广义记忆型神经网络射频功放数字预失真器

提出了一种基于广义记忆型神经网络(GMNN)的数字预失真器非线性模型,以更好地抑制由于射频功放动态非线性导致的带内失真以及带外频谱扩展等问题。通过引入时间上的超前项,使得功放模型的记忆效应建模能力得以扩展,通过添加高阶非线性级数,使得功放非线性建模精度进一步提高。文中使用带宽为20 MHz 的4载波WCDMA 信号作为测试信号,对一个中心频率为460 MHz 的60W Doherty 射频功放进行数字预失真线性化实验。实验结果表明,广义记忆型神经网络数字预失真器的带外抑制可达19 dB,能更有效地抑制射频功放的带外频谱扩展,相比于其他几种预失真器展现出更好的线性化效果,验证了广义记忆型神经网络数字预失真器的有效性。     

改进型Hammerstein动态非线性模型的Doherty射频功放线性化

采用改进型Hammerstein动态非线性模型来设计数字预失真器,用于矫正Doherty射频功放的动态非线性,从而获得一个适合于诸如WCDMA、CDMA2000和WiMAX这样的新型宽带无线通信系统的高效线性射频功率放大系统.文中使用频率间隔5MHz的两载波3GPP-FDD WCDMA信号作为测试信号,设计了一个16W 峰值输出功率的L波段Doherty射频功率放大器.实验表明基于改进型Hammerstein动态非线性模型的数字预失真器可以很好地抑制Doherty射频功放的动态非线性引起的频谱再生,从而有效地降低了邻道干扰.     

基于广义LSTM神经网络的宽带射频功放数字预失真线性化

在无线通信系统中,射频功放的非线性是信号失真与频谱增生的主要原因,尤其是对于采用64QAM、256QAM 等高峰均功率比的复杂调制系统,对射频功放线性度的要求越来越高;然而宽带射频功放中存在的强记忆效应严重地降低了基于传统非线性模型的数字预失真器的线性化性能。文章提出广义长短期记忆(LSTM)神经网络模型,通过输入的时序特性,从时间轴上进行模型迭代,利用LSTM模型独特的长短时序结构以更好地表征宽带射频功放的记忆效应,同时引入时间超前项以构建广义的LSTM模型,进一步增强其动态非线性建模能力。在不同超参数下的建模结果表明,该模型的归一化均方误差(NMSE)指标可达-42.2895 dB。最后,使用20 MHz 带宽的4 载波WCDMA信号,对中心频率1900 MHz 的50 W Doherty 功放进行预失真线性化实验验证。实验结果证实了基于广义LSTM神经网络模型的数字预失真器可以使互调分量降低达23.27 dB,大大优于记忆多项式等传统非线性模型的非线性校正性能。     

无线通信中有记忆功率放大器的一种预失真方法

在WCDMA等宽带通信系统中,射频功率放大器记忆效应明显,传统的无记忆预失真技术无法达到理想的线性化效果.分析功放的记忆效应,并提出一种适合于有记忆射频功率放大器的顸失真方法.该方法首先基于记忆多项式构造预失真器,然后采用间接学习结构设计预失真系统,并运用限定记忆递推最小二乘算法更新预失真器参数,以跟踪放大器特性的变化.仿真结果表明,该方法能较好地补偿射频功放的非线性失真和记忆效应.     

查找表联合记忆效应补偿技术的宽带自适应预失真算法

为了能够对记忆型功率放大器线性化处理,并能一定程度克服其记忆效应,该文介绍一种自适应数字预失真器。该数字预失真器采用查找表与记忆效应补偿技术相结合的方法,并且利用内插值方法有效减小了查找表幅度量化过程产生的误差。相比记忆多项式预失真器,这种预失真器的计算复杂度较小,却能够得到与其相近的线性化效果。基于功率放大器记忆多项式模型,利用OFDM(Orthogonal Frequency Division Multiplexing)宽带信号验证该文提出的预失真器对记忆型非线性功率放大器的良好线性化效果。     

