CN111245377B - 一种基于直接学习结构的数字预失真系统及方法 - Google Patents

一种基于直接学习结构的数字预失真系统及方法 Download PDF

Info

Publication number
CN111245377B
CN111245377B CN202010202127.7A CN202010202127A CN111245377B CN 111245377 B CN111245377 B CN 111245377B CN 202010202127 A CN202010202127 A CN 202010202127A CN 111245377 B CN111245377 B CN 111245377B
Authority
CN
China
Prior art keywords
module
predistorter
power amplifier
conversion
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.)
Active
Application number
CN202010202127.7A
Other languages
English (en)
Other versions
CN111245377A (zh
Inventor
吴晓芳
汪琪
黄劲夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen University
Original Assignee
Xiamen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen University filed Critical Xiamen University
Priority to CN202010202127.7A priority Critical patent/CN111245377B/zh
Publication of CN111245377A publication Critical patent/CN111245377A/zh
Application granted granted Critical
Publication of CN111245377B publication Critical patent/CN111245377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H03F1/3258—Modifications of amplifiers to reduce non-linear distortion using predistortion circuits based on polynomial terms
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Nonlinear Science (AREA)
  • Power Engineering (AREA)
  • Amplifiers (AREA)

Abstract

本发明涉及一种基于直接学习结构的数字预失真系统及方法，其通过功放模型拟合、功放模型求逆、预失真系数迭代计算，分别补偿双波段信号发射机的输出信号在两个波段上的带内失真、互调失真等非线性失真，从而有效抑制了功放的非线性失真。

