基于非直接学习结构的记忆多项式预失真技术研究

针对记忆多项式数字预失真的问题,构造了一个记忆多项式预失真系统,通过非直接学习结构(ILA)实现系数估计,根据系统特性推导出改进LMS算法。以Matlab为平台,仿真结果表明这种记忆多项式预失真器能够较好地消除失真。     

K波段空间行波管预失真线性化器设计

空间行波管功率放大器在卫星通信系统中具有十分重要的作用,其性能优劣严重影响通信质量,对其线性度提出了苛刻的要求。本文设计了一种单二极管与单pHEMT管相结合的线性化器电路结构,用于改善某K波段空间行波管的线性度。仿真结果表明,在行波管的工作频带范围内均能在一定程度上改善系统的增益和相移的非线性特性,提高线性度。     

幅度和相位预失真参数并行估计的间接学习结构预失真方法

为解决传统间接学习结构自适应预失真器中幅度和相位预失真参数之间相互影响的问题,提出了一种对功率放大器的幅度和相位预失真参数进行分开和并行估计的自适应预失真方法,其中幅度和相位预失真器均采用间接学习结构进行训练;将该方法应用在典型的无记忆功率放大器模型中,对DVB-T标准中2k模式OFDM信号的预失真过程进行了实验仿真;仿真结果表明,在预失真多项式阶数相同条件下,改进的间接学习结构预失真方法与传统间接学习结构预失真方法相比较,带外谱抑制增益平均提高了约4dB。      

射频预失真器与基带预失真算法结合对行波管功率放大器线性化改善的影响

为了保证自适应算法的效果,一般会将行波管输出功率进行一定回退,但是会降低行波管的工作效率。通过在行波管前端加入射频预失真器,在额定输入功率范围内,线性化后的行波管的非线性失真现象得到了一定程度改善,然后再进行基带自适应算法的实现。X波段行波管在输出功率回退较少的同时,达到较好的非线性失真改善效果。     

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.     

一种行波管用毫米波射频预失真线性化器

射频预失真是提高功率放大器线性度的一种有效手段,精确补偿放大器的非线性失真需保证幅度和相位补偿同时满足要求.针对Ka波段行波管放大器的线性化,提出一种新型射频预失真电路.该电路由前置、后置电平调节模块和基于矢量合成技术的非线性信号产生模块构成.改变两电平调节模块的增益,可实现补偿区间的调节;改变非线性信号产生模块中两支路的偏置电压,可实现预失真补偿量调节及幅度/相位的独立调节.将实际电路与配用Ka行波管联测,在输出功率回退6 dB时,行波管三阶互调系数提高约11.5 dBc.     

降低行波管放大器非线性的预失真技术研究

文章提出了一种新型的利用预失真技术设计行波管配用线性化器的数学模型.在saleh提出的行波管的模型的基础上,得出了预失真电路的功率转移特性曲线和相位漂移曲线,扩展了行波管放大器的线性工作区,并实现了级联后的整个系统在线性工作区域内增益不变和零相位漂移,所得结果为行波管预失真电路的设计提供了重要的理论依据.     

反并联二极管实现预失真线性化器的电路设计

放大器的非线性失真特性严重影响信号的传输质量,射频预失真是一种有效改善行波管非线性度的方法。本文利用反并联肖特基二极管完成了X波段预失真线性化器的设计。仿真结果表明,在8.4GHz~8.6GHz频率范围和一定输入功率内,各个频点处增益扩张量保持在6dB左右,工作频带内增益平坦度在1dB以内,相位扩张基本保持在45°左右。     

一种新的用于Hammerstein预失真器的自适应结构

针对目前的自适应预失真结构不利于高效的最小二乘算法直接对Hammerstein预失真器参数进行更新的问题,该文提出了一种新的自适应预失真结构。应用该结构可以得到Hammerstein预失真器中两个子系统的误差,因此可使用高效的最小二乘算法直接对Hammerstein预失真器进行自适应更新,避免了结构误差以及子系统误差不精确对预失真器性能的影响。仿真结果表明：该文提出的自适应结构可使Hammerstein预失真器快速高效地补偿带记忆效应功率放大器的非线性失真。     

一种基于多项式的预失真算法

自适应预失真技术是用于补偿高功率放大器非线性失真的一种有效技术.文中介绍了用LMS算法来实现的自适应预失真,以补偿功率放大器的非线性.计算机仿真结果表明,该自适应预失真技术具有实现复杂度低,收敛速度快的特点.     

