CN110943701A - 一种用于包络追踪功放的数字预失真方法和设备 - Google Patents

Abstract

本发明公开了一种用于包络追踪功放的数字预失真方法和设备，应用于包括预失真器、包络追踪功放、矢量信号发生器和矢量信号分析仪的系统中，该方法包括：将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的；通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度；若是，将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号，从而提高了数字预失真信号的精度，进而提高了包络追踪功放的线性度。

Description

一种用于包络追踪功放的数字预失真方法和设备

技术领域

本申请涉及通信技术领域，更具体地，涉及一种用于包络追踪功放的数字预失真方法和设备。

背景技术

功率放大器是影响通信系统功耗的主要器件之一，而且随着无线通信系统中宽带业务的不断拓展，功放的功耗也随之增大，采用包络追踪技术的射频功放可降低系统功耗，提高通信系统的整机效率。包络追踪技术是通过将包络信号叠加在漏极电压上，功率放大器的射频晶体管可以在很宽的功率水平范围内以压缩方式连续工作，这大大提高了功放的功率效率。然而，随着漏极电压的变化，包络追踪系统具有与增益和相位变化相关的固有非线性。作为标准的功率放大器，在宽带和大功率的操作下，记忆效应在包络追踪系统中也会变得明显。为了提高系统的性能，需要采用线性化技术保证功率放大器不失真的前提下，提高包络追踪功放的效率。

DPD(Digital Predistortion，数字预失真)的基本原理就是通过在功率放大器的前面插入一个与其幅度和相位特性相反的预失真器，来补偿由功率放大器引起的非线性失真，使得整个复合系统的输入和输出呈线性关系，最终达到功率放大器线性化的目的。数字预失真的原理图如图2所示。

基于记忆效应预失真模型的数字预失真虽然在一定程度上提高了数字预失真的优化效果，但包络追踪功放具有强记忆效应，随着记忆长度和系统阶次的增加，其参数会急剧增加，由于无法快速对这些参数进行处理，使产生的数字预失真信号的精度较差，导致无法满足包络追踪功放的线性化要求。

因此，如何针对包络追踪功放的强记忆效应进一步提高数字预失真信号的精度，进而提高包络追踪功放的线性度，是本领域亟待解决的技术问题。

发明内容

本发明提供一种用于包络追踪功放的数字预失真方法，用以解决现有技术中基于包络追踪功放的数字预失真信号精度较低，无法满足线性度要求的技术问题，该方法应用于包括预失真器、包络追踪功放、矢量信号发生器和矢量信号分析仪的系统中，包括：

