数字电视发射机功放的预失真技术研究

介绍了一种可识别HPA记忆效应的数字预失真器的结构、特点,以Hammerstein预失真器为例仿真了可识别功放记忆效应的基带数字预失真器,并在数字电视发射机功放线性化中加以应用,结果表明记忆效应预失真结构应用在数字电视发射机功放的线性化中可以取得令人满意的效果.     

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。     

一种基于延迟线补偿记忆效应的模拟预失真器

模拟预失真器具有带宽宽、结构简单、功耗低和延时少等优点,满足第五代移动通信系统(5G)及超 5G 的功放线性化对大带宽、低功耗和低延时的要求。然而随着移动通信系统的发展,信号的带宽和调制度越来越 高,功率放大器的记忆效应影响也越来越强,而传统的模拟预失真器无法补偿功放的记忆效应。为了解决模拟预失 真电路的记忆效应补偿问题,文中提出了一种基于延迟线补偿记忆效应的肖特基二极管模拟预失真器(SDD-APD)。 该模拟预失真器采用不等长微带线作为延迟线,用来补偿功放的记忆效应。采用100 MHz 带宽5G 新无线电(NR) 信号对工作在3. 5 GHz 的AB 类功放进行测试,结果表明该模拟预失真器可以补偿功放的记忆效应,并能将功放的 非线性改善10 dB 以上。     

数字电视发射机自适应预失真技术

本文介绍了国外应用在数字电视发射机中的自适应预失真技术 ,着重介绍了笛卡尔环的工作原理、高功放产生互调失真的原理以及预失真的工作原理。     

数字电视发射机自适应预失真技术

本文介绍了国外应用在数字电视发射机中的自适应预失真技术，着重介绍了笛卡尔环的工作原理、高功放产生互调失真的原理以及预失真的工作原理。     

一种基于Volterra级数的基带数字预失真

提出了一种基于间接学习结构的自适应基带预失真技术来补偿高功率功放的记忆效应。它使用基于Volterra级数的RLS自适应算法。仿真结果表明,该预失真器能够有效地校正由于功率放大器的非线性和记忆效应引起的信号失真。     

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。     

一种基于记忆多项式射频功放的直接MP模型预失真方案

针对短波射频功放的非线性失真及记忆效应失真问题,提出了一种直接学习结构的MP模型预失真方案,采用Filtered-X LMS(NFXLMS)算法对建立的预失真模型进行训练辨识。仿真分析,针对MP模型高功率放大器,预失真后的三阶互调分量改善了52.2dB,五阶互调分量改善了48.85dB,与现有的IIR Wiener预失真器相比较,进一步提高了功放输出的线性度。同时,在DSP+FPGA平台上对MP模型预失真算法进行实测,结果表明,该预失真器能有效改善实际功放的非线性失真,具有较好的线性化效果。     

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。     

高效Doherty功放在数字电视前端发射机中的应用

数字电视发射机是采用OFDM调制方式,因此对发射机中功率放大器的效率会提出非常高的要求。针对0FDM信号的高峰均比（PAPR）特性,将Doherty功放引入前端功率放大器,介绍了Doherty功放的原理和基本结构,通过计算机仿真验证了这种功放电路在数字电视发射系统中的应用效果,设计了具体的实际电路,并进行测试,取得实际的结果。结果表明所设计的Doherty功放很好地解决了目前数字电视前端发射机存在的效率低的问题,具有很大的实用性。     

使用多智能体反馈神经网络实现的数字预失真器

近年来,深度学习（Deep Learning,DL）在通信场景中的应用逐渐兴起,其中就包括射频发射机的数字预失真（Digital Predistortion,DPD）处理。然而,由于射频功率放大器（Power Amplifier,PA）固有的非线性失真和记忆效应特点,如果直接应用传统DL算法去实现DPD会出现拟合效果不佳、自适应性差等现象。针对这个问题,本文提出了一种由多智能体反馈神经网络实现的数字预失真器（Multi-Agent Feedback Enabled Neural Network for Digital Predistortion,MAFENN-DPD）,该网络引入了具有高纠错能力的反馈智能体结构,其主要特点是基于Stackelberg博弈理论去加速网络训练和收敛,同时我们还应用信息瓶颈理论指导网络超参数设计以增强MAFENN-DPD对PA记忆效应变化的动态适应能力。我们进行了一系列的实验来验证MAFENN-DPD的有效性。与使用典型前馈网络实现的DPD方案相比,基于MAFENN-DPD的方案在相邻信道功率比（Adjacent Channel Power Ratio,ACPR）指标上提高了约5 dB。同时,在没有通信过程中的大量先验知识的情况下,MAFENN-DPD实现了与使用记忆多项式方法建模的DPD方案十分接近的ACPR性能。仿真结果说明MAFENN-DPD相比传统神经网络可进一步提升ACPR性能,同时相比记忆多项式方法具有更好的自适应建模能力和通用性,并且具有多智能体反馈结构特征的神经网络未来在其他的通信场景中也具有应用推广的潜力。      

基于数字电视发射的功放线性化方案分析

根据数字电视OFDM信号对电视发射机功率放大器线性的要求,分析了功率回退法在数字电视地面传输具体环境下的应用条件,提出一种数字自适应基带线性化预校正方案,并进行了计算机仿真,对模拟电视发射机功率放大器适应OFDM信号的传输进行了探讨.     

