CN112859611A - 一种自适应预失真系统及方法 - Google Patents
一种自适应预失真系统及方法 Download PDFInfo
- Publication number
- CN112859611A CN112859611A CN202110069427.7A CN202110069427A CN112859611A CN 112859611 A CN112859611 A CN 112859611A CN 202110069427 A CN202110069427 A CN 202110069427A CN 112859611 A CN112859611 A CN 112859611A
- Authority
- CN
- China
- Prior art keywords
- predistortion
- output signal
- adaptive
- module
- model
- 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
Images
Classifications
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Amplifiers (AREA)
Abstract
本发明公开了一种自适应预失真系统及方法,包括第一预失真模块、第二预失真模块、功放模块、衰减模块和自适应模块;第一预失真模块用于对输入信号进行预失真处理,得到预失真输出信号;功放模块用于对预失真输出信号进行功率放大处理,得到功放输出信号;衰减模块用于对功放输出信号进行衰减处理,第二预失真模块用于对衰减处理后的功放输出信号进行预失真处理,得到预失真输出信号;自适应模块用于对预失真输出信号进行自适应处理,得到自适应信号;根据预失真输出信号和自适应信号的差值信号,对自适应模块进行调整。本发明具有稳定性高,收敛快,可离线学习,实现难度低的特性。
Description
技术领域
本发明涉及通信系统的功放线性技术化领域,具体涉及一种自适应预失真系统及方法。
背景技术
利用功放线性化技术提高功放效率和提高调制方法的信息携带量是最常用的解决办法。当前的功放线性化技术包括功率回退法(Power Back-up)、模拟预失真法、前馈法(Feed- Forward)、反馈法(Feed-back)和数字预失真法(Digital Pre-distortion,DPD),其中数字预失真法由于其灵活性和可编程性,已经被广泛地应用在通信市场上。目前数字预失真技术的主要缺点在于功放行为的建模精度不够和预失真系统的鲁棒性不强,建模精度主要体现在收敛后的系统输出信号经过衰减后同系统输入信号归一化均方误差(Normalized Mean Square Error,NMSE)以及基带信号的邻近信道功率比(AdjacentChannel Power Ratio, ACPR)上,而鲁棒性体现在系统的稳定性上。
现有的数字预失真模型主要包括记忆多项式(Memory Polynomial,MP)模型,Volterra模型、Wiener模型、Hammerstein模型等,Volterra级数模型由于其记忆性和非线性,使得它与功率放大器的行为模型不谋而合,MP模型是简化后的Volterra模型,仅保留了其基函数的对角项,其表达式如下
其中,Q为记忆深度,K为非线性阶数,由于删去了过多的交叉项和相关项,MP模型对于非线性更强的功放建模效果很差,精度低,对于丙类等高效射频功放的行为描述差,导致预失真效果不理想。在硬件实现方面,由于功放模型的建立需要大量的乘法器,故通过建立多项式电路模型来实现预失真模块不仅会浪费大量的硬件资源,且当参数改变或模型更新后,需要完全重新设计电路,使用起来十分不便。其模块自带的延迟特性也会导致整个系统的工作频率下降,预失真效果变差。
发明内容
本发明所要解决的技术问题是现有预失真技术中功放行为的建模精度不够和预失真系统的鲁棒性不强,目的在于提供一种自适应预失真系统及方法,解决了提高功放行为的建模精度,提高预失真系统的鲁棒性的问题。
本发明通过下述技术方案实现:
一种自适应预失真系统,包括第一预失真模块、第二预失真模块、功放模块、衰减模块和自适应模块;所述第一预失真模块用于对输入信号x(n)进行预失真处理,得到预失真输出信号y(n);所述功放模块用于对所述预失真输出信号y(n)进行功率放大处理,得到功放输出信号z(n);所述衰减模块用于对所述功放输出信号z(n)进行衰减处理,所述第二预失真模块用于对衰减处理后的功放输出信号z(n)进行预失真处理,得到预失真输出信号z1(n);所述自适应模块用于对所述预失真输出信号z1(n)进行自适应处理,得到自适应信号d(n);根据所述预失真输出信号y(n)和所述自适应信号d(n)的差值信号e(n),对所述自适应模块进行调整。
