预失真线性化器的仿真研究

根据级联网络理论,基于行波管的非线性特性推导出预失真器模型,并在Matlab仿真平台上从三个角度验证了该模型的可行性和有效性,包括增益特性、相移特性和三阶交调特性,其中三阶交调系数的提取采用了计算精度高的自相关函数法。仿真结果显示,在饱和输入功率条件下加入预失真器后的系统相比行波管的三阶交调改善了6．947dBc。     

基于直方图匹配的功放基带预失真方法

传统功放基带预失真方法在系统环路延迟补偿精度下降时性能迅速下降,已有的基于累积分布函数的方法无需精确的环路延迟补偿,但其忽略了功放的相位非线性,应用受到限制。提出了一种基于直方图匹配方法求解功放幅度和相位非线性特性,从而构建基带预失真器的方法。仿真结果证明,该方法能够有效改善功放的幅度和相位非线性,效果优于传统方法,且无需进行环路延迟补偿。     

OFDM系统非线性失真自适应补偿技术

提出了一种将部分传输序列与递归最小二乘法相结合的OFDM非线性失真自适应补偿技术。利用部分传输序列降低OFDM信号的峰均比;使用递归最小二乘法拟合高功率放大器的幅度/幅度和幅度/相位特性曲线,对OFDM信号进行预失真处理,以补偿系统的非线性失真。仿真结果表明,所提出的方法收敛速度快,能对高功率放大器引入的非线性失真进行有效的补偿。     

一种BP逆模型离线训练自适应预失真方法

为了进一步改善非线性功率放大器系统的线性度,提出了一种基于BP神经网络逆向建模的离线训练自适应预失真方法。利用BP神经网络对功放逆向建模,并将建立好的逆模型参数作为预失真器模型初值。为了提高在初始预失真系统中预失真器的线性化效果及系统自适应进程的速度,在建立自适应预失真系统之前,利用BP逆向模型对预失真器进行离线训练。最后采用直接结构和最小均方（LMS）算法调节神经网络预失真器的权值,以消除放大器非线性的扰动。仿真结果显示,此方案可使邻道互调功率降低约18 dB,而经典的直接—非直接结构只降低了8 dB,表明此预失真方案能够更好地改善功率放大器的线性度。     

数字预失真技术在空间通信系统中的应用研究

针对空间通信中非恒定包络调制信号的传输对功率放大器的高线性度和高效率的需求,提出了一种应用于空间通信系统的数字预失真器方案。基于FPGA硬件平台、结合Matlab软件的仿真结果,采用最小二乘算法拟合出非线性功放归一化输入/输出功率特性曲线的反函数实现的数字预失真器,使得非恒包络调制信号经非线性射频功放后具有良好的线性特性。数字预失真器实现了60MHz中频输出、最大码率为1 Mb/s时,将预失真前EVM值为4.71%的SRRC-OQPSK调制信号变换为EVM值为9.09%的信号,经非线性功放后调制信号的EVM值小于5%。     

一种高效的功放自适应预失真器设计

在对高功率放大器(HPA)进行自适应预失真过程中,为提高自适应算法运用的灵活性和自适应的收敛速率,解决幅度自适应预处理过程中对幅度过度压缩而影响功放输出功率和效率的问题,设计出一种高效的HPA自适应预失真器。该方案中幅度、相位预失真器相级联,对幅度预失真器采用间接自适应结构进行训练;相位预失真器直接对功放幅度-相位(AM-PM)特性进行辨识,然后取反得到,AM-PM特性辨识器同时又是相位预失真器,能够提高HPA自适应预失真过程中自适应算法运用的灵活性和自适应收敛速率;幅度预失真器基于正弦函数系模型,自适应预失真过程可以同时兼顾功放效率、输出功率和线性度3项重要指标。最后以M-QAM和双音信号为例进行仿真测试,验证了该方法的优势。     

基于BP神经网络的透明转发卫星功放预失真

研究卫星通信功放性能优化问题,传统的预失真技术通常用来补偿地面功放的非线性失真或仅考虑卫星功放的失真补偿,线性化性能有限.为解决上述问题,提出了一种适合透明转发卫星的星地一体BP神经网络预失真算法.改进算法的学习结构同时考虑了卫星地球站固态功放和透明转发卫星功放的记忆非线性特性,利用带抽头延迟的BP神经网络作为预失真器,并结合收敛速度较快的Levenberg-Marquardt算法对其权值和阈值矢量进行自适应更新.仿真结果表明,经过神经网络预失真的星座图误差矢量幅度改善了84.67％,输出信号功率谱带外再生抑制提升近了13 dB,线性化效果十分显著.     

