CN115021689A - 数字预失真算法里增强运算稳定性的方法 - Google Patents

数字预失真算法里增强运算稳定性的方法 Download PDF

Info

Publication number
CN115021689A
CN115021689A CN202210948222.0A CN202210948222A CN115021689A CN 115021689 A CN115021689 A CN 115021689A CN 202210948222 A CN202210948222 A CN 202210948222A CN 115021689 A CN115021689 A CN 115021689A
Authority
CN
China
Prior art keywords
candidate
candidate model
phi
model
model library
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
Application number
CN202210948222.0A
Other languages
English (en)
Other versions
CN115021689B (zh
Inventor
侯卫兵
雷伟龙
叶亚飞
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.)
Beijing Litong Communication Co ltd
Original Assignee
Beijing Litong Communication Co ltd
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 Beijing Litong Communication Co ltd filed Critical Beijing Litong Communication Co ltd
Priority to CN202210948222.0A priority Critical patent/CN115021689B/zh
Publication of CN115021689A publication Critical patent/CN115021689A/zh
Application granted granted Critical
Publication of CN115021689B publication Critical patent/CN115021689B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/02—Transmitters
    • H04B1/04—Circuits
    • H04B1/0475—Circuits with means for limiting noise, interference or distortion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/02—Transmitters
    • H04B1/04—Circuits
    • H04B2001/0408—Circuits with power amplifiers
    • H04B2001/0425—Circuits with power amplifiers with linearisation using predistortion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Power Engineering (AREA)
  • Computing Systems (AREA)
  • Nonlinear Science (AREA)
  • Algebra (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种数字预失真算法里增强运算稳定性的方法，包括：获取功率放大器的输入信号和对应的输出信号；将输入信号分割为N个区间，为每个区间分配一个一阶样条函数，再将N个一阶样条函数量化；为所述N个区间选择N个多项式作为函数基底；将每一多项式与所述N个一阶样条函数相乘得到一个候选模型，共得到N个候选模型，N个候选模型形成第一候选模型库；从所述第一候选模型库中筛选出贡献度大的多个候选模型，组成第二候选模型库；将所述第二候选模型库和维稳矩阵相乘，得到第三模型库；利用第三模型库，对功率放大器的输入信号和输出信号进行分区间拟合。本发明可降低分段样条函数所构成的矩阵的条件数，增强运算稳定性。

