CN1879294A - 功率放大器预失真器训练 - Google Patents

Abstract

一种由FIR滤波器结构构成的功率放大器预失真器，所述FIR滤波器结构包括：用于每一个滤波器抽头的单独查找表，其中每一个查找表都代表采用表示输入信号幅度的变量的离散化多项式，还包括用于从每一个滤波器抽头查找表中选择滤波器系数的装置，所述滤波器系数依赖于与滤波器抽头相乘的相应复数信号值的幅度。用于这种预失真器的训练方法将表T₀和T₁的条目设定(S1)成预定值。然后，它测量和存储(S2)批量的输入信号x以及反馈信号y。使用基于最小均方的迭代过程的一次迭代来确定(S3)T₀和T₁的新的估计。然后，测试(S4)这些表是否已经收敛。如果这些表已经收敛，则将当前估计作提供为最终表。否则，就执行最小均方过程的另一次迭代(S2～S4)。

Description

功率放大器预失真器训练

技术领域

本发明涉及的是在具有记忆效应的功率放大器中进行数字预失真处理，尤其涉及的是对预失真器进行训练。

背景技术

众所周知，功率放大器或多或少地会在它们所要放大的信号中添加失真。这是因为功率放大器具有非线性的输入输出信号特性。这种特性表现为希望的放大信号周围的展宽频谱，还表现为该信号的多余带内分量。作为减小非线性效应的抵抗措施，目前已知的是在放大器输入端对信号执行预失真，以便在放大器的输出端提供了一个无失真的放大信号。这种技术称为预失真处理。现今所实现的预失真处理通常使用和该信号相乘的查找表。该表中的条目是信号在每一个时间采样的幅度。

记忆效应是另一个与功率放大器相关的问题。记忆效应典型地表现为在功率放大器的输出端上的载波周围的不对称频谱。也就是说，虽然载波(希望的信号)频谱是完全对称的，但是源于失真的寄生频谱相对于载波中心而言有可能是不对称的。

一般来说，通常用于处理非线性的方法并未考虑到功率放大器的记忆效应。如术语“记忆效应”所表明的，该效应不但依赖于当前采样，而且还取决于信号的延迟采样。因此，单表方法是无法处理记忆效应的，该方法只能处理非线性。

受Kim研究的启示，Lei Ding等人[1]以及Konstantinou[2]推导出了一种以其所谓的“记忆多项式”为基础的预失真方法，其中所述“记忆多项式”很好地模拟了记忆效应。然而，这种方法的缺陷在于需要为每一个新的输入信号幅度重新计算记忆多项式，这种处理在计算方面的代价是很高的，而在使用了很多高阶多项式的情况下更是如此。此外，该方法的另一个缺陷是使用了计算代价很高的训练过程来确定多项式系数。

参考文献[3]描述了一种放大器，该放大器具有采用FIR滤波器形式而不是基于预失真器的记忆多项式形式的前置滤波器。这个滤波器的系数是用迭代最小均方算法更新的。

发明内容

本发明的目的是为基于记忆多项式的预失真处理提供一种计算效率很高的训练方法。

这种方法是依照附加权利要求来实现的。

本发明基于FIR滤波器结构，该结构包含了用于滤波器抽头的单个查找表，其中每一个查找表都代表一个离散化的记忆多项式。简要的说，依照本发明的训练方法是以迭代和单独(独立)地确定每个查找表的滤波器系数为基础的，优选地，所述确定是通过一个基于相应的迭代LMS(最小均方)的过程进行的。