本发明的自适应预失真系统,包括两个预失真模块(第一预失真模块和第二预失真模块),通过增加预失真模块进行预失真训练,使得预失真系统结构可以保证系统得到全局最优解。本发明系统的通过对功放输出信号z(n)的反馈进行衰减,然后将衰减后的信号进行自适应模块处理得到自适应信号d(n),以功放输入信号,即预失真输出信号y(n)和自适应信号d(n) 的误差,作为差值信号e(n),对第一预失真模块和第二预失真模块进行迭代自适应学习。本发明具有稳定性高,收敛快,可离线学习,实现难度低的特性。
进一步的,所述自适应模块采用自适应算法,所述自适应算法为最小均方算法LMS。
进一步的,所述自适应模块根据所述差值信号e(n)和所述预失真输出信号z1(n),向所述第一预失真模块和第二预失真模块反馈复增益系数w(n+1)。
进一步的,所述最小均方算法LMS通过下列公式表示:
进一步的,所述自适应模块包括权值更新控制模块和线性滤波器。
进一步的,所述第一预失真模块和所述第二预失真模块均采用交叉记忆多项式模型,所述交叉记忆多项式模型融合Hammerstein模型和DDMP模型的交叉项,所述Hammerstein模型即记忆多项式MP模型;所述交叉记忆多项式模型包括DDMP模型的交叉项和Hammerstein模型的奇数阶项。所述交叉记忆多项式模型是在Hammerstein模型和DDMP模型基础上改进的,具有交叉项的高精度模型,其计算量与Hammerstein模型相差无几。
进一步的,所述的DDMP模型为非线性度更强的功放模型,所述的Hammerstein模型保留了Volterra模型的对角项。
进一步的,所述交叉记忆多项式模型采用下列公式表示:
其中,x(n)为输入信号,y(n)为预失真器输出信号,aq,k为Hammerstein模型的参数,bq,k为DDMP模型的参数,odd表示奇数阶,K为非线性阶数,Q为记忆深度,q∈[1,Q],k∈[1, K],n∈[1,N],N为正整数。
本发明的另一种实现方式,一种自适应预失真方法,包括以下步骤:步骤S1:对输入信号x(n)进行预失真处理,得到预失真输出信号y(n);步骤S2:所述预失真输出信号y(n)进行功率放大处理,得到功放输出信号z(n);步骤S3:对所述功放输出信号z(n)进行衰减处理,并对衰减处理后的功放输出信号z(n)进行预失真处理,得到预失真输出信号z1(n);步骤 S4:通过最小均方算法LMS对所述预失真输出信号z1(n)进行自适应处理,得到自适应信号 d(n);步骤S5:根据所述预失真输出信号y(n)和所述自适应信号d(n)的差值信号e(n),调整所述最小均方算法LMS。
进一步的,根据所述差值信号e(n)和所述预失真输出信号z1(n),向所述预失真处理的过程,反馈复增益系数w(n+1)。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明具有稳定性高,收敛快,可离线学习,实现难度低的特性。提高了功放行为的建模精度和预失真系统的鲁棒性,具有更强的带外抑制效果。
本系统可以应用在丙类射频功率放大器上,根据功放的非线性特性,可以适当调节功放模型的复增益或非线性项,以满足建模的精度。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为实施例1的自适应预失真系统结构图;
图2为预失真原理图;
图3为Wiener-Hammerstein模型;
图4为直接型预失真系统示意图;
图5为不同DPD模型的复杂度比较表;
图6为LMS算法的硬件实现结构;
图7为整体电路框图;
图8为AM-PM比较图一;
图9为AM-PM比较图二;
图10为低码速率的功率谱密度比较图一;
图11为低码速率的功率谱密度比较图二。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
本实施例1是一种自适应预失真系统,如图1所示,包括第一预失真模块、第二预失真模块、功放模块、衰减模块和自适应模块;第一预失真模块用于对输入信号x(n)进行预失真处理,得到预失真输出信号y(n);功放模块用于对预失真输出信号y(n)进行功率放大处理,得到功放输出信号z(n);衰减模块用于对功放输出信号z(n)进行衰减处理,第二预失真模块用于对衰减处理后的功放输出信号z(n)进行预失真处理,得到预失真输出信号z1(n);自适应模块用于对预失真输出信号z1(n)进行自适应处理,得到自适应信号d(n);根据预失真输出信号y(n)和自适应信号d(n)的差值信号e(n),对自适应模块进行调整。
本实施例1的自适应预失真系统,包括两个预失真模块(第一预失真模块和第二预失真模块),通过增加预失真模块进行预失真训练,使得预失真系统结构可以保证系统得到全局最优解。再通过对功放输出信号z(n)的反馈进行衰减,然后将衰减后的信号进行自适应模块处理得到自适应信号d(n),以功放输入信号,即预失真输出信号y(n)和自适应信号d(n)的误差,作为差值信号e(n),对第一预失真模块和第二预失真模块进行迭代自适应学习。本实施例1具有稳定性高,收敛快,可离线学习,实现难度低的特性。
