此，只考虑记忆时刻间的三阶交调项。
步骤C.针对采用信号y(n)进行耦合处理，并衰减预设倍数后，获得信号序列u(n)，然后将u(n)发送至数字预失真训练网络中进行处理，获得输出信号序列并进入步骤D。
步骤D.根据获得绝对误差信号|e1(n)|，并经第一自适应算法模块进行处理，然后进入步骤E。
这里，由于所述混合预失真结构首先是对数字预失真器参数粗略估计，不需要很精确，而RLS自适应算法收敛较快，因此，选择RLS自适应算法模块作为为第一自适应算法模块，进行数字预失真训练网络权系数w0粗提取，计算公式如下：
设z(n)为n时刻数字预失真器的输出信号，为数字预失真训练网络所输出的序列信号，w(n)为数字预失真器的权系数，u(n)为输入数字预失真训练网络的序列信号，e1(n)为绝对误差信号，则RLS自适应算法如下公式所示：
e2(n)＝x(n)-v(n)
π(n)＝P(n-1)u(n)k(n)＝π(n)/(λ+uH(n)π(n))
P(n)＝λ-1P(n-1)-λ-1k(n)uH(n)P(n-1)
式中，P(n)为预失真器最佳相位系数向量，π(n)为预失真器最佳幅度系数向量，k(n)为增益向量，uH(n)是u(n)的复共轭转置，e*(n)为e(n)复共轭，λ为预设遗忘因子，0＜λ＜1。
步骤E.判断绝对误差信号|e1(n)|是否大于学习结构切换阈值e0，是则返回步骤B；否则切换直接学习结构支路工作，同时获得数字预失真训练网络权系数w0，并将w0赋给数字预失真器，更新数字预失真器的权系数为w0，然后进入步骤F。
步骤F.由直接学习结构支路中的数字预失真器接收、并针对信号序列u(n)，按z(n)＝w0 Hu(n)进行处理，获得更新序列信号z(n)，然后进入步骤G；其中，w0 H为w0的复共轭转置。
步骤G.针对数字预失真器所输出的序列信号z(n)，经功放模型处理，获得采样信号，并针对该采样信号进行尺度变换，获得序列信号v(n)，然后进入步骤H。此功放模型同样为S-GMP模型。
步骤H.根据e2(n)＝x(n)-v(n)，获得绝对误差信号|e2(n)|，并经第二自适应算法模块进行处理，然后进入步骤I。
这里第二自适应算法模块为LNCVSS-LMS算法，进一步提取数字预失真器所对应的全局最优权系数计算公式如下：
x(n)为宽带数字通信系统发射端的输入信号序列；v(n)为针对数字预失真器所输出序列信号z(n)，经功放模型处理，获得采样信号，并针对该采样信号进行尺度变换，获得的序列信号；w(n)为数字预失真器的权系数；e2(n)为绝对误差信号，则LNCVSS-LMS算法如下公式所示：
e2(n)＝x(n)-v(n)
μ(n+1)＝αμ(n)+β|e(n)|·|(|e(n)|-|e(n-1)|)|
w(n+1)＝w(n)+μ(n)e*(n)u(n)
式中，e*(n)为e(n)复共轭，μ为迭代步长，α、β为预设参数。
作为本发明的一种优选技术方案：所述步骤C中，将u(n)发送至数字预失真训练网络中进行处理，按获得输出信号序列其中，w(n)H是w(n)的复共轭转置。
步骤I.判断绝对误差信号|e2(n)|是否大于0，是则返回步骤F；否则收敛，获得数字预失真器所对应的全局最优权系数实现自适应数字预失真控制。
将上述所设计宽带数字通信系统发射端功放自适应数字预失真方法，应用到实际当中，如图3所示，采用本发明所述方法得到的AM/AM图，AM/AM特性曲线表示的是输入信号幅度与输出信号幅度之间的转化关系，导致输出信号的幅度发生失真现象。从图中可知，未进行预失真处理的AM/AM图整体发散，每一个输入信号的AM对于若干输出信号的AM值，输出信号存在很明显的非线性失真；而经过本方法采用数字预失真预处理后的AM/AM特性曲线是一条很清晰的直线，功放的非线性明显得到了改善。因此，输入信号经过本方法采用数字预失真预处理后再通过功放后线性效果明显增强。
如图4所示，采用本发明所述方法得到的AM/PM图，AM/PM特性曲线表示的是输入信号幅度与输出信号相位之间的转化关系，导致输出信号的相位发生失真现象。从图中可知，经过本方法采用数字预失真预处理后的AM/PM图是一条很清晰的直线，功放的非线性和记忆效应明显得到了改善。
图5至图8是本发明具体实施例，采用本发明所述方法得到的星座图，其中图5为原始输入信号的星座图；图6为信号没有经数字预失真器处理情况下功放输出信号直接解调的星座图；图7为信号经间接学习结构数字预失真处理后经功放输出的信号解调得到的星座图；图8为信号经过本方法采用数字预失真预处理后再通过功放输出的星座图。
本发明所设计宽带数字通信系统发射端功放自适应数字预失真方法，基于混合预失真结构，同时具有直接学习结构和间接学习结构的特点，能够有效提高数字预失真器补偿功放的非线性性能，并能够同时满足初始收敛阶段时步长较大、收敛速度快的特点；以及能够在稳态后，满足步长缓慢减小、计算复杂度小，易实时实现、抗噪性能好等特点。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变动。
Claims (6)
1.一种宽带数字通信系统发射端功放自适应数字预失真方法，其特征在于：基于混合预失真结构，针对宽带数字通信系统发射端功放模型实现自适应数字预失真方法；其中，混合预失真结构包括数字预失真器、功放模型、数字预失真训练网络、第一自适应算法模块和第二自适应算法模块；由数字预失真器、功放模型、数字预失真训练网络、第一自适应算法模块依次连接，构成间接学习结构支路；由数字预失真器、功放模型、第二自适应算法模块依次连接，构成直接学习结构支路；所述自适应数字预失真方法包括如下步骤：
步骤A.初始化数字预失真器的权系数并预设学习结构切换阈值e0，然后进入步骤B；
步骤B.控制间接学习结构支路工作，由间接学习结构支路接收输入信号序列x(n)，并首先输送至数字预失真器进行处理，获得序列信号z(n)，然后经功放模型处理，获得采用信号y(n)，并进入步骤C；