附图说明

通过结合附图来参考下文中的描述，可以最佳理解本发明及其进一步的目标和优点，其中：

图1是图示了功率放大器的非线性输入输出信号特性的图；

图2是图示了非线性功率放大器所放大的信号的频谱的图；

图3是图示了用于除去图1中的非线性的功率放大器预失真器的输入输出信号特性的图；

图4是图示了具有预失真处理的功率放大器的输入输出信号特性的图；

图5是图示了由具有记忆的非线性功率放大器所放大的信号频谱的图；

图6是图示了依照本发明的多项式离散化处理的图；

图7是适合依照本发明训练的预失真器的示范性实施例的框图；

图8是包含功率放大器的基站的示范性实施例的框图，其中该功率放大器具有依照图7的预失真器；

图9是图示了依照本发明的训练方法的示范性实施例的流程图；

图10是包含功率放大器的基站的另一个示范性实施例的框图，其中该功率放大器具有依照图7的预失真器；以及

图11是图示了依照本发明的训练方法的另一个示范性实施例的流程图。

具体实施方式

在下文的描述中，相同的参考符号在所有附图中都被用于相同或相似的部件。

在详细描述本发明之前，首先在下文中将会给出关于基本问题的简要描述。

图1图示的是功率放大器的非线性输入输出信号特性。在低的输入信号幅度上，放大器几乎是线性的，但在较高幅度上，放大器会越来越变得非线性，直至达到饱和。如图2所示，这种非线性表现为希望的放大信号周围的展宽频谱(还表现为该信号中的多余的带内分量)。作为减小非线性效应的抵抗措施，目前已知的是在放大器输入端对信号执行预失真处理，以便在放大器输出端提供一个无失真的放大信号。这种技术称为预失真处理，在图3中对此进行了描述。如图4所示，对预失真功率放大器而言，其输入输出信号特性即使在达到饱和的时候也基本上是线性的。

记忆效应是另一个与功率放大器有关的问题。如图5所示，记忆效应典型地表现为功率放大器输出端上的载波周围的不对称频谱。也就是说，虽然载波(希望的信号)频谱是完全对称的，但是源于失真的寄生频谱相对于载波中心而言则有可能是不对称的。

目前有一种设计预失真器的理论方法，该方法顾及了所有的记忆效应。这种方法称为Volterra级数。Volterra级数是众所周知的泰勒级数的一种扩展，并且它可以用作无记忆放大器的预失真器。然而，Volterra级数也顾及了时间延迟项，所述时间延迟项可以相当准确地模拟预失真，因此，Volterra级数可以用于抑制失真频谱。然而，就扩展中可能的项数而言，Volterra级数将会迅速增大。例如，对记忆深度(最大延迟)为5个采样单元的五次多项式而言，它会导致产生至少500个系数。

由于无法以合理的复杂度来实现完整的Volterra级数，因此，在[1]中提出了一种基于“记忆多项式”的近似法。在这种近似法中，预失真PD(n)可以表示为：

$\mathrm{PD}\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{a}_{\mathrm{kq}}x(n-q){\left|x(n-q)\right|}^{k-1}---\left(1\right)$

不幸的是，这个表达式仍旧非常复杂，并且这种现有技术方法的缺陷在于：必须为每一个新的输入采样x(n)评估该表达式。然而如下文所示，该表达式也可以改写成一种更适合实际实现方式的形式。这一推导基本上包含三个步骤：

1.将上述双重总和分离成只包含具有相同延迟的项的部分总和。由此可以给出：

$\mathrm{PD}\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}{a}_{\mathrm{kq}}x(n-q){\left|x(n-q)\right|}^{k-1}=$

2.在这里要注意的是：延迟信号x(n-q)并不取决于求和下标k。因此，局部总和可以因子分解成：

3.识别出多项数T_q(|x(n-q)|)，以便得到：

$\mathrm{PD}\left(n\right)=\underset{q=0}{\overset{Q}{\mathrm{\Σ}}}x(n-q)T_q\left(\right|x(n-q)\left|\right)---\left(2\right)$

注意在(2)中：T_q(|x(n-q)|)是采用(复数)变量x(n-q)的绝对值的多项式。因此，通过将每一个延迟复数采样x(n-q)与依照|x(n-q)|的多项式相乘(它具有相同延迟q)，并且通过针对所有延迟把这些乘积加在一起，可以得到与[1]中相同的最终结果P(n)。然而，如图6所示，这种新方法的优点是可以在恰当的|x(n-q)|值对多项式T_q进行采样，并且将其保存在查找表中。如图7所示，上述处理会将预失真器简化成简单的FIR滤波器结构，在该结构中，通常恒定的滤波器系数被替代成这些查找表。本发明所要解决的问题是确定图6中多项式T_q在采样点上的值。