Description

数字预失真算法里增强运算稳定性的方法
技术领域
本发明涉及宽带无线通信系统领域。更具体地说，本发明涉及一种数字预失真算法里增强运算稳定性的方法。
背景技术
近十年来，无线通信飞速发展，码分多址，正交频分复用等新兴的技术得到广泛的使用，这些技术所产生的信号都是非恒定包络的信号，存在较大的峰均比，功率变化范围大，此类信号对本身是非线性器件的功率放大器十分敏感。功率放大器的非线性会破坏通道内的信号，产生额外的频率，造成频谱泄露等问题，从而影响通信的性能，对此的解决方案中采用数字预失真技术的方案最为流行。而在数字预失真技术中，一个十分重要的工作就是寻找合适的数学工具来对功率放大器的行为建模。传统的方法最为流行就是GMP模型，DDR模型等等。但是最近几年，4G网络已经逐渐完成了向5G网络的演进，在5G大带宽的背景下，上述传统的GMP模型等逐渐不再适用于大带宽的场景，于是一种新的能够适用于大带宽信号的模型亟待出现。具体来说，发射机的功率放大器在信号是大带宽信号的情况下，功率放大器表现出更复杂多变的非线性特征，传统的模型比如GMP模型无法描述如此复杂的非线性特征，在此状况下，寻求新的数学模型来描述功率放大器的非线性特征将变得十分重要。
目前也存在很多新的方法对功率放大器的行为特征进行建模，比如原有的GMP模型，属于多项式模型，在此基础上增加不同的多项式的组合可以表征更多的非线性，但是存在诸多问题例如增加了模型的复杂度，且由于增加的多项式的组合存在高度相似的，在算法求解的过程，不稳定性增加了。而上述的GMP模型都是基于多项式的，这些多项式在输入功率范围内都是属于全局拟合，一个多项式，无论是在大功率下，还是在小功率下，其所对应的系数都是一样的，这就是全局拟合。这样做的缺点在于可能为了拟合某个局部区间，而牺牲掉其余区间的拟合效果，造成总体拟合的效果受到限制。因此，有必要提出一种在这种高带宽的情况下，能解决全局拟合带来的性能受限问题的数学模型。从而提高在5G网络下的通信性能。
此外，我们采用了分段样条函数去对功率放大器的行为进行建模，在求解系数的时候，我们发现一个很重要的问题，分段样条函数所构成的矩阵依然存在条件数过高的问题，这导致运算的时候十分不稳定，以至于无法进行下去，为了解决这个问题，本专利的主要目的是为了增强运算稳定性。
发明内容
本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
本发明还有一个目的是提供一种数字预失真算法里增强运算稳定性的方法，可降低分段样条函数所构成的矩阵的条件数，增强运算稳定性。
为了实现根据本发明的这些目的和其它优点，提供了一种数字预失真算法里增强运算稳定性的方法，其包括：
S1、获取功率放大器的输入信号和对应的输出信号；
S2、将输入信号分割为N个区间，为每个区间分配一个一阶样条函数，再将N个一阶样条函数量化；
S3、为所述N个区间选择N个多项式作为函数基底；
S4、将每一多项式与所述N个一阶样条函数相乘得到一个候选模型，共得到N个候选模型，N个候选模型形成第一候选模型库Ф；
S5、从所述第一候选模型库Ф中筛选出贡献度大的多个候选模型，组成第二候选模型库Фk；
S6、将所述第二候选模型库Фk和维稳矩阵相乘，得到第三模型库A；
S7、利用第三模型库A，对功率放大器的输入信号和输出信号进行分区间拟合。
优选的是，S6中的维稳矩阵采用如下方法构建得到：
S601、求出第二候选模型库中各列向量的模值[m1,m2,M3,m4,M5,m6,m7,…,mk]；
S602、找出[m1,m2,M3,m4,M5,m6,m7,…,mk]中的最大值Mx，再找出小于30%Mx的模值[m1,m2 ,m4, m6,m7,…,mk]，求出[m1,m2 ,m4, m6,m7,…,mk]的模值平均值m；
S603、找出大于30%Mx的模值[M3, M5,…]，求出其对模值平均值m的倍数[M3/m, M5/m,…]；
S604、构建维稳矩阵S，维稳矩阵S设置为含有k个元素的行向量，其中与[m1,m2 ,m4, m6,m7,…,mk]对应位置的值设置为1，与[M3, M5,…] 对应位置的值设置为[m / M3, m/ M5,…]，即维稳矩阵S=[1,1, m / M3,1,m / M5,1,1,…,1]；
那么，第三模型库A=ФkST。
优选的是，S2中，N个一阶样条函数量化后以LUT表的形式存储。
优选的是，S3中的多项式包括各类交调分量的多项式。
优选的是，S5中，采用压缩感知的正交匹配追踪算法从所述第一候选模型库Ф中筛选出贡献度大的多个候选模型，组成第二候选模型库Фk，其中，候选模型的贡献度根据第一候选模型库Ф中的每一个候选模型与拟合残差值r的相关度大小来确定。
