一种最小二乘／奇异值分解算法

针对预失真技术中存在记忆非线性放大器预失真的问题,分析数字预失真器的结构和常用预失真器的识别算法,对经典最小二乘／奇异值分解（LS／SVD）算法进行改进,以较少资源获得较高性能。仿真结果表明,改进的LS／SVD算法能实现记忆非线性放大器的快速、高效线性化,提高记忆非线性放大器的性能。     

基于直接学习法的一种新预失真器

为了克服宽带信号经过记忆放大器的非线性失真,针对有记忆非线性功放的多项式模型,提出了一种新的基于直接学习法的自适应算法.该算法采用无记忆预失真器的级联扩展,具有横向滤波器结构,与记忆多项式有相似的线性化效果.并且针对信号噪声对自适应算法的扰动和收敛速度慢等缺点,采用归一化LMS算法加以改进.在非线性功放的记忆多项式模型下,通过宽带信号验证了基于直接学习法的记忆型预失真器算法的有效性.     

基于多项式模型的功率放大器非线性特性和预失真分析

信号在功放过程中,会产生非线性失真.因此对信号首先进行预失真处理是改善功放的非线性失真一种重要技术手段.对无记忆和有记忆的功放模型和预失真模型进行建模.利用多项式模型对功放模型进行建模,利用多项式模型和有约束优化问题来对预失真模型进行建模.对于无记忆信号,最终得到一个7次多项式的功放模型和7次多项式的预失真模型,线性化后最大可能的幅度放大倍数为1.83.对于有记忆信号,得到一个次数为5、记忆长度为3的多项式功放模型和次数为5、记忆长度为3的多项式预失真模型,线性化后最大可能的幅度放大倍数为9.48.     

功率放大器的线性化研究

在通信系统中,为了达到发射要求,信号要求具有较高的功率,需要通过高功率放大器对信号进行放大.功放非线性属于有源电子器件的固有特性,研究其机理并采取措施改善,具有重要意义.对功放的记忆效应和非线性特性进行分析研究,提出一种多项式预失真优化算法,利用和记忆多项式模型构建放大器的非线性模块,并在放大器模块前采用间接学习结构设计预失真器,利用最小二乘算法原理优化预失真器参数.仿真结果表明,预失真处理后输出信号的相邻信道功率比有较好的改善,接近理想功放线性化放大原则.改进算法使这两个模块的合成总效果可使整体输入-输出特性线性化,输出功率得到了充分利用.     

功率放大器非线性特性及预失真

建立了无记忆的功放的非线性模型,分析功率放大器的非线性特性、产生失真的情况及误差。设计无记忆的预失真系统,用于抵消因功放造成的非线性干扰,并实现从输入到输出的线性化。基于距离本抽样值较远的不同间隔的几个抽样值来收集功放记忆效应,建立具有稀疏延迟抽头的有记忆的功放非线性模型。改进Volterra级数预失真模型,辨识多项式、建立相应的辨识模型,采用间接地辨识方法进行预失真模型的设计,并通过MATLAB建模仿真,验证设计模型的有效性。     

宽带GaN功率放大器的建模与预失真

对正交频分复用传输系统中宽带GaN功率放大器的建模与预失真线性化方法进行研究。应用一个带有记忆的多项式模型来建模GaN功率放大器及其逆特性,并通过递推最小二乘法(RLS)辨识模型参数,然后利用预失真间接结构实现了GaN功率放大器的预失真器。最后,仿真验证预失真方法的有效性,结果表明记忆多项式模型可以对GaN功率放大器进行建模并实现线性化。     

记忆非线性功率放大器的神经网络预失真

数字预失真是克服高功率放大器(HPA)非线性失真最有前途的一项技术。早期对预失真技术的研究大多局限于无记忆非线性,但对于宽带应用,放大器的记忆特性明显。该文提出了一种新的有记忆非线性功率放大器的神经网络预失真技术,预失真器利用输入信号的同向和正交分量作为输入,采用带抽头延时的双入双出两层前向神经网络结构,根据非直接学习结构和反向传播算法实现自适应,可同时补偿放大器的记忆失真和非线性失真。仿真结果表明,建议的方案能有效抑制带外谱扩散,降低误码率,实现有记忆非线性HPA的自适应预失真。     

一种记忆功率放大器自适应线性化仿真

为了更好地实现有记忆功率放大器高效率而又高线性的工作.对两种常用的描述功率放大器的记忆效应和非线性特征的模型--W-H模型和记忆多项式模型进行了自适应线性化仿真,采用AM/AM和AM/PM失真特性对由于功放特性不理想而引起的放大信号的振幅畸变及相位偏移进行描述,运用自适应预失真处理方法,进行记忆预失真的模拟,并用误差矢量值(EVM)衡量这种自适应预失真方法的效果.仿真结果表明,文中的自适应预失真方法对上述两种记忆功放模型具有较好的线性化效果.     