在图7所示的本发明的示范性实施例中，复数输入信号x(n)被转发到绝对值块10以及乘法器12。来自块10的绝对值信号被转发到代表采样的多项式T₀的查找表LUT0。来自查找表LUT0的相应(通常是复数)值被转发到乘法器12，并且在该乘法器中将其与输入信号采样x(n)相乘。此外，输入信号x(n)也被转发到延迟块D，并且在该块中将其延迟一个或几个采样周期，以便形成延迟的采样x(n-1)。绝对值块10、乘法器12以及查找表LUT1对这个延迟的采样采用与对非延迟的采样相同的方式来处理。但是，查找表LUT1现在代表的是采样的多项式T₁，而不是T₀。如图7所示，可以包括更多的延迟和查找表。最终，所得到的乘积被在加法器14中彼此相加，从而形成预失真的信号PD(n)。依照本发明所使用的查找表进行实时的计算，要比为在[1]中使用的输入信号的每个采样进行的多项式计算有更高的效率。该查找表还可以(通过使用下文所述的训练方法来)进行更新，以便追踪功率放大器特性的缓慢变化。

图8是包含了功率放大器的基站的示范性实施例的框图，其中该功率放大器具有依照本发明的预失真器。在图8中，省略了那些不是理解本发明所必需的元件。基带复数信号x(n)被转发到依照本发明的预失真器30。预失真的信号在数字上变频器32中上变频到中频(IF)，并且在D/A转换器34中转换成模拟信号，该模拟信号则又由模拟上变频器36上变频到射频(RF)。RF信号被转发到功率放大器38，然后经过放大的信号被转发到天线。此外，经过放大的RF信号也被转发到反馈下变频链，所述下变频链包括模拟下变频器40、A/D转换器42以及数字下变频器44。经过下变频的反馈信号y(n)被转发到训练器46，并且该训练器也接收输入信号x(n)，以便依照下文所述的数学原理来确定预失真器30中的查找表。

现在将对图8训练器46中的处理单元48所执行的训练方法进行更详细的描述。为了图示说明这个训练过程，在这里假设预失真器30包括两个查找表T₀和T₁(与图7中的LUT0以及LUT1相对应，具有作为例子的一个采样延迟)。

该训练过程是以测量大批量的预失真器输入以及反馈信号对

(x_n，y_n)，n＝1，...，N为基础的，

其中N是批量中信号对的数量(取决于所需要的准确度、表条目的数量等等，并且N通常介于2000与50,000之间)。所测量的采样对被存储在存储器50中。

本发明提出了一种用于确定查找表的简单方法。该方法所依据的基础是：通过基于相应迭代LMS(最小均方)的过程来单独确定每一个查找表的滤波器系数。这种方法的实例是通过用于两个表的、基于迭代最小均方的过程来描述的：

$\left\{\begin{array}{c}{T}_{0i}\left(b\right)=T_{0i-1}\left(b\right)+{\mathrm{\μ}}_0\·\frac{1}{N_b}\·\underset{\left|x_k\right|\∈M_b}{\mathrm{\Σ}}\frac{x_k-y_k}{{\left|x_k\right|}^2}\·{x_k}^{*}\\ T_{1i}\left(b\right)=T_{1i-1}\left(b\right)+{\mathrm{\μ}}_1\·\frac{1}{N_b}\·\underset{\left|x_{k-1}\right|\∈M_b}{\mathrm{\Σ}}\frac{x_k-y_k}{{\left|x_{k-1}\right|}^2}\·x_{k-1}^{*}\end{array}\right.---\left(3\right)$

其中

i是迭代下标，

b标识是表箱(bin)，

μ1和μ2是与每一个滤波器抽头相关联的环路常数，

N_b是批量中存储的输入信号采样的数量，所述信号采样具有落入围绕在箱b的中心幅度周围的窗口M_b内的幅度。

*表示的是复数共轭。

从等式(3)中可以注意到，这两个查找表不但是通过具有相同数学形式的等式而以迭代方式求解的，而且还是通过使用单独的环路常数以及不同的输入采样(分别是x_k和x_k-1)来求解的。实数形式的正环路常数μ1和μ2可以是相等的，但是通常是不同的(对T₀来说，较大的环路常数有可能增加收敛速度)。然而，环路常数的总和则应该小于1，以确保该过程的稳定性。

在达到收敛之前(也就是从一次迭代到下一次迭代的过程中，所述近似只有微小的变化之前)，该过程可以重复进行。根据所需要的准确度，收敛通常是在10～20次迭代之后才达到的。然而，如果对于准确度不要求很严格，那么在少量迭代之后即可得到可接受的表。

