基于小波神经网络的功放自适应数字预失真算法

在卫星通信中,高速数据传输系统要求使用频谱利用率高的高阶调制技术,但高阶调制对高功率放大器(HPA)的非线性非常敏感,会造成码间干扰和邻信道间干扰。提出一种基于小波神经网络的自适应预失真算法,以实现HPA的线性化,同时推导了自适应算法的迭代公式。仿真结果表明,该算法不仅能明显改善信号星座图,并与基于RBF神经网络的自适应预失真算法相比能提高收敛速度,同时HPA线性化性能也有所提高。     

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。     

5G宽带功率放大器数字预失真线性化模型验证

在传统无线通信系统中,射频功率放大器的非线性是信号失真与频谱再生的主要原因。目前正在大规模建设的第五代移动通信系统(俗称5G)具有非常宽的调制带宽和非常高的调制度,使功放的非线性失真变得更加严重。因此,宽带功率放大器的线性化问题成为了5G通信系统的研究重点。本文针对5G功放的非线性,分别采用动态偏差减少(Dynamic deviation reduction,DDR)模型、记忆多项式(Memory Polynomial,MP)模型和广义记忆多项式(Generalized Memory Polynomial,GMP)模型对5G宽带射频功放建立数字预失真器。最后,使用100MHz带宽的5G-NR信号,对中心频率3.5GHz的AB类功放进行预失真线性化实验验证。实验结果表明DDR、MP以及GMP三个数字预失真模型均能对5G功放进行线性化,而且被测功放的相邻信道功率比(ACPR)改善最高可达12dB。DDR、MP和GMP数字预失真器对5G功放的非线性具有显著的抑制作用,因此以上三个模型均可应用于5G功放的线性化。     

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.     

数字预失真器对5G功放记忆效应补偿能力的比较

本文探究了5G系统中射频功率放大器的产生记忆效应的现象及原因,同时分析比较了三种典型的数字预失真模型对功放记忆效应的矫正能力.通过FPGA实验平台的观测与验证,随着基带信号带宽的增加和射频功率放大器的中心频率的提高,功放输出信号的记忆效应更加明显,非线性现象更加严重和复杂;基于查找表(LUT)模型,记忆多项式(MP)、...     

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。     

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。     

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。     

射频功放数字预失真新方法研究

针对传统预失真结构的不足,提出一种双环结构的预失真新方法,实现了直接型与间接型学习结构的结合,在拥有较强抗噪能力的同时,回避了算法收敛性问题.此外,在信号处理过程中加入信号均衡模块,对自适应预失真电路中前向及反馈支路的线性失真进行补偿.最终的频谱、星座图和误比特率仿真结果表明,该方法是可行的,其线性化性能较原来有很大的改进,对预失真电路的研究有较大的参考价值.     

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.     

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。     

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。     

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。     

数字预失真功放EVM特性分析与实验验证

推导了无线通信系统误差向量幅度(EVM)与邻道功率比(ACPR)指标的相互关系,得出了通过功放线性化改善ACPR使得系统EVM减小的结论。随后采用具备结构简单、处理速度快、实时性好等优点的查找表(LUT)方法设计数字预失真器(DPD),数字预失真器用FPGA方式实现。对该数字预失真器进行了仿真分析,验证了理论推导结论,最后给出DPD功率放大器试验测试数据,与仿真结果吻合良好。     

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。