实施例2
本实施例2是在实施例1的基础上。功率放大器的非线性失真是由电子元器件的物理特性所导致的,即功放的输出信号相对于输入信号产生的非线性形变。通常情况下,可以通过降低输入功率来保持输入输出功率的线性关系,但这会大大降低功放的效率。数字预失真的原理是,预先将输入信号进行畸变处理,即数字信号处理,使得畸变后的信号通过功放时,与功放所造成的畸变相补偿,使得输入-输出信号整体呈现出线性的品质。数字预失真的原理框图如图2所示。
图中,x(n)为预失真器输入信号,y(n)为经过预失真处理后的输出信号,z(n)为功放输出信号。
z=h(y) (2)
其中h(x)为功放的传输函数,预失真器的传输函数和功放的传输函数互为反函数,记为 h-1(x),所以预失真器的输出可以表示为:
y=g*h-1(x) (3)
将公式(3)代入公式(2)中,得到公式(4)
z=h(g*h-1(x))=g*h(h-1(x))=g*x (4)
式中,g为常量,表示的是功放的增益因子,可以看出,经过预失真器后,功放的输出信号相对于输入信号是整体线性放大的。
在功放模型的建立方面,通常采用的是基于Wiener模型和Hammerstein模型的级联型模型,Wiener模型是由一个静态非线性模块和一个动态线性滤波器模块级联而成的,在实际应用中,常常用来描述非线性系统的逆向特性,而Hammerstein模型是由一个动态线性滤波器模块和一个静态非线性模块级联而成的,实际应用中常常用来描述系统的非线性。两个模型级联后的示意图如图3所示,N(.)为非线性静态基函数,F(.)线性动态基函数,可以分别表示为:
其中,bk为线性动态参数,am非线性静态参数,x(n)为系统输入信号,y(n)为预失真器输出信号,z(n)为系统输出信号。经过级联后的功放模型输出信号可以通过计算得到
令ak,m=ambk,可以看出,MP模型与式(7)是等价的。故Hammerstein模型可以用来描述功放的行为。同上,预失真器的输出信号可以表示为
由式(7)和式(8)可知,Wiener模型比Hammerstein模型更难计算,复杂度更高,但是交叉项更多,模型精度更高。而Hammerstein模型可以很好的与记忆多项式(MemoryPolynomial, MP)模型相匹配,计算量小,但是对于高效功率放大器,如丙类射频功放,其非线性更加严重。由于Hammerstein模型只包含Volterra级数的对角项基函数,缺乏交叉项的拟合,与高效率功放的非线性程度不匹配,并不能很好的描述功放的非线性行为,会导致反馈回来的衰减信号与系统输入信号的误差过大,有可能会使得整个预失真系统的不收敛,甚至崩溃。
DDMP(Dynamic Derivative Memory Polynomial)是Volterra级数的简化版,它保留了 Volterra模型的对角项,同时增添了部分交叉项,即输入信号的瞬时值和将此瞬时信号延迟数个时间单位后的值。这种模型对功放的描述为
公式(9)的第一项为交叉项,第二项为非线性动态项,a为基函数所对应的参数,K为非线性阶数,Q为记忆深度。
根据上述模型设计的预失真自适应结构通常为直接型结构,如图4所示。其中,x(n)为系统输入信号,y(n)为预失真器输出信号,z(n)为系统输出信号。该结构将信号误差作为代价函数,通过自适应算法调节预失真器参数直至收敛。该结构的优点是结构简单,消耗的硬件资源较少,缺点是如果均方误差(Mean Square Error,MSE)不是关于功放逆模型参数的二次函数,容易造成局部收敛的问题,可能会导致整个系统的不收敛或者错误收敛。
本实施2通过整合Hammerstein模型和DDMP模型的交叉项,能很好的描述丙类功放的行为。一般来说,功率放大器的输入输出关系可以由下式来描述
y(n)=a0+a1x(n)+a2x2(n)+a3x3(n)+... (10)
其中,a0、a1、a2、a3…为由功放本身特性决定的系数,x(n)为功放输入信号,y(n)为输出信号。令x=cos(w1t)+cos(w2t),即双音信号,带入式(10)可以得出
由上式可以看出,由于功放的非线性影响,在输入双音信号后,输出的信号除了原本的双音信号外,还包含了直流分量a1与多个互调分量,包括2w1,2w2,w1±w2,2w1-w2,2w2-w1,3w1, 3w2等,其中,2w1,2w2,w1±w2,3w1,3w2等分量距离原本的双音信号频谱较远,很容易通过带通滤波器滤除,但是,2w1-w2,2w2-w1,3w1-2w2,3w2-2w1与有用信号之间的频差较小,很难利用滤波器滤除这些交调分量,即三阶和五阶交调信号带来的失真,故功放的奇数阶对其非线性失真起着决定性的作用,在工程实现中可以忽略偶数阶的影响,在减少一半的模型计算量的情况下,很好地保留模型的非线性度,故在此模型中只考虑奇数阶的记忆多项式。其数学表达式重写为