因此，通过按照上述迭代地来求解等式(3)，可以将训练问题简化成重复求解两个具有形式(3)的等式，这两个等式仅仅是较低复杂度的单一表问题。

对首次训练以及对于查找表更新而言，等式(3)都是有效的。如果假设尚未确定这些表，那么举例来说，在一开始可以将T₀设置成1，并且可以将T₁设置成0。然而，如果是对表进行更新，那么由于当前表T₀、T₁很可能更接近最优表，因此可以改为将它们用作初始猜测。

图9是图示了依照本发明的用于双表预失真器的训练方法的示范性实施例的流程图。步骤S1会将表T₀和T₁的元项设置成预定值。步骤S2测量和存储批量的x和y值。步骤S3使用等式(3)来确定T₀和T₁的新估计。步骤S4测试这些表是否已经收敛。举例来说，该处理可以按照如下方式进行：对当前估计与先前估计的相应条目之间的差值的绝对值(或平方)求和，然后测试所得到的总和是否小于预定阈值。如果这些表已经收敛了，则在步骤S5把当前估计提供为最终表。如果这些表尚未收敛，则重复执行步骤S2～S4。

这里所概述的连续改善表准确度的迭代方法还可以扩展成包含更多的表。可以采用与双表解决方案相同的方式来包含顾及了其他时间延迟的记忆效应的更多表。在这种情况下，该过程可以写为：

$\left\{\begin{array}{c}{T}_{0i}\left(b\right)=T_{0i-1}\left(b\right)+{\mathrm{\μ}}_0\·\frac{1}{N_b}\·\underset{\left|x_k\right|\∈M_b}{\mathrm{\Σ}}\frac{x_k-y_k}{{\left|x_k\right|}^2}\·{x_k}^{*}\\ T_{1i}\left(b\right)=T_{1i-1}\left(b\right)+{\mathrm{\μ}}_1\·\frac{1}{N_b}\·\underset{\left|x_{k-1}\right|\∈M_b}{\mathrm{\Σ}}\frac{x_{k-1}-y_{k-1}}{{\left|x_{k-1}\right|}^2}\·x_{k-1}^{*}\\ \·\\ \·\\ \·\\ T_{\mathrm{Qi}}\left(b\right)=T_{\mathrm{Qi}-1}\left(b\right)+{\mathrm{\μ}}_n\·\frac{1}{N_b}\·\underset{\left|x_{k-Q}\right|\∈M_b}{\mathrm{\Σ}}\frac{x_{k-y_k}}{{\left|x_{k-Q}\right|}^2}\·x_{k-Q}^{*}\end{array}\right.---\left(4\right)$

因此，对于一般延迟q而言，可以得到的是：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|\∈M_b}{\mathrm{\Σ}}\frac{x_k-y_k}{{\left|x_{k-q}\right|}^2}{\·x}_{k-q}^{*}---\left(5\right)$

如上标注的，与这些表相关联的延迟q不必是连续的整数，而是可以相差一个以上的采样周期。

可以通过使用箱b中采样的平均功率来替换总和的元项中的值|x_k-q|²，来简化等式(5)，由此就避免了除法。这样就给出以下等式：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\·\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|\∈M_b}{\mathrm{\Σ}}(x_k-y_k){\·x}_{k-q}^{*}---\left(6\right)$

其中

$u\left(b\right)=\frac{1}{{\stackrel{\‾}{\left|x_b\right|}}^2}---\left(7\right)$

在这里， 表示箱b的中心幅度。

通过在反馈环路中插入与预失真器30具有相同表结构的后置失真器，可以得到上述方法的变体。在图10中图示说明了这种实施例，其中后置失真器52插在元件44与50之间。在训练过程中，预失真器30将会保持不变，相反，则要确定后置失真器52。当已确定出：后置失真器50中的表已经收敛时，就把这些表复制到预失真器30。在该实施例中，后置失真器将消除在训练过程中放大器的失真，这是因为预失真的采样现在被放大(并且被失真)，然后反向将其后置失真以变回到预失真的采样，这样就消除了放大器的失真。如果x表示的是未经放大的预失真的采样，y表示的是经过后置失真的反馈采样，那么仍然可以使用相同的等式。