基于DSP和FPGA的短波功放数字预失真算法实现

介绍了宽带跳频短波电台中功率放大器的线性化技术。针对短波通信中功率放大器的多载波宽带信号失真特性,提出基于二维复数增益补偿的查找表模型数字预失真线性化方案,并且通过TI公司的DSP(TMS320C6455)与Altera公司的FPGA(Cyclone EP4CGX150CF2317)混合平台实现短波功放数字预失真算法及整个环路的实时自适应系统。实验结果表明该方案改善短波功放输出信号的邻道功率比(ACPR)达25dB以上,有效补偿了短波功放的非线性失真,大幅度提高了短波电台的通信质量。     

基于数/模混合预失真技术的功放线性化北大核心CSCD

随着移动通信信号带宽的增加,传统功率放大器数字预失真线性化技术越来越受到采样率的限制。为了使线性化效果更好,文中提出了一种数字预失真和模拟预失真相结合的混合预失真器,利用模拟预失真宽带宽的特点和数字预失真线性化能力强的优势,把模拟预失真和数字预失真融合在一起,共同补偿功放的非线性。由于受实验设备采样率的限制,文中采用了带宽为60 MHz的5 G NR信号对一个中心频率为3.5 GHz的射频功放进行实验验证。实验结果表明:提出的混合预失真器不仅优于单独的数字预失真器和模拟预失真器的非线性矫正性能,而且还能改善数字预失真因采样率限制无法改善的带外互调失真。     

记忆多项式数字预失真线性化逆E类功放

采用记忆多项式模型的数字预失真器,用于线性化逆E类射频功率放大器,从而获得具有高线性和高效率的射频放大系统,使得开关型的逆E类功率放大器可以适用于具有非恒包络的调制信号的发射。文中设计了一个工作于S频段的具有10W饱和功率的逆E类功率放大器,以具有5MHz信号带宽的单载波WCDMA信号作为测试信号,使用记忆多项式的预失真器对其进行线性化。实验表明,该记忆多项式预失真器能够很好地抑制逆E类功放的动态非线性引起的带外寄生频谱,可以使逆E类功放同时工作于高线性和高效率状态。     

功率放大器数字预失真技术的研究

在宽带码分多址(WCDMA)等宽带通信系统中,射频功率放大器呈现出严重的电记忆效应和热记忆效应,产生频谱再生和邻道干扰,传统的无记忆预失真技术已经无法消除信号失真而达到理想的线性化效果.针对此类有记忆性的功放,文章提出一种新的记忆多项式预失真器,以跟踪射频功率放大器特性的变化, 并进行非线性补偿.     

广义改进型Hammerstein预失真器的实现方法及验证

射频功率放大器与生俱来的非线性是无线通信前端设计需要解决的核心问题之一。根据广义改进型Hammerstein功率放大器非线性模型,提出一种应用于射频功放线性化的新型数字预失真器——广义改进型Hammerstein(Generalized Augmented Hammerstein, GAH)预失真器,并给出了该预失真器的实现方法。另外,为了精确分析GAH 预失真器的性能,采用实际功放的输入输出数据进行仿真和实验。被测功放为中心频率1960 MHz,带宽40 MHz, 输出功率45 dBm的Doherty功放。仿真和实验证明：提出的数字预失真器不仅计算复杂度远低于记忆多项式（Memory Polynomial,MP）和分数阶记忆多项式（Fractional Memory Polynomial, FMP）预失真器,而且其线性化能力也强于AH、MP及FMP等预失真器。     

功放数字预失真技术现状及未来发展

功放是无线通信发射机的重要组成部分,随着无线通信的不断发展,对宽带线性功放的要求也越来越高。然而,功放的非线性特性和记忆效应会导致信号严重失真。为了减小带内失真和邻道干扰,数字预失真成为功放线性化技术中最有发展潜力的技术。介绍了功放模型,数字预失真的学习结构、数字预失真器参数的辨识算法等研究现状,探讨了数字预失真的发展趋势,为今后数字预失真技术的研究提供参考。     

