JP7389953B2 - モデル装置、演算方法、及びコンピュータプログラム - Google Patents

Description

本開示は、モデル装置、演算方法、及びコンピュータプログラムに関する。

増幅器は、歪特性を有する。歪特性は、非線形特性とも呼ばれる。歪特性は、例えば、ＡＭ－ＡＭ特性又はＡＭ－ＰＭ特性として表される。

増幅器においては、歪特性に影響を与える内部状態が変化することがある。内部状態は、例えば、増幅器に流れるアイドル電流Ｉｄｑが変化するＩｄｑドリフトの発生状態である。Ｉｄｑドリフトの発生によって、増幅器の歪特性が変化する。

Ｉｄｑドリフトは、半導体中の不純物準位にキャリアが捕獲されることで生じる現象で、ＧａＮ等の化合物半導体を用いたデバイス、特にＨＥＭＴ（Ｈｉｇｈ Ｅｌｅｃｔｒｏｎ Ｍｏｂｉｌｉｔｙ Ｔｒａｎｓｉｓｔｏｒ：高電子移動度トランジスタ）において生じる。Ｉｄｑドリフトの変動により、増幅器の歪特性が変化する。

特許文献１及び特許文献２は、Ｉｄｑドリフトに起因する歪特性を補償する手法を開示している。

特開２０１７－２２０７４４号公報 特開２０１４－１７６７０号公報

増幅器の歪特性のシミュレーションは、様々な場面において望まれる。例えば、増幅器の歪特性をシミュレーションできれば、増幅器の歪補償装置を開発する上で、シミュレーションにより歪補償性能の評価をすることができ、開発作業が効率的になる。また、増幅器の周辺回路設計においても、事前に増幅器の歪特性を考慮した設計が可能になる。

しかし、前述のように、増幅器の歪特性は、増幅器の内部状態によって変化することがある。歪特性が変化する増幅器は、単一の増幅器モデルによるモデル化が困難である。増幅器の歪特性の適切なシミュレーションのためには、歪特性に影響を与える内部状態が変化する増幅器を適切にモデル化した増幅器モデルが望まれる。

本開示のある側面は、モデル装置である。開示のモデル装置は、歪特性に影響を与える内部状態が変化する増幅器をモデル化した増幅器モデルを用いた演算を実行するモデル装置であって、前記増幅器モデルは、互いに異なる前記内部状態における前記増幅器をモデル化した複数の演算モデルと、変化する前記内部状態に応じた合成比率で前記複数の演算モデルを合成する合成器と、を備える。

本開示の他の側面は、演算方法である。開示の演算方法は、歪特性に影響を与える内部状態が変化する増幅器をモデル化した演算方法であって、互いに異なる前記内部状態における前記増幅器をモデル化した複数の演算モデルを、変化する前記内部状態に応じた合成比率で、合成器が合成する工程を備える。

本開示の他の側面は、コンピュータプログラムである。開示のコンピュータプログラムは、歪特性に影響を与える内部状態が変化する増幅器をモデル化した演算のためのコンピュータプログラムであって、互いに異なる前記内部状態における前記増幅器をモデル化した複数の演算モデルを、変化する前記内部状態に応じた合成比率で合成する工程をコンピュータに実行させる。

本開示によれば、歪特性に影響を与える内部状態が変化する増幅器を適切にモデル化できる。

図１は、第１実施形態に係るモデル装置のブロック図である。 図２は、通信装置の構成図である。 図３は、モデル装置のハードウェア構成図である。 図４は、増幅器モデルの説明図である。 図５は、入力電力と内部状態パラメータとの関係を示す図である。 図６は、内部状態パラメータと演算モデルとの関係を示す図である。 図７は、演算モデル作成のための説明図である。 図８は、増幅器モデル作成手順を示すフローチャートである。 図９は、α［ｎ］生成器の説明図である。 図１０は、第２実施形態に係るモデル装置のブロック図である。 図１１は、増幅器モデルの説明図である。 図１２は、内部状態パラメータと演算モデルとの関係を示す図である。 図１３は、増幅器モデル作成手順を示すフローチャートである。 図１４は、α_ｐ［ｎ］生成器の説明図である。

［本開示の実施形態の説明］

（１）実施形態に係るモデル装置は、歪特性に影響を与える内部状態が変化する増幅器をモデル化した増幅器モデルを用いた演算を実行する。歪特性は、非線形特性ともいう。内部状態は、例えば、Ｉｄｑドリフトが発生している状態である。前記増幅器モデルは、互いに異なる前記内部状態における前記増幅器をモデル化した複数の演算モデルと、変化する前記内部状態に応じた合成比率で前記複数の演算モデルを合成する合成器と、を備える。変化する内部状態に応じた合成比率で複数の演算モデルを合成することで、変化する内部状態に応じた増幅器モデルが得られる。

（２）モデル装置は、前記内部状態を示すパラメータを生成する生成器を更に備えることができる。この場合、モデル装置が、内部状態を示すパラメータを生成できる。なお、生成器は、モデル装置の外部に設けられていてもよい。前記合成比率は、前記パラメータに基づくことができる。

（３）前記合成比率は、前記内部状態を示すパラメータに基づいて決定されるのが好ましい。前記パラメータは、前記増幅器によって増幅される信号のレベルに基づいて演算されるのが好ましい。この場合、パラメータは、増幅される信号のレベルよって変化する内部状態を示すことができる。合成比率は、内部状態を示すパラメータに基づいて決定されるため、増幅される信号のレベルに応じた合成比率が得られる。

（４）前記パラメータは、更に、前記パラメータの過去の値に基づいて演算されるのが好ましい。パラメータの過去の値は、過去の内部状態を示す。したがって、パラメータは、過去の内部状態を反映できる。この結果、パラメータは、増幅器のメモリ効果が反映されたものになる。

（５）前記複数の演算モデルそれぞれは、前記増幅器における、第１応答時間を有する第１メモリ効果を表現しているのが好ましい。前記パラメータを演算するためのパラメータ演算モデルは、前記増幅器における、前記第１応答時間よりも長い第２応答時間を有する第２メモリ効果を表現しているのが好ましい。この場合、パラメータは、第２メモリ効果を考慮したものになる。

（６）前記合成比率は、前記増幅器によって増幅される信号のレベルに基づいて演算されるのが好ましい。この場合、増幅される信号のレベルに応じた合成比率が得られる。

（７）前記合成比率は、温度条件によって変化する温度依存パラメータを用いて演算されるのが好ましい。この場合、温度による増幅器の特性変化に対応できる。

（８）前記複数の演算モデルは、２個の演算モデルであってもよい。この場合、増幅器モデルがシンプルになる。

（９）モデル装置は、選択器を更に備えることができる。前記複数の演算モデルは、３個以上の演算モデルを含むことができる。３個以上の演算モデルが存在することで、増幅器の特性をより適切に表現することが可能になる。前記選択器は、前記３個以上の演算モデルから、前記合成器によって合成される２個以上の演算モデルを選択するよう構成されているのが好ましい。この場合、増幅器の特性をより適切に表現できる演算モデルを選択できる。

（１０）前記選択器は、前記内部状態を示すパラメータに基づいて、前記２個以上の演算モデルを選択するよう構成されているのが好ましい。この場合、内部状態に応じた適切な演算モデルが選択される。