并行单型规范分片线性函数极坐标数字预失真器

介绍了一种并行的基于单型规范分片线性（SCPWL）函数的极坐标数字预失真器模型。首先根据分片线性拟合原理引入绝对值型的单型规范分片线性函数,建立模型解析方程并推导出模型参数的最小二乘解,然后根据模型特点设计了数字预失真器的并行实现架构,并对模型架构的工作顺序和参数提取过程进行了介绍。仿真结果表明SCPWL极坐标预失真器远远优于传统的功率回退线性化技术,且与常用的复多项式预失真器相比较,尤其是在过饱和非线性失真情况下,其线性补偿能力要优于后者。     

功放非线性特性及预失真模型研究

针对功率放大器的非线性特性问题进行研究,分别根据无记忆和有记忆两种类型的功放特性曲线用最小二乘法拟合出功放模型,根据线性化原则以及输出幅度限制和功率最大化约束,建立预失真模型.以误差函数和工程可实现性为评价指标,从不同模型中分别选出无记忆和有记忆最优模型.仿真测试表明被选取的多项式预失真模型能够有效的改善功率放大器的非线性具有较好的抗噪性,对工程实践中预失真器的设计具有一定的指导意义.     

应用信号概率分布的查找表预失真方法

传统的基于查找表的数字自适应预失真技术没有考虑功率放大器输入信号的统计特性。为此,在正交频分复用(OFDM)系统中,结合OFDM信号幅度概率分布的特性,提出一种新的查找表构建方法。仿真结果表明,与传统的基于查找表的预失真技术相比,该方法能够有效地抑制由功率放大器非线性特性引起的信号带外频谱扩展。     

Deriving a power amplifier linearizer from a physics‐based system‐level model

The RF power amplifier (PA) is a nonlinear system with an intrinsic and dynamic feedback mechanism. The application of an adequate linearizer (which is also a nonlinear dynamic system) inserted at the input of the signal path (i.e., predistortion) is very important to maintain a linear transmission chain when the PA carries high power signals (avoiding spectral regrowth). This article presents a new PA linearizer model whose topology has support on the physical behavior of the general PA electronic circuit. As the proposed model is of a feed‐forward nature, it is suited for implementation on digital hardware devices, such as field programmable gate array and digital signal processor. Validation tests were performed on the linearization of a 900 MHz PA excited with WCDMA‐3GPP signals. Comparison with other state‐of‐the‐art linearizer models is included, demonstrating very good linearization results. Moreover, this model has potential to be an adequate linearizer for a wider range of applications since it has physical support. © 2010 Wiley Periodicals, Inc. Int J RF and Microwave CAE, 2010.     

宽带GaN功率放大器的建模与预失真

对正交频分复用传输系统中宽带GaN功率放大器的建模与预失真线性化方法进行研究。应用一个带有记忆的多项式模型来建模GaN功率放大器及其逆特性,并通过递推最小二乘法(RLS)辨识模型参数,然后利用预失真间接结构实现了GaN功率放大器的预失真器。最后,仿真验证预失真方法的有效性,结果表明记忆多项式模型可以对GaN功率放大器进行建模并实现线性化。     

An efficient combination of digital predistortion and OFDM clipping for power amplifiers

This article presents a strategy for enhancing efficiency in power amplifiers (PAs) by combining digital predistortion (DPD) linearization and clipping strategies for orthogonal frequency division multiplexing signals in a WiMAX scenario. On the one hand, by reducing the peak‐to‐average power ratio of multicarrier signals using the well‐known clipping technique, it is possible to perform a more efficient PA amplification. On the other hand, nonlinear and linear distortion introduced by the PA operating close to saturation is compensated by the baseband adaptive DPD linearizer. The DPD has to counteract not only the PA nonlinear behavior, but also its dynamics. A test‐bench implementing a WiMAX transmitter was deployed to evaluate the possibilities for enhancing power efficiency while fulfilling the demanded linearity requirements. Experimental results showing the power efficiency and linearity enhancement achieved by the proposed strategy are provided. © 2009 Wiley Periodicals, Inc. Int J RF and Microwave CAE, 2009.     