将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的；

通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度；

若是，将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号；

若否，根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型；

其中，所述当前输入复数信号为当前输入所述包络追踪功放的复数信号，所述超前复数信号为在所述当前输入复数信号之前的输入复数信号。

优选的，在将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放之前，还包括：

根据所述包络追踪功放输出的下变频信号相对于所述输入基带信号的时延调整所述下变频信号，以生成与所述输入基带信号在时间上对齐的对齐下变频信号；

将所述对齐下变频信号输入所述行为模型；

基于最小二乘法求逆确定所述行为模型的带宽扩展记忆多项式的系数；

根据所述系数提取所述模型参数。

优选的，在将所述对齐下变频信号输入所述行为模型之前，还包括：

根据所述预设线性度确定所述交叉项中超前交叉项目数的最小值；

将所述最小值输入所述行为模型。

优选的，根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型，具体为：

基于射频前端移动产业处理器接口使所述包络追踪功放按预设参数运行，所述参数至少包括频段，功率模式和栅压；

按预设采样速率对所述参数下的所述输入基带信号和所述输出射频信号进行采样；

基于时域激励响应测量出与所述采样的结果对应的I/Q数据流；

根据所述I/Q数据流训练所述行为模型。

优选的，所述带宽扩展记忆多项式具体为：

其中，x(n-m)为所述输入基带信号，y(n)为所述输出射频信号，M为记忆深度，K为模型阶数，h_mkq为模型系数，Q为所述超前交叉项目数。

相应地，本发明还提出了一种用于包络追踪功放的数字预失真设备，应用于包括预失真器、包络追踪功放、矢量信号发生器和矢量信号分析仪的系统中，所述设备包括：

输入模块，用于将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的；

判断模块，用于通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度；

生成模块，用于将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号；

训练模块，用于根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型；

其中，所述当前输入复数信号为当前输入所述包络追踪功放的复数信号，所述超前复数信号为在所述当前输入复数信号之前的输入复数信号。

优选的，还包括提取模块，用于：

根据所述包络追踪功放输出的下变频信号相对于所述输入基带信号的时延调整所述下变频信号，以生成与所述输入基带信号在时间上对齐的对齐下变频信号；

将所述对齐下变频信号输入所述行为模型；

基于最小二乘法求逆确定所述行为模型的带宽扩展记忆多项式的系数；

根据所述系数提取所述模型参数。

优选的，所述提取模块，还具体用于：

根据所述预设线性度确定所述交叉项中超前交叉项目数的最小值；

将所述最小值输入所述行为模型。

优选的，所述训练模块，具体用于：

基于射频前端移动产业处理器接口使所述包络追踪功放按预设参数运行，所述参数至少包括频段，功率模式和栅压；

按预设采样速率对所述参数下的所述输入基带信号和所述输出射频信号进行采样；

基于时域激励响应测量出与所述采样的结果对应的I/Q数据流；

根据所述I/Q数据流训练所述行为模型。

优选的，所述带宽扩展记忆多项式具体为：

其中，x(n-m)为所述输入基带信号，y(n)为所述输出射频信号，M为记忆深度，K为模型阶数，h_mkq为模型系数，Q为所述超前交叉项目数。

与现有技术对比，本发明具备以下有益效果：

本发明公开了一种用于包络追踪功放的数字预失真方法和设备，应用于包括预失真器、包络追踪功放、矢量信号发生器和矢量信号分析仪的系统中，该方法包括：将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的；通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度；若是，将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号；若否，根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型，从而提高了数字预失真信号的精度，进而提高了包络追踪功放的线性度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提出的一种用于包络追踪功放的数字预失真方法的流程示意图；

图2为数字预失真原理示意图；

图3为本发明实施例实验测试平台的结构示意图；

图4为本发明实施例基于记忆多项式求逆的数字预失真流程图；

图5为本发明实施例提出的一种用于包络追踪功放的数字预失真方法的流程框图；

图6为本发明实施例提出的一种用于包络追踪功放的数字预失真设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

如背景技术所述，现有技术中基于包络追踪功放的数字预失真信号精度较低，进而无法满足线性度要求。

为解决上述问题，本申请实施例提出了一种用于包络追踪功放的数字预失真方法，将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的，通过所述矢量信号分析仪判断包络追踪功放输出的测试射频信号是否满足预设线性度，从而提高了数字预失真信号的精度。

如图1所示本发明实施例提出的一种用于包络追踪功放的数字预失真方法的流程示意图，该方法应用于包括预失真器、包络追踪功放、矢量信号发生器和矢量信号分析仪的系统中，包括以下步骤：

步骤S101，将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的。

具体的，如图3所示，包络追踪功放前面安装有预失真器，在使预失真器产生在线预失真信号之前，需要通过矢量信号发生器和矢量信号分析仪对基于包络追踪功放的行为模型产生的矢量信号进行验证，矢量信号发生器中有包含当前输入复数信号和超前复数信号的交叉项的行为模型，根据该行为模型产生矢量信号发生器的矢量信号，将该矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号。其中，所述当前输入复数信号为当前输入所述包络追踪功放的复数信号，由于包络追踪功放的记忆效应，在当前输入复数信号之前还存在超前复数信号。

为保证可靠的提取行为模型的模型参数，在本申请优选的实施例中，在将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放之前，还包括：

根据所述包络追踪功放输出的下变频信号相对于所述输入基带信号的时延调整所述下变频信号，以生成与所述输入基带信号在时间上对齐的对齐下变频信号；

将所述对齐下变频信号输入所述行为模型；

基于最小二乘法求逆确定所述行为模型的带宽扩展记忆多项式的系数；

根据所述系数提取所述模型参数。

具体的，具体的，在本申请的具体应用场景中，如图5所示，数字预失真模块输出的模拟信号经过数模转换器DAC再进行上变频输入ETPA(Envelope Tracking PowerAmplifier，包络追踪功率放大器)，ETPA的一路输出射频信号进入下一级电路，另一路输出射频信号经过下变频输入模数转换器ADC，将ADC输出的下变频信号和输入基带信号进行数据对齐后经数据处理提取行为模型的参数，由于信号经过预失真器、射频通道、ETPA的过程中存在时延，如果直接将下变频信号直接进行数据处理提取行为模型参数，会使提取的参数不准确，因此，要根据下变频信号相对于输入基带信号的时延调整得到与输入基带信号在时间上对齐的对齐下变频信号，然后将对齐下变频信号输入上述行为模型，再基于最小二乘法求逆确定所述行为模型的带宽扩展记忆多项式的系数，根据该系数可提取行为模型的参数。并且，由于行为模型中包括当前输入复数信号和超前复数信号的交叉项，大大提高了提取的参数的精度，进而产生更精确的数字预失真信号。