（１１）前記複数の演算モデルは、第１内部状態における前記増幅器をモデル化した第１演算モデルと、前記第１内部状態とは異なる第２内部状態における前記増幅器をモデル化した第２演算モデルと、を含むことができる。前記合成比率は、前記第１内部状態及び前記第２内部状態との間の過渡内部状態に応じた値を取り得るのが好ましい。この場合、増幅器モデルは、過渡内部状態における増幅器の歪特性を表現することができる。

（１２）前記複数の演算モデルは、第１内部状態における前記増幅器をモデル化した第１演算モデルと、前記第１内部状態とは異なる第２内部状態における前記増幅器をモデル化した第２演算モデルと、前記第１内部状態及び前記第２内部状態とは異なる第３内部状態における前記増幅器をモデル化した第３演算モデルと、を含むことができる。前記第２内部状態は、前記第１内部状態及び前記第３内部状態との間にある中間内部状態であるのが好ましい。この場合、少なくとも３つの内部状態に対応した演算モデルを利用できる。

（１３）実施形態に係る演算方法は、歪特性に影響を与える内部状態が変化する増幅器をモデル化した演算方法であって、互いに異なる前記内部状態における前記増幅器をモデル化した複数の演算モデルを、変化する前記内部状態に応じた合成比率で、合成器が合成する工程を備える。

（１４）実施形態に係るコンピュータプログラムは、歪特性に影響を与える内部状態が変化する増幅器をモデル化した演算のためのコンピュータプログラムであって、互いに異なる前記内部状態における前記増幅器をモデル化した複数の演算モデルを、変化する前記内部状態に応じた合成比率で合成する工程をコンピュータに実行させる。コンピュータプログラムは、コンピュータ読み取り可能な、非一時的な記憶媒体に格納される。

［本開示の実施形態の詳細］

［第１実施形態］

図１は、第１実施形態に係るモデル装置１００を示している。モデル装置１００は、増幅器１０をモデル化した増幅器モデル２００を用いた演算を実行する。モデル装置１００は、入力信号ｕ［ｎ］が与えられると、増幅器モデル２００に従って入力信号ｕ［ｎ］を増幅した出力信号ｙ［ｎ］を求め、その出力信号ｙ［ｎ］を出力する。

モデル装置１００によって実行される演算は、例えば、増幅器１０における信号増幅動作のシミュレーションのための演算である。信号増幅動作のシミュレーションは、増幅器の歪特性のシミュレーションを含む。増幅器１０のシミュレーションによって、増幅器１０の歪補償性能の評価をすることができ、開発作業が効率的になる。また、増幅器１０の周辺回路設計においても、事前に増幅器１０の歪特性を考慮した設計が可能になる。

増幅器１０は、例えば、電力増幅器である。増幅器１０は、例えば、窒化ガリウム（ＧａＮ）－ＨＥＭＴである。増幅器１０は、ＧａＮ増幅器に限られず、例えば、窒化アルミニウム（ＡＩＮ）、窒化インジウム（ＩｎＮ）、又はこれらの混晶系であるＡＩＧａＮ，ＩｎＡＩＮ，ＩｎＧａＮなどの化合物半導体を用いたＨＥＭＴデバイスであってもよい。

ＧａＮなどの化合物半導体を用いた増幅器１０は、Ｉｄｑドリフトと呼ばれる過渡応答を有する。Ｉｄｑドリフトは、半導体中の不純物準位にキャリアが捕獲されることで、アイドル電流Ｉｄｑが低下し、歪特性が変化する現象である。

Ｉｄｑドリフトが生じるデバイスでは、信号の電力変動に応じて、歪みが瞬時的に変化する。信号の電力変動は、例えば、時分割複信（Ｔｉｍｅ Ｄｉｖｉｓｉｏｎ Ｄｕｐｌｅｘ：ＴＤＤ）のように、送信と受信とを交互に行う通信方式において特に生じ易い。Ｉｄｑドリフトが生じる増幅器は、歪特性が変動するため、単一の増幅器モデルによるモデル化が困難である。

Ｉｄｑドリフトの生じやすさは、入力電力（入力信号レベル）及びドリフトの発生の程度に応じて変化する。入力電力が大きいと、ドリフトが発生しやすくなる。Ｉｄｑドリフトが発生している状態では、入力電力が小さい領域において利得が低下する。一方、入力電力が小さくなると、低下したアイドル電流Ｉｄｑが回復を始め、時間の経過とともに、利得が回復する。

一般に、増幅器１０は、メモリ効果と呼ばれる歪みを有する。メモリ効果は、増幅器の出力信号が、過去の入力信号の影響を受けることである。メモリ効果には、応答時間が短いメモリ効果（第１応答時間を有する第１メモリ効果；Ｓｈｏｒｔ－ｔｅｒｍ ｍｅｍｏｒｙ ｅｆｆｅｃｔ）と、応答時間が長いメモリ効果（第１応答時間よりも長い第２応答時間を有する第２メモリ効果；Ｌｏｎｇ－ｔｅｒｍ ｍｅｍｏｒｙ ｅｆｆｅｃｔ）と、が含まれることがある。なお、ここで、応答時間とは、入力の変化に対する出力の応答時間であり、応答時間は、時定数とも呼ばれる。

Ｉｄｑドリフトによる特性変動は、応答時間が長い第２メモリ効果の状態を表す。応答時間が短い第１メモリ効果だけを表現する増幅器モデルを構築することは比較的容易であるが、応答時間が短い第１メモリ効果とともに、応答時間が長い第２メモリ効果を表現する単一の増幅器モデルを構築するのは容易ではない。特に、Ｉｄｑがどの程度低下しているのかなどの増幅器内部状態に応じて第２メモリ効果の影響度が変化すると、モデル化が一層困難になる。

そこで、本実施形態においては、Ｉｄｑドリフトの発生状態などの内部状態（第２メモリ効果の状態）の変化に応じて適切に増幅器１０の特性を表現できる増幅器モデル２００が用いられる。

さて、増幅器１０は、入力信号ｕ（ｔ）を増幅した出力信号ｙ（ｔ）を出力する。なお、ここで、＊（ｔ）は、連続値である時刻ｔにおける信号を示す。すなわち、ｕ（ｔ）は、連続値である入力信号を示し、ｙ（ｔ）は、連続値である出力信号を示す。

以下では、信号は、デジタル回路で扱われる離散値＊［ｎ］で表されることがある。＊［ｎ］は、サンプリング間隔Ｔ［秒］とするシステムにおいて、時刻ｎ×Ｔにサンプリングされた複素ベースバンドＩＱ表現の信号である。