优选的是，采用压缩感知的正交匹配追踪算法从所述第一候选模型库Ф中筛选出贡献度大的多个候选模型，组成第二候选模型库Фk的方法包括：
建立预设模型，其中，所述预设模型的输入为第一候选模型库Ф，y为原始信号， K为预定的模型数量，标识待重建信号中非零元素位置的索引集为Λ；所述预设模型的输出为重建信号x；
进行初始化：x=0，r=y，循环标识k=0，索引集Λ0为空集；
循环执行以下步骤a~f：
a、k=k+1；
b、找出拟合残差值r与第一候选模型库中最匹配原子的索引λk，即：λk =argmax{|<rk, Фk>|}；
c、更新索引集Λk=Λk-1∪{λk }，并更新第二候选模型库中的列集合Фk =[Фk −1,
Figure DEST_PATH_IMAGE002
]；
d、重建目标信号x=pinv(Ф)y，其中，pinv(Ф)表示矩阵Ф的伪逆；
e、更新残差值r=y−Фkx；
f、判断是否满足 k>K，若满足则停止循环；若不满足，则执行步骤a；
最后得到所述第二候选模型库Фk。
优选的是，S1中获取的功率放大器的输入信号和对应的输出信号，具体为时延对齐的输入信号和输出信号。
本发明至少包括以下有益效果：本发明由于加入了一阶样条函数，可以做到一个一阶样条函数在一个区间内拟合，而对其他区间没有影响，多个一阶样条函数就可以在多个区间分别拟合，从在函数选择来说，本发明的效果就优于传统的GMP模型等这些纯粹的多项式模型。此外，压缩感知是一种降维算法，压缩感知的引入，可以将原有的众多模型里贡献小的剔除，从而保留贡献度大的模型，不仅可以更好的拟合，同时还可以降低计算复杂度。同时，在求解系数的时候存在着运算不稳定的情况，这是因为使用最小二乘法时，所涉及到的矩阵是一个条件数很高的病态矩阵，也就是第二候选模型库实际上是一个十分病态的矩阵，这会导致求解的过程十分不稳定，以及至于求解无法进行下去。而一个矩阵病态的原因之一在于矩阵里的各列向量的模值差异较大，这是会导致其特征值差异过大，从而导致病态，本发明着重于如何解决这个问题，关键的措施在于，设计了维稳矩阵，将各列向量的模值之间的差异缩小了，这种方法非常简单且非常有效。成功降低了矩阵的条件数，从增强了运算稳定性。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明实施例所述数字预失真算法里增强运算稳定性的方法的流程图；
图2为本发明实施例所述数字预失真算法里增强运算稳定性的方法的典型GMP模型的表达式示意图；
图3为本发明实施例所述数字预失真算法里增强运算稳定性的方法的一阶样条函数的示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
如图1所示，本发明提供一种数字预失真算法里增强运算稳定性的方法，其包括：
S1、获取功率放大器的输入信号和对应的输出信号；
具体的，S1中获取的功率放大器的输入信号和对应的输出信号，具体为时延对齐的输入信号和输出信号。
S2、将输入信号分割为N个区间，为每个区间分配一个一阶样条函数，再将N个一阶样条函数量化；
具体的，将所述获取的功率放大器的输入信号分割为N个区间，该N个区间可以是16个，也可以是32或64个，在此不做具体限定。区间数越多，拟合越好，但是复杂度越高。每个区间对应一个一阶样条函数。由于一阶样条函数只在自己所属区间内是非零的，那么它只能在自己的区间内对功率放大器的输入输出特性进行拟合，从而实现了局部拟合，而这种局部拟合的整体效果要优于全局拟合。N个一阶样条函数量化后，以LUT表的形式存储。
S3、为所述N个区间选择N个多项式作为函数基底；
具体的，多项式可以是GMP模型中的多项式，例如可以是包括各类交调分量的多项式，其中各类交调分量包括三阶交调、五阶交调等，本领域技术人员根据实际需要可以选择合适的多项式。
S4、将每一多项式与所述N个一阶样条函数相乘得到一个候选模型，共得到N个候选模型，N个候选模型形成第一候选模型库Ф；
将N个一阶样条函数量化后，以LUT表的形式存储，并且选用不同的多项式，例如包含了上述提到的各类交调分量的多项式，这些不同的多项式和N个一阶样条函数相乘，构成不同的候选模型，数量众多的候选模型成为压缩感知算法的第一候选模型库。
具体的，如图2所示是典型GMP模型的表达式，其中每一个多项式都可以和一阶样条函数结合构成一个候选模型，并进入第一候选模型库。图3所示是一阶样条函数的示意图。
S5、从所述第一候选模型库Ф中筛选出贡献度大的多个候选模型，组成第二候选模型库 Фk；