模块化模型功率放大器的自适应预失真

为补偿正交频分复用（OFDM）通信系统中由记忆高功率放大器（HPA）引起的失真,提出了一种自适应数字预失真方法。对Wiener、Hammerstein和Wiener-Hammerstein模块化模型的HPA各自构成了一个有记忆自适应预失真器。仿真结果表明,利用模块化模型能快速、简便地实现记忆放大器的线性化,而且具有满意的性能。     

Doherty功放的数字预失真技术研究

通信系统中功率放大器（PA）的效率和线性度影响着整个系统的性能,而Doherty技术是提高效率的一种有效方式,但在提高效率的同时,它的线性度也会变差。数字预失真（DPD）是一种最具有前景的线性化技术,近年来各种模型被不断提出。通过在一种合适阶数、记忆深度的记忆多项式DPD中采用新的RLS与LMS混合算法,实现Doherty功放（DPA）快速、高效的线性化。仿真结果表明所提算法能够快速收敛,对系统的非线性和记忆效应有明显改善。     

功放的数字基带预失真系统研究与仿真

为了克服功率放大器的非线性失真和满足制定的功率谱密度要求,数字基带预失真技术以其良好的线性度、宽带宽、高效率和全自适应性等优点成为解决功率放大器非线性失真的问题.文中在详细地分析数字基带预失真系统原理和单位延迟抽头多项式模型的基础上,提出了具有记忆效应的数字基带预失真电路,并在ADS环境中实现了系统级仿真.仿真结果表明,系统对功率谱密度的改善最大能达到30dBm,具有很好的预失真效果.故构建的系统级仿真电路对实际的数字预失真系统设计起着重要的指导作用.     

一种具有普适性的功放线性化预失真方案

为解决功率放大器的非线性问题,提高功放效率,提出了一种能够应用于多种类型功放的间接结构多项式数字基带预失真方案。采取间接预失真结构规避了功放的辨识过程,选择记忆多项式模型作为预失真器能够线性化多种类型的功放,同时采用改进的抑制牛顿算法减少了参数的迭代次数和运算量。以64QAM信号作为输入,对几种典型的功放模型进行数字预失真处理,通过MATLAB仿真分析预失真前后信号的功率谱变化以及ACPR值的改变,表明该方案能够取得比较理想的预失真效果,同时证明了此预失真方案具有一定的普适性。     

自适应稀疏重构的双频预失真结构

针对双频功放预失真系统采样率过高的问题,提出一种基于压缩感知的自适应稀疏预失真结构,先通过基于分段多项式模型的记忆效应补偿器,再将信号融合理解为压缩感知采样重构问题,即在预失真反馈回路,利用自适应稀疏算法高精度重构遗失的五阶及高阶交调信号,使系数权值的最小均方解逼近最优,降低采集误差提升线性化效果。实验结果表明,在提高系统稳定性的同时,NMSE显示较2D-MP、2D-CPWL提高了约2~3 dB,ACPR大约改善20 dBc。对降低双频带预失真采样率同时提升功放线性度具有重大意义。     

一种高效的功放自适应预失真器设计

在对高功率放大器(HPA)进行自适应预失真过程中,为提高自适应算法运用的灵活性和自适应的收敛速率,解决幅度自适应预处理过程中对幅度过度压缩而影响功放输出功率和效率的问题,设计出一种高效的HPA自适应预失真器。该方案中幅度、相位预失真器相级联,对幅度预失真器采用间接自适应结构进行训练;相位预失真器直接对功放幅度-相位(AM-PM)特性进行辨识,然后取反得到,AM-PM特性辨识器同时又是相位预失真器,能够提高HPA自适应预失真过程中自适应算法运用的灵活性和自适应收敛速率;幅度预失真器基于正弦函数系模型,自适应预失真过程可以同时兼顾功放效率、输出功率和线性度3项重要指标。最后以M-QAM和双音信号为例进行仿真测试,验证了该方法的优势。     

基于自适应扩展卡尔曼滤波与神经网络的HPA预失真算法

针对强记忆功放的非线性问题,提出一种基于自适应扩展卡尔曼滤波与神经网络的高功放(High power amplifier, HPA)预失真算法.采用实数固定延时神经网络(Real-valued focused time-delay neural network, RVFTDNN)对间接学习结构预失真系统中的预失真器和逆估计器进行建模,扩展卡尔曼滤波(Extended Kalman filter, EKF)算法训练神经网络,从理论上指出Levenberg-Marquardt(LM)算法是EKF算法的特殊情况,并用李亚普诺夫稳定性理论分析EKF算法的稳定收敛条件,推导出测量误差矩阵的自适应迭代公式.结果表明:自适应EKF算法的训练误差和泛化误差均比LM算法更低,预失真后的邻道功率比(Adjacent channel power ratio, ACPR)比LM算法改善了2dB.     

宽带RF功率放大器的预失真线性化技术综述

随着无线需求和无线业务的不断增加,传输信号必将不断向高速率宽带宽发展。在宽带应用中,由于传输信号带宽增加,RF功率放大器不同于窄带输入下的无记忆特性,将表现出与频率有关的记忆非线性特性。针对宽带功率放大器线性化的记忆预失真技术成为当前研究的一个热点,综述了宽带RF功率放大器的预失真线性化技术的研究进展,详细介绍和分析了目前最主要的几种记忆预失真器的模型和对应的自适应预失真方案,最后给出了今后的研究方向。