图11是图示了依照刚刚描述的、用于两个表的本发明变体的训练方法的示范性实施例的流程图。步骤S10应用后置失真器模型。步骤S11将表T₀和T₁的元项设置成预定值。步骤S12测量并存储批量的x和y值。步骤S13使用等式(3)来确定T₀和T₁的新估计。步骤S14测试后置失真器模型是否已经收敛。举例来说，该处理可以按照如下方式来进行：对当前估计与先前估计的相应条目之间的差值的绝对值(或平方)求和，并且测试所获取的总和是否小于预定阈值。如果这些表已经收敛，则在步骤S15中将当前表的估计复制到预失真器。否则的话，则重复执行步骤S13～S14。

在迄今为止所描述的实施例中，都是使用基于多个采样的平均校正来形成迭代等式的。这样做需要存储大量采样，并且需要更新所有表条目。一种替换的方法是在每一个采样之后进行更新。在这种情况下，只有与当前输入条目所落入的箱b相对应的表条目才被更新。对该实施例而言，等式(5)可以简化成：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·(x_k-y_k)\·\frac{x_{k-q}^{*}}{{\left|x_{k-q}\right|}^2}:\left|x_{k-q}\right|\∈M_b---\left(8\right)$

而等式(6)可以简化成：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\·(x_k-y_k)\·x_{k-q}^{*}:\left|x_{k-q}\right|\∈M_b---\left(9\right)$

该实施例的优点在于：只需要在批量中存储最后Q个(最大延迟)采样对，这只需要较少的存储器。这种方法对每一个新的采样通常只需要一次迭代，这是因为处于静止不变状态的当前表条目应该是非常接近最优值的。

在以上的描述中，训练过程已经使用了复数表示的笛卡尔形式给出了表述的。一种替换方案是执行到极坐标形式的变换，并且以两个组成部分的形式来表述该过程的，一个过程代表径向分量中的迭代，一个过程代表相位分量中的迭代。此外，在给出的例子中，假设延迟q是正数或零。然而，负数值的q也是可以的。例如，零延迟表可以是滤波器结构中的中间表。

这里所描述的基于查找表的预失真器可以作为FPGA(现场可编程门阵列)或是ASIC(专用集成电路)来实现。另一种可能方案是使用微处理器或是微型/信号处理器组合以及相应的软件。这些方法的组合也是可行的。如上所述，查找表条目的实际计算可以逐采样地实时进行，也可以采用慢的更新速度以脱机方式进行。

此外，本发明的特别吸引人的特征在于：在只添加表时复杂度的增长是线性，而不是二次的。这种降低的复杂度可以用于提升表更新速率，由此得到更准确的预失真器。实际上，通过使用依照等式(8)或(9)的过程，在每一个采样周期中都更新每一个表中的一个条目。

虽然在这里是参考用于每个表的、单独的基于LMS的迭代过程来对本发明进行描述，但是使用其他迭代过程也是可行的，诸如像RLS(递归最小平方)或是基于Kalman的过程。虽然这种方法本身更为复杂，但是它们也具有收敛速率更快的优点。

本领域技术人员应该理解，在不脱离附加权利要求所限定的本发明范围的情况下，可以对本发明做出各种修改和改变。

参考文献

[1]Lei Ding、G.Tong Zhou、Zhengxiang Ma、Dennis R.Morgan、J.Stevenson Kenney、Jaehyeong Kim、Charles R.Giardina(School ofelectrical and computer engineering，Georgia Institute of Technology，Atlanta)，“A robust digital baseband predistorter constructed usingmemory polynomials”，Manuscript submitted to IEEE Trans，onCommunication，2002年3月16日。

[2]J.Kim和K.Konstantinou，“Digital predistortion of widebandsignals based on power amplifier model with memory”，IEE ElectronicsLetters，8：th 2001年11月，第37卷第23号。

[3]EP1088390B1，PMC-Sierra Inc.