具体的，可以采用压缩感知的正交匹配追踪算法从所述第一候选模型库Ф中筛选出贡献度大的多个候选模型，组成第二候选模型库 Фk。这里所说的贡献度大，意思是此候选模型的剔除，会大幅降低数学模型的拟合能力。具体来说，根据第一候选模型库Ф中的每一个候选模型与拟合残差值r的相关度大小来确定这些候选模型的贡献度。贡献度的表示就是图3中各个系数的大小。系数越大的，贡献度越大。我们在求解系数的过程中，遇到的方程是超定方程，可以采用最小二乘法来求解贡献度大的多个候选模型的系数，以及残差，为下一次从剩余的第一候选模型中筛选模型做准备。
更具体的，采用压缩感知的正交匹配追踪算法从所述第一候选模型库Ф中筛选出贡献度大的多个候选模型，组成第二候选模型库 Фk的方法包括：
首先建立预设模型，其中，所述预设模型的输入为第一候选模型库Ф，y为原始信号， K为预定的模型数量，标识待重建信号中非零元素位置的索引集为Λ；所述预设模型的输出为重建信号x；
然后进行初始化：x=0，r=y，循环标识k=0，索引集 Λ0为空集；
接着循环执行以下步骤a~f：
a、k=k+1；
b、找出拟合残差值r与第一候选模型库中最匹配原子的索引λk，即：λk =argmax{|<rk, Фk>|}；
c、更新索引集Λk=Λk-1∪{λk }，并更新第二候选模型库中的列集合Фk =[Фk −1,
Figure 861167DEST_PATH_IMAGE002
]；
d、重建目标信号x=pinv(Ф)y，其中，pinv(Ф)表示矩阵Ф的伪逆；
e、更新残差值r=y−Фkx；
f、判断是否满足 k>K，若满足则停止循环；若不满足，则执行步骤a；
最后得到所述第二候选模型库Фk。
S6、将所述第二候选模型库Фk和维稳矩阵相乘，得到第三模型库A；
由于第二候选模型库里的各列向量，其模值会出现这样一种现象，大部分列向量模值比较接近，少部分模值很大，造成其远离前述的大部分模植，这是导致第二候选模型库条件数过大的一个根本原因，是导致求解系数时运算不稳定的一个根本原因，因此，我们设计了维稳矩阵，以克服求解系数的时候存在的运算不稳定情况。
具体的，维稳矩阵可以采用如下方法构建得到：
S601、求出第二候选模型库中各列向量的模值[m1,m2,M3,m4,M5,m6,m7,…,mk]；
具体的，可取第二候选模型库中各列向量里的第一个元素绝对值作为模值。
S602、找出第二候选模型库中各列向量的模值中较低的模值，求出其平均值；
具体的，找出[m1,m2,M3,m4,M5,m6,m7,…,mk]中的最大值Mx，再找出小于30%Mx的模值[m1,m2 ,m4, m6,m7,…,mk]，求出[m1,m2 ,m4, m6,m7,…,mk]的模值平均值m；
S603、找出第二候选模型库中各列向量的模值中较高的模值，求出其对较低的模值的平均值的倍数；
具体的，找出大于30%Mx的模值[M3, M5,…]，求出其对模值平均值m的倍数[M3/m,M5/m,…]；
S604、构建维稳矩阵S，维稳矩阵S设置为含有k个元素的行向量，其中与[m1,m2 ,m4, m6,m7,…,mk]对应位置的值设置为1，与[M3, M5,…] 对应位置的值设置为[m / M3, m/ M5,…]，即维稳矩阵S=[1,1, m / M3,1,m / M5,1,1,…,1]；
那么，第三模型库A=ФkST。
S7、利用第三模型库，对功率放大器的输入信号和输出信号进行分区间拟合。
本发明由于加入了一阶样条函数，可以做到一个一阶样条函数在一个区间内拟合，而对其他区间没有影响，多个一阶样条函数就可以在多个区间分别拟合，从在函数选择来说，本发明的效果就优于传统的GMP模型等这些纯粹的多项式模型。此外，压缩感知是一种降维算法，压缩感知的引入，可以将原有的众多模型里贡献小的剔除，从而保留贡献度大的模型，不仅可以更好的拟合，同时还可以降低计算复杂度。
同时，在求解系数的时候存在着运算不稳定的情况，这是因为使用最小二乘法时，所涉及到的矩阵是一个条件数很高的病态矩阵，也就是第二候选模型库实际上是一个十分病态的矩阵，这会导致求解的过程十分不稳定，以及至于求解无法进行下去。而一个矩阵病态的原因之一在于矩阵里的各列向量的模值差异较大，这是会导致其特征值差异过大，从而导致病态，本发明着重于如何解决这个问题，关键的措施在于，设计了维稳矩阵，将各列向量的模值之间的差异缩小了，这种方法非常简单且非常有效。成功降低了矩阵的条件数，从增强了运算稳定性。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (7)