步骤C.针对采用信号y(n)进行耦合处理，并衰减预设倍数后，获得信号序列u(n)，然后将u(n)发送至数字预失真训练网络中进行处理，获得输出信号序列并进入步骤D；
步骤D.根据获得绝对误差信号|e1(n)|，并经第一自适应算法模块进行处理，然后进入步骤E；
步骤E.判断绝对误差信号|e1(n)|是否大于学习结构切换阈值e0，是则返回步骤B；否则切换直接学习结构支路工作，同时获得数字预失真训练网络权系数w0，并将w0赋给数字预失真器，更新数字预失真器的权系数为w0，然后进入步骤F；
步骤F.由直接学习结构支路中的数字预失真器接收、并针对信号序列u(n)，按z(n)＝w0 Hu(n)进行处理，获得更新序列信号z(n)，然后进入步骤G；其中，w0 H为w0的复共轭转置；
步骤G.针对数字预失真器所输出的序列信号z(n)，经功放模型处理，获得采样信号，并针对该采样信号进行尺度变换，获得序列信号v(n)，然后进入步骤H；
步骤H.根据e2(n)＝x(n)-v(n)，获得绝对误差信号|e2(n)|，并经第二自适应算法模块进行处理，然后进入步骤I；
步骤I.判断绝对误差信号|e2(n)|是否大于0，是则返回步骤F；否则收敛，获得数字预失真器所对应的全局最优权系数实现自适应数字预失真控制。
2.根据权利要求1所述的宽带数字通信系统发射端功放自适应数字预失真方法，其特征在于：所述功放模型为S-GMP模型，若输入信号为x，则S-GMP模型的输出信号yS-GMP为：
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>S</mi>
<mo>-</mo>
<mi>G</mi>
<mi>M</mi>
<mi>P</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<msub>
<mi>M</mi>
<mn>1</mn>
</msub>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<mi>k</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>|</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msup>
<mrow>
<mo>|</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<msub>
<mi>N</mi>
<mn>2</mn>
</msub>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<msub>
<mi>M</mi>
<mn>2</mn>
</msub>
</munderover>
<msub>
<mi>b</mi>
<mrow>
<mi>k</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>|</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msup>
<mrow>
<mo>|</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<msub>
<mi>N</mi>
<mn>3</mn>
</msub>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<msub>
<mi>M</mi>
<mn>3</mn>
</msub>
</munderover>
<msub>
<mi>c</mi>
<mrow>
<mi>k</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>|</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msup>
<mrow>
<mo>|</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
式中，N1，N2和N3分别为MP项，CIME项和MICE项的非线性阶数；M1，M2和M3分别为MP项，CIME项和MICE项的记忆深度；akm，bkm和ckm分别为MP项，CIME项和MICE项的系数。
3.根据权利要求1所述的宽带数字通信系统发射端功放自适应数字预失真方法，其特征在于，所述第一自适应算法模块为RLS自适应算法模块，计算公式如下：
设z(n)为n时刻数字预失真器的输出信号，为数字预失真训练网络所输出的序列信号，w(n)为数字预失真器的权系数，u(n)为输入数字预失真训练网络的序列信号，e1(n)为绝对误差信号，则RLS自适应算法如下公式所示：
<mrow>
<msub>
<mi>e</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>z</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mover>
<mi>z</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
e2(n)＝x(n)-v(n)
π(n)＝P(n-1)u(n)k(n)＝π(n)/(λ+uH(n)π(n))
<mrow>
<mover>
<mi>w</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mover>
<mi>w</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mo>*</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
