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。     

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。     

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。     

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。     

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。     

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。     

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。     

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.     

一种新的用于有记忆功放的查找表预失真器

 针对有记忆非线性功放提出了一种新的基于查找表的记忆型预失真器.该记忆型预失真器采用无记忆预失真器的级联扩展,其横向滤波器结构相比记忆多项式方法降低了复杂度,却能够得到与其相近的线性化效果.并且针对查找表固有的量化误差大和自适应收敛速度慢的缺点,分别采用线性内插和加权窗迭代更新的方法加以改进.在非线性功放的记忆多项式模型下,通过多载波WCDMA宽带信号和OFDM宽带信号验证了基于查找表的记忆型预失真器的良好线性化效果和改进方法的有效性.     

宽带系统中有记忆大功率功放的数字预失真器研究

针对高峰均比的宽带输入信号,提出了一套联合峰均比抑制技术和基带自适应预失真技术的数字预失真器设计方案,并仿真了峰值抵消算法和自适应预失真算法.结果表明对于峰均比为8.4 dB的输入信号,经过1.5 dB的削峰处理后,预失真器改善带外频谱抑制27 dB,非常有效地补偿了功放的非线性失真,提高了功放效率,对发射机功放线性化技术有一定的实用价值.     

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。     

功放的数字基带预失真技术研究

在射频通信中,大功率放大器是无线通信系统中的必要组成部分,它的非线性失真除了会造成信号带外的频谱扩展,引起临道干扰外,还会造成带内信号失真,提高误码率.因此,如何克服功放的非线性就成了通信领域的一个重要课题和研究热点.本文采用基于查找表的自适应算法,设计了自适应数字基带预失真器并进行了仿真和综合.结果表明自适应数字基带预失真方法可有效地提高功放线性度,从而提高系统性能.     

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。     

双分支Hammerstein-Wiener射频功放行为建模及预失真

提出一种新的双分支Hammerstein-Wiener模型,对功放进行非线性行为建模及数字预失真研究.利用飞思卡尔半导体公司的MRF7S21170晶体管进行功放电路设计,从ADS中导出输入输出数据进行模型验证和预失真分析.仿真结果表明,该模型性能优于Hammerstein,Wiener和记忆多项式模型,具有较高的精度,能够精确模拟功率放大器的特性,经过数字预失真后,能抑制功放非线性引起的带内失真和频谱再生,对功放线性化技术的发展具有重要的应用价值.     

一种用于TETRA系统的数字子带滤波预失真器

本文提出一种适用于TETRA数字集群系统的基于子带滤波技术的数字自适应预失真器。数字子带滤波预失真器将发射信号分为若干子带进行功放线性化处理,降低了预失真过程中运算速率的要求,增加自适应收敛速度。子带滤波技术同时解决了功放宽带化所带来的记忆性问题,扩展了数字预失真器的工作带宽。TETRA多载波发射信号的仿真结果说明,数字子带滤波预失真器对无记忆功放和有记忆功放均具有良好的线性化效果,明显扩大了功放的线性工作范围。      

移动通信系统中宽带功放线性化设计与仿真

自适应数字预失真技术能够解决宽带高峰均比信号经过功放产生的非线性失真问题.主要介绍了自适应数字预失真的结构、预失真器的数学模型及相关的自适应算法.仿真结果表明采用自适应数字预失真技术能够显著地改善功放输出信号的带外频谱失真,是一种有效、灵活的技术.     

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。     

基于Matlab的功放非线性及预失真建模

在无线通信系统中,由于功率放大器本身非线性失真,引起信号带外频谱扩展和带内信号失真,从而造成邻道干扰。结合实际输入输出数据,利用Matlab拟合出无记忆功放特性函数,再针对功率放大器非线性特性对功放建立符合实际情况的预失真处理模型。     

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。     

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。