Digital predistorter with improving index accuracy of lookup table based on FPGA

In this paper, a method of function approximation for improving index accuracy of the lookup table (LUT) of digital predistortion (DPD) is proposed to obtain more accurate linearization. The algorithm utilizes approximation of the LUT with the method of Taylor Series. The power values of forward signals are divided into integers and decimals, and the corresponding LUTs are indexed respectively. The index predistortion values of forward signals are approximated by Taylor series, which improves the index accuracy of LUT significantly. Experiment shows that the performance of a DPD system is improved.     

基于深度学习的卫星通信抗干扰方法

卫星通信作为当前地面通信网络的补充通信,可以为用户提供随时随地的便携通信服务,针对卫星日趋严重的通信网络干扰,本文提出了一种基于深度学习与干扰感知相结合的人工智能技术实现对卫星通信干扰的自主感知。通过对干扰信号的自主感知和分析,提升通信网络的抗干扰能力。     

面向6G的卫星通信网络架构展望

分析和研究了未来6G卫星网络架构并提出了设想。首先介绍国内外星地融合的研究现状,结合6G网络的愿景、需求和6G网络架构的当前研究成果,总结了6G网络架构的技术特征;然后通过对人工智能（AI）在通信领域的研究和应用分析,以及AI在6G网络中关键作用的深入挖掘,提出了AI赋能的6G卫星通信网络总体架构、接入网架构及核心网架构的设想,同时提出了分阶段演进和分步骤实现的建设思路,最后对基于区块链的6G卫星通信网络韧性鲁棒机制进行了技术探讨。     

An online power allocation algorithm based on deep reinforcement learning in multibeam satellite systems

Dynamic power allocation (DPA) is the key technique to improve the system throughput by matching the offered capacity with that required among distributed beams in multibeam satellite systems. Existing power allocation studies tend to adopt the metaheuristic optimization algorithms such as the genetic algorithm. The achieved DPA cannot adapt to the dynamic environments due to the varying traffic demands and the channel conditions. To solve this problem, an online algorithm named deep reinforcement learning‐based dynamic power allocation (DRL‐DPA) algorithm is proposed in this paper. The key idea of the proposed DRL‐DPA lies in the online power allocation decision making other than the offline way of the traditional metaheuristic methods. Simulation results show that the proposed DRL‐DPA algorithm can improve the system performance in terms of system throughput and power consumption in multibeam satellite systems.     

基于优先级扫描Dyna结构的贝叶斯Q学习方法

贝叶斯Q学习方法使用概率分布来描述Q值的不确定性,并结合Q值分布来选择动作,以达到探索与利用的平衡。然而贝叶斯Q学习存在着收敛速度慢且收敛精度低的问题。针对上述问题,提出一种基于优先级扫描Dyna结构的贝叶斯Q学习方法—Dyna-PS-BayesQL。该方法主要分为2部分：在学习部分,对环境的状态迁移函数及奖赏函数建模,并使用贝叶斯Q学习更新动作值函数的参数;在规划部分,基于建立的模型,使用优先级扫描方法和动态规划方法对动作值函数进行规划更新,以提高对历史经验信息的利用,从而提升方法收敛速度及收敛精度。将Dyna-PS-BayesQL应用于链问题和迷宫导航问题,实验结果表明,该方法能较好地平衡探索与利用,且具有较优的收敛速度及收敛精度。     

基于RapidIO的TIPC通信软件设计

将透明处理器间通信协议(TIPC)与基于高性能包交换的RapidIO总线相结合,并对RapidIO的应用层协议进行扩展和定义,可以实现全新的基于RapidIO网络的TIPC通信软件。该软件采用层次化和可扩展的协议来定义开放处理器间的通信协议,为各种应用提供面向消息的、与位置无关的通信服务和标准的API函数接口,为解决多处理器、多模块和多系统互连问题提供了方案。基于Ra-pidIO网络的TIPC通信软件在测试中取得了良好的测试结果。     

基于作战机群的临近空间通信网体系结构设计

在未来空战中,为实现作战机群之间的超视距通信,提出将临近空间通信平台引入战场。首先结合作战机群战场通信的实际情况,设计了临近空间通信网的网络结构;在此基础上,参考开放系统互连体系(OSI)协议模型和数据链的通信协议模型,设计了临近空间通信网的协议结构;最后对影响临近空间通信网络作战性能的指标进行了评估,结果表明临近空间通信网体系结构的设计具有工程上的可行性。     

卫星通用自动化测试系统体系结构研究

针对我国卫星综合测试系统自动化程度低、测试状态多变、测试周期长、系统重用性差等特点,提出一种可行的通用自动化测试系统体系结构。该体系结构具有通用化、系列化、模块化特点,支持基于测试细则电子文档的自动化测试,能极大地促进卫星测试水平的发展和提高测试效率,缩短测试周期。