需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，本领域技术人员可根据实际需要灵活选择上述对齐的方式，并可采用其他方法确定上述系数，其他根据所述下变频信号和所述输入基带信号提取所述行为模型的参数的方式均属于本申请的保护范围。

为提高提取参数的效率，在本申请优选的实施例中，在将所述对齐下变频信号输入所述行为模型之前，还包括：

根据所述预设线性度确定所述交叉项中超前交叉项目数的最小值；

将所述最小值输入所述行为模型。

具体的，随着非线性阶数，记忆深度和交叉项数目的增大，所需要提取的模型系数越来越多，模型的复杂度变大，因此在保证使包络追踪功放满足预设线性度的基础上，设定确定所述交叉项中超前交叉项目数的最小值，例如可将超前交叉项目数的最小值设为2，从而达到降低模型复杂度和减少模型参数的目的。

需要说明的是，本领域技术人员可灵活设定超前交叉项目数的最小值，不同的最小值并不影响本申请的保护范围。

为进一步优化提取参数的过程，在本申请优选的实施例中，所述带宽扩展记忆多项式具体可以为：

其中，x(n-m)为所述输入基带信号，y(n)为所述输出射频信号，M为记忆深度，K为模型阶数，h_mkq为模型系数，Q为所述超前交叉项目数。

需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，本领域技术人员还可选用其他带有当前输入复数信号和超前复数信号的交叉项的记忆多项式，这并不影响本申请的保护范围。

步骤S102，通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度，若是，执行步骤S103，若否，执行步骤S104。

如上所述，包络追踪功放输出的测试射频信号进入矢量信号分析仪，矢量信号分析仪判断该测试射频信号是否满足预设线性度。

步骤S103，将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号。

如上所述，将矢量信号对应的模型参数输入预失真器生成包络追踪功放的在线预失真信号。

步骤S104，根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型。

具体的，由于测试射频信号不满足预设线性度，需要继续对包络追踪功放的行为模型进行训练，通过采集包络追踪功放的输入基带信号和输出射频信号，基于采集到的信号训练该行为模型。

为准确训练行为模型，在本申请优选的实施例中，根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型，具体为：

基于射频前端移动产业处理器接口使所述包络追踪功放按预设参数运行，所述参数至少包括频段，功率模式和栅压；

按预设采样速率对所述参数下的所述输入基带信号和所述输出射频信号进行采样；

基于时域激励响应测量出与所述采样的结果对应的I/Q数据流；

根据所述I/Q数据流训练所述行为模型。

具体的，射频前端移动产业处理器接口(RFFE MIPI)可控制包络追踪功放工作在特定的频段，功率模式和栅压，从而保证信号采集的顺利进行，然后按预设采样速率对上述工作参数下的输入基带信号和所述输出射频信号进行采样，预设采样速率可以为低速采样速率，从而保证合理的计算量，再通过时域激励响应测量出采样得出的I/Q数据流，I是in-phase(同相),Q是quadrature(正交)，最后通过该I/Q数据流训练行为模型，具体的训练过程为现有技术，可由本领域技术人员根据实际需要灵活采用不同的方式进行，在此不再赘述。

需要说明的是，以上优选实施例的方案仅为本申请所提出的一种具体实现方案，本领域技术人员可根据实际需要灵活使包络追踪功放工作在不同的参数值，并选用不同采样速率进行采样，这并不影响本申请的保护范围。

通过应用以上技术方案，将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的；通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度；若是，将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号；若否，根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型，从而提高了数字预失真信号的精度，进而提高了包络追踪功放的线性度。

为了进一步阐述本发明的技术思想，现结合具体的应用场景，对本发明的技术方案进行说明。

如图3所示为本发明实施例实验测试平台的结构示意图，搭建了VSG-VSA(矢量信号发生器和矢量信号分析仪)实验测试平台，从而对得出的预失真信号进行验证。在搭建的平台上使用LTE带宽为10M的信号，对一个工作在2.54GHz的ETPA进行测试。

