基于增强型LSTM神经网络的5G射频功放线性化

本文提出了一种基于增强型LSTM神经网络(A-LSTM)的数字预失真线性化模型,以更好的补偿5G宽带射频功放的动态非线性特性。模型的输入层在引入延迟抽头模拟功放线性记忆效应的基础上,对每一个延迟抽头进行非线性级数展开用于补偿功放的非线性记忆效应,从而更好地抑制功放的动态非线性失真导致的带内失真以及带外频谱扩展等问题。为验证模型的有效性,本文采用100MHz的5GNR信号作为测试信号,对一个中心频率为2.6GHz的5G射频功放进行数字预失真线性化实验。实验结果表明,基于增强型LSTM神经网络数字预失真器的带外抑制可达16dB,相比于其他几种预失真器展现出更好的线性化效果,验证了基于增强型LSTM神经网络数字预失真器的有效性。     

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。     

基于改进型径向基函数神经网络的功放线性化

提出了一种基于改进型径向基函数神经网络(MRBFNN)的数字预失真线性化模型,用于更为精确地矫正宽带射频功率放大器的动态非线性。该神经网络模型的输入层使用传统的延时抽头以补偿功放的线性记忆效应,同时对每个抽头进行级数展开用于补偿功放的非线性记忆效应,从而更好地抑制功放的动态非线性失真。文中使用WCDMA 三载波信号对一个460MHz 的Doherty 功率放大器进行数字预失真线性化实验。实验结果表明,与传统数字预失真线性化模型相比,基于改进型径向基神经网络的数字预失真线性化模型能更好地抑制宽带功放动态非线性引起的带外频谱再生,其三阶互调(IMD3)失真最多可以抑制23dB,大大提高了功放的线性度,验证了所提出的数字预失真线性化模型的有效性。     

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。     

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。     

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。     

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.     

基于神经网络的数字预失真模型验证

功放的非线性会导致信号的失真和频谱再生，因此数字预失真被认为是解决功放非线性的一个方法，但是由于信号的带宽越来越宽，且系统越来越复杂，这些传统的预失真方法已经无法满足需要，因此神经网络开始被应用于数字预失真。本文对LSTM,GRU,BiGRU网络建立数字预失真平台，使用1.9GHz的功放对5G-NR信号进行实验。实验结果表明：LSTM,GRU,BiGRU这三个模型都可以应用于线性化，并且ACLR最高可达17dB,因此这三个模型均可用于功放的非线性改善。     

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.     

An adaptive digital predistortion for compensating nonlinear distortions in RF power amplifier with memory effects

In this paper, an adaptive digital predistortion based on a memory polynomial model is proposed in order to linearize the power amplifier with memory effect. The coefficients of the power amplifier model have been extracted using a least square method and those of predistortion have been identified by applying an indirect learning structure. Finally, the performance of digital predistortion has been demonstrated using the simulation of the power amplifier and the digital predistortion excited by a modulated 16 QAM signal in Matlab software. According to the simulation results, the criterion of adjacent channel power ratio (ACPR) declined by around 15 dB and the input/output power spectrum density of the power amplifier has quite similar curves. The linearized power amplifier output spectrum demonstrates the superiority of the proposed predistorter in eliminating the spectral regrowth which is caused by the memory effect in comparison to the other linearization methods.     

5G光载无线通信前传系统数字预失真线性化研究

第五代移动通信系统新空口(5G NR)的信号带宽、调制度和峰均比相比4G信号高很多。用于小蜂窝或微蜂窝基站组网的光载无线通信(Radio-over-Fiber, RoF)前传系统的非线性失真也更加严重。为了使5G NR信号线性传输,采用记忆多项式(Memory Polynomial, MP)和广义记忆多项式(Generalized Memory Polynomial, GMP)模型构建数字预失真器,矫正5G RoF前传系统的非线性。在实验中搭建了2 km光纤的RoF前传系统,并采用100 MHz带宽5G NR信号作为测试信号对其进行线性化测试。实验结果表明,采用MP和GMP数字预失真器进行线性化时,5G RoF前传系统的邻信道功率比(Adjacent Channel Power Ratio, ACPR)可分别改善13 dB和17 dB以上。这说明MP和GMP数字预失真器对5G RoF前传系统的非线性具有显著的抑制作用。因此基于MP和GMP两个模型的数字预失真器均可用于5G RoF前传系统的线性化,而且GMP预失真器比MP预失真器对该系统线性化的能力更强。     

An accurate digital baseband predistorter design for linearization of RF power amplifiers by a genetic algorithm based Hammerstein structure

In this paper, a novel digital predistorter design based on the Hammerstein structure is proposed in order to linearize radio frequency power amplifiers. A genetic algorithm optimization method has been proposed to accurately identify the coefficients of a Wiener model for the power amplifier. Digital predistorter design based on the proposed Hammerstein model has been carried out according to the accurate Wiener model. The validation of the suggested model is carried out using the simulation of the power amplifier and the digital predistortion excited by 64QAM signals in the advanced design system software. According to the simulation results, the criterion of an adjacent channel power ratio decreased by about 16 dB. The simulation results show the adjacent channel power ratio of almost ??46 dBc. In order to assess the feasibility of the proposed predistorter, it is completely implemented in the Kintex FPGA using Vivado HLS. This proposed model enables a more accurate modeling of nonlinear distortion and memory effects compared to the previous linearization methods. This paper presents the new linearization method using the genetic algorithm based Hammerstein structure.     

Complexity-reduced Volterra series model for power amplifier digital predistortion

This paper expounds a complexity-reduced Volterra series model for radio frequency power amplifier (PA) behavioral modeling and digital predistortion (DPD). An analysis was conducted, which took into account the memory effect mechanisms of the PA. This led to a closed-form expression that relates the memoryless behavior of the PA to the finite impulse response feedback filter, which approximates the memory effects’ behavior. The analysis resulted in a complexity-reduced Volterra series model which allows for a substantial reduction in the requirements for digital signal processors and the time needed to construct and implement the DPD in a real-time environment. The proposed model was validated as a behavioral model and a DPD using two different PA architectures, employing two different transistor technologies, driven by both 20 MHz 1001 wideband code division multiple access and long term evolution signals. The results obtained demonstrate the excellent modeling and linearization capability of the complexity-reduced Volterra series model.     

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。     

改进型并行双非线性模型的ROF 系统非线性建模

包含光载无线通信(ROF)链路和射频功放的ROF 前传系统存在严重的静态非线性和记忆效应,提出了改进型并行双非线性广义记忆效应模型(APTGMEM),以准确建模ROF 前传系统的强静态非线性和记忆效应。所提出的APTGMEM 包含无记忆和广义记忆效应两个独立部分,其中无记忆部分只考虑高阶静态非线性,广义记忆效应部分只考虑低阶次超前广义非线性。文中采用带宽为20 MHz 的4G LTE(Long Term Evolution 长期演进)信号为测试信号,光模块和峰值输出功率为51dBm 的Doherty 功放被用于模型有效性验证。测试结果表明,APTGMEM 相比广义记忆多项式模型(GMPM),模型系数减少40%,而建模精度相似,同时比并行双非线性两厢模型(PDNTBM)建模精度提高了3. 6 dB,其在建模精度、系数数量和训练复杂度上取得了良好折中。