Description

一种基于直接学习结构的数字预失真系统及方法
技术领域
本发明涉及通信系统的功放线性技术化领域，具体涉及一种基于直接学习结构的数字预失真系统及方法。
背景技术
功率放大器是无线通信系统中必不可少的核心器件。功放线性化技术是无线通信系统的关键技术之一。而数字预失真技术因具有灵活性强、稳定性高、成本低等特点，成为当下主流的功放线性化技术。
随着5G的商用，双波段功率放大器的应用日益广泛，其非线性特性更为明显，由于高波段与低波段信号的互相调制影响，以及总体信号带宽的增大，需要应用二维数字预失真技术，通过两个预失真器，分别对两个波段信号的带内失真和交叉调制失真进行补偿，二维数字预失真技术的优点是它的实现系统只需要低采样率的模数转换器和数模转换器。
二维数字预失真技术的核心在于数字预失真模型的训练，常采用的训练结构有直接学习结构和间接学习结构。间接学习结构使用功放输入信号和输出信号训练数字预失真模型，然后将系数传递给数字预失真器，该方法应用最小二乘方法计算系数，因而能够快速收敛。然而，在实际的应用中，由于反馈回路的带宽限制以及噪声造成的测量误差，使用间接学习结构估算预失真系数精度有限。而直接学习结构直接计算预失真系统原始的输入信号和功放输出信号的误差，测量误差小，能够得到更为精确的预失真模型，但通常需要先拟合出功放的模型，再通过复杂的梯度计算求出预失真模型系数，收敛较慢，在工程中难以得到实际应用。
发明内容
针对现有技术存在的问题，本发明的目的在于提供一种基于直接学习结构的数字预失真系统及方法，其可以有效抑制信号的非线性失真并实现快速的收敛。
为实现上述目的，本发明采用的技术方案是：
一种基于直接学习结构的数字预失真系统，其包括第一下变频滤波模块和第二下变频滤波模块、预失真器模块、上变频模块、合成器模块、功放模块、功放拟合模块和预失真器系数训练模块；
所述第一下变频滤波模块设有一输入端和两输出端，第一输出端用于输出低波段信号，第二输出端用于输出高波段信号；所述预失真器模块包括第一预失真器单元和第二预失真器单元；所述上变频模块包括第一上变频单元和第二上变频单元；
所述第一下变频滤波模块的输入端连接信号源，所述第一下变频滤波模块的第一输出端和第二输出端连接预失真器模块的输入端；而所述第一预失真器单元的输出端经由第一上变频单元连接合成器的输入端；所述第一下变频滤波模块的第一输出端和二输出端连接第二预失真器单元的输入端，而所述第二预失真器单元的输出端经由第二上变频单元连接合成器的输入端；所述预失真器的输出端经由上变频模块连接合成器模块，所述合成器模块的输出端连接功放模块的输入端；
所述第二下变频滤波模块的输入端连接功放模块的输出端，所述第二下变频滤波模块的输出端连接功放拟合模块的输入端，所述功放拟合模块的输入端还连接预失真器模块的输出端；所述预失真器系数训练模块的输入端连接功放拟合模块的输出端，所述预失真器系数训练模块的输出端连接预失真器模块；
所述功放拟合模块根据功放模块的输入信号和输出信号对功放模型进行识别和建模，拟合得到功放模型；所述预失真器系数训练模块对拟合得到的功放拟合模型进行求逆操作，然后采用迭代算法计算预失真器模型系数，并将预失真器模型系数导入第一预失真器单元和第二预失真器单元中；所述第一预失真器单元根据预失真器系数对低波段信号进行非线性失真补偿；所述第二预失真器单元根据预失真器系数对高波段信号进行非线性失真补偿。
一种基于直接学习结构的数字预失真方法，输入双波段信号x(n)，经第一下变频滤波模块处理后得到低波段基带输入信号x1(n)和高波段基带输入信号x2(n)；第一预失真器单元和第二预失真器单元根据预失真器系数训练模块导入的预失真器系数分别对低波段基带信号x1(n)和高波段基带信号x2(n)进行非线性失真补偿，补偿后的低波段基带信号z1(n)和高波段基带信号z2(n)分别经由第一上变频单元和第二上变频单元后进入合成器模块中，经由合成器模块合成后输出至功放模块，得到功放输出信号y(n)；
所述预失真方法中，预失真器系数的求取如下：
(1)将预失真模块的输出信号z1(n)和z2(n)输入至功放拟合模块中；
(2)将功放输出信号y(n)经由第二下变频滤波模块处理后输出低波段功放输出信号y1(n)和高波段功放信号y2(n)，并将其输入至功放拟合模块中；
(3)采用二维记忆多项式模型对功放进行拟合，得到拟合后的功放模型：
Figure BDA0002419746410000041
Figure BDA0002419746410000042
其中，Q表示记忆多项式的记忆深度，K表示记忆多项式的阶数，
Figure BDA0002419746410000043
表示记忆多项式的系数；
(4)预失真器系数训练模块对拟合后的功效模型进行求逆操作，获取预失真器模型：
Figure BDA0002419746410000044
Figure BDA0002419746410000045
其中，
Figure BDA0002419746410000046
Figure BDA0002419746410000047
Figure BDA0002419746410000048
Figure BDA0002419746410000051
(5)计算预失真器模型系数；
(a)使用xi(n)(i＝1,2)代替预失真器模型中的zi(n)(i＝1,2)；
(b)计算β0(|zi(n)|)(i＝1,2)和βq(|zi(n-q)|)(i＝1,2)；
(c)根据(4)中的预失真器模型公式计算zi(n)(i＝1,2)的近似值
Figure BDA0002419746410000052
(d)将
Figure BDA0002419746410000053
和
Figure BDA0002419746410000054
经过第一和第二上变频单元合成后送入功放模块，再经过第二下变频滤波模块后，得到y1(n)和y2(n)；
(e)计算归一化最小均方误差
Figure BDA0002419746410000055
其中N为信号数据块长度；
若NMSEi>阈值，则跳转到步骤(b)；否则，迭代停止，得到足够精确的预失真模型，获取相应的预失真模型系数。
本发明通过功放模型拟合、功放模型求逆、预失真系数迭代计算，分别补偿双波段信号发射机的输出信号在两个波段上的带内失真、互调失真等非线性失真，从而有效抑制了功放的非线性失真。
附图说明
图1为本发明数字预失真系统原理框图；
图2为本发明预失真前后功放输出信号在高频段的功率谱密度比较图；
图3为本发明预失真前后功放输出信号在低频段(b)的功率谱密度比较图；
图4为本发明的预失真方法的NMSE与迭代次数之间的关系图；
图5为现有基于直接学习结构的预失真方法的NMSE与迭代次数之间的关系图。
具体实施方式