例えば、ｘ［ｎ］は、歪補償前の入力信号であり、ｘ［ｎ］＝ｘ_Ｉ［ｎ］＋ｊ×ｘ_Ｑ［ｎ］で表される。ｘ_Ｉ［ｎ］は、ｘ［ｎ］の実部（Ｉ－ｃｈａｎｎｅｌ）であり、ｘ_Ｑ［ｎ］は、ｘ［ｎ］の虚部（Ｑ－ｃｈａｎｎｅｌ）である。ｕ［ｎ］は、歪補償後の入力信号であり、ｕ［ｎ］＝ｕ_Ｉ［ｎ］＋ｊ×ｕ_Ｑ［ｎ］で表される。ｕ_Ｉ［ｎ］は、ｕ［ｎ］の実部（Ｉ－ｃｈａｎｎｅｌ）であり、ｕ_Ｑ［ｎ］は、ｕ［ｎ］の虚部（Ｑ－ｃｈａｎｎｅｌ）である。ｙ［ｎ］は出力信号であり、ｙ［ｎ］＝ｙ_Ｉ［ｎ］＋ｊ×ｙ_Ｑ［ｎ］で表される。ｙ_Ｉ［ｎ］は、ｙ［ｎ］の実部（Ｉ－ｃｈａｎｎｅｌ）であり、ｙ_Ｑ［ｎ］は、ｙ［ｎ］の虚部（Ｑ－ｃｈａｎｎｅｌ）である。

増幅器１０は、例えば、図２に示す通信装置５０に用いられる。増幅器１０は、例えば、通信装置５０が送信する信号を増幅する電力増幅器である。

通信装置５０は、歪補償装置２０を備える。歪補償装置２０は、デジタル信号処理によって歪補償を行う。歪補償装置２０は、記憶装置（図示せず）と記憶装置に接続されたプロセッサ（図示せず）とを備えたコンピュータによって構成されていてもよいし、ワイヤドロジック回路によって構成されていてもよい。

歪補償装置２０は、歪補償処理部２１と、逆特性推定部２２と、を備える。歪補償装置２０がコンピュータによって構成されている場合、歪補償処理部２１及び逆特性推定部２２は、プロセッサが記憶装置に格納されたコンピュータプログラムを読み出し、そのコンピュータプログラムを実行することにより実現される。コンピュータプログラムは、コンピュータを歪補償処理部２１及び逆特性推定部２２として動作させるためのコードを有する。

逆特性推定部２２は、歪補償特性を示す逆モデルを推定する。逆モデルは、例えば、歪補償関数として構成される。逆モデル（歪補償関数）は、増幅器１０の増幅特性Ｇの逆特性Ｇ^－１を示す。逆特性Ｇ^－１を示す逆モデルは、例えば、増幅器１０の特性Ｇを示す関数の逆関数として求められる。逆特性推定部２２は、推定した逆モデルを歪補償処理部２１にコピーする。なお、コピーされる逆モデルは、具体的には、逆モデルを表現するパラメータであり、より具体的には、歪補償関数を構成する歪補償係数である。

歪補償処理部２１は、逆特性推定部２２からコピーされた逆モデルを用いて、入力信号ｘ［ｎ］＝ｘ_Ｉ［ｎ］＋ｊ×ｘ_Ｑ［ｎ］に対して前置歪補償（Ｐｒｅｄｉｓｔｏｒｔｉｏｎ）処理を行う。前置歪補償処理は、入力信号ｘ［ｎ］に歪補償関数を適用する処理である。そして、歪補償処理部２１は、前置歪補償処理により生成された信号ｕ［ｎ］＝ｕ_Ｉ［ｎ］＋ｊ×ｕ_Ｑ［ｎ］を出力する。以下では、前置歪補償処理により生成された信号を「補償信号」と称することがある。ここで、入力信号ｘ［ｎ］および補償信号ｕ［ｎ］は、デジタル信号である。

通信装置５０は、ＤＡ変換器（ＤＡＣ）３２Ａ，３２Ｂと、直交変調器３３と、周波数変換部３４と、駆動増幅器３５と、を更に備える

ＤＡＣ３２Ａ，３２Ｂは、信号ｕ［ｎ］を、デジタル信号からアナログ信号に変換する。直交変調器３３は、ＤＡＣ３２Ａ，３２Ｂから出力されたアナログ補償信号（アナログＩＱベースバンド信号）を直交変調した変調信号を出力する。周波数変換部３４は、アップコンバータであり、直交変調器３３から出力された変調信号をアップコンバートする。駆動増幅器３５は、アップコンバートされた変調信号を増幅する。

駆動増幅器３５から出力された信号は、増幅器１０への入力信号ｕ（ｔ）として増幅器１０へ与えられる。増幅器１０は、入力信号ｕ（ｔ）を増幅した出力信号ｙ（ｔ）を出力する。増幅器１０の前段及び後段には、周辺回路１０Ａ，１０Ｂが設けられている。周辺回路１０Ａ，１０Ｂは、例えば、抵抗又はコンデンサなどの電子回路素子を含む。

通信装置５０は、カプラ３６と、可変減衰器３７と、直交復調器４２と、フィルタ４１Ａ，４１Ｂと、ＡＤ変換器（ＡＤＣ）４０Ａ，４０Ｂと、を更に備える。

カプラ３６は、増幅器１０の出力信号ｙ（ｔ）をモニタして得られるアナログモニタ信号を出力する。周波数変換部３８は、ダウンコンバータであり、カプラ３６から可変減衰器３７を介して与えられるアナログモニタ信号をダウンコンバートする。直交復調器４２は、周波数変換部３８から出力されたアナログモニタ信号を直交復調する。

フィルタ４１Ａ，４１Ｂは、ローパスフィルタ又はバンドパスフィルタである。直交復調器４２から出力された復調信号は、フィルタ４１Ａ，４１Ｂを通過し、ＡＤＣ４０Ａ，４０Ｂに与えられる。ＡＤＣ４０Ａ，４０Ｂは、直交復調器４２から与えられた復調信号を、アナログ信号からデジタル信号に変換する。ＡＤＣ４０Ａ，４０Ｂは、増幅器１０の出力信号ｙ（ｔ）に相当するデジタル復調信号ｙ［ｎ］＝ｙ_Ｉ［ｎ］＋ｊ×ｙ_Ｑ［ｎ］を、逆特性推定部２２に与える。

逆特性推定部２２は、推定した逆特性Ｇ^－１を用いて、増幅器１０の出力信号ｙ（ｔ）に相当するデジタル復調信号ｙ［ｎ］＝ｙ_Ｉ［ｎ］＋ｊ×ｙ_Ｑ［ｎ］から、歪補償信号ｕ［ｎ］＝ｕ_Ｉ［ｎ］＋ｊ×ｕ_Ｑ［ｎ］のレプリカ信号ｕ’［ｎ］＝ｕ’_Ｉ［ｎ］＋ｊ×ｕ’_Ｑ［ｎ］を求める。

逆特性推定部２２は、歪補償信号ｕ［ｎ］＝ｕ_Ｉ［ｎ］＋ｊ×ｕ_Ｑ［ｎ］と、そのレプリカ信号ｕ’［ｎ］＝ｕ’_Ｉ［ｎ］＋ｊ×ｕ’_Ｑ［ｎ］との誤差を示す誤差信号（ｕ_Ｉ’［ｎ］－ｕ_Ｉ［ｎ］，ｕ_Ｑ’［ｎ］－ｕ_Ｑ［ｎ］）を取得する。逆特性推定部２２は、誤差信号が、小さくなるように、歪補償特性となる逆特性Ｇ^－１を構成するパラメータ（歪補償係数）を逐次更新する。更新された歪補償係数は、歪補償処理部２１にコピーされる。