DDMP模型中的交叉项重写为
合并式(10)与式(11),得到新功放模型表达式
式(12)即为改进后的数字预失真模型,称为交叉记忆多项式(Cross MemoryPolynomial, CMP)模型,它是在Hammerstein模型和DDMP模型基础上改进的,具有交叉项的高精度模型,其计算量与Hammerstein模型相差无几。表1是在记忆深度为Q,非线性阶数为K的条件下,三种功放模型的复杂度比较表,如图5所示,在非线性阶数为7,记忆深度为3的条件下,CMP的模型系数个数与Hammerstein模型系数个数几乎一样,动态阶数也一样。由Volterra 级数的定义可知,交叉项的个数对模型精度的提升起着十分重要的作用,而CMP模型所包含的交叉项是Volterra级数的一半左右,对于功放曲线的拟合更好,通过后续的仿真,可以证明,CMP模型相对于Hammerstein模型,能在不改变运算量的情况下,很大程度上提升 Hammerstein模型模型精度。
另一方面本实施例2为预失真系统结构的优化。改进后的预失真系统示意图如图1所示,其中,e(n)为系统误差,z1(n)为系统输出信号再次经过预失真模块的输出,d(n)为自适应模块输出。通过增加预失真训练器,使得训练预失真结构可以保证系统得到全局最优解。该结构的反馈支路首先对功放输出进行衰减,然后以功放输入和功放模型求逆模型的输出的差值为误差信号,其中功放求逆模型即为预失真模块的复制,对功放逆模型进行迭代自适应学习,得到逆模型的参数。具有稳定性高,收敛快,可离线学习,实现难度低的特性,在工作时,首先前置参数估计工作,得到估计结果,收敛后将参数更新至预失真器。
本实施例2自适应算法采用最小均方(Least Mean Square,LMS)算法,通过不断迭代更新系数,实现系统的收敛,LMS算法相较于LS与RLS算法,具有运算量低、稳定等特点。令预失真模块的复增益系数为
w(n)=[w00,w01,w02,...w0Q,w10,...,w1Q,...,wKQ]T (13)
其中,K为预失真模块的非线性阶数,Q为记忆深度,LMS算法的公式为
d(n)=z1*w(n)H
e(n)=y(n)-d(n)
w(n+1)=w(n)+2*u*e*(n)*z1(n) (14)
其中wH为w的复共轭转置,通过设置步长u,可以控制系统的收敛速度和收敛后的NMSE。LMS算法是由一个权值更新控制模块和一个线性滤波器组成,其硬件实现的框图如图6所示。可以看出,LMS算法非常适合在硬件上实现,其中,为步长大小,可以通过移位来实现数据的乘法或除法。
对于预失真模块,在硬件实现方面,本预失真模型将输入的基带信号提前经过求幅度处理,这里采用的是Cordic核模块,其整体电路框图如图7所示。
其中,Xin为系统输入信号,Yout为系统输出信号,|x|为求模操作,LUT为查找表模块,根据Hammerstein模型
对输入信号求模之后,根据非线性基函数|x(n-q)|2k,可以设置查找表的索引为基函数,查找表输出为此基函数所对应的复增益,即aq,k。
根据上述分析可知,改进后的数字预失真系统相对于传统的多项式结构系统,不仅能保证系统的稳定收敛,在接下来的仿真实验中可以证明,此模型在不提高模型复杂度的情况下,能够降低ACPR,相对于基本的Hammerstein模型,系统收敛后的ACPR降低了2dB左右。本系统的输入信号分别采用两种码速率的信号,(1)功率为2dBm的16QAM基带信号,其采样率为61.44MHz,基带信号码速率为7.68MHz,采样点数为2000个,(2)基带信号码速率为15.36MHz,采样点数为4000个的信号,分别观察系统输出的功率谱密度图。由于输入信号的功率越大,通过功放后的带外功率谱密度增生更严重,故可以采用功率较高的信号测试训练预失真系统的稳定性。从丙类功放提取出来的模型系数为
设置非线性阶数为5,记忆深度为2,下图分别为通过功放的原始信号与通过训练预失真系统的AM-PM与AM-AM仿真结果,其中AM-PM为输出相位差随输入幅度的变化特性,AM-AM为输出幅度随输入幅度的变化特性,这两种特性能够非常直观地描述功放系统的失真程度。由图8和图9可以看出,未经过预失真的AM-AM与AM-PM信号散点图信号输出呈现出记忆性与非线性,记忆性表现为线条的宽度过宽,非线性表现为呈现出一条向下弯曲的线。对于AM-PM图,CMP模型的相位偏移远比Hammerstein模型小,且整个模型的记忆特性已经通过训练预失真结构降到最低。对于AM-AM图,未经过预失真信号功放效率是最低的,Hammerstein模型的斜率随着输入功放功率的增加而呈现出非线性变化,而经过CMP 模型后的输出信号与输入信号的幅度关系依旧保持线性。