P(n)＝λ-1P(n-1)-λ-1k(n)uH(n)P(n-1)
式中，P(n)为预失真器最佳相位系数向量，π(n)为预失真器最佳幅度系数向量，k(n)为增益向量，uH(n)是u(n)的复共轭转置，e*(n)为e(n)复共轭，λ为预设遗忘因子，0＜λ＜1。
4.根据权利要求1所述的宽带数字通信系统发射端功放自适应数字预失真方法，其特征在于，所述第二自适应算法模块为LNCVSS-LMS算法，计算公式如下：
x(n)为宽带数字通信系统发射端的输入信号序列；v(n)为针对数字预失真器所输出序列信号z(n)，经功放模型处理，获得采样信号，并针对该采样信号进行尺度变换，获得的序列信号；w(n)为数字预失真器的权系数；e2(n)为绝对误差信号，则LNCVSS-LMS算法如下公式所示：
e2(n)＝x(n)-v(n)
μ(n+1)＝αμ(n)+β|e(n)|·|(|e(n)|-|e(n-1)|)|
w(n+1)＝w(n)+μ(n)e*(n)u(n)
式中，e*(n)为e(n)复共轭，μ为迭代步长，α、β为预设参数。
5.根据权利要求1所述的宽带数字通信系统发射端功放自适应数字预失真方法，其特征在于，所述步骤C中，将u(n)发送至数字预失真训练网络中进行处理，按获得输出信号序列其中，w(n)H是w(n)的复共轭转置。
6.根据权利要求1所述的宽带数字通信系统发射端功放自适应数字预失真方法，其特征在于，所述预设学习结构切换阈值e0＝0.005。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711344237.1A CN108063739A (zh) | 2017-12-15 | 2017-12-15 | 宽带数字通信系统发射端功放自适应数字预失真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711344237.1A CN108063739A (zh) | 2017-12-15 | 2017-12-15 | 宽带数字通信系统发射端功放自适应数字预失真方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108063739A true CN108063739A (zh) | 2018-05-22 |
Family
ID=62138922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711344237.1A Pending CN108063739A (zh) | 2017-12-15 | 2017-12-15 | 宽带数字通信系统发射端功放自适应数字预失真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108063739A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111082757A (zh) * | 2019-12-27 | 2020-04-28 | 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 |
| CN112859611A (zh) * | 2021-01-19 | 2021-05-28 | 重庆邮电大学 | 一种自适应预失真系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080152037A1 (en) * | 2006-12-26 | 2008-06-26 | Dali System Co., Ltd. | Method and System for Baseband Predistortion Linearization in Multi-Channel Wideband Communication Systems |
| CN101520666A (zh) * | 2009-04-10 | 2009-09-02 | 北京北方烽火科技有限公司 | 一种宽带数字预失真功放的温度补偿方法和系统 |
| CN102487367A (zh) * | 2010-12-02 | 2012-06-06 | 中国科学院微电子研究所 | 一种自适应的功放数字基带预失真方法 |
| CN105356854A (zh) * | 2015-10-13 | 2016-02-24 | 重庆临菲电子科技有限公司 | 组合算法应用于组合学习结构数字预失真系统的方法 |
-
2017
- 2017-12-15 CN CN201711344237.1A patent/CN108063739A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080152037A1 (en) * | 2006-12-26 | 2008-06-26 | Dali System Co., Ltd. | Method and System for Baseband Predistortion Linearization in Multi-Channel Wideband Communication Systems |
| CN101520666A (zh) * | 2009-04-10 | 2009-09-02 | 北京北方烽火科技有限公司 | 一种宽带数字预失真功放的温度补偿方法和系统 |
| CN102487367A (zh) * | 2010-12-02 | 2012-06-06 | 中国科学院微电子研究所 | 一种自适应的功放数字基带预失真方法 |