図１に戻り、実施形態に係るモデル装置１００は、前述のように増幅器１０をモデル化した増幅器モデル２００を有する。増幅器モデル２００は、増幅器１０をモデル化した特性Ｇを有する。増幅器モデル２００は、複数の演算モデルＧ_１，Ｇ_２を含む。一例として、図１に示す増幅器モデル２００に含まれる複数の演算モデルＧ_１，Ｇ_２の数は、２個である。つまり、増幅器モデル２００は、第１演算モデルＧ_１と第２演算モデルＧ_２とを有する。増幅器モデル２００の特性Ｇは、複数の演算モデルＧ_１，Ｇ_２の合成特性として表される。なお、複数の演算モデルＧ_１，Ｇ_２それぞれは、例えば、関数によって表される。また、複数の演算モデルの数は、３個以上であってもよく、増幅器モデル２００の特性Ｇは、３個以上の演算モデルの合成特性として表されてもよい。

実施形態において、第１演算モデルＧ_１のための演算は、第１演算器２１０によって実行される。第１演算器２１０は、入力信号ｕ［ｎ］に第１演算モデルＧ_１を適用し、演算結果Ｇ_１（ｕ［・］）を出力する。第２演算モデルＧ_２のための演算は、第２演算器２２０によって実行される。第２演算器２２０は、入力信号ｕ［ｎ］に第２演算モデルＧ_２を適用し、演算結果Ｇ_２（ｕ［・］）を出力する。

増幅器モデル２００は、合成器２３０を更に備える。合成器２３０は、乗算器２３１，２３２と、加算器２３３と、を備える。合成器２３０は、複数の演算モデルＧ_１，Ｇ_２を、動的に変動する合成比率で合成した合成特性を得る。複数の演算モデルＧ_１，Ｇ_２の合成特性が、増幅器モデル２００の特性Ｇである。特性Ｇは、合成比率の変動に応じて、変動する。

実施形態において、合成器２３０は、第１演算器２１０の演算結果Ｇ_１（ｕ［・］）と、第２演算器２２０の演算結果Ｇ_２（ｕ［・］）と、を変動する合成比率で合成する。なお、複数の演算モデルＧ_１，Ｇ_２を構成する関数の係数を合成比率に従って合成された合成関数を事前に得ておき、入力信号ｕ［ｎ］に対して、その合成関数を適用してもよい。

モデル装置１００は、動的に変動する合成比率を決定するために用いられるパラメータα［ｎ］を生成するための生成器３００を備える。実施形態において、生成器３００は、入力信号ｕ［ｎ］に基づいてパラメータα［ｎ］を生成する。ここで、α［ｎ］は、一例として、０から１の範囲の実数である。増幅器モデル２００は、生成器３００からパラメータα［ｎ］を取得する。なお、生成器３００は、モデル装置１００の外部に設けられていてもよい。この場合、モデル装置１００は、外部の生成器３００によって生成されたα［ｎ］を取得し、取得したα［ｎ］を増幅器モデル２００に与える。

実施形態において、動的に変動する合成比率は、α［ｎ］：１－α［ｎ］で表される。したがって、パラメータα［ｎ］が動的に決定されると、合成比率は自ずと決定される。α［ｎ］は、第１演算モデルＧ_１のための比率（重み）を示し、乗算器２３１によって第１演算モデルＧ_１に乗じられる（図１及び図４参照）。また、１－α［ｎ］は、第２演算モデルＧ_２のための比率（重み）を示し、乗算器２３２によって第２演算モデルＧ_２に乗じられる（図１及び図４参照）。なお、モデル装置１００は、１－α［ｎ］における「１」を生成するための定数生成器２５０を備える。

加算器２３３は、乗算器２３１，２３２の出力を加算する。加算器２３３による加算結果は、増幅器モデル２００による演算結果（出力信号ｙ［ｎ］）を表している。

実施形態において、図１に示すモデル装置１００は、図３に示すように、プロセッサ１０１及び記憶装置１０２を有するコンピュータによって構成されている。プロセッサ１０１は、記憶装置１０２に接続されている。プロセッサ１０１は、例えば、ＣＰＵである。記憶装置１０２は、例えば、一次記憶装置及び二次記憶装置を有する。一次記憶装置は、例えば、ＲＡＭである。二次記憶装置は、例えば、ハードディスクドライブ（ＨＤＤ）又はソリッドステートドライブ（ＳＳＤ）である。なお、モデル装置１００は、ワイヤドロジック回路によって構成されていてもよい。

記憶装置１０２には、コンピュータをモデル装置１００として動作させるためのコンピュータプログラム１０２Ａが格納されている。コンピュータプログラム１０２Ａは、増幅器モデル演算処理１０１Ａをプロセッサ１０１に実行させるよう構成されている。増幅器モデル演算処理１０１Ａを実行しているコンピュータは、図１に示すモデル装置１００として動作する。

プロセッサ１０１は、記憶装置１０２からコンピュータプログラム１０２Ａを読み出し、実行する。コンピュータプログラム１０２Ａは、コンピュータを、図１に示すモデル装置１００に含まれる増幅器モデル２００及び生成器３００等として動作させるためのコードを有する。

モデル装置１００として動作するコンピュータは、インタフェース１０３を備える。インタフェース１０３は、例えば、他のコンピュータと通信するための通信インタフェース、キーボード又はマウスなどの入力機器と接続するための入力インタフェース、及びディスプレイなどの出力機器と接続するための出力インタフェースからなる群から選択される少なくとも一つのインタフェースを含むことができる。

インタフェース１０３を介して、増幅器１０のシミュレーションのために用いられるシミュレーション用データがモデル装置１００へ入力される。シミュレーション用データは、例えば、増幅器１０への入力信号ｕ［ｎ］である。シミュレーション用データは、増幅器１０の温度を含んでもよい。

実施形態に係る増幅器モデル２００は、図４中に示す式（１）によって表される。式（１）は、図１に示す増幅器モデル２００と等価である。図４においても、実施形態に係る増幅器モデル２００は、α［ｎ］によって決定される合成比率で複数の演算モデルＧ_１，Ｇ_２を合成したモデルとして表されている。

複数の演算モデルＧ_１，Ｇ_２それぞれは、互いに異なる内部状態における増幅器１０をモデル化したものである。より具体的には、第１演算モデルＧ_１は、第１内部状態における増幅器１０の特性がモデル化されており、第２演算モデルＧ_２は、第２内部状態における増幅器１０の特性がモデル化されている。第１内部状態と第２内部状態とは異なる状態である。

内部状態は、増幅器１０の歪特性に影響を与える増幅器の状態であれば特に限定されないが、一例として、内部状態は、増幅器１０に流れるアイドル電流Ｉｄｑの値に基づく。Ｉｄｑは、入力電力の大きさ（入力信号レベル）に応じて変化する。実施形態においては、内部状態パラメータα［ｎ］は、０に近いほど、Ｉｄｑの低下が大きく、１に近いほど、Ｉｄｑの低下が小さいことを示す。