1.一种数字预失真算法里增强运算稳定性的方法，其特征在于，包括：
S1、获取功率放大器的输入信号和对应的输出信号；
S2、将输入信号分割为N个区间，为每个区间分配一个一阶样条函数，再将N个一阶样条函数量化；
S3、为所述N个区间选择N个多项式作为函数基底；
S4、将每一多项式与所述N个一阶样条函数相乘得到一个候选模型，共得到N个候选模型，N个候选模型形成第一候选模型库Ф；
S5、从所述第一候选模型库Ф中筛选出贡献度大的多个候选模型，组成第二候选模型库Фk；
S6、将所述第二候选模型库Фk和维稳矩阵相乘，得到第三模型库A；
S7、利用第三模型库A，对功率放大器的输入信号和输出信号进行分区间拟合。
2.如权利要求1所述的数字预失真算法里增强运算稳定性的方法，其特征在于，S6中的维稳矩阵采用如下方法构建得到：
S601、求出第二候选模型库中各列向量的模值[m1,m2,M3,m4,M5,m6,m7,…,mk]；
S602、找出[m1,m2,M3,m4,M5,m6,m7,…,mk]中的最大值Mx，再找出小于30%Mx的模值[m1,m2,m4, m6,m7,…,mk]，求出[m1,m2 ,m4, m6,m7,…,mk]的模值平均值m；
S603、找出大于30%Mx的模值[M3, M5,…]，求出其对模值平均值m的倍数[M3/m, M5/m,…]；
S604、构建维稳矩阵S，维稳矩阵S设置为含有k个元素的行向量，其中与[m1,m2 ,m4, m6,m7,…,mk]对应位置的值设置为1，与[M3, M5,…] 对应位置的值设置为[m / M3, m /M5,…]，即维稳矩阵S=[1,1, m / M3,1,m / M5,1,1,…,1]；
那么，第三模型库A=ФkST。
3.如权利要求1所述的数字预失真算法里增强运算稳定性的方法，其特征在于，S2中，N个一阶样条函数量化后以LUT表的形式存储。
4.如权利要求1所述的数字预失真算法里增强运算稳定性的方法，其特征在于，S3中的多项式包括各类交调分量的多项式。
5.如权利要求1所述的数字预失真算法里增强运算稳定性的方法，其特征在于，S5中，采用压缩感知的正交匹配追踪算法从所述第一候选模型库Ф中筛选出贡献度大的多个候选模型，组成第二候选模型库Фk，其中，候选模型的贡献度根据第一候选模型库Ф中的每一个候选模型与拟合残差值r的相关度大小来确定。
6.如权利要求5所述的数字预失真算法里增强运算稳定性的方法，其特征在于，采用压缩感知的正交匹配追踪算法从所述第一候选模型库Ф中筛选出贡献度大的多个候选模型，组成第二候选模型库Фk的方法包括：
建立预设模型，其中，所述预设模型的输入为第一候选模型库Ф，y为原始信号，K为预定的模型数量，标识待重建信号中非零元素位置的索引集为Λ；所述预设模型的输出为重建信号x；
进行初始化：x=0，r=y，循环标识k=0，索引集Λ0为空集；
循环执行以下步骤a~f：
a、k=k+1；
b、找出拟合残差值r与第一候选模型库中最匹配原子的索引λk，即：λk=argmax{|<rk,Фk>|}；
c、更新索引集Λk=Λk-1∪{λk }，并更新第二候选模型库中的列集合Фk =[Фk −1,
Figure 489422DEST_PATH_IMAGE001
]；
d、重建目标信号x=pinv(Ф)y，其中，pinv(Ф)表示矩阵Ф的伪逆；
e、更新残差值r=y−Фkx；
f、判断是否满足 k>K，若满足则停止循环；若不满足，则执行步骤a；
最后得到所述第二候选模型库Фk。
7.如权利要求1所述的数字预失真算法里增强运算稳定性的方法，其特征在于，S1中获取的功率放大器的输入信号和对应的输出信号，具体为时延对齐的输入信号和输出信号。
CN202210948222.0A 2022-08-09 2022-08-09 数字预失真算法里增强运算稳定性的方法 Active CN115021689B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210948222.0A CN115021689B (zh) 2022-08-09 2022-08-09 数字预失真算法里增强运算稳定性的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210948222.0A CN115021689B (zh) 2022-08-09 2022-08-09 数字预失真算法里增强运算稳定性的方法