Ka频段GaN功放的预失真线性化器设计

基于满足目前高效复杂的调制技术对功率放大器线性化度越来越高的需求的目的,采用模拟预失真技术设计了一种线性化器,用来改善Ka频段氮化镓(GaN)固态功放的非线性化失真。通过改进传统的并联式二极管预失真电路,采用开环技术,将两个肖特基二极管并联。改变二极管的偏置状态,得到不同的改善程度的预失真信号。结合使用专用电磁仿真软件ADS2013做电路仿真,通过参数扫描得到二极管偏置状态的初始值,为实物调试提供理论基础。通过对已加工的实物测试,结果表明：增益幅度补偿达到6.4dB,相位补偿达到28°。     

压缩感知框架下宽带功放预失真模型

射频功放的非线性特性是一个重要的研究方向,针对预失真系统采样率过高的问题,提出一种新的宽带功放预失真模型,即在反馈回路采用基于正弦调频(SFM)信号的调制宽带解调(MWC)对信号进行采样,再用变步长广义自适应匹配追踪(VS-GSAMP)算法对信号进行重构,降低反馈回路采样速率,提升线性化效果。实验结果表明,在提高信号重构精度的同时,NSME(normalized mean squared error)显示较MP、GMP模型提升了2~3 d B,ACPR(adjacent channel power radio)约改善了21 d B,该方法能够使系统在较低的采样率下获得良好的线性性能。     

基于自适应扩展卡尔曼滤波与神经网络的HPA预失真算法

针对强记忆功放的非线性问题,提出一种基于自适应扩展卡尔曼滤波与神经网络的高功放(High power amplifier, HPA)预失真算法.采用实数固定延时神经网络(Real-valued focused time-delay neural network, RVFTDNN)对间接学习结构预失真系统中的预失真器和逆估计器进行建模,扩展卡尔曼滤波(Extended Kalman filter, EKF)算法训练神经网络,从理论上指出Levenberg-Marquardt(LM)算法是EKF算法的特殊情况,并用李亚普诺夫稳定性理论分析EKF算法的稳定收敛条件,推导出测量误差矩阵的自适应迭代公式.结果表明:自适应EKF算法的训练误差和泛化误差均比LM算法更低,预失真后的邻道功率比(Adjacent channel power ratio, ACPR)比LM算法改善了2dB.     

自适应稀疏重构的双频预失真结构

针对双频功放预失真系统采样率过高的问题,提出一种基于压缩感知的自适应稀疏预失真结构,先通过基于分段多项式模型的记忆效应补偿器,再将信号融合理解为压缩感知采样重构问题,即在预失真反馈回路,利用自适应稀疏算法高精度重构遗失的五阶及高阶交调信号,使系数权值的最小均方解逼近最优,降低采集误差提升线性化效果。实验结果表明,在提高系统稳定性的同时,NMSE显示较2D-MP、2D-CPWL提高了约2~3 dB,ACPR大约改善20 dBc。对降低双频带预失真采样率同时提升功放线性度具有重大意义。     

记忆非线性功率放大器的高效预失真

记忆非线性放大器的预失真问题一直是预失真技术的难点。通常采用Volterra级数、Hammerstein模型和神经网络等模型的记忆预失真都存在形式复杂、自适应困难的缺点。文章通过增加两个延时环节将基于多项式的无记忆放大器的高效预失真结构推广到有记忆放大器的预失真中,并联合一种简单的带抽头延时的非线性多项式模型作为记忆预失真器模型实现了记忆非线性放大器的快速、高效的线性化。仿真结果表明,利用所提出的预失真方案能快速实现记忆放大器的预失真,而且显著提高了线性化性能。     

Complex-bilinear recurrent neural network for equalization of adigital satellite channel

Equalization of satellite communication using complex-bilinear recurrent neural network (C-BLRNN) is proposed. Since the BLRNN is based on the bilinear polynomial, it can be used in modeling highly nonlinear systems with time-series characteristics more effectively than multilayer perceptron type neural networks (MLPNN). The BLRNN is first expanded to its complex value version (C-BLRNN) for dealing with the complex input values in the paper. C-BLRNN is then applied to equalization of a digital satellite communication channel for M-PSK and QAM, which has severe nonlinearity with memory due to traveling wave tube amplifier (TWTA). The proposed C-BLRNN equalizer for a channel model is compared with the currently used Volterra filter equalizer or decision feedback equalizer (DFE), and conventional complex-MLPNN equalizer. The results show that the proposed C-BLRNN equalizer gives very favorable results in both the MSE and BER criteria over Volterra filter equalizer, DFE, and complex-MLPNN equalizer.