図５は、入力電力値と、Ｉｄｑドリフトの発生状態に基づく内部状態パラメータα［ｎ］と、の関係を示している。図５に示すように、大きな入力電力が増幅器１０に入力されると、Ｉｄｑドリフトが発生し、α［ｎ］が０に近づく。一方、入力電力が小さくなると、Ｉｄｑドリフトが発生しなくなり、α［ｎ］が１に近づく。このように、内部状態パラメータα［ｎ］は、入力電力値に応じて変動する。

実施形態においては、Ｉｄｑドリフトの発生状態に対応した複数の異なる演算モデルＧ_１，Ｇ_２が用意されている。変化するＩｄｑドリフトの状態（内部状態）に応じて、複数の演算モデルＧ_１，Ｇ_２を合成することで、任意のＩｄｑドリフト発生状態における歪特性を示す増幅器モデル２００が得られる。実施形態において、複数の演算モデルＧ_１，Ｇ_２の合成は、複数の演算モデルＧ_１，Ｇ_２の線形結合である（図４の式（１）参照）。

第１演算モデルＧ_１に対応する第１内部状態は、増幅器１０において、Ｉｄｑドリフトが発生していない状態を示す。図６に示すように、第１内部状態は、内部状態パラメータα［ｎ］＝１である状態である。図７に示すように、第１演算モデルＧ_１を構成する係数は、Ｉｄｑドリフトが発生していない状態Ｓ１における増幅器１０の入力信号及び出力信号に基づいて決定される。

第２演算モデルＧ_２に対応する第２内部状態は、増幅器１０において、Ｉｄｑドリフトが第１内部状態よりも発生している状態を示す。図６に示すように、第２内部状態は、内部状態パラメータα［ｎ］＝０である状態である。図７に示すように、第２演算モデルＧ_２を構成する係数は、Ｉｄｑドリフトが発生した状態Ｓ２における増幅器１０の入力信号及び出力信号に基づいて決定される。

図８は、増幅器モデル２００を構成する演算モデルＧ_１，Ｇ_２の作成手順を示している。まず、増幅器１０に入力信号を与えて、出力信号を測定する（ステップＳ１１）。入力信号は、例えば、通信装置５０によって送信される通信信号である。ステップＳ１１の測定により、増幅器１０の入力信号及び出力信号のデータペアが得られる。

ステップＳ１２において、増幅器１０に与えられた入力信号レベルから、内部状態パラメータα［ｎ］を演算する。内部状態パラメータα［ｎ］は、α［ｎ］生成器３００によって、入力信号ｕ［ｎ］のレベルに基づいて演算される。

ステップＳ１３において、α［ｎ］の値が１になる時刻Ｔ１（図７参照）を決定する。時刻Ｔ１は、Ｉｄｑドリフトが発生していない第１内部状態であると推定される時刻である。

ステップＳ１４において、時刻Ｔ１から所定の過去期間分の入力信号及び出力信号のデータから、第１演算モデルＧ_１の係数ｈ_{ｍ，ｌ，ｋ}を同定する。これにより、第１演算モデルＧ_１が得られる。

ステップＳ１５において、α［ｎ］の値が０になる時刻Ｔ２（図７参照）を決定する。時刻Ｔ２は、Ｉｄｑドリフトが発生している第２内部状態であると推定される時刻である。

ステップＳ１６において、時刻Ｔ２から所定の過去期間分の入力信号及び出力信号のデータから、第２演算モデルＧ_２の係数ｇ_{ｍ，ｌ，ｋ}を同定する。これにより、第２演算モデルＧ_２が得られる。

複数の演算モデルＧ_１，Ｇ_２それぞれは、増幅器１０の非線形特性（歪特性）を表す式である。演算モデルＧ_１，Ｇ_２それぞれの表現形式としては、増幅器のモデル化のための一般的な表現形式を採用できる。演算モデルの表現形式は、例えば、Ｇｅｎｅｒａｌｉｚｅｄ Ｍｅｍｏｒｙ ｐｏｌｙｎｏｍｉａｌ、Ｗｉｎｅｒ－ｈａｍｅｒｓｔｅｉｎモデル、Ｓａｒａｈモデル、又はＶｏｌｔｅｒｒａ級数である。図４に示す演算モデルＧ_１，Ｇ_２は、Ｇｅｎｅｒａｌｉｚｅｄ Ｍｅｍｏｒｙ ｐｏｌｙｎｏｍｉａｌによって表されている。なお、Ｇｅｎｅｒａｌｉｚｅｄ Ｍｅｍｏｒｙ ｐｏｌｙｎｏｍｉａｌ、Ｗｉｎｅｒ－ｈａｍｅｒｓｔｅｉｎモデル、Ｓａｒａｈモデル、又はＶｏｌｔｅｒｒａ級数などの従来のモデルは、ある内部状態における増幅器の非線形特性を表すことができるものの、Ｉｄｑドリフトのように、増幅器の内部状態の変化によって非線形特性（歪特性）が変化する現象を適切に表現できないものである。

図４に示す第１演算モデルＧ_１（式（２）参照）おいて、ｈ_ｍ，l，kは、第１演算モデルＧ_１を表現する係数であり、入力信号ｕ［・］に乗じられる。ｍの範囲を規定するＭ_１，Ｍ_２の値、及びｌの範囲を規定するＬ_１，ｍ及びＬ_２，ｍの値は、第１メモリ効果（Ｓｈｏｒｔ－ｔｅｒｍ ｍｅｍｏｒｙ ｅｆｆｅｃｔ）の第１応答時間（短い応答時間）の長さに応じて設定される。つまり、第１演算モデルＧ_１は、短い第１応答時間を有する第１メモリ効果を表現している。

図４に示す第２演算モデルＧ_２（式（３）参照）おいて、ｇ_ｍ，l，kは、第２演算モデルＧ_２を表現する係数であり、入力信号ｕ［・］に乗じられる。ｍの範囲を規定するＭ_３，Ｍ_４の値、及びｌの範囲を規定するＬ_３，ｍ，Ｌ_４，ｍの値は、第１メモリ効果（Ｓｈｏｒｔ－ｔｅｒｍ ｍｅｍｏｒｙ ｅｆｆｅｃｔ）の第１応答時間（短い応答時間）の長さに応じて設定される。つまり、第２演算モデルＧ_２は、短い第１応答時間を有する第１メモリ効果を表現している。なお、第１演算モデルＧ_１における第１応答時間と、第２演算モデルＧ_２における第１応答時間とは、一致している必要はない。

第１演算モデルＧ_１は第１内部状態（α［ｎ］＝１）のときの増幅器１０の特性を示し、第２演算モデルＧ_２は第２内部状態（α［ｎ］＝０）のときの増幅器１０の特性を示している。しかし、演算モデルＧ_１，Ｇ_２のいずれも、第１内部状態と第２内部状態との間の任意の過渡内部状態（０＜α［ｎ］＜１）のときの増幅器１０の特性を適切に示しているわけではない。

そこで、実施形態においては、任意の過渡内部状態に応じた合成比率に従って演算モデルＧ_１，Ｇ_２を合成する。合成により得られた増幅器モデル２００は、過渡内部状態における増幅器１０の特性を表すことができる。なお、外挿法を用いることで、第１内部状態と第２内部状態との間の範囲外の内部状態に応じた合成比率を求めることもできる。実施形態において、合成比率は、入力信号ｕ［ｎ］のレベルに基づいて演算される（図１参照）。