Claims (24)

1.一种用于由FIR滤波器结构构成的功率放大器预失真器的训练方法，所述FIR滤波器结构包括：

用于每一个滤波器抽头的单独查找表，每一个查找表都代表采用表示输入信号幅度的变量的离散化多项式，以及

用于从每一个滤波器抽头查找表中选择滤波器系数的装置，所述滤波器系数依赖于与滤波器抽头相乘的相应复数信号值的幅度，所述训练方法包括以下步骤：

存储测量的未经放大的输入信号采样以及相应的功率放大器输出信号反馈采样；以及

使用所述存储的采样来通过独立的迭代过程单独地确定查找表滤波器系数。

2.权利要求1的方法，其中所述迭代过程基于最小均方。

3.权利要求2的方法，包括以下步骤：

依照以下等式来从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|{\∈M}_b}{\mathrm{\Σ}}\frac{x_k-y_k}{{\left|x_{k-q}\right|}^2}{\·x}_{k-q}^{*}$

其中

μ_q是与滤波器抽头q相关联的预定常数，

N_b是所存储的输入信号采样的数量，所述输入信号采样具有处于围绕在箱b的中心幅度周围的预定窗口M_b内的幅度，

x_k-q是延迟为q的、存储的输入信号采样，

y_k是与功率放大器的输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

4.权利要求2的方法，包括以下步骤：

依照以下等式来从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)：

$\left\{\begin{array}{c}{T}_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|{\∈M}_b}{\mathrm{\Σ}}(x_k-y_k){\·x}_{k-q}^{*}\\ u\left(b\right)=\frac{1}{{\stackrel{\‾}{\left|x_b\right|}}^2}\end{array}\right.$

其中

μ_q是与滤波器抽头q相关联的常数，

N_b是所存储的输入信号采样的数量，所述输入信号采样具有处于围绕在箱b的中心幅度 周围的预定窗口M_b内的幅度，

x_k-q是延迟为q的、存储的输入信号采样，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

5.权利要求2的方法，其中包括以下步骤：

依照以下等式从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·(x_k-y_k)\·\frac{x_{k-q}^{*}}{{\left|x_{k-q}\right|}^2}:\left|x_{k-q}\right|\∈M_b$

其中

μ_q是与滤波器抽头q相关联的常数，

x_k-q是所存储的输入信号采样，具有延迟q，并且具有处于围绕在箱b的中心幅度周围的预定窗口M_b内的幅度，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

6.权利要求2的方法，包括以下步骤：

依照以下等式从前一个滤波器系数估计T_qi-1(b)计算具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)：

$\left\{\begin{array}{c}{T}_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\·(x_k-y_k)\·x_{k-q}^{*}:\left|x_{k-q}\right|{\∈M}_b\\ u\left(b\right)=\frac{1}{{\stackrel{\‾}{\left|x_b\right|}}^2}\end{array}\right.$

其中

μ_q是与滤波器抽头q相关联的常数，

x_k-q是存储的输入信号采样，具有延迟q，并且具有处于围绕在箱b的中心幅度

周围的预定窗口M_b内的幅度，

x_k是功率放大器输入信号采样，y_k-q则是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

7.一种由FIR滤波器结构构成的功率放大器预失真器，所述FIR滤波器结构包括：

用于每一个滤波器抽头的单独查找表，每一个查找表都代表采用表示输入信号幅度的变量的离散化多项式，以及

用于从每一个滤波器抽头查找表中选择滤波器系数的装置，所述滤波器系数依赖于与滤波器抽头相乘的相应复数信号值的幅度，所述预失真器包括：

用于存储测量的未经放大的输入信号采样以及相应的功率放大器输出信号反馈采样的装置(50)；以及

用于使用所述存储的采样来通过独立的迭代过程单独地确定查找表滤波器系数的装置(48)。

8.权利要求7的预失真器，包括用于把所述迭代过程实现为基于最小均方的迭代过程的装置(48，50)。

9.权利要求8的预失真器，包括依照以下等式来从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|{\∈M}_b}{\mathrm{\Σ}}\frac{x_k-y_k}{{\left|x_{k-q}\right|}^2}{\·x}_{k-q}^{*}$

其中

μ_q是与滤波器抽头q相关联的预定常数，

N_b是所存储的输入信号采样的数量，所述输入信号采样具有处于围绕在箱b的中心幅度周围的预定窗口M_b内的幅度，

x_k-q是延迟为q的、存储的输入信号采样，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

10.权利要求8的预失真器，包括依照以下等式来从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$\left\{\begin{array}{c}{T}_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|{\∈M}_b}{\mathrm{\Σ}}(x_k-y_k){\·x}_{k-q}^{*}\\ u\left(b\right)=\frac{1}{{\stackrel{\‾}{\left|x_b\right|}}^2}\end{array}\right.$