如图10与图11分别为不同码速率状态下的信号的功率谱密度图,其中只取了正频率的部分,可以看出,经过功放后的原始基带信号具有较大的频谱增生,通过Hammerstein模型和CMP模型,利用LMS算法不断迭代替换模型系数,都能有效的抑制带外增生,但是本实施例2所提出的CMP模型具有更强的带外抑制效果。分别设置归一化带外信号频率范围为[0.125,1]与[0.25,1],可以观察到带宽更宽的信号预失真效果更明显,CMP模型的窄带宽信号的预失真性能改善比Hammerstein模型降低了约2dB,而宽带宽信号的预失真性能改善比Hammerstein模型降低了约3.5dB,均有效地抑制了信号的频谱增生,可以满足大多数高阶调制的传输需求。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种自适应预失真系统,其特征在于,包括第一预失真模块、第二预失真模块、功放模块、衰减模块和自适应模块;
所述第一预失真模块用于对输入信号x(n)进行预失真处理,得到预失真输出信号y(n);
所述功放模块用于对所述预失真输出信号y(n)进行功率放大处理,得到功放输出信号z(n);
所述衰减模块用于对所述功放输出信号z(n)进行衰减处理,所述第二预失真模块用于对衰减处理后的功放输出信号z(n)进行预失真处理,得到预失真输出信号z1(n);
所述自适应模块用于对所述预失真输出信号z1(n)进行自适应处理,得到自适应信号d(n);
根据所述预失真输出信号y(n)和所述自适应信号d(n)的差值信号e(n),对所述自适应模块进行调整。
2.根据权利要求1所述自适应预失真系统,其特征在于,所述自适应模块采用自适应算法,所述自适应算法为最小均方算法LMS。
3.根据权利要求2所述自适应预失真系统,其特征在于,所述自适应模块根据所述差值信号e(n)和所述预失真输出信号z1(n),向所述第一预失真模块和第二预失真模块反馈复增益系数w(n+1)。
5.根据权利要求2所述自适应预失真系统,其特征在于,所述自适应模块包括权值更新控制模块和线性滤波器。
6.根据权利要求1所述自适应预失真系统,其特征在于,所述第一预失真模块和所述第二预失真模块均采用交叉记忆多项式模型,所述交叉记忆多项式模型融合Hammerstein模型和DDMP模型的交叉项,所述Hammerstein模型即记忆多项式MP模型;
所述交叉记忆多项式模型包括DDMP模型的交叉项和Hammerstein模型的奇数阶项。
7.根据权利要求6所述自适应预失真系统,其特征在于,所述的DDMP模型为非线性度更强的功放模型,所述的Hammerstein模型保留了Volterra模型的对角项。
9.一种自适应预失真方法,其特征在于,包括以下步骤:
步骤S1:对输入信号x(n)进行预失真处理,得到预失真输出信号y(n);
步骤S2:所述预失真输出信号y(n)进行功率放大处理,得到功放输出信号z(n);
步骤S3:对所述功放输出信号z(n)进行衰减处理,并对衰减处理后的功放输出信号z(n)进行预失真处理,得到预失真输出信号z1(n);
步骤S4:通过最小均方算法LMS对所述预失真输出信号z1(n)进行自适应处理,得到自适应信号d(n);
步骤S5:根据所述预失真输出信号y(n)和所述自适应信号d(n)的差值信号e(n),调整所述最小均方算法LMS。
10.根据权利要求9所述自适应预失真方法,其特征在于,根据所述差值信号e(n)和所述预失真输出信号z1(n),向所述预失真处理的过程,反馈复增益系数w(n+1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110069427.7A CN112859611B (zh) | 2021-01-19 | 2021-01-19 | 一种自适应预失真系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110069427.7A CN112859611B (zh) | 2021-01-19 | 2021-01-19 | 一种自适应预失真系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112859611A true CN112859611A (zh) | 2021-05-28 |
CN112859611B CN112859611B (zh) | 2023-05-16 |
Family
ID=76007361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110069427.7A Active CN112859611B (zh) | 2021-01-19 | 2021-01-19 | 一种自适应预失真系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112859611B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115037580A (zh) * | 2022-07-12 | 2022-09-09 | 西安电子科技大学 | 基于自学习的射频预失真系统及方法 |