複数の演算モデルＧ_１，Ｇ_２の合成比率は、第１内部状態と第２内部状態との間の任意の過渡内部状態（０＜α［ｎ］＜１）に応じた値をとり得る。過渡内部状態においては、Ｉｄｑドリフトの発生状態が、第１内部状態におけるＩｄｑドリフトの発生状態と第２内部状態におけるＩｄｑドリフトの発生状態との間にある。

図９は、α［ｎ］の生成器３００を示している。α［ｎ］生成器３００は、内部状態を示す第１パラメータＲ［ｎ］及び第２パラメータα［ｎ］を演算し、合成比率の決定に用いられる第２パラメータα［ｎ］を出力する。内部状態を示す第１パラメータＲ［ｎ］は、Ｉｄｑドリフトの状態を表現している。

第１パラメータＲ［ｎ］は、図９中の式（４）に従って演算される。式（４）は、パラメータＲ［ｍ］を演算するためのパラメータ演算モデルを構成する。式（４）に示すように、ｎ＋１時点の第１パラメータＲ［ｎ＋１］は、ｎ時点の入力信号ｕ［ｎ］のレベルに基づいて演算される。より具体的には、第１パラメータＲ［ｎ＋１］は、パラメータの過去の値（直前の値）Ｒ［ｎ］と、入力信号ｕ［ｎ］と、に基づいて演算される。

式（４）において、
Ｒ［ｎ］，Ｒ［ｎ＋１］は、ｍ×１のスカラー行列である。
Ｉは、ｍ×ｍの単位行列である。
Ａは、ｍ×ｍのスカラー行列である。
Ｂは、ｍ×ｍのスカラー行列であり、入力信号ｕ［ｎ］に乗じられる係数行列である。
なお、ｍは、正の整数であり、以下同様である。ｍを大きくすると、Ｉｄｑドリフトの発生状態をより精緻に表現できるようになる。

式（４）は、入力信号ｕ［ｎ］のレベルが高くなると、Ｉｄｑドリフトが発生しやすくなり、第１パラメータＲ［ｎ＋１］が大きくなることを表している。また、式（４）は、入力信号ｕ［ｎ］のレベルが低くなると、Ｉｄｑドリフトが発生しにくくなり、第１パラメータＲ［ｎ＋１］が小さくなることを示している。

式（４）において、入力信号ｕ［ｎ］がゼロであると仮定すると、Ｒ［ｎ＋１］＝（Ｉ－Ａ）Ｒ［ｎ］となる。式（４）において、－Ａは、低下したアイドル電流Ｉｄｑの回復の時定数を示しており、入力信号ｕ［ｎ］がゼロである場合において、一定時間（サンプリング間隔Ｔ［秒］）ごとに、アイドル電流Ｉｄｑが回復することを表現している。行列Ａの各要素の値は、十分に小さく（例えば、１／１，０００から１／１，０００，０００程度）設定される。行列Ａの各要素の値を十分に小さくすることで、Ｒ［ｎ］に乗じられる（Ｉ－Ａ）が単位行列に近似したものとなり、Ｒ［ｎ］からＲ［ｎ＋１］への減少度合いが小さくなる。つまり、行列Ａの各要素の値を十分に小さくすることで、第１パラメータＲ［ｎ］の変化が緩やかになる。このように、式（４）が示すパラメータ演算モデルは、応答時間の長い第２メモリ効果を表現する。

実施形態においては、式（４）が表現する第２メモリ効果は、式（２）及び式（３）が表現する第１メモリ効果よりも長い応答時間を有するように、行列Ａの要素の大きさが十分に小さく設定される。

ここで、式（４）中のＡ，Ｂは、増幅器１０の物性・特性に応じて設定される。増幅器１０の物性・特性が温度依存性を持つ場合、Ａ，Ｂは、増幅器１０の温度条件によって変化する温度依存パラメータとなる。例えば、増幅器１０の温度に応じて、Ｉｄｑドリフトの発生のしやすさが変化する。低温の方がドリフトは発生しやすく、高温であると、逆にドリフトは発生しにくくなる。

式（４）において、パラメータＲ［ｎ］は、温度依存パラメータＡ，Ｂを用いて演算される。温度依存パラメータＡ，Ｂは、可変であり、温度依存パラメータ調整器３１０によって値が調整される。温度依存パラメータ調整器３１０は、例えば、シミュレーション用データとして与えられた温度条件に応じて、温度依存パラメータＡ，Ｂを調整する。実施形態においては、合成比率は、温度依存パラメータＡ，Ｂを用いて演算されるため、合成比率は、温度条件の影響を受けることになる。

図９において、式（５）は、Ｉｄｑドリフトの状態を示す第１パラメータＲ［ｎ］を、０以上１以下の範囲における値をとる第２パラメータα［ｎ］に変換する。式（５）において、Ｆ（・）は、正規化関数であり、第１パラメータＲ［ｎ］を０以上１以下の範囲に正規化する。第２パラメータα［ｎ］も内部状態を示すパラメータである。

正規化関数Ｆ（・）は、第１パラメータＲ［ｎ］の値が大きい（Ｉｄｑドリフトが発生している）ほど、α［ｎ］が０に近づき、第１パラメータＲ［ｎ］の値が小さい（Ｉｄｑドリフトが発生してない）ほど、α［ｎ］が１に近づくように、適宜設定される。

［第２実施形態］

図１０は、第２実施形態に係るモデル装置１００を示している。なお、第２実施形態において特に説明しない点については、第１実施形態と同様である。

２つのモデルで十分な表現精度が得られない場合がある。このため、Ｉｄｑドリフトの発生状態によっては、３個以上の演算モデルを用いた方が、増幅器１０の特性をより適切に表現できる。そこで、第２実施形態においては、一例として、３個の内部状態に対応した３個の演算モデルのうち、隣り合う２つの演算モデルを合成した結合モデルを、増幅器モデル２００として用いる。

第２実施形態に係るモデル装置１００は、合成される演算モデルを選択するための選択器２６０を備える。第２実施形態に係るモデル装置１００は、３個の演算モデルＧ_１，Ｇ_２，Ｇ_３を備える。つまり、増幅器モデル２００は、第１演算モデルＧ_１と第２演算モデルＧ_２と第３演算モデルＧ_３とを有する。なお、モデル装置１００は、４個以上の演算モデルを備えてもよい。第２実施形態においては、増幅器モデル２００の特性Ｇは、複数の演算モデルＧ_１，Ｇ_２，Ｇ_３から選択されたいくつかの演算モデルの合成特性として表される。

第２実施形態においては、選択器２６０は、複数の演算モデルＧ_１，Ｇ_２，Ｇ_３から、合成される２個の演算モデルＧ_ｐ，Ｇ_ｐ＋１を選択する。なお、選択される演算モデルの数は、２個に限られず、４個以上の演算モデルの中から、３個以上の演算モデルが選択されてもよい。