其中

μ_q是与滤波器抽头q相关联的常数，

N_b是所存储的输入信号采样的数量，所述输入信号采样具有处于围绕在箱b的中心幅度 周围的预定窗口M_b内的幅度，

x_k-q是延迟为q的、存储的输入信号采样，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

11.权利要求8的预失真器，包括依照以下等式从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·(x_k-y_k)\·\frac{x_{k-q}^{*}}{{\left|x_{k-q}\right|}^2}:\left|x_{k-q}\right|\∈M_b$

其中

μ_q是与滤波器抽头q相关联的常数，

x_k-q是所存储的输入信号采样，具有延迟q，并且具有处于围绕在箱b的中心幅度周围的预定窗口M_b内的幅度，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

12.权利要求8的预失真器，包括依照以下等式从前一个滤波器系数估计T_qi-1(b)计算具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$\left\{\begin{array}{c}{T}_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\·(x_k-y_k)\·x_{k-q}^{*}:\left|x_{k-q}\right|{\∈M}_b\\ u\left(b\right)=\frac{1}{{\stackrel{\‾}{\left|x_b\right|}}^2}\end{array}\right.$

其中

μ_q是与滤波器抽头q相关联的常数，

x_k-q是存储的输入信号采样，具有延迟q，并且具有处于围绕在箱b的中心幅度

周围的预定窗口M_b内的幅度，

x_k是功率放大器输入信号采样，y_k-q则是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

13.一种具有由FIR滤波器结构构成的预失真器的功率放大器，所述FIR滤波器结构包括：

用于每一个滤波器抽头的单独查找表，每一个查找表都代表采用表示输入信号幅度的变量的离散化多项式，以及

用于从每一个滤波器抽头查找表中选择滤波器系数的装置，所述滤波器系数依赖于与滤波器抽头相乘的相应复数信号值的幅度，所述预失真器包括：

用于存储测量的未经放大的输入信号采样以及相应的功率放大器输出信号反馈采样的装置(50)；以及

用于使用所述存储的采样来通过独立的迭代过程单独地确定查找表滤波器系数的装置(48)。

14.权利要求13的功率放大器，包括用于把所述迭代过程实现为基于最小均方的迭代过程的装置(48，50)。

15.权利要求14的功率放大器，包括依照以下等式来从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|{\∈M}_b}{\mathrm{\Σ}}\frac{x_k-y_k}{{\left|x_{k-q}\right|}^2}{\·x}_{k-q}^{*}$

其中

μ_q是与滤波器抽头q相关联的预定常数，

N_b是所存储的输入信号采样的数量，所述输入信号采样具有处于围绕在箱b的中心幅度周围的预定窗口M_b内的幅度，

x_k-q是延迟为q的、存储的输入信号采样，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

16.权利要求14的功率放大器，包括依照以下等式来从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)

$\left\{\begin{array}{c}{T}_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|{\∈M}_b}{\mathrm{\Σ}}(x_k-y_k){\·x}_{k-q}^{*}\\ u\left(b\right)=\frac{1}{{\stackrel{\‾}{\left|x_b\right|}}^2}\end{array}\right.$

其中

μ_q是与滤波器抽头q相关联的常数，

N_b是所存储的输入信号采样的数量，所述输入信号采样具有处于围绕在箱b的中心幅度

周围的预定窗口M_b内的幅度，

x_k-q是延迟为q的、存储的输入信号采样，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

17.权利要求14的功率放大器，包括依照以下等式从前一个滤波器系数估计T_qi-1(b)计算具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·(x_k-y_k)\·\frac{x_{k-q}^{*}}{{\left|x_{k-q}\right|}^2}:\left|x_{k-q}\right|\∈M_b$

其中

μ_q是与滤波器抽头q相关联的常数，

x_k-q是所存储的输入信号采样，具有延迟q，并且具有处于围绕在箱b的中心幅度周围的预定窗口M_b内的幅度，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