如图4所示为本发明实施例基于记忆多项式求逆的数字预失真流程图，在初始状态下，预失真器不工作，直接采集ETPA的输入信号和输出信号；再利用这些信号和BEMP(Bandwith Expansion Memory Polynomial，带宽扩展记忆多项式)模型建立ETPA的行为模型；接着基于求逆运算建立数字预失真方程，然后根据预失真方程产生矢量发生器的矢量信号并将其输入ETPA，最后通过矢量信号分析仪对ETPA输出的测试射频信号进行监测。

如图5所示为本发明实施例提出的一种用于包络追踪功放的数字预失真方法的流程框图，包括以下步骤：

步骤一，通过RFFE MIPI(RF Front-End Mobile Industry ProcessorInterface，射频前端移动产业处理器接口)控制ETPA，使其工作在特定的频段，功率模式和栅压。

步骤二，在进行基带信号处理之后，通过时域激励响应测量以低采样速率从ETPA的输入基带信号和输出射频信号中捕获信号的I/Q数据流，基于I/Q数据流训练ETPA的行为模型，行为模型存储在矢量信号发生器。

具体的，由于采样速率提高后，相关计算的运算量会大幅度的增加，为提高计算效率以低采样速率进行采样。从时域分析，在射频功放中记忆效应简单来说就是信号当前的输出不仅仅取决于信号当前的输入，还取决于信号之前的输入；从频域的角度，记忆效应定义为射频功放的幅度和相位特性随着输入信号包络频率的变化而改变的现象。用BEMP来描述包络追踪射频功放的记忆效应。带宽扩展记忆多项式的表达如(1)式：

其中x(n-m)为ETPA的输入，y(n)为ETPA的输出。M为记忆深度，K为带宽扩展记忆多项式的模型阶数，h_mkq为模型的系数，Q为超前交叉项目数。BEMP在Volterra级数模型的基础上进行了改进，减小了Volterra级数模型的模型识别所需要提取的模型系数，降低了模型的复杂度。

Volterra级数模型是一种很常见并且有效的数字基带预失真器模型，

它被称为有记忆效应的公式，数学表达式可以表示为:

x(t)和y(t)表示通信系统的输入分量和输出分量，y_k(x(t))是系统输出的第k阶分量，称为h_k(τ₁,τ₂,…τ_k)称为k阶Voltarra级数内核。

在实际通信系统中，考虑的记忆效应因素都是有限的。输入信号为复信号上，Volterra级数可以表示为:

上式的*代表共轭。当非线性阶数K与记忆深度Q的值比较大时，Volterra级数模型的系数大，模型的复杂度高，模型系数提取困难，模型系数的计算复杂度高，根本无法应用在实际通信系统中。

由于ETPA具有强记忆效应，传统的记忆多项式模型对强记忆效应的功放的建模精度不够，预失真的效果达不到要求。BEMP模型不仅考虑了当前输入复数信号，还考虑了当前输入复数信号和超前信号包络的交叉项。由于增加了复数包络信号的交叉项，BEMP模型大大地提高了描述ETPA的行为模型的精度，进而产生更精确的数字预失真信号，达到了预期的预失真效果。

虽然BEMP模型增加了包络追踪功放的模型的精确度，但是随着非线性阶数，记忆深度和交叉项数目的增大，BEMP模型所需要提取的模型系数越来越多，模型的复杂度变大。为了解决这一问题，可以根据预设的包络追踪功放的线性度(ACPR)的要求，对BEMP模型中的超前交叉项数目Q进行调整。在达到预设线性度的前提下，选用最小的超前交叉项数目Q的值。举例来说，可将Q的值设为2，从而达到降低模型复杂度和减少模型参数的目的，当然只要保证满足预设线性度并降低复杂度，本领域技术人员还可灵活设定其他的数值。

步骤三，数字预失真模块输出的模拟信号经过数模转换器DAC再进行上变频输入ETPA，ETPA的一路输出射频信号进入下一级电路，另一路输出射频信号经过下变频输入模数转换器ADC。

(4)将模数转换器ADC输出的下变频信号和输入基带信号进行数据对齐(使得输入和和输出的基带信号恢复一一对应关系)和归一化。

具体的，由于信号经过预失真器、射频通道、ETPA的过程中存在固定的时延。为了得到正确的开环预失真参数，还需要将反馈信号即下变频信号和输入基带信号进行对齐。所述对齐的方法如下：

