CN112804171B - 基于支持向量回归的多分段数字预失真系统及方法 - Google Patents
基于支持向量回归的多分段数字预失真系统及方法 Download PDFInfo
- Publication number
- CN112804171B CN112804171B CN202011588687.7A CN202011588687A CN112804171B CN 112804171 B CN112804171 B CN 112804171B CN 202011588687 A CN202011588687 A CN 202011588687A CN 112804171 B CN112804171 B CN 112804171B
- Authority
- CN
- China
- Prior art keywords
- digital
- signal
- support vector
- segment
- input 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
Links
Images
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
- H03F1/3247—Modifications of amplifiers to reduce non-linear distortion using predistortion circuits using feedback acting on predistortion circuits
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03F—AMPLIFIERS
- H03F3/00—Amplifiers with only discharge tubes or only semiconductor devices as amplifying elements
- H03F3/20—Power amplifiers, e.g. Class B amplifiers, Class C amplifiers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
- H04L27/2695—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation with channel estimation, e.g. determination of delay spread, derivative or peak tracking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Nonlinear Science (AREA)
- Amplifiers (AREA)
Abstract
本发明公开了一种基于支持向量回归的多分段数字预失真系统及方法,通过数字预失真模块对输入信号进行预处理,使输入信号先具有与功率放大器相反的非线性特性,再经过功率放大器的非线性放大得到与原始输入信号呈线性放大关系的输出信号,最终实现对原始输入信号的线性放大。建立数字预失真模型即建立功率放大器逆向行为模型的过程,仅关注输入与输出量之间的函数关系,可以看作一个数学建模问题,支持向量机作为一种先进的机器学习方法为功放行为模型的建立提供了可行方案。本发明能够实现在保持建模及线性化精度相比普通的基于支持向量回归的数字预失真方法不降低的同时,提高预失真模块参数提取及对信号数字预失真处理的速度。
Description
技术领域
本发明涉及数字预失真技术领域,特别是涉及一种基于支持向量回归的多分段数字预失真系统及方法。
背景技术
在现代通信系统中,广泛采用正交幅度调制等非恒包络调制方式,宽带码多分址和正交频分复用等多通道宽带数据传输技术,使信号具有高峰均比特性。射频功率放大器的固有非线性对此类信号影响更为强烈,导致更严重的幅度与相位失真,这对射频功率放大器这一关键器件的线性度提出了更高要求。此外,网络吞吐速率和传输时延作为5G移动通信的重要指标,也对通信系统中的数字信号处理速度提出了更为严格的要求。
数字预失真通过数字信号处理技术生成数字预失真器,实现非线性补偿,对信号的线性度改善明显且具有很高的灵活性,已经成为最常用线性化技术之一。传统数字预失真器模型的复杂度和计算量会随着功放记忆效应和非线性技术的加深而急剧增加,具有一定局限性。对于特征更为复杂的5G信号,传统模型也难以实现较好的线性化效果。机器学习作为数学建模中热门的研究方向,为数字预失真技术中行为模型的建立提供了广阔的新思路。
发明内容
技术问题:本发明的目的是提供一种基于支持向量回归的多分段数字预失真系统及方法,能够以更高速度实现功率放大器的精确线性化,降低单个模型的复杂度,在保证建模精度相比传统基于支持向量回归方法不降低的情况下,提高建立模型的参数提取速度、线性化过程中的数字信号处理速度,实现更快速的数字预失真处理过程。