選択された演算モデルＧ_ｐのための演算は、第１演算器２１０によって実行される。第１演算器２１０は、入力信号ｕ［ｎ］に演算モデルＧ_ｐを適用し、演算結果Ｇ_ｐ（ｕ［・］）を出力する。選択された演算モデルＧ_ｐ＋１のための演算は、第２演算器２２０によって実行される。第２演算器２２０は、入力信号ｕ［ｎ］に演算モデルＧ_ｐ＋１を適用し、演算結果Ｇ_ｐ＋１（ｕ［・］）を出力する。

合成器２３０は、選択された演算モデルＧ_ｐ，Ｇ_ｐ＋１を動的に変動する合成比率で合成した合成特性を得る。選択された演算モデルＧ_ｐ，Ｇ_ｐ＋１の合成特性が、増幅器モデル２００の特性Ｇである。第２実施形態における増幅器モデル２００は、図１１中の式（７）によって表される。式（７）中の合成比率α_ｐ［ｎ］：（１－α_ｐ［ｎ］）については後述する。

実施形態において、合成器２３０は、第１演算器２１０の演算結果Ｇ_ｐ（ｕ［・］）と、第２演算器２２０の演算結果Ｇ_ｐ＋１（ｕ［・］）と、を変動する合成比率で合成する。なお、選択された演算モデルＧ_ｐ，Ｇ_ｐ＋１を構成する関数の係数を合成比率に従って合成された合成関数を事前に得ておき、入力信号ｕ［ｎ］に対して、その合成関数を適用してもよい。

複数の演算モデルＧ_１，Ｇ_２，Ｇ_３それぞれは、互いに異なる内部状態における増幅器１０をモデル化したものである。より具体的には、第１演算モデルＧ_１は、第１内部状態における増幅器１０の特性がモデル化されている。第２演算モデルＧ_２は、第２内部状態における増幅器１０の特性がモデル化されている。第３演算モデルＧ_３は、第３内部状態における増幅器１０の特性がモデル化されている

図１２に示すように、第１内部状態と第２内部状態と第３内部状態とは異なる状態である。第１演算モデルＧ_１に対応する第１内部状態は、増幅器１０において、Ｉｄｑドリフトが最も発生していない状態を示す。第１内部状態は、内部状態パラメータα［ｎ］＝１に対応する。第３演算モデルＧ_３に対応する第３内部状態は、増幅器１０において、Ｉｄｑドリフトが最も発生している状態を示す。第３内部状態は、内部状態パラメータα［ｎ］＝０に対応する。

第２演算モデルＧ_２に対応する第２内部状態は、第１内部状態と第３内部状態との間にある中間内部状態である。図１２において、第２内部状態は、内部状態パラメータα［ｎ］＝０．５に対応する。第２内部状態において、Ｉｄｑドリフトの発生状態は、第１内部状態と第３内部状態との間にある。演算モデルが対応する内部状態の数を３個以上にすることで、より精緻にモデルを表現することが可能になる。

選択器２６０は、増幅器１０の内部状態に応じて、合成される演算モデルＧ_ｐ，Ｇ_ｐ＋１を選択する。より具体的には、図１１及び図１２に示すように、０．５（＝β_２）＜α［ｎ］＜＝１（＝β_１）の場合（ｐ＝１の場合）、第１演算モデルＧ_１及び第２演算モデルＧ_２が、合成される演算モデルとして選択される。この場合、増幅器モデル２００は、第１演算モデルＧ_１及び第２演算モデルＧ_２の合成特性を有し、その合成特性は、図１１中の式（７－１）で表される。また、第１演算モデルＧ_１のための合成比率はα_１［ｎ］であり、第２演算モデルＧ_２のための合成比率は（１－α_１［ｎ］）である。α_１［ｎ］は、図１１中の式（８－１）に従って決定される。

式（７－１）で表される合成特性は、第１内部状態と第２内部状態との間の任意の第１過渡内部状態（０．５＜α［ｎ］＜１）における増幅器１０の特性を表すことができる。第２実施形態では、第１過渡内部状態（０．５＜α［ｎ］＜１）における増幅器１０の特性を、第１実施形態よりも適切に表現できる。

０（＝β_３）＜＝α［ｎ］＜＝０．５（＝β_２）の場合（ｐ＝２の場合）、第２演算モデルＧ_２及び第３演算モデルＧ_３が、合成される演算モデルとして選択される。この場合、増幅器モデル２００は、第２演算モデルＧ_２及び第３演算モデルＧ_３の合成特性を有し、その合成特性は、図１１中の式（７－２）で表される。また、第２演算モデルＧ_２のための合成比率はα_２［ｎ］であり、第３演算モデルＧ_３のための合成比率は（１－α_２［ｎ］）である。α_２［ｎ］は、式（８－２）に従って決定される。

式（７－２）で表される合成特性は、第２内部状態と第３内部状態との間の任意の第２過渡内部状態（０＜α［ｎ］＜０．５）における増幅器１０の特性を表すことができる。第２実施形態では、第２過渡内部状態（０＜α［ｎ］＜０．５）における増幅器１０の特性を、第１実施形態よりも適切に表現できる。

図１３は、演算モデルＧ_１，Ｇ_２，Ｇ_３の作成手順を示している。まず、増幅器１０に入力信号を与えて、出力信号を測定する（ステップＳ２１）。

ステップＳ２２において、増幅器１０に与えられた入力信号レベルから、内部状態パラメータα［ｎ］を演算する。内部状態パラメータα［ｎ］は、α［ｎ］生成器３００によって、入力信号ｕ［ｎ］のレベルに基づいて演算される。

ステップＳ２３において、α［ｎ］の値が１になる時刻Ｔ１を決定する。時刻Ｔ１は、Ｉｄｑドリフトが最も発生していない第１内部状態であると推定される時刻である。

ステップＳ２４において、時刻Ｔ１から所定の過去期間分の入力信号及び出力信号のデータから、第１演算モデルＧ_１の係数を同定する。これにより、第１演算モデルＧ_１が得られる。

ステップＳ２５において、α［ｎ］の値が０．５になる時刻Ｔ２を決定する。時刻Ｔ２は、中間内部状態である第２内部状態であると推定される時刻である。

ステップＳ２６において、時刻Ｔ２から所定の過去期間分の入力信号及び出力信号のデータから、第２演算モデルＧ_２の係数を同定する。これにより、第２演算モデルＧ_２が得られる。

ステップＳ２７において、α［ｎ］の値が１になる時刻Ｔ３を決定する。時刻Ｔ３は、Ｉｄｑドリフトが最も大きく発生している第３内部状態であると推定される時刻である。

ステップＳ２８において、時刻Ｔ３から所定の過去期間分の入力信号及び出力信号のデータから、第３演算モデルＧ_３の係数を同定する。これにより、第３演算モデルＧ_３が得られる。

図１０に示すように、第２実施形態のモデル装置１００は、内部状態を示すパラメータα［ｎ］から、合成比率を決定するためのパラメータα_ｐ［ｎ］を生成する生成器３０１を備える。生成器３０１は、生成器３００からα［ｎ］を取得し、α_ｐ［ｎ］を出力する。