(1)对输入基带信号和下变频信号进行相关计算。

(2)从相关结果中找到相关峰的位置，从而得到输入基带信号和下变频信号之间的时延。

(3)根据时延，使得输入基带信号和下变频信号在时间上对齐。

下变频信号的采样率是确定的，但时延不一定是最小采样周期的整数倍。例如采样率为10MHz时，最小采样周期为0.1ns。当时延为6.12ns时，通过相关只能补偿6.1ns，即最小采样周期的整数倍。还有0.02ns的时延无法被正确补偿。此时，可以通过提高采样率，提高时延补偿的精度，使得校正参数的计算更准确。但采样率提高后，相关计算的运算量会大幅度的增加。以下方法可以提高计算效率，是可选的过程。

(1)降低基带信号和下变频信号的采样率，在低采样率下进行相关计算。

(2)根据相关峰的位置，得到粗略的时延，并进行粗略的对齐。粗略对齐后，时延误差被控制在2倍低采样率周期的范围内。

(3)将粗略对齐后基带信号和下变频信号，在高采样率下进行2倍低采样率周期范围内的相关计算。

(4)根据相关峰的位置，得到精确的时延，并进行精确的对齐。

步骤五，通过数据处理进行行为模型的模型参数提取。

将(1)式化为矩阵形式，如(2)式所示：

Y＝XH (2)

由(1)式可知，式中的每一项都是非线性的，但是对于系数H来说都是线性响应。因此，实际测量的ETPA的输入输出分别由x(n)和y(n)这两个向量来表示。可以用最小二乘法来求得记忆多项式的系数:

H＝(X^HX)^-1X^HY (3)

其中上标“H”表示矩阵的共轭转置(Hermite转置)。

根据该系数提取模型参数，为了验证该模型参数的有效性，在矢量信号发生器中根据步骤五中提取的模型参数生成矢量信号，并将矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，当该测试射频信号满足预设线性度时，将模型参数输入数字预失真模块，当该测试射频信号不满足预设线性度时，继续执行上述步骤二训练ETPA的行为模型，并重新提取模型参数进行验证。

步骤六，数字预失真模块根据模型参数产生在线预失真信号，然后进行调制并上变频为射频频率，最后由ETPA发送。

本方法基于开环拓扑结构，步骤一至步骤五可在离线环境下进行，在系统启动之前通过步骤一至步骤五(例如在MATLAB中的软件环境中)估算行为模型的参数。在实际硬件中无需实现全实时反馈环，大大降低了DPD的实现成本。如果ETPA的工作条件(老化或电源电压)发生变化，则可以通过离线进行步骤一至步骤五更新DPD的参数。

通过应用以上技术方案，将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的；通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度；若是，将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号；若否，根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型，从而提高了数字预失真信号的精度，进而提高了包络追踪功放的线性度。

为了达到以上技术目的，本申请实施例还提出了一种用于包络追踪功放的数字预失真设备，应用于包括预失真器、包络追踪功放、矢量信号发生器和矢量信号分析仪的系统中，如图6所示，所述设备包括：

输入模块601，用于将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的；

判断模块602，用于通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度；

生成模块603，用于将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号；

训练模块604，用于根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型；

其中，所述当前输入复数信号为当前输入所述包络追踪功放的复数信号，所述超前复数信号为在所述当前输入复数信号之前的输入复数信号。

在具体的应用场景中，还包括提取模块，用于：

根据所述包络追踪功放输出的下变频信号相对于所述输入基带信号的时延调整所述下变频信号，以生成与所述输入基带信号在时间上对齐的对齐下变频信号；

将所述对齐下变频信号输入所述行为模型；

基于最小二乘法求逆确定所述行为模型的带宽扩展记忆多项式的系数；

根据所述系数提取所述模型参数。

在具体的应用场景中，所述提取模块，还具体用于：

根据所述预设线性度确定所述交叉项中超前交叉项目数的最小值；

将所述最小值输入所述行为模型。

在具体的应用场景中，所述训练模块604，具体用于：

基于射频前端移动产业处理器接口使所述包络追踪功放按预设参数运行，所述参数至少包括频段，功率模式和栅压；

按预设采样速率对所述参数下的所述输入基带信号和所述输出射频信号进行采样；

基于时域激励响应测量出与所述采样的结果对应的I/Q数据流；

根据所述I/Q数据流训练所述行为模型。

在具体的应用场景中，所述带宽扩展记忆多项式具体为：

其中，x(n-m)为所述输入基带信号，y(n)为所述输出射频信号，M为记忆深度，K为模型阶数，h_mkq为模型系数，Q为所述超前交叉项目数。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种用于包络追踪功放的数字预失真方法，应用于包括预失真器、包络追踪功放、矢量信号发生器和矢量信号分析仪的系统中，其特征在于，所述方法包括：