技术方案:为达到此目的,本发明的一种基于支持向量回归的多分段数字预失真系统采用以下技术方案:
所述多分段数字预失真系统中:数字基带输入信号经过基于支持向量机的多分段数字预失真器、数模转换器、发射机链路、功率放大器产生线性放大的射频输出信号;再经反馈回路接收,通过模数转换器转化为输出数字信号,与数字基带输入信号基本保持一致;所述基于支持向量机的多分段数字预失真器包括幅度控制模块、数字预失真器多分段模型,输入信号首先通过幅度控制模块进行幅度选择,信号经过幅度选择后接入数字预失真器多分段模型,进入与其幅度区间对应的子模块,经过数字预失真器处理后的信号通过数模转换器转变为模拟信号,连接发射机链路。
其中,
所述的基于支持向量机的多分段数字预失真器的参数提取过程为数字基带输入信号经过数模转换器、发射机链路、功率放大器产生射频输出信号;再经反馈回路接收,通过模数转换器转化为输出数字信号,对数字基带输入信号和输出数字信号建立逆模型;对建模过程中的输入信号按照幅度大小划分为不同区间,建立各区间内的逆模型即数字预失真器子模块行为模型,所有子模块行为模型的集合为数字预失真器多分段模型,求解模型参数即为数字预失真器的参数提取过程。
所述基于支持向量机的多分段数字预失真器的参数提取过程中,划分在各区间内的输入信号和与之对应的输出信号建立回归方程即子模块行为模型的方式,为支持向量回归,根据式(1)得到:
f(x)=wTx+b (1)
式(1)中,w为权数矢量,b为偏置,T表示转置。
所述基于支持向量机的多分段数字预失真器的参数提取过程中,所述数字预失真器子模块的行为模型分为实部和虚部两部分,根据式(2)得到:
式(2)中,M表示记忆深度,x(n)表示当前输入信号,y(n)表示当前输出信号,x(n-M)表示之前第M项输入信号,Re[]表示信号的实部,Im[]表示信号的虚部;为位于i区间内输出信号实部与输入信号的函数关系式,为位于i区间内输出信号虚部与输入信号的函数关系式,即位于i区间的数字预失真模块行为模型。
所述基于支持向量机的多分段数字预失真器的参数提取过程中,所述支持向量回归的式(1)中w、b为使误差函数最小化时的值,误差函数根据式(3)得到:
其中xi为包含当前输入信号与之前M项输入信号实部和虚部的输入向量,yi为与输入向量对应的当前输出信号的实部或虚部,C为自定义的惩罚因子,为松弛向量超过最大允许的偏差的偏移量,自定义的最大允许偏差的偏移量为ε。
所述基于支持向量机的多分段数字预失真器的参数提取过程中,所述的w、b的值,其确定过程运用序列最小最优化算法,通过对变量不断迭代得到最佳解。
本发明的基于支持向量回归的多分段数字预失真系统的预失真方法包括以下步骤:
S1:通过测试,数字基带输入信号通过数模转换器、发射机链路、线性化功率放大器产生射频信号,再经反馈回路接收、通过模数转换器采集到输出数字信号,获得待线性化功率放大器的实际的输入信号和输出信号,用于建立功率放大器的反向模型即数字预失真器模型;
S2:按照此时输入信号幅度的大小将结果划分为多个区间,通过支持向量回归建立区间段内实测信号建立输入与输出间的函数关系式,即数字预失真子模块的行为模型;
S3:重复S2中的操作,建立起每个区间内数字预失真子模块的行为模型,得到完整的数字预失真器模型;
S4:线性化过程中,输入信号经过数字预失真模块时,首先经过幅度判断,选通对应的数字预失真子模块对输入信号进行预失真处理;
S5:经预失真处理后得到的预失真信号再经功率放大器的非线性放大,最终得到与原始输入信号呈线性放大关系的输出信号。
有益效果:本发明公开了一种针对多输入多输出发射机的共享数字预失真系统及方法,与现有技术相比,具有如下的有益效果:
1)基于一种机器学习方法支持向量回归建立数字预失真器模型,与基于传统方法建立的模型相比,线性化效果更优异。
2)在建立数字预失真模型中采用多分段的多盒结构,降低单个模型的复杂度;在保证建模精度相比传统基于支持向量回归方法不降低的情况下,提高建立模型的参数提取速度、线性化过程中的数字信号处理速度,实现更快速的数字预失真处理过程。
附图说明
图1为本发明的具体实施方式中的系统的框图;
图2为本发明具体实施方式中,中心频点2.4GHz带宽20MHz的输入信号,经过Doherty功率放大器原始输入信号与线性化信号的幅度特性曲线;
图3为本发明具体实施方式中,中心频点2.4GHz带宽20MHz的输入信号,经过Doherty功率放大器原始输入信号与线性化信号的相位特性曲线;
图4为本发明具体实施方式中,中心频点2.4GHz带宽20MHz的输入信号,经过Doherty功率放大器原始输入信号与线性化信号的功率谱图;
具体实施方式
下面结合具体实施方式和附图对本发明的技术方案作进一步的介绍。
本发明所述的基于支持向量回归的多分段数字预失真系统,包含多个独立的数字预失真子模块,分别对应于处理不同幅度区间内的原始输入信号。不同幅度区间内的数字预失真器模型均通过支持向量回归的方法建立。实测功率放大器的输入信号和输出信号分别对应于数字预失真器模型的输出信号和输入信号,通过将此时输入信号按照幅度大小的不同划分为不同区间,再通过支持向量回归方法建立个区间的回归方程,得到各数字预失真子模块的行为模型,即为多分段数字预失真模型。