如图1所示，本发明揭示了一种基于直接学习结构的数字预失真系统，其包括第一下变频滤波模块1、第二下变频滤波模块6、双波段二维预失真器模块2、预失真器系数训练模块8、功放拟合模块7、上变频模块3、合成器模块4、功放模块5。
其中，第一下变频滤波模块1和第二下变频滤波模块6均设有一输入端和两输出端，两输出端分别为第一输出端和第二输出端；所述双波段二维预失真器模块2包括第一预失真器单元21和第二预失真器单元22；所述上变频模块3包括第一上变频单元31和第二上变频单元32。
第一下变频滤波模块1的输入端连接双波段信号，所述第一下变频滤波模块1的第一输出端和第二输出端连接第一预失真器单元21的输入端，而第一预失真器单元21的输出端经第一上变频单元31连接至合成器模块4的输入端；所述第一下变频滤波模块1的第一输出端和第二输出端连接第二预失真器单元22的输入端，而第二预失真器单元22的输出端经第二上变频单元32连接至合成器模块4的输出端；所述合成器模块4的输出端连接功放模块5的输入端。
所述功放模块5的输出端连接第二下变频滤波模块6的输入端，所述第二下变频模块的输出端连接功放模型拟合模块的输入端，所述功放模型拟合模块的输入端还连接第一预失真器单元21和第二预失真器的输出端；所述功放模型拟合模块根据功放模块5的输入信号、输出信号对功放模型进行识别和建模，并将得到的功放模型输入预失真器系数训练模块8。所述预失真器系数训练模块8对拟合到的功放模型进行求逆操作，得到二维预失真器模型，并采用迭代算法计算预失真器模型系数；所述预失真器系数训练模块8输出预失真器系数至第一预失真器单元21和第二预失真器单元22中，所述第一预失真器单元21根据预失真器系数对低波段信号进行非线性失真补偿；所述第二预失真器单元22根据预失真器系数对高波段信号进行非线性失真补偿。
基于同一发明构思，本发明还揭示了一种基于直接学习结构的数字预失真方法，其包括：输入双波段信号x(n)，径第一下变频滤波模块1处理后得到低频波段输入信号x1(n)和高频波段输入信号x2(n)；第一预失真器单元21和第二预失真器单元22根据预失真器系数训练模块8导入的预失真器系数分别对低频波段信号x1(n)和高频波段信号x2(n)进行非线性失真补偿，补偿后的低波段信号z1(n)和高波段信号z2(n)分别经由第一上变频单元31和第二上变频单元32后进入合成器模块4中，经由合成器模块4合成后输出至功放模块5，得到功放输出信号y(n)。
在上述预失真方法中，预失真器系数的求取如下：
(1)将预失真模块的输出信号z1(n)和z2(n)输入至功放拟合模块7中；
(2)将功放输出信号y(n)经由第二下变频滤波模块6处理后输出低波段功放输出信号y1(n)和高波段功放信号y2(n)，并将其输入至功放拟合模块7中；
(3)采用二维记忆多项式模型对功放输出信号进行拟合；
那么，功放输出信号的低波段信号和高波段信号可以分别表示为：
Figure BDA0002419746410000081
Figure BDA0002419746410000082
其中，n为序列号，Q表示记忆多项式的记忆深度，K表示记忆多项式的阶数，
Figure BDA0002419746410000083
表示记忆多项式的系数，|.|表示取绝对值。
Figure BDA0002419746410000084
通过最小二乘法计算得到。
式(1)和(2)可以分解为记忆深度Q＝0和Q≠0两项，算式重新写为：
Figure BDA0002419746410000085
Figure BDA0002419746410000086
(4)预失真器系数训练模块8对拟合后的功效模型进行求逆操作，获取预失真器模型。
因为预失真器模型是功放模型的逆模型，将zi(n)用yi(n)(i＝1,2)表示，即可求得预失真器模型,如下：
Figure BDA0002419746410000091
Figure BDA0002419746410000092
采用输入信号xi(n)(i＝1,2)代替式(5)和式(6)中的yi(n)(i＝1,2)。因此预失真器模型可以表示为：
Figure BDA0002419746410000093
Figure BDA0002419746410000094
其中，
Figure BDA0002419746410000095
Figure BDA0002419746410000096
Figure BDA0002419746410000097
Figure BDA0002419746410000098
由于|zi(n)|(i＝1,2)未知，需要计算zi(n)(i＝1,2)才能得到。
(5)计算预失真器模型系数；
(a)使用xi(n)(i＝1,2)代替zi(n)(i＝1,2)；
(b)计算β0(|zi(n)|)(i＝1,2)和βq(|zi(n-q)|)(i＝1,2)；
(c)根据(4)中的预失真器模型公式计算zi(n)(i＝1,2)的近似值
Figure BDA0002419746410000101
(d)将
Figure BDA0002419746410000102
和
Figure BDA0002419746410000103
经过第一和第二上变频单元合成后送入功放，再经过第二下变频滤波模块后，得到y1(n)和y2(n)；
(e)计算归一化最小均方误差
Figure BDA0002419746410000104
其中N为信号数据块长度。
若NMSEi>阈值，则跳转到步骤(b)；否则，迭代停止，得到足够精确的预失真模型，获取相应的预失真模型系数。
本发明采用一个双波段OFDM信号进行测试，其低波段中心频率为-40MHz，频带宽度为10MHz,高波段中心频率为40MHz，频带宽度为5MHz,两个波段间隔80MHz。功放拟合模块7采用阶数K为3，记忆深度Q为2的记忆多项式模型。
图2和图3展现了预失真前后功放输出的频谱图，由图2可看出，本发明具有较好的预失真效果,低波段和高波段上的相邻信道抑制比(ACPR)分别改善了近20dB和24dB。
图4和图5对比了不同直接学习算法情况下最小均方误差(NMSE)与迭代次数之间的关系。由图4可以看出，本专利的预失真算法在迭代3次之后，最小均方误差(NMSE)达到最小值(-22dB左右),算法收敛。图5展示了拟牛顿法(BFGS方法)、传统的粒子群算法(PSO)以及基于杂交的粒子群算法(BreedingPSO)的收敛曲线，可以看出，基于杂交的粒子群算法基本上在400次左右的迭代处达到稳定，收敛到-22dB左右，拟牛顿法和传统的粒子群算法在150次的迭代时就陷入了局部最优，大约收敛到-14dB。由此可见，本发明可以有效的抑制信号的非线性失真，且收敛速度得到了很大的提升。
以上所述，仅是本发明实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (2)