18.权利要求14的功率放大器，包括依照以下等式从前一个滤波器系数估计T_qi-1(b)计算具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$\left\{\begin{array}{c}{T}_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\·(x_k-y_k)\·x_{k-q}^{*}:\left|x_{k-q}\right|{\∈M}_b\\ u\left(b\right)=\frac{1}{{\stackrel{\‾}{\left|x_b\right|}}^2}\end{array}\right.$

其中

μ_q是与滤波器抽头q相关联的常数，

x_k-q是存储的输入信号采样，具有延迟q，并且具有处于围绕在箱b的中心幅度

周围的预定窗口M_b内的幅度，

x_k是功率放大器输入信号采样，y_k-q则是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

19.一种基站，该基站配备具有由FIR滤波器结构构成的预失真器的功率放大器，所述FIR滤波器结构包括：

用于每一个滤波器抽头的单独查找表，每一个查找表都代表采用表示输入信号幅度的变量的离散化多项式，以及

用于从每一个滤波器抽头查找表中选择滤波器系数的装置，所述滤波器系数依赖于与滤波器抽头相乘的相应复数信号值的幅度，所述预失真器包括：

用于存储测量的未经放大的输入信号采样以及相应的功率放大器输出信号反馈采样的装置(50)；以及

用于使用所述存储的采样来通过独立的迭代过程单独地确定查找表滤波器系数的装置(48)。

20.权利要求19的基站，包括用于把所述迭代过程实现为基于最小均方的迭代过程的装置(48，50)。

21.权利要求20的基站，包括依照以下等式来从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|{\∈M}_b}{\mathrm{\Σ}}\frac{x_k-y_k}{{\left|x_{k-q}\right|}^2}{\·x}_{k-q}^{*}$

其中

μ_q是与滤波器抽头q相关联的预定常数，

N_b是所存储的输入信号采样的数量，所述输入信号采样具有处于围绕在箱b的中心幅度周围的预定窗口M_b内的幅度，

x_k-q是延迟为q的、存储的输入信号采样，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

22.权利要求20的基站，包括依照以下等式来从前一个滤波器系数估计T_qi-1(b)计算与具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)

$\left\{\begin{array}{c}{T}_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\frac{1}{N_b}\·\underset{\left|x_{k-q}\right|{\∈M}_b}{\mathrm{\Σ}}(x_k-y_k){\·x}_{k-q}^{*}\\ u\left(b\right)=\frac{1}{{\stackrel{\‾}{\left|x_b\right|}}^2}\end{array}\right.$

其中

μ_q是与滤波器抽头q相关联的常数，

N_b是所存储的输入信号采样的数量，所述输入信号采样具有处于围绕在条b的中心幅度

周围的预定窗口M_b内的幅度，

x_k-q是延迟为q的、存储的输入信号采样，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

23.权利要求20的基站，包括依照以下等式从前一个滤波器系数估计T_qi-1(b)计算具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$T_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·(x_k-y_k)\·\frac{x_{k-q}^{*}}{{\left|x_{k-q}\right|}^2}:\left|x_{k-q}\right|\∈M_b$

其中

μ_q是与滤波器抽头q相关联的常数，

x_k-q是所存储的输入信号采样，具有延迟q，并且具有处于围绕在箱b的中心幅度周围的预定窗口M_b内的幅度，

y_k是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

24.权利要求20的基站，包括依照以下等式从前一个滤波器系数估计T_qi-1(b)计算具有延迟q和信号幅度箱b的滤波器抽头相对应的精化的滤波器系数估计T_qi(b)的装置(48)：

$\left\{\begin{array}{c}{T}_{\mathrm{qi}}\left(b\right)=T_{\mathrm{qi}-1}\left(b\right)+{\mathrm{\μ}}_q\·u\left(b\right)\·(x_k-y_k)\·x_{k-q}^{*}:\left|x_{k-q}\right|{\∈M}_b\\ u\left(b\right)=\frac{1}{{\stackrel{\‾}{\left|x_b\right|}}^2}\end{array}\right.$

其中

μ_q是与滤波器抽头q相关联的常数，

x_k-q是存储的输入信号采样，具有延迟q，并且具有处于围绕在箱b的中心幅度 周围的预定窗口M_b内的幅度，

x_k是功率放大器输入信号采样，y_k-q则是与输入信号采样x_k相对应的功率放大器输出信号反馈采样，

*表示的是复数共轭。

Images