所述不同区间内的回归方程即多分段数字预失真模型,将一个复数信号表示为实部和虚部的形式,方程的建立根据式(1)得到:
式(1)中,M表示记忆深度,x(n)表示当前输入信号,y(n)表示当前输出信号,x(n-M)表示之前第M项输入信号,Re[]表示信号的实部,Im[]表示信号的虚部。为位于i区间内输出信号实部与输入信号的函数关系式,为位于i区间内输出信号虚部与输入信号的函数关系式,即位于i区间的数字预失真模块行为模型。
所述回归方程的形式根据式(2)得到:
f(x)=wTx+b (2)
式(2)中,w为权数矢量,b为偏置。
所述回归方程的参数提取方法为使误差函数最小化,根据式(3)得到:
式(3)所述不等式约束下的优化过程可以通过拉格朗日乘子法实现,根据式(4)得到:
其中α+、α-、μ+、μ-为引入的拉格朗日乘子。
将式(4)视为α+、α-、μ+、μ-的函数,此时式(4)等价于式(5):
求最优解的过程等价于式(6):
式(6)的解等价于其对偶问题的解,根据式(7)得到:
进一步,分别对w、b、ξ求偏导数,使偏导数为零,根据式(8)得到:
在式(8)约束下,通过序列最小最优化算法迭代解得w、b,得到单个幅度区间内输入信号与输出信号的实部与虚部回归方程,即数字预失真子模块的行为模型。
在每个划分的幅度区间内重复上述计算,解得每个划分的幅度区间内的数字预失真模型。
在线性化过程中,当输入信号经过数字预失真模块时,首先通过幅度判断输入信号所属区间,再将输入信号通过对应的数字预失真模块进行数字信号处理,预失真信号通过功率放大器的非线性放大最终生成线性放大的输出信号,实现功率放大器的线性化。
本发明所述的基于支持向量回归的多分段数字预失真方法,包括以下步骤:
S1:通过测试,数字基带输入信号通过数模转换器、发射机链路、待线性化功率放大器产生射频信号,再经反馈回路接收、通过模数转换器采集到输出数字信号,获得待线性化功率放大器的实际输入信号和输出信号,用于建立功率放大器的反向模型即数字预失真器模型;
S2:按照此时输入信号归一化幅度大小将实测结果划分为N个区间,第一个区间包含归一化幅度范围为[0,1/N]的当前输入信号,记忆深度为M,输入向量由当前输入信号与之前M项输入信号实部和虚部组成,输出对应为当前输出信号的实部或虚部。设置惩罚因子为C,自定义的最大允许偏差的偏移量为ε,利用支持向量回归,分别求解此区间内输入向量与输出的实部、虚部间函数关系式的参数,解得数字预失真子模块的行为模型,分为实部和虚部两部分;
S3:重复S2中的操作,第二个区间包含归一化幅度范围为[1/N,2/N]的当前输入信号,进行参数设置,求解此区间内输入向量与输出的实部、虚部间函数关系式的参数,解得数字预失真子模块的行为模型,其他区间同理。建立每个区间内数字预失真子模块的行为模型,得到完整的数字预失真器模型;
S4:线性化过程中,输入信号经过数字预失真模块时,首先经过幅度判断模块,确定信号所属区间,选通对应的数字预失真子模块对输入信号进行预失真处理;
S5:经预失真处理后得到的预失真信号再经功率放大器的非线性放大,最终得到与原始输入信号呈线性放大关系的输出信号。
以中心频点2.4GHz带宽20MHz的输入信号,经过Doherty功率放大器为例。采用本发明提出的基于支持向量回归的多分段数字预失真技术线性化该功率放大器可以得到较好的效果,其中原始输入信号与经线性化之后的输出信号的幅度特性曲线、相位特性曲线、功率谱密度图如图所示。由此,通过在建模过程中引入机器学习方法提高了基于传统方法的数字预失真的线性化精度;通过将数字预失真模块改进为多分段机构,降低了每个数字预失真子模块行为模型的复杂度,提高建立模型的参数提取速度、线性化过程中的数字信号处理速度,实现更快速的数字预失真处理过程。
Claims (3)
1.一种基于支持向量回归的多分段数字预失真系统,其特征在于:所述多分段数字预失真系统中:数字基带输入信号经过基于支持向量机的多分段数字预失真器、数模转换器、发射机链路、功率放大器产生线性放大的射频输出信号;再经反馈回路接收,通过模数转换器转化为输出数字信号,与数字基带输入信号基本保持一致;所述基于支持向量机的多分段数字预失真器包括幅度控制模块、数字预失真器多分段模型,数字基带输入信号首先通过幅度控制模块进行幅度选择,信号经过幅度选择后接入数字预失真器多分段模型,进入与其幅度区间对应的数字预失真器子模块,经过多分段数字预失真器处理后的信号通过数模转换器转变为模拟信号,连接发射机链路;
基于支持向量机的多分段数字预失真器的参数提取过程为数字基带输入信号经过数模转换器、发射机链路、功率放大器产生射频输出信号;再经反馈回路接收,通过模数转换器转化为输出数字信号,对数字基带输入信号和输出数字信号建立逆模型;对建模过程中的数字基带输入信号按照幅度大小划分为不同区间,建立各区间内的逆模型即数字预失真器子模块行为模型,所有数字预失真器子模块行为模型的集合为数字预失真器多分段模型,求解模型参数即为多分段数字预失真器的参数提取过程;