CN115632615A (zh) * | 2022-12-21 | 2023-01-20 | 深圳国人无线通信有限公司 | 数字预失真方法与系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050180527A1 (en) * | 2004-01-29 | 2005-08-18 | Ntt Docomo, Inc. | Digital predistorter using power series model |
WO2009050537A1 (en) * | 2007-10-18 | 2009-04-23 | Freescale Semiconductor, Inc. | Method and system of adaptive predistortion of a wireless transmitter |
US20100111238A1 (en) * | 2008-10-31 | 2010-05-06 | Freescale Semiconductor, Inc. | Error signal processing systems for generating a digital error signal from an analog error signal |
CN101860326A (zh) * | 2010-06-29 | 2010-10-13 | 奥维通信股份有限公司 | 基于Volterra级数间接学习型预失真线性化系统 |
CN201878098U (zh) * | 2010-06-29 | 2011-06-22 | 奥维通信股份有限公司 | 基于Volterra级数间接学习型预失真线性化系统 |
CN102427336A (zh) * | 2011-11-30 | 2012-04-25 | 上海瑞和安琦通信科技有限公司 | 一种实现自适应数字预失真线性化的射频功率放大系统 |
CN103179074A (zh) * | 2013-03-20 | 2013-06-26 | 中国科学院上海微系统与信息技术研究所 | 基于正交多项式的自适应预失真系统及方法 |
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 |
CN103888396A (zh) * | 2014-03-26 | 2014-06-25 | 西安电子科技大学 | 基于自适应可变步长迭代的预失真方法 |
CN103929136A (zh) * | 2014-04-22 | 2014-07-16 | 西安易晓通讯科技有限公司 | 宽带移动通信lte系统发射机功率放大器预失真处理方法 |
CN104580060A (zh) * | 2015-01-20 | 2015-04-29 | 重庆邮电大学 | 一种iq不平衡失真的数字预失真校正装置和方法 |
US20150269493A1 (en) * | 2014-03-20 | 2015-09-24 | Futurewei Technologies, Inc. | System and Method for Adaptive Filter |
CN105229927A (zh) * | 2013-05-22 | 2016-01-06 | 瑞典爱立信有限公司 | 用于并发双频带功率放大器的互调频带的线性化 |
CN107078702A (zh) * | 2014-11-19 | 2017-08-18 | 华为技术有限公司 | 一种预失真处理的装置及方法 |
CN107770111A (zh) * | 2017-12-08 | 2018-03-06 | 航天恒星科技有限公司 | 脉冲成型结合数字预失真抑制ofdm峰均比系统与方法 |
CN108063739A (zh) * | 2017-12-15 | 2018-05-22 | 北京卫星信息工程研究所 | 宽带数字通信系统发射端功放自适应数字预失真方法 |
CN110336541A (zh) * | 2019-07-10 | 2019-10-15 | 电子科技大学 | 基于记忆与交叉记忆多项式模型的数字预失真处理方法 |
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 |
-
2021
- 2021-01-19 CN CN202110069427.7A patent/CN112859611B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050180527A1 (en) * | 2004-01-29 | 2005-08-18 | Ntt Docomo, Inc. | Digital predistorter using power series model |