将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的；

通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度；

若是，将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号；

若否，根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型；

其中，所述当前输入复数信号为当前输入所述包络追踪功放的复数信号，所述超前复数信号为在所述当前输入复数信号之前的输入复数信号。

2.如权利要求1所述的方法，其特征在于，在将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放之前，还包括：

根据所述包络追踪功放输出的下变频信号相对于所述输入基带信号的时延调整所述下变频信号，以生成与所述输入基带信号在时间上对齐的对齐下变频信号；

将所述对齐下变频信号输入所述行为模型；

基于最小二乘法求逆确定所述行为模型的带宽扩展记忆多项式的系数；

根据所述系数提取所述模型参数。

3.如权利要求2所述的方法，其特征在于，在将所述对齐下变频信号输入所述行为模型之前，还包括：

根据所述预设线性度确定所述交叉项中超前交叉项目数的最小值；

将所述最小值输入所述行为模型。

4.如权利要求1所述的方法，其特征在于，根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型，具体为：

基于射频前端移动产业处理器接口使所述包络追踪功放按预设参数运行，所述参数至少包括频段，功率模式和栅压；

按预设采样速率对所述参数下的所述输入基带信号和所述输出射频信号进行采样；

基于时域激励响应测量出与所述采样的结果对应的I/Q数据流；

根据所述I/Q数据流训练所述行为模型。

5.如权利要求3所述的方法，其特征在于，所述带宽扩展记忆多项式具体为：

其中，x(n-m)为所述输入基带信号，y(n)为所述输出射频信号，M为记忆深度，K为模型阶数，h_mkq为模型系数，Q为所述超前交叉项目数。

6.一种用于包络追踪功放的数字预失真设备，应用于包括预失真器、包络追踪功放、矢量信号发生器和矢量信号分析仪的系统中，其特征在于，所述设备包括：

输入模块，用于将所述矢量信号发生器发出的矢量信号输入所述包络追踪功放，以使所述包络追踪功放输出测试射频信号，所述矢量信号是根据包含当前输入复数信号和超前复数信号的交叉项的行为模型产生的；

判断模块，用于通过所述矢量信号分析仪判断所述测试射频信号是否满足预设线性度；

生成模块，用于将所述矢量信号对应的模型参数输入所述预失真器，以使所述预失真器生成所述包络追踪功放的在线预失真信号；

训练模块，用于根据所述包络追踪功放的输入基带信号和输出射频信号训练所述行为模型；

其中，所述当前输入复数信号为当前输入所述包络追踪功放的复数信号，所述超前复数信号为在所述当前输入复数信号之前的输入复数信号。

7.如权利要求6所述的设备，其特征在于，还包括提取模块，用于：

根据所述包络追踪功放输出的下变频信号相对于所述输入基带信号的时延调整所述下变频信号，以生成与所述输入基带信号在时间上对齐的对齐下变频信号；

将所述对齐下变频信号输入所述行为模型；

基于最小二乘法求逆确定所述行为模型的带宽扩展记忆多项式的系数；

根据所述系数提取所述模型参数。

8.如权利要求7所述的设备，其特征在于，所述提取模块，还具体用于：

根据所述预设线性度确定所述交叉项中超前交叉项目数的最小值；

将所述最小值输入所述行为模型。

9.如权利要求6所述的设备，其特征在于，所述训练模块，具体用于：

基于射频前端移动产业处理器接口使所述包络追踪功放按预设参数运行，所述参数至少包括频段，功率模式和栅压；

按预设采样速率对所述参数下的所述输入基带信号和所述输出射频信号进行采样；

基于时域激励响应测量出与所述采样的结果对应的I/Q数据流；

根据所述I/Q数据流训练所述行为模型。

10.如权利要求8所述的设备，其特征在于，所述带宽扩展记忆多项式具体为：

其中，x(n-m)为所述输入基带信号，y(n)为所述输出射频信号，M为记忆深度，K为模型阶数，h_mkq为模型系数，Q为所述超前交叉项目数。

Images