所述基于支持向量机的多分段数字预失真器的参数提取过程中,划分在各区间内的数字基带输入信号和与之对应的输出数字信号建立回归方程即数字预失真器子模块行为模型,为支持向量回归,根据式(1)得到:
f(x)=wTx+b (1)
式(1)中,w为权数矢量,b为偏置,T表示转置;
所述基于支持向量机的多分段数字预失真器的参数提取过程中,所述数字预失真器子模块的行为模型分为实部和虚部两部分,根据式(2)得到:
式(2)中,M表示记忆深度,x(n)表示当前数字基带输入信号,y(n)表示当前输出数字信号,x(n-M)表示之前第M项数字基带输入信号,Re[]表示信号的实部,Im[]表示信号的虚部;为位于i区间内输出数字信号实部与数字基带输入信号的函数关系式,为位于i区间内输出数字信号虚部与数字基带输入信号的函数关系式;
所述基于支持向量机的多分段数字预失真器的参数提取过程中,所述支持向量回归的式(1)中w、b为使误差函数最小化时的值,误差函数根据式(3)得到:
2.根据权利要求1所述的基于支持向量回归的多分段数字预失真系统,其特征在于:所述基于支持向量机的多分段数字预失真器的参数提取过程中,所述的w、b的值,其确定过程运用序列最小最优化算法,通过对变量不断迭代得到最佳解。
3.一种如权利要求1所述的基于支持向量回归的多分段数字预失真系统的预失真方法,其特征在于:该方法包括以下步骤:
S1:通过测试,数字基带输入信号通过数模转换器、发射机链路、功率放大器产生射频信号,再经反馈回路接收、通过模数转换器采集到输出数字信号,获得功率放大器的实际的数字基带输入信号和输出数字信号,用于建立功率放大器的反向模型即数字预失真器多分段模型;
S2:按照此时数字基带输入信号幅度的大小将结果划分为多个区间,通过支持向量回归建立区间段内实测信号建立输入与输出间的函数关系式,即数字预失真器子模块的行为模型;
S3:重复S2中的操作,建立起每个区间内数字预失真器子模块的行为模型,得到完整的数字预失真器多分段模型;
S4:线性化过程中,数字基带输入信号经过数字预失真器子模块时,首先经过幅度判断,选通对应的数字预失真器子模块对数字基带输入信号进行预失真处理;
S5:经预失真处理后得到的预失真信号再经功率放大器的非线性放大,最终得到与原始数字基带输入信号呈线性放大关系的输出数字信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011588687.7A CN112804171B (zh) | 2020-12-29 | 2020-12-29 | 基于支持向量回归的多分段数字预失真系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011588687.7A CN112804171B (zh) | 2020-12-29 | 2020-12-29 | 基于支持向量回归的多分段数字预失真系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112804171A CN112804171A (zh) | 2021-05-14 |
CN112804171B true CN112804171B (zh) | 2022-11-15 |
Family
ID=75805455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011588687.7A Active CN112804171B (zh) | 2020-12-29 | 2020-12-29 | 基于支持向量回归的多分段数字预失真系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112804171B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113135191B (zh) * | 2021-05-20 | 2022-11-18 | 北京理工大学 | 一种基于路面分类与机器学习的履带车辆滑移率估计方法 |
CN116054758B (zh) * | 2023-03-29 | 2023-06-06 | 北京力通通信有限公司 | 分段线性数字预失真模型的参数更新方法及预失真系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796091A (zh) * | 2015-04-13 | 2015-07-22 | 南京理工大学 | 基于分段记忆多项式的功率放大器建模及数字预失真方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106453172A (zh) * | 2016-07-19 | 2017-02-22 | 天津大学 | 基于分段线性函数的记忆多项式数字预失真方法 |