1.一种基于直接学习结构的数字预失真系统，其特征在于：包括第一下变频滤波模块和第二下变频滤波模块、预失真器模块、上变频模块、合成器模块、功放模块、功放拟合模块和预失真器系数训练模块；
所述第一下变频滤波模块设有一输入端和两输出端，第一输出端用于输出低波段信号，第二输出端用于输出高波段信号；所述预失真器模块包括第一预失真器单元和第二预失真器单元；所述上变频模块包括第一上变频单元和第二上变频单元；
所述第一下变频滤波模块的输入端连接信号源，所述第一下变频滤波模块的第一输出端和第二输出端连接预失真器模块的输入端；而所述第一预失真器单元的输出端经由第一上变频单元连接合成器的输入端；所述第一下变频滤波模块的第一输出端和二输出端连接第二预失真器单元的输入端，而所述第二预失真器单元的输出端经由第二上变频单元连接合成器的输入端；所述预失真器的输出端经由上变频模块连接合成器模块，所述合成器模块的输出端连接功放模块的输入端；
所述第二下变频滤波模块的输入端连接功放模块的输出端，所述第二下变频滤波模块的输出端连接功放拟合模块的输入端，所述功放拟合模块的输入端还连接预失真器模块的输出端；所述预失真器系数训练模块的输入端连接功放拟合模块的输出端，所述预失真器系数训练模块的输出端连接预失真器模块；
所述功放拟合模块根据预失真模块的输出信号以及第二下变频滤波模块的输出信号对功放模型进行识别和建模，拟合得到功放模型；所述预失真器系数训练模块对拟合得到的功放拟合模型进行求逆操作，然后采用迭代算法计算预失真器模型系数，并将预失真器模型系数导入第一预失真器单元和第二预失真器单元中；所述第一预失真器单元根据预失真器系数对低波段信号进行非线性失真补偿；所述第二预失真器单元根据预失真器系数对高波段信号进行非线性失真补偿。
2.一种基于直接学习结构的数字预失真方法，其特征在于：输入双波段信号x(n)，经第一下变频滤波模块处理后得到低波段基带输入信号x1(n)和高波段基带输入信号x2(n)；第一预失真器单元和第二预失真器单元根据预失真器系数训练模块导入的预失真器系数分别对低波段基带信号x1(n)和高波段基带信号x2(n)进行非线性失真补偿，补偿后的低波段基带信号z1(n)和高波段基带信号z2(n)分别经由第一上变频单元和第二上变频单元后进入合成器模块中，经由合成器模块合成后输出至功放模块，得到功放输出信号y(n)；
所述预失真方法中，预失真器系数的求取如下：
(1)将预失真模块的输出信号z1(n)和z2(n)输入至功放拟合模块中；
(2)将功放输出信号y(n)经由第二下变频滤波模块处理后输出低波段功放输出信号y1(n)和高波段功放信号y2(n)，并将其输入至功放拟合模块中；
(3)采用二维记忆多项式模型对功放进行拟合，得到拟合后的功放模型：
Figure FDA0003156087510000031
Figure FDA0003156087510000032
其中，Q表示记忆多项式的记忆深度，K表示记忆多项式的阶数，
Figure FDA0003156087510000033
表示记忆多项式的系数；
(4)预失真器系数训练模块对拟合后的功效模型进行求逆操作，获取预失真器模型：
Figure FDA0003156087510000034
Figure FDA0003156087510000035
其中，
Figure FDA0003156087510000036
Figure FDA0003156087510000037
Figure FDA0003156087510000038
Figure FDA0003156087510000039
(5)计算预失真器模型系数；
(a)使用xi(n)(i＝1,2)代替预失真器模型中的zi(n)(i＝1,2)；
(b)计算β0(|zi(n)|)(i＝1,2)和βq(|zi(n-q)|)(i＝1,2)；
(c)根据(4)中的预失真器模型公式计算zi(n)(i＝1,2)的近似值
Figure FDA0003156087510000041
(d)将
Figure FDA0003156087510000042
和
Figure FDA0003156087510000043
经过第一和第二上变频单元合成后送入功放模块，再经过第二下变频滤波模块后，得到y1(n)和y2(n)；
(e)计算归一化最小均方误差
Figure FDA0003156087510000044
其中N为信号数据块长度；
若NMSEi>阈值，则跳转到步骤(b)；否则，迭代停止，得到足够精确的预失真模型，获取相应的预失真模型系数。
CN202010202127.7A 2020-03-20 2020-03-20 一种基于直接学习结构的数字预失真系统及方法 Active CN111245377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010202127.7A CN111245377B (zh) 2020-03-20 2020-03-20 一种基于直接学习结构的数字预失真系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010202127.7A CN111245377B (zh) 2020-03-20 2020-03-20 一种基于直接学习结构的数字预失真系统及方法