| CN105356854A (zh) * | 2015-10-13 | 2016-02-24 | 重庆临菲电子科技有限公司 | 组合算法应用于组合学习结构数字预失真系统的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 邢峰英等: "改进变步长最小均方算法在组合学习结构预失真中应用的研究", 《科学技术与工程》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111082757A (zh) * | 2019-12-27 | 2020-04-28 | 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 |
| 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 |
| CN112859611A (zh) * | 2021-01-19 | 2021-05-28 | 重庆邮电大学 | 一种自适应预失真系统及方法 |
| CN112859611B (zh) * | 2021-01-19 | 2023-05-16 | 重庆邮电大学 | 一种自适应预失真系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | Convolutional neural network for behavioral modeling and predistortion of wideband power amplifiers | |
| CN102487367B (zh) | 一种自适应的功放数字基带预失真方法 | |
| US8509347B2 (en) | Method and system for baseband predistortion linearization in multi-channel wideband communication systems | |
| CN105356854B (zh) | 组合算法应用于组合学习结构数字预失真系统的方法 | |
| 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 | |
| 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 | |
| CN110765720A (zh) | 一种复值流水线递归神经网络模型的功放预失真方法 | |
| CN101072220A (zh) | 用于自适应功率放大器的径向基神经网络预失真方法 | |
| CN113949350A (zh) | 基于基带-射频联合优化的数字预失真方法及系统 | |
| CN104363191A (zh) | 一种跳频通信系统的数字预失真方法 | |
| CN108063739A (zh) | 宽带数字通信系统发射端功放自适应数字预失真方法 | |
| CN201409180Y (zh) | 一种数字电视发射机自适应基带线性化装置 | |
| Liu et al. | Behavior modeling procedure of wideband RF transmitters exhibiting memory effects | |
| CN111884602B (zh) | 一种基于单输出节点神经网络的功率放大器预失真方法 | |
| Falempin et al. | On the Performance of Quantized Neural Networks based Digital Predistortion for PA linearization in OFDM systems | |
| Qian et al. | A neural network predistorter for nonlinear power amplifiers with memory | |
| KR100873106B1 (ko) | 직접 학습 구조의 다항식 기반 전치 왜곡을 이용한 증폭장치 및 그 방법 | |
| Qian et al. | Neural network predistortion technique for nonlinear power amplifiers with memory | |
| Huang et al. | RLS-DPD algorithm for hybrid precoding architecture in MIMO-OFDM systems | |
| CN114400979A (zh) | 一种改善短波互调和谐波失真的数字预失真的系统及方法 | |
| Xie et al. | An Improved Adaptive Algorithm for Digital Predistortion | |
| CN100388623C (zh) | 平行式失真信号发生器及其功放应用电路 | |
| Li et al. | Complex-valued pipelined chebyshev functional link recurrent neural network for joint compensation of wideband transmitter distortions and impairments | |
| Ruotsalainen et al. | Behavioral modeling of digital transmitters with time delay neural networks | |
| CN115913140B (zh) | 运算精度控制的分段多项式数字预失真装置和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180522 |