基于多项式模型的功率放大器非线性特性和预失真分析

信号在功放过程中,会产生非线性失真.因此对信号首先进行预失真处理是改善功放的非线性失真一种重要技术手段.对无记忆和有记忆的功放模型和预失真模型进行建模.利用多项式模型对功放模型进行建模,利用多项式模型和有约束优化问题来对预失真模型进行建模.对于无记忆信号,最终得到一个7次多项式的功放模型和7次多项式的预失真模型,线性化后最大可能的幅度放大倍数为1.83.对于有记忆信号,得到一个次数为5、记忆长度为3的多项式功放模型和次数为5、记忆长度为3的多项式预失真模型,线性化后最大可能的幅度放大倍数为9.48.     

F-OFDM系统的功率放大器非线性失真优化设计

针对滤波正交频分复用技术(F-OFDM)中功率放大器的非线性失真问题,设计一种基于反馈项的数字预失真联合波峰因子降低技术的新结构对功率放大器的非线性特性进行补偿.波峰因子降低技术采用部分传输序列和压扩变换的融合算法,最大限度的降低输入信号的峰均比,使功放的工作区域无限接近于饱和区.为优化联合结构提出基于反馈项的短期输出信息的多项式模型应用至数字预失真间接学习结构中.仿真结果表明,新结构能够真实的捕捉到功放的非线性特性和记忆效应,有效地减少带外频谱扩展和非线性失真,缓解功率放大器的幅值和相位失真.     

F-OFDM系统的功率放大器非线性失真优化设计

针对滤波正交频分复用技术(F-OFDM)中功率放大器的非线性失真问题,设计一种基于反馈项的数字预失真联合波峰因子降低技术的新结构对功率放大器的非线性特性进行补偿.波峰因子降低技术采用部分传输序列和压扩变换的融合算法,最大限度的降低输入信号的峰均比,使功放的工作区域无限接近于饱和区.为优化联合结构提出基于反馈项的短期输出信息的多项式模型应用至数字预失真间接学习结构中.仿真结果表明,新结构能够真实的捕捉到功放的非线性特性和记忆效应,有效地减少带外频谱扩展和非线性失真,缓解功率放大器的幅值和相位失真.     

组合结构设计的双频带数字预失真方法

双频带射频功放的数字预失真技术(DPD)要求支持更宽的带宽.为了保证功放输出的线性指标并降低预失真系统的实现开销,设计一种组合结构的双频带宽带数字预失真方法.该方法采用一维整频带数字预失真模型与四个一维分频带数字预失真模型的组合结构来综合处理双频带的发射信号.仿真实验结果表明,采用90 MHz的双频带LTE信号,临道泄露比(ACLR)指标较改进的二维记忆多项式DPD有1 dB提升,与二维DPD有0.5 dB差别,满足系统指标要求.     

自适应宽带数字预失真理论分析和仿真

研究优化宽带性能问题,在多载波调制系统中,具有较大峰均比的宽带线性调制信号经过射频功率放大器会产生非线性失真和记忆效应.为了消除功放非线性带来的影响,提出了宽带自适应数字预失真技术,采用间接学习结构设计预失真系统,记忆多项式模型进行功放辨识,并运用递推最小二乘算法更新预失真器参数.仿真结果表明,预失真器改善带外频谱抑制25dB左右,有效地补偿了功放的非线性失真和记忆效应,提高了功放效率,对通信传输质量有了提高,并为优化设计提供了参考.     

基于分段线性函数的功放模型及数字预失真应用

为了克服通信系统中功率放大器的非线性和记忆效应,数字预失真技术成为研究的热点。提出一种基于分段线性函数的多项式模型,与广义记忆多项式模型相比,我们把多项式中的高阶项转换为分段求和项,消除了高阶相乘带来的不稳定性,同时由于分段阈值的存在,该模型的适用性和稳定性均有所提高。把功放模型应用于数字预失真结构中的实验结果表明:与广义记忆多项式模型相比,分段线性函数模型所需系数要少40%,邻信道功率比提高约1dB,归一化均方误差提高约8dB,因此该模型在数字预失真方面具有较好的效果。     

一种基于正交多项式的自适应预失真方法

宽带信号未经补偿而通过高功率放大器,会产生有记忆的非线性失真。为了补偿这些失真,介绍了一种基于正交多项式的自适应预失真方法。基于正交化准则,提出正交多项式组的推导方法,并使用该方法得到循环对称复高斯分布下的正交多项式组。采用间接学习结构和递归最小二乘方法对这种基于正交多项式的预失真器系数进行求解,并给出递归最小二乘的迭代公式。最后介绍仿真所采用的两种功放模型,并使用所述的预失真方法对基于OFDM(Orthogonal Frequency Division Multiplexing)系统的预失真性能做了仿真。结果表明,该预失真方法能有效地补偿高功率放大器失真。     

基于直接学习法的一种新预失真器

为了克服宽带信号经过记忆放大器的非线性失真,针对有记忆非线性功放的多项式模型,提出了一种新的基于直接学习法的自适应算法.该算法采用无记忆预失真器的级联扩展,具有横向滤波器结构,与记忆多项式有相似的线性化效果.并且针对信号噪声对自适应算法的扰动和收敛速度慢等缺点,采用归一化LMS算法加以改进.在非线性功放的记忆多项式模型下,通过宽带信号验证了基于直接学习法的记忆型预失真器算法的有效性.     