Publications (2)

Publication Number Publication Date
CN111245377A CN111245377A (zh) 2020-06-05
CN111245377B true CN111245377B (zh) 2021-11-05

Family

ID=70878953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010202127.7A Active CN111245377B (zh) 2020-03-20 2020-03-20 一种基于直接学习结构的数字预失真系统及方法

Country Status (1)

Country Link
CN (1) CN111245377B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112787600B (zh) * 2020-12-28 2022-11-08 电子科技大学 一种失真抑制频段可调的数字预失真校正方法与装置
CN113949350A (zh) * 2021-10-20 2022-01-18 上海大学 基于基带-射频联合优化的数字预失真方法及系统
CN115037580B (zh) * 2022-07-12 2023-09-08 西安电子科技大学 基于自学习的射频预失真系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101309245A (zh) * 2007-05-18 2008-11-19 大唐移动通信设备有限公司 数字预失真处理装置及数字预失真器更新方法
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
US8331484B2 (en) * 2010-01-13 2012-12-11 Cisco Technology, Inc. Digital Predistortion training system
CN107395538A (zh) * 2017-08-01 2017-11-24 厦门大学 一种频率选择性谐波抑制的数字预失真系统及方法
CN108833145A (zh) * 2018-05-30 2018-11-16 厦门大学 一种使用自组织映射网络的分段二维预失真系统及方法
WO2019228608A1 (en) * 2018-05-28 2019-12-05 Huawei Technologies Co., Ltd. A remote radio unit and a central unit for a base transceiver station