WO2009050537A1 (en) * | 2007-10-18 | 2009-04-23 | Freescale Semiconductor, Inc. | Method and system of adaptive predistortion of a wireless transmitter |
US20100111238A1 (en) * | 2008-10-31 | 2010-05-06 | Freescale Semiconductor, Inc. | Error signal processing systems for generating a digital error signal from an analog error signal |
CN101860326A (zh) * | 2010-06-29 | 2010-10-13 | 奥维通信股份有限公司 | 基于Volterra级数间接学习型预失真线性化系统 |
CN201878098U (zh) * | 2010-06-29 | 2011-06-22 | 奥维通信股份有限公司 | 基于Volterra级数间接学习型预失真线性化系统 |
CN102427336A (zh) * | 2011-11-30 | 2012-04-25 | 上海瑞和安琦通信科技有限公司 | 一种实现自适应数字预失真线性化的射频功率放大系统 |
CN103179074A (zh) * | 2013-03-20 | 2013-06-26 | 中国科学院上海微系统与信息技术研究所 | 基于正交多项式的自适应预失真系统及方法 |
CN105229927A (zh) * | 2013-05-22 | 2016-01-06 | 瑞典爱立信有限公司 | 用于并发双频带功率放大器的互调频带的线性化 |
US20150269493A1 (en) * | 2014-03-20 | 2015-09-24 | Futurewei Technologies, Inc. | System and Method for Adaptive Filter |
CN103888396A (zh) * | 2014-03-26 | 2014-06-25 | 西安电子科技大学 | 基于自适应可变步长迭代的预失真方法 |
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 |
CN103929136A (zh) * | 2014-04-22 | 2014-07-16 | 西安易晓通讯科技有限公司 | 宽带移动通信lte系统发射机功率放大器预失真处理方法 |
CN107078702A (zh) * | 2014-11-19 | 2017-08-18 | 华为技术有限公司 | 一种预失真处理的装置及方法 |
CN104580060A (zh) * | 2015-01-20 | 2015-04-29 | 重庆邮电大学 | 一种iq不平衡失真的数字预失真校正装置和方法 |
CN107770111A (zh) * | 2017-12-08 | 2018-03-06 | 航天恒星科技有限公司 | 脉冲成型结合数字预失真抑制ofdm峰均比系统与方法 |
CN108063739A (zh) * | 2017-12-15 | 2018-05-22 | 北京卫星信息工程研究所 | 宽带数字通信系统发射端功放自适应数字预失真方法 |
CN110336541A (zh) * | 2019-07-10 | 2019-10-15 | 电子科技大学 | 基于记忆与交叉记忆多项式模型的数字预失真处理方法 |
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 |
Non-Patent Citations (8)
Title |
---|
ALEXANDER N. LOZHKIN 等: "A New Digital Predistorter Linearizer For Wide Band Signals", 《2011 IEEE 22ND INTERNATIONAL SYMPOSIUM ON PERSONAL, INDOOR AND MOBILE RADIO COMMUNICATIONS》 * |
何华明等: "一种基于正交多项式的自适应预失真方法", 计算机应用与软件 * |
刑峰英: "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》 * |
刘俊坊: "基于自适应预失真器的BLMS算法研究", 《微计算机信息》 * |
刘高辉等: "幅度和相位预失真参数并行估计的间接学习结构预失真方法", 信号处理 * |