新型功率放大器PLTC行为模型及预失真应用

为提高通信质量,针对功率放大器的记忆效应和动态非线性特征,提出一种新型的三箱PLTC ( parallel-LUT-TMP-CIMT)模型。该模型由查找表、三角记忆多项式和记忆时刻信号交叉项并联构成。 PLTC模型用于功率放大器的行为模型建模以及数字预失真的应用,使用16 QAM信号驱动一个强非线性Doherty功放来验证模型的性能,把PLTC模型应用在预失真中,经过PLTC预失真后,邻信道功率比减少大约22 dB。将PLTC模型与多项式MP模型、一般多项式GMP模型和LMEC模型这3种模型进行精度与计算系数复杂度的比较,结果表明,PLTC模型能够达到较好的精度,同时可以大幅降低计算系数。     

功率放大器的线性化研究

在通信系统中,为了达到发射要求,信号要求具有较高的功率,需要通过高功率放大器对信号进行放大.功放非线性属于有源电子器件的固有特性,研究其机理并采取措施改善,具有重要意义.对功放的记忆效应和非线性特性进行分析研究,提出一种多项式预失真优化算法,利用和记忆多项式模型构建放大器的非线性模块,并在放大器模块前采用间接学习结构设计预失真器,利用最小二乘算法原理优化预失真器参数.仿真结果表明,预失真处理后输出信号的相邻信道功率比有较好的改善,接近理想功放线性化放大原则.改进算法使这两个模块的合成总效果可使整体输入-输出特性线性化,输出功率得到了充分利用.     

Ku波段星载行波管混合型预失真线性化器的研究

提出了一种改善行波管放大器非线性特性的预失真新方法,采用载波复幂级数法分析了星载行波管的非线性传输特性,提出一种反向复幂级数的预失真线性技术。所提出的预失真器非线性特性由混合型结构实现,包括肖特基二级管、砷化镓场效应管,改善了行波管在Ku波段的幅度-幅度失真特性,线性增益最大增加30dB,对行波管线性化器的后续研究有一定参考和实用价值。     

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。     

功放的数字基带预失真系统研究与仿真

为了克服功率放大器的非线性失真和满足制定的功率谱密度要求,数字基带预失真技术以其良好的线性度、宽带宽、高效率和全自适应性等优点成为解决功率放大器非线性失真的问题.文中在详细地分析数字基带预失真系统原理和单位延迟抽头多项式模型的基础上,提出了具有记忆效应的数字基带预失真电路,并在ADS环境中实现了系统级仿真.仿真结果表明,系统对功率谱密度的改善最大能达到30dBm,具有很好的预失真效果.故构建的系统级仿真电路对实际的数字预失真系统设计起着重要的指导作用.     

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。     

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。     

Application of principal component analysis based effective digital predistortion technique for low‐cost FPGA implementation

This article investigates the issue of low‐cost digital predistortion (DPD) implementation in fixed‐point field programmable gate array (FPGA) by considering the bit‐resolution along with lower number of coefficients. The impact of principle component analysis (PCA) on bit‐resolution of DPD solution is proposed within the context of established DPD models. Unlike previously proposed PCA based solutions, it is established by simulation and measurement that the numerical stability problem associated with popular models such as memory polynomial (MP) can be alleviated when PCA is applied to the observation data matrix. It is reported with measurement results that PCA based model provides better linearization performance with the least memory size requirement and number of LUTs in 16‐bit fixed‐point FPGA operation than MP, orthogonal memory polynomial (OMP), and generalized memory polynomial (GMP) models. The performance of the proposed model, is evaluated in terms of normalized mean square error, adjacent channel error power ratio, matrix condition number, and dispersion coefficient for continuous Class‐AB and ZX60‐V63+ power amplifiers using wide code‐division multiple access signal (WCDMA) and long term evolution (LTE) signal with peak‐to‐average‐power ratio (PAPR) around 9.895 and 11.92 dB, respectively.     

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。     

An open‐loop digital predistorter based on memory polynomial inverses for linearization of RF power amplifier

Digital Predistorter is a cost‐effective solution to compensate for the nonlinear distortions appearing in the RF power amplifiers (PAs). The indirect learning scheme is widely implemented because of its flexibility to eliminate the requirement for building a closed‐loop real time system, which dramatically reduces the complexity for measurement setup. However, such scheme is sensitive to the measurement noise that may cause biasing in the coefficients estimation. To minimize the influence of measurement noise and simultaneously enable the open‐loop implementation, we propose a predistortion technique that first model the PA and then generates predistorted signal iteratively through a feedback configured structure to avoid using the noisy signal when performing the inverse model estimation. Unlike the indirect learning which estimates the postinverse of the PA, our predistortion is based on the preinverse of the PA. Both simulations and measurements show that utilizing the proposed predistortion can obtain adjacent channel power ratio (ACPR) improvement in wideband code division multiple access (WCDMA) signal test compared with the conventional memory polynomial predistortion based on indirect learning. © 2011 Wiley Periodicals, Inc. Int J RF and Microwave CAE, 2011.     

A compound structure and a single‐step identification procedure for I/Q and DC offset impairments and nonlinear distortion modeling and compensation in wireless transmitters

The nonlinear behavior of power amplifiers (PAs) and the in‐phase/quadrature (I/Q) imbalance in I/Q modulators are considered as the main sources of distortions and impairments in radio frequency transmitters. In this article, a compound structure and a single‐step identification procedure are proposed for the modulator's I/Q imbalance and DC offset and the PAs nonlinearity modeling and compensation of wireless transmitters. In fact, the performance of the digital predistortion technique used for PA linearization is adversely affected by the I/Q modulator's impairments that result mainly from gain/phase imbalance and DC offset. The measurement results reveal the robustness of the proposed model in modeling and linearization of the PA in the presence of I/Q modulator imperfections and show its superiority as compared to the generalized memory polynomial model and the dual‐input polynomial model. © 2012 Wiley Periodicals, Inc. Int J RF and Microwave CAE, 2013.