図１４に示すように、生成器３０１は、図１４中の式（８）に従って、パラメータα［ｎ］から、パラメータα_ｐ［ｎ］を演算する。生成器３０１は、β_ｐ＞＝α［ｎ］＞＝β_ｐ＋１の範囲の値をとるα［ｎ］を、０＜＝α_ｐ［ｎ］＜＝１の範囲の値に正規化する。式（８）は、０．５（＝β２）＜α［ｎ］＜＝１（＝β１）の場合（ｐ＝１の場合）、図１１中の式（８－１）になり、０（＝β３）＜＝α［ｎ］＜＝０．５（＝β２）の場合（ｐ＝２の場合）、図１１中の式（８－２）になる。

なお、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味、及び範囲内でのすべての変更が含まれることが意図される。

１０ ：増幅器
１０Ａ ：周辺回路
１０Ｂ ：周辺回路
２０ ：歪補償装置
２１ ：歪補償処理部
２２ ：逆特性推定部
３２Ａ ：ＤＡ変換器
３２Ｂ ：ＤＡ変換器
３３ ：直交変調器
３４ ：周波数変換部
３５ ：駆動増幅器
３６ ：カプラ
３７ ：可変減衰器
３８ ：周波数変換部
４０Ａ ：ＡＤ変換器
４０Ｂ ：ＡＤ変換器
４１Ａ ：フィルタ
４１Ｂ ：フィルタ
４２ ：直交復調器
５０ ：通信装置
１００ ：モデル装置
１０１ ：プロセッサ
１０１Ａ ：増幅器モデル演算処理
１０２ ：記憶装置
１０２Ａ ：コンピュータプログラム
１０３ ：インタフェース
２００ ：増幅器モデル
２１０ ：第１演算器
２２０ ：第２演算器
２３０ ：合成器
２３１ ：乗算器
２３２ ：乗算器
２３３ ：加算器
２５０ ：定数生成器
２６０ ：選択器
３００ ：α［ｎ］生成器
３０１ ：α_ｐ［ｎ］生成器
３１０ ：温度依存パラメータ調整器
Ｇ ：増幅器の特性
Ｇ^－１ ：逆特性
Ｇ_１ ：第１演算モデル
Ｇ_２ ：第２演算モデル
Ｇ_３ ：第３演算モデル
Ｇ_ｐ ：演算モデル
Ｇ_ｐ＋１ ：演算モデル
Ｉｄｑ ：アイドル電流
Ｒ［ｎ］ ：内部状態を示す第１パラメータ
α［ｎ］ ：内部状態を示す第２パラメータ
Ｓ１ ：状態
Ｓ２ ：状態

Claims (14)

1. 歪特性に影響を与える内部状態が変化する増幅器をモデル化した増幅器モデルを用いた演算を実行するモデル装置であって、
   前記増幅器モデルは、
   互いに異なる前記内部状態における前記増幅器をモデル化した複数の演算モデルと、
   変化する前記内部状態に応じた合成比率で前記複数の演算モデルを合成する合成器と、
   を備え、
   前記複数の演算モデルのそれぞれは、前記増幅器における、第１応答時間を有する第１メモリ効果を含み、
   前記内部状態は、前記増幅器における、前記第１応答時間よりも長い第２応答時間を有する第２メモリ効果である１つの現象の発生状態であり、
   前記合成比率は、前記１つの現象の発生状態を表現した値であるモデル装置。
2. 前記内部状態を示すパラメータを生成する生成器を更に備え、
   前記合成比率は、前記パラメータに基づく
   請求項１に記載のモデル装置。
3. 前記合成比率は、前記内部状態を示すパラメータに基づいて決定され、
   前記パラメータは、前記増幅器によって増幅される信号のレベルに基づいて演算される
   請求項１又は２に記載のモデル装置。
4. 前記パラメータは、更に、前記パラメータの過去の値に基づいて演算される
   請求項３に記載のモデル装置。
5. 前記複数の演算モデルそれぞれは、前記増幅器における、第１応答時間を有する第１メモリ効果を表現しており、
   前記パラメータを演算するためのパラメータ演算モデルは、前記増幅器における、前記第１応答時間よりも長い第２応答時間を有する第２メモリ効果を表現している
   請求項２から請求項４のいずれか１項に記載のモデル装置。
6. 前記合成比率は、前記増幅器によって増幅される信号のレベルに基づいて演算される
   請求項１から請求項５のいずれか１項に記載のモデル装置。
7. 前記合成比率は、温度条件によって変化する温度依存パラメータを用いて演算される
   請求項１から請求項６のいずれか１項に記載のモデル装置。
8. 前記複数の演算モデルは、２個の演算モデルである
   請求項１から請求項７のいずれか１項に記載のモデル装置。
9. 選択器を更に備え、
   前記複数の演算モデルは、３個以上の演算モデルを含み、
   前記選択器は、前記３個以上の演算モデルから、前記合成器によって合成される２個以上の演算モデルを選択するよう構成されている
   請求項１から請求項７のいずれか１項に記載のモデル装置。
10. 前記選択器は、前記内部状態を示すパラメータに基づいて、前記２個以上の演算モデルを選択するよう構成されている
    請求項９に記載のモデル装置。
11. 前記複数の演算モデルは、
    第１内部状態における前記増幅器をモデル化した第１演算モデルと、
    前記第１内部状態とは異なる第２内部状態における前記増幅器をモデル化した第２演算モデルと、
    を含み、
    前記合成比率は、前記第１内部状態及び前記第２内部状態との間の過渡内部状態に応じた値を取り得る
    請求項１から請求項１０のいずれか１項に記載のモデル装置。
12. 前記複数の演算モデルは、
    第１内部状態における前記増幅器をモデル化した第１演算モデルと、
    前記第１内部状態とは異なる第２内部状態における前記増幅器をモデル化した第２演算モデルと、
    前記第１内部状態及び前記第２内部状態とは異なる第３内部状態における前記増幅器をモデル化した第３演算モデルと、
    を含み、
    前記第２内部状態は、前記第１内部状態及び前記第３内部状態との間にある中間内部状態である
    請求項１から請求項１１のいずれか１項に記載のモデル装置。
13. 歪特性に影響を与える内部状態が変化する増幅器をモデル化した演算方法であって、
    互いに異なる前記内部状態における前記増幅器をモデル化した複数の演算モデルを、変化する前記内部状態に応じた合成比率で、合成器が合成する工程
    を備え、
    前記複数の演算モデルのそれぞれは、前記増幅器における、第１応答時間を有する第１メモリ効果を含み、
    前記内部状態は、前記増幅器における、前記第１応答時間よりも長い第２応答時間を有する第２メモリ効果である１つの現象の発生状態であり、
    前記合成比率は、前記１つの現象の発生状態を表現した値である演算方法。
14. 歪特性に影響を与える内部状態が変化する増幅器をモデル化した演算のためのコンピュータプログラムであって、
    互いに異なる前記内部状態における前記増幅器をモデル化した複数の演算モデルを、変化する前記内部状態に応じた合成比率で合成する工程
    をコンピュータに実行させるためのコンピュータプログラム。
    ここで、
    前記複数の演算モデルのそれぞれは、前記増幅器における、第１応答時間を有する第１メモリ効果を含み、
    前記内部状態は、前記増幅器における、前記第１応答時間よりも長い第２応答時間を有する第２メモリ効果である１つの現象の発生状態であり、
    前記合成比率は、前記１つの現象の発生状態を表現した値である。
    

Images