李光: "基于FPGA的宽带功放数字预失真技术研究与实现", 《中国优秀硕士学位论文信息科技辑》 * |
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 * |
陈昀: "一种数字预失真直放站的实现方法", 《河北大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115037580A (zh) * | 2022-07-12 | 2022-09-09 | 西安电子科技大学 | 基于自学习的射频预失真系统及方法 |
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 |
CN115632615A (zh) * | 2022-12-21 | 2023-01-20 | 深圳国人无线通信有限公司 | 数字预失真方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112859611B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11129076B2 (en) | Method and system for baseband predistortion linearization in multi-channel wideband communication systems | |
JP4417174B2 (ja) | プリディストータ | |
US8248159B2 (en) | Model based distortion reduction for power amplifiers | |
US6956433B2 (en) | Polynomial predistorter using complex vector multiplication | |
CN101416382B (zh) | 用于减少rf功率放大器中的频率记忆效应的方法和设备 | |
EP2837093B1 (en) | Digital predistorter (dpd) structure based on dynamic deviation reduction (ddr)-based volterra series | |
CN112859611B (zh) | 一种自适应预失真系统及方法 | |
Besbes et al. | A fast adaptive predistorter for nonlinearly amplified M-QAM signals | |
KR20050006725A (ko) | 프리디스토션을 이용한 전력 증폭 장치, 그 방법 및 그장치를 포함하는 무선 통신 시스템 | |
CN107786174B (zh) | 用于预失真的电路和方法 | |
Long et al. | Indirect learning hybrid memory predistorter based on polynomial and look-up-table | |
Vo et al. | Fast adaptive RLS algorithms for polar polynomial predistorters | |
Shokri et al. | A novel Technique for Linearizing Digital Pre-distortion in Power Amplifiers for OFDM Applications | |
Li et al. | Application of signal processing worksystem simulation in Look-up table prodistorter design | |
Yi | A Novel Digital Predistortion Model Based on Volterra Series | |
Ran et al. | The research of digital predistortion linearization mechanism by fuzzy decision | |
Li et al. | Optimization Design of Memory Polynomial Coefficient Look-Up Table Predistorter Algorithm | |
Li et al. | A New Loop-Delay Estimation Algorithm for Amplifier Predistortion System |
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 |