基于BP神经网络的功放自适应预失真

提出用神经网络的方法来实现功放的自适应预失真模型。它利用BP神经网络的函数逼近能力，来学习功放预失真器的MM/AM、AM/PM特性函数，以抵消由于功放非线性引起的信号失真和交扰；同时，也通过自适应地调整幅度和相位两个神经网络的权、阈值，来跟踪放大器的特性变化。仿真结果证实了基于神经网络的预失真模型的有效性和低复杂性。     

基于神经网络的自适应预失真技术研究

由于放大器固有的非线性特性,通信时会产生带内失真和临道干扰等问题,会对通信系统性能造成严重影响.为了克服放大器非线性特性,需要进行线性化处理.首先对功率放大嚣的非线性失真进行数学分析,简单介绍预失真技术的基本原理;其次在简单介绍神经网络的基础上提出一种简单的单入单出式神经网络自适应数字基带预失真技术.该技术能很好地改善三阶互调和五阶互调分量,且与一般多项式拟合预失真技术相比,在收敛速度和硬件实现难易程度上都有一定的优势.最后以双音信号为例进行了Matlab仿真.仿真结果印证了该技术的优势.     

基于模糊神经网络的自适应预失真功放

在无线通信中,高数据传输率的数字无线系统要求用频谱有效的线性调制方法,但是这些调制方法对功放的非线性又很敏感,会产生频谱扩展、邻近信道干扰和误码率(BER)特性的恶化。本文提出用模糊神经网络(FNN)的算法来实现功放的自适应预失真,以补偿功放的非线性,并仿真了模糊神经网络对功放非线性的补偿以及对误码率特性的改进。结果表明,此方法实现的预失真器具有良好的自适应性和鲁棒性,不需要从一大堆原始数据中进行费时的训练,而可以充分地利用己有的知识和经验;而且,在学习的过程中,采用变结构的神经网络,先粗后细、分组学习,更大大缩短了学习的时间。     

基于二次样条函数的功放数字预失真算法

功放的非线性特性极易产生频谱扩展,这种扩展会对临近信道产生干扰。现在基于样条的预失真算法几乎都使用的三次样条,也就是样条的多项式函数阶数最多只有三次。文章提出了一种新的基于二次样条的功放数字预失真算法。二次样条函数的平滑特性可以很好地逼近功放的非线性模型,有效克服功放非线性效应对频谱产生的影响。仿真和实现的结果表明,这种新的算法性能既优于传统的基于最小均方的数字预失真算法,也优于现在一般的三次样条预失真算法。     

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。     

功放预失真中自适应算法研究

数字基带预失真技术是补偿功放非线性的最有效方法之一,而自适应算法的选择很大程度上影响着系统的预失真性能。其中,最小均方误差(LMS)算法和递归最小二乘法(RLS)是最常用的自适应收敛算法,LMS算法计算复杂度较低,但LMS算法收敛速度慢,易陷入局部最优且精度不高,RLS收敛性能较好,但计算复杂度高。在综合分析2种算法优缺点的基础上,提出了一种LMS和RLS算法的组合算法,仿真结果表明,组合算法的预失真性能很好,而且算法复杂度较低。     

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。     

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。     

一种自适应预失真器的实现及算法的改进

自适应数字预失真是补偿高功率放大器非线性的一种有效技术。本文基于RASCAL算法,给出了数字预失真器在OFDM系统中的实现结构,并对调整方法作了一些改进。通过仿真表明,改进的方法明显加快了收敛速度。     

基于离散小波变换的Volterra自适应预失真方法

高功率放大器(HPA)有记忆效应的非线性特性的线性化技术已成为当今卫星通信中研究的关键技术,其中数字基带预失真线性化技术是研究的一种热门技术.本文提出一种将离散小波变换应用到Volterra级数中的自适应预失真方法,并推导了基于此方法的LMS自适应算法的迭代公式.仿真结果表明,该方法不仅能大大地提高LMS的收敛速度,而且在高信噪比时能有效地提高系统的误比特率性能.     

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。     

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。     

基于DSP的数字预失真系统设计

为提高无线通信系统的通信质量与效率,提出一种基于DSP自适应数字预失真技术的系统设计。采用TI公司的低功耗、高性能数字信号处理器TMS320VC5502,有效提高了信号处理速度,减少了回路延时。根据信号的幅度,数控衰减器工作在不同的控制模式,以满足不同系统输出功率的要求。结果表明,该系统能有效改善功率放大器的线性度,并将功放的邻道功率比（ACPR）降低了10 dB左右。     

一种数字预失真功放输出动态提升技术

数字预失真功放的输出动态提升技术在现代功率放大器设计和研究中已成为一个重要的课题。本文基于数字预失真功放自身特征以及自适应信号处理技术,提出了一种全新的输出动态提升技术。理论分析和试验结果表明：采用该新型技术的数字预失真功放不仅输出动态得到了大幅度提升,而且线性也有一定程度改善。     

基于多项式的功率放大器预失真技术

基于查询表(LUT)及基于多项式的基带数字自适应预失真技术,是目前功率放大器(PA)线性化技术中通常采用的两种方法.分析了两种方法的优、缺点,深入研究了基于多项式的预失真技术.从直接控制及间接控制结构两方面进行了性能的仿真分析,得出了预失真性能较好的多项式控制结构形式.     

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。     

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。     

一种功率放大器预失真技术

预失真技术在现代功率放大器研究和设计中已成为一个重要的课题。本文基于功率放大器模拟预失真技术以及数字预失真技术的特征,提出了一种全新的预失真技术及实现方法。理论分析和计算机仿真结果表明：本文所提出的功率放大器预失真技术在方案上是可行的,并且对消性能较好。从实验结果可以看出,采用了这种预失真技术的功率放大器,成本、线性等关键指标与模拟预失真和数字预失真功率放大器相比有一个很好的折衷,综合性价比较高。