CN107171988B (zh) * | 2017-07-10 | 2019-07-12 | 东南大学 | 可见光通信中基于压缩感知的omp稀疏信道估计方法 |
-
2020
- 2020-12-29 CN CN202011588687.7A patent/CN112804171B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796091A (zh) * | 2015-04-13 | 2015-07-22 | 南京理工大学 | 基于分段记忆多项式的功率放大器建模及数字预失真方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112804171A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112804171B (zh) | 基于支持向量回归的多分段数字预失真系统及方法 | |
CN1166138C (zh) | 一种宽带发射机的自适应数字预失真方法和装置 | |
US7948311B2 (en) | Power series predistorter and control method thereof | |
CN110765720B (zh) | 一种复值流水线递归神经网络模型的功放预失真方法 | |
US20040136470A1 (en) | Uncorrelated adaptive predistorter | |
CN102143107B (zh) | 一种实现数字基带预失真的方法及装置 | |
CN110915174A (zh) | 校正装置和校正方法 | |
CN107359864B (zh) | 频率捷变功率放大器的自适应捷变数字预失真方法 | |
CN111064439B (zh) | 一种改善短波数字预失真性能的系统及方法 | |
CN113037226B (zh) | 基于自适应步长裁剪方法的数字预失真设计方法及装置 | |
CN101002394A (zh) | 无线电发射机和操作无线电发射机的方法 | |
CN106330802A (zh) | 一种移动通信系统的数字预失真处理装置及方法 | |
Tripathi et al. | Swish activation based deep neural network predistorter for RF-PA | |
CN101741787A (zh) | 一种预失真快速收敛的训练数据采集方法及系统 | |
Yin et al. | Data-clustering-assisted digital predistortion for 5G millimeter-wave beamforming transmitters with multiple dynamic configurations | |
Jaraut et al. | Independent component analysis for multi-carrier transmission for 4G/5G power amplifiers | |
CN111082756B (zh) | 一种用于mimo发射机的数模混合预失真结构 | |
Wu et al. | A uniform neural network digital predistortion model of RF power amplifiers for scalable applications | |
CN110086438B (zh) | 一种针对无源多波束发射机的数字预失真系统及方法 | |
Lu et al. | In-band digital predistortion for concurrent dual-broadband phased array transmitters | |
Barkhordar-Pour et al. | Real-time FPGA-based implementation of digital predistorters for fully digital MIMO transmitters | |
CN113055323B (zh) | 一种通信系统的数字预失真处理的方法及系统 | |
Yu et al. | Dynamic Activation Digital Predistortion of RF Power Amplifiers for 6G Dynamic Spectrum Aggregation Applications | |
Yin et al. | Pattern recognition of RF power amplifier behaviors with multilayer perceptron | |
CN100388623C (zh) | 平行式失真信号发生器及其功放应用电路 |
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 |