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050163249A1 (en) * 2004-01-27 2005-07-28 Crestcom, Inc. Predistortion circuit and method for compensating linear distortion in a digital RF communications transmitter
US9252718B2 (en) * 2013-05-22 2016-02-02 Telefonaktiebolaget L M Ericsson (Publ) Low complexity digital predistortion for concurrent multi-band transmitters
CN103856429A (zh) * 2014-03-26 2014-06-11 西安电子科技大学 基于混合间接学习算法的自适应预失真系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101309245A (zh) * 2007-05-18 2008-11-19 大唐移动通信设备有限公司 数字预失真处理装置及数字预失真器更新方法
US8331484B2 (en) * 2010-01-13 2012-12-11 Cisco Technology, Inc. Digital Predistortion training system
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
CN107395538A (zh) * 2017-08-01 2017-11-24 厦门大学 一种频率选择性谐波抑制的数字预失真系统及方法
WO2019228608A1 (en) * 2018-05-28 2019-12-05 Huawei Technologies Co., Ltd. A remote radio unit and a central unit for a base transceiver station
CN108833145A (zh) * 2018-05-30 2018-11-16 厦门大学 一种使用自组织映射网络的分段二维预失真系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A spline-based Hammerstein predistortion for 3G power amplifiers with hard nonlinearities;Xiaofang Wu等;《2010 2nd International Conference on Future Computer and Communication》;20100628;第3卷;741-745 *
An Improved 2D Crest Factor Reduction Algorithm for Dual-Band RF Power;Xinshuo Cai等;《2017 9th IEEE International Conference on Communication Software and Networks》;20171221;846-849 *
基于正交模型辨识辅助的欠采样数字预失真方法;吴晓芳等;《系统工程与电子技术》;20120215;第34卷(第2期);369-374 *
面向载波聚合的数字预失真技术研究;蔡心硕;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190715(第7期);I135-182 *

Also Published As

Publication number Publication date
CN111245377A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN111245377B (zh) 一种基于直接学习结构的数字预失真系统及方法
US11115067B2 (en) Multi-band linearization system
CN106506417B (zh) 一种窄带反馈的数字预失真系统与方法
CN101459636B (zh) 自适应预失真方法
KR101789924B1 (ko) 적응형 디지털 전치 왜곡을 위한 디바이스 및 방법
JP5236661B2 (ja) 多チャンネル広帯域通信システムにおけるベースバンドプリディストーション線形化の方法及びシステム
JP5834804B2 (ja) 狭帯域のフィードバック経路を有する適応的リニアライザ
Ding et al. A least-squares/Newton method for digital predistortion of wideband signals
WO2015096735A1 (zh) 一种数字预失真参数的求取方法及预失真系统
CN105656434B (zh) 基于修改分段线性函数的功放数字预失真装置及方法
US20170257251A1 (en) Predistortion Processing Apparatus and Method
CN103765766A (zh) 使用预失真的放大器线性化
WO2012066380A1 (en) Joint process estimator with variable tap delay line for use in power amplifier digital predistortion
KR101386239B1 (ko) 비선형 왜곡의 보상을 위한 전치 왜곡 장치 및 방법
CN105393452A (zh) 用于多频带功率放大器中数字预失真器的基带等效伏尔泰拉级数
CN102437821A (zh) 一种合成孔径雷达发射机的线性化装置及方法
CN102611661B (zh) 基于精确反解记忆多项式模型方程的预失真装置及方法
CN117240671A (zh) 基于fft卷积相关函数的改进记忆多项式模型的数字预失真方法
Li et al. High order inverse polynomial predistortion for memoryless RF power amplifiers
CN108134584B (zh) 针对宽带射频功率放大器的带内与带外联合数字预失真系统及方法
KR20140118130A (ko) 복수의 비선형 증폭기에 대하여 단일 피드백 회로를 사용하는 전치보상 장치 및 방법
Qian et al. 10 Adaptive digital baseband predistortion: design and implementation
Kiran ACPR reduction for better power efficiency using adaptive DPD
JP2014225832A (ja) 信号増幅装置と歪み補償方法及び無線送信装置
KR100964335B1 (ko) 전력증폭기의 디지털 전치왜곡 보상방법

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