基于循环平稳特性的欠采样宽带数字预失真研究

为了解决行波管(TWT)宽带数字预失真(DPD)中反馈回路ADC采样率过高的问题，该文利用信号的循环平稳特性证实可通过欠采样下的输出信号估计功放的非线性模型参数，然后由功放非线性模型参数和输入信号可恢复出与高采样率下效果相似的功放输出信号，最后通过传统的间接学习结构对功放进行数字预失真以实现行波管的线性化。为了验证该方法，利用20 MHz LTE信号驱动一只55 W的X波段行波管放大器(TWTA)。数字预失真反馈回路的ADC采样率从61.44 Msps降低至6.144 Msps和3.072 Msps，但线性化效果变化不大，表明欠采样方法是有效的。     

An Accurate Digital Predistortion for Wideband Power Amplifiers Based on Directly Solving the Inverse Model Function

Digital predistortion (DPD) is one of the most effective techniques that can compensate for the distortions caused by the nonlinearities and memory effects of power amplifiers (PAs). In this paper, a new DPD solution which directly solves the inverse function of a PA model is presented for wideband transmitter applications. The major components of the general memory polynomial (GMP) model are selected to effectively characterize the PA’s nonlinearity and memory effects through model identification. In the direct learning algorithm that followed, the DPD function is obtained by constructing and then solving the reverse function of the identified PA model. Due to the high accuracy of the proposed modeling process and the direct learning algorithm, the DPD function is accurately derived, which could significantly compensate for the nonlinear distortions. Simulations and experiments are performed on wideband long-term evolution (LTE) signals to evaluate the effectiveness of the proposed DPD method. It is demonstrated that a 22-dB adjacent channel leakage ratio improvement is achieved for a 100-MHz LTE-advanced signal, which even outperforms the conventional GMP-based DPD method by about 3 dB.     

基于RPE算法的记忆多项式数字预失真研究

数字预失真(DPD)是一种能有效地补偿功率放大器(PA)非线性失真的技术.基于记忆多项式预失真的非直接学习结构(ILA),采用RPE(Recursive Predlotion Error)算法构造了非线性PA的自适应预失真模型,推导了该算法在预失真系统中的递推公式,给出了计算机仿真结果,在相同参数下,通过与RLS算法在系统中的仿真结果进行比较,证明了该算法对消除PA非线性失真的有效性.     

Digital predistortion for concurrent dual-band transmitter using a 2D-LUT based Hammerstein architecture

Digital predistortion has been proved to be an effective remedy for the nonlinear distortion in radio-frequency power amplifier. Unfortunately, conventional digital predistorters (DPDs) developed for single-band transmitters can not be directly applied to concurrent dual-band. To solve the problem, DPDs with two dimensional memory polynomials were then proposed. Although they can provide good performance, its computational complexity is high for the estimation of polynomial coefficients. Look-up-table (LUT) based DPDs, developed for single-band transmitters, can effectively solve the problem. However, there are limited studies about LUT based DPDs for concurrent dual-band transmitters. In this paper, we propose a two-dimensional LUT based Hammerstein DPD to solve the problem. Analyzing the signals on both bands, we propose a new adaptive algorithm with the gradient-descent and recursive-least-squares (RLS) methods to train the DPD iteratively. With the proposed method, the computational complexity in the identification of the DPDs can be significantly reduced. Finally, simulations and experiments are conducted to demonstrate that the performance of the proposed DPD is comparable to that of the polynomial based DPD.     

一种新型数字预失真算法的设计

针对WCDMA系统中功率放大器的非线性特征,设计了一种基于Volterra级数的有记忆数字基带预失真算法,能够自适应地补偿功放的非线性.理论分析和计算机仿真验证了该算法的有效性和实用性.     

基于机器学习的数字预失真进展

数字预失真技术目前被广泛用于矫正功率放大器的非线性,降低发射机前端的功率耗费。随着通信技术的发展,高性能、低复杂度的数字预失真技术已成为当前研究的热点。机器学习的发展也为研究提供了新的思路,在数字预失真技术发展历程中发挥了重要作用。文章以机器学习为基础,围绕数字预失真中的模型构建、参数求解和动态数字预失真这三个研究方向展开,总结了相关文献,对各方向的现有方法进行了阐述和总结。