5G 功放DPD 的FPGA 宽带实现及自动优化

5G 宽带功放数字预失真器(DPD)的FPGA 实现过程中,常遇到数字处理带宽不够和资源有限问题,对 此,文中提出一种基于双路并行数据流的数字预失真带宽扩展方法和基于Zynq Ultrascale+ MPSoC 的自动化模型优化 验证方法,可快速实现对5G 宽带功放线性化方案的优化。使用该并行处理结构的数字预失真器,克服了数字电路最 大时钟频率造成的对FPGA 线性化带宽的限制,使得数字预失真电路在每个时钟周期内可以处理更多的数据,不仅有 效地增加了数字处理带宽,而且降低了DPD 的功耗。然而,这种带宽增加以消耗更多硬件资源为代价,对此,文中同时 提出了对预失真非线性模型的在线自动优化方法,以简化非线性模型、降低DPD 的硬件资源开销。最后,在Zynq Ultrascale+ FPGA 实验平台上实现了具有两路并行数据处理的I-MSA 自优化数字预失真电路,采用100 MHz 的5G 新无 线电(NR)信号在2. 6 GHz 功率放大器上进行线性化实验验证,获得了满意的预失真性能,验证了所提方法的有效性。     

一种单入双出式神经网络的自适应预失真技术研究

放大器存在固有的非线性失真特性,会对通信系统性能造成严重影响。为了克服或降低放大器非线性特性,需要对其进行线性化处理。首先对功率放大器的非线性失真进行了数学分析,简单地介绍了预失真技术的基本原理和神经网络的基本知识,接着根据放大器幅度和相位的失真特性提出了一种简单的单入双出式神经网络自适应数字基带预失真技术,该技术能同时对放大器幅度和相位失真做出改善。最后以双音信号和16QAM信号为例进行了Matlab仿真。仿真结果印证了该技术具有较好的性能。     

用于5G RF PA 线性化的多频段通用数字预失真器

文中提出了一种基于独热编码与长短时期记忆 (LSTM) 神经网络的多频段通用数字预失真非线性 模型,它可以有效地对工作在多个频段的宽带射频功放进行线性化。在训练集中引入表示不同频率信号的不同独 热编码,训练后的神经网络非线性模型可以在不改变网络结构和模型参数的情况下对不同频段的功率放大器进行 预失真线性化。为了验证该方法的有效性,建立了两个分别工作于2. 6 GHz 和4. 9 GHz 的射频功放实验平台,在这 两个频段预失真非线性建模的归一化均方误差(NMSE)均可达到-40 dB,然后使用100 MHz 带宽5G NR 信号,分别 对这两个射频功放进行预失真线性化实验验证。实验结果表明,该多频段通用数字预失真器可以将这两个功放的 邻信道泄漏比(ACLR)在中心频率下偏100 MHz 处分别改善19. 42 dB 和17. 91 dB,在中心频率上偏100 MHz 处分 别改善15. 73 dB 和15. 17 dB,验证了所提非线性模型的有效性。     

基于实值时间卷积神经网络的功放预失真研究

为了实现传输速率高达千兆比特每秒(Gbps)的目标,5G通信系统需要更宽的传输带宽和更高的调制度,这些对射频功放的线性度提出了更加苛刻的要求。必须对功放的非线性进行线性化。文中构建了一种基于实值时间卷积神经网络(Real-Valued Temporal Convolutional Networks,RVTCN)模型的数字预失真器。RVTCN模型利用扩大因果卷积(Dilated Causal Convolution, DCC)提取功放的当前时序信息,把记忆信息存储在残差块(Residual Block,RB)中,不断获取时序特征并保存于网络中。为了验证RVTCN线性化的性能,文中采用了100 MHz带宽的5G NR信号,对中心频率3.5 GHz的Doherty功放进行了预失真线性化实验验证。实验结果表明:该RVTCN模型具有射频功放的动态非线性行为建模能力,其归一化均方误差可达-40 d B;RVTCN预失真器对测试功放的相邻信道功率比(ACPR)改善可达19.5 d B左右。     

基于神经网络的功率放大器预失真建模

提出一种神经网络结合分离信号对功率放大器预失真建模的方法。将输入/输出信号的线性与非线性部分分开处理,利用神经网络良好的逼近能力,采用LM算法,拟合出功率放大器特性曲线,进而建立预失真模型,使非线性功率放大器的输入/输出曲线整体呈线性化。在保证输出幅度限制和输出功率最大化的前提下,与未作信号分离的神经网络建模方法、多项式建模方法以及Saleh函数模型方法相比较,发现信号分离神经网络建模方法能得到较小的归一化均方误差和误差矢量幅度。仿真结果表明,采用信号分离神经网络对功率放大器及其预失真建模,整体线性化误差较小、精度高、效果更佳。