Publications (2)

Publication Number Publication Date
CN115021689A true CN115021689A (zh) 2022-09-06
CN115021689B CN115021689B (zh) 2022-10-28

Family

ID=83066287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210948222.0A Active CN115021689B (zh) 2022-08-09 2022-08-09 数字预失真算法里增强运算稳定性的方法

Country Status (1)

Country Link
CN (1) CN115021689B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116107636A (zh) * 2023-04-06 2023-05-12 之江实验室 一种硬件加速方法、装置、存储介质及电子设备
WO2024061208A1 (zh) * 2022-09-24 2024-03-28 华为技术有限公司 通信方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003013087A2 (en) * 2001-07-26 2003-02-13 Cambridge Broadband Limited Predistorting of contention signals
CN104168238A (zh) * 2013-05-17 2014-11-26 上海无线通信研究中心 一种降低自适应数字预失真算法计算复杂度的方法
CN108574649A (zh) * 2017-03-08 2018-09-25 大唐移动通信设备有限公司 一种数字预失真系数的确定方法及装置
CN113987788A (zh) * 2021-10-26 2022-01-28 中国电子科技集团公司第五十四研究所 一种基于压缩感知技术的数字预失真模型简化方法
CN114329933A (zh) * 2021-12-20 2022-04-12 北京力通通信有限公司 一种宽带功率放大器输入输出特性拟合方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003013087A2 (en) * 2001-07-26 2003-02-13 Cambridge Broadband Limited Predistorting of contention signals
CN104168238A (zh) * 2013-05-17 2014-11-26 上海无线通信研究中心 一种降低自适应数字预失真算法计算复杂度的方法
CN108574649A (zh) * 2017-03-08 2018-09-25 大唐移动通信设备有限公司 一种数字预失真系数的确定方法及装置
CN113987788A (zh) * 2021-10-26 2022-01-28 中国电子科技集团公司第五十四研究所 一种基于压缩感知技术的数字预失真模型简化方法
CN114329933A (zh) * 2021-12-20 2022-04-12 北京力通通信有限公司 一种宽带功率放大器输入输出特性拟合方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024061208A1 (zh) * 2022-09-24 2024-03-28 华为技术有限公司 通信方法和装置
CN116107636A (zh) * 2023-04-06 2023-05-12 之江实验室 一种硬件加速方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN115021689B (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
CN115021689B (zh) 数字预失真算法里增强运算稳定性的方法
Martínez-Peñas et al. Universal and dynamic locally repairable codes with maximal recoverability via sum-rank codes
US7395487B2 (en) Common circuitry supporting both bit node and check node processing in LDPC (Low Density Parity Check) decoder
US7409628B2 (en) Efficient design to implement LDPC (Low Density Parity Check) decoder
Wu et al. Adaptive-normalized/offset min-sum algorithm
US8196012B2 (en) Method and system for encoding and decoding low-density-parity-check (LDPC) codes
Karvanen et al. Blind separation methods based on Pearson system and its extensions
US20060085720A1 (en) Message passing memory and barrel shifter arrangement in LDPC (Low Density Parity Check) decoder supporting multiple LDPC codes
US20080052558A1 (en) Systems and methods for reduced complexity ldpc decoding
US20050262421A1 (en) Efficient front end memory arrangement to support parallel bit node and check node processing in LDPC (Low Density Parity Check) decoders
CN108988872B (zh) 基于分层最小和算法的ldpc译码方法
WO2018036178A1 (zh) 一种ldpc的解码方法
KR101122911B1 (ko) 사전왜곡기, 사전왜곡 방법, 및 사전왜곡 시스템
Martínez-Peñas Theory of supports for linear codes endowed with the sum-rank metric
Causley et al. On the convergence of spectral deferred correction methods
CN114329933B (zh) 一种宽带功率放大器输入输出特性拟合方法
CN110545162A (zh) 基于码元可靠优势度节点子集划分准则的多元ldpc译码方法及装置
Farsiabi et al. Error floor analysis of LDPC row layered decoders
CN110719108B (zh) 基于环的连通性的qc-ldpc码字扩展方法及系统
CN117220616A (zh) 预失真方法、功率放大装置、通讯系统和存储介质
US11201629B2 (en) Low latency sequential list decoding of polar codes
Sasao Row-shift decompositions for index generation functions
US8380773B2 (en) System and method for adaptive nonlinear filtering
CN113162877B (zh) 一种通信系统的级联数字预失真校正方法及系统
WO2010132266A1 (en) Method and apparatus for approximating a function

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Hou Weibing

Inventor after: Ye Yafei

Inventor before: Hou Weibing

Inventor before: Lei Weilong

Inventor before: Ye Yafei