欢迎来到天天文库
浏览记录
ID:23943024
大小:4.52 MB
页数:93页
时间:2018-11-11
《多信道数字预失真技术的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、摘要摘要为满足通信系统中对功率放大器增长的线性度要求,数字预失真技术在本领域中的研究得到了重点关注。在第四代移动通信技术(4thGeneration,4G)已经普及的情况下,在特定的多信道通信中,功放所引起的失真更为复杂。要利用数字预失真(DigitalPredistortion,DPD)解决非线性失真将明显区别于单信道通信。本文以多信道数字预失真技术为研究课题,重点研究多信道通信中的数字预失真模型和算法。根据各种不同的多信道通信以及不同的功率放大器,分别详细讨论了一种级联型数字预失真方法、一种二维(2-dimension,2-D)的数字预失真模型以及一种三维(3-dimens
2、ion,3-D)的数字预失真模型。首先,本文描述了多个基本的数字预失真模型。随后,引入了三种多信道通信中具体的问题,并针对该问题,构思了两种可应用的数字预失真结构,即级联型数字预失真与多维数字预失真。此外,也说明了三种典型的数字预失真验证平台,并基于MATLAB搭建了可配置参数的数字预失真仿真平台。其次,针对三种具体的多信道通信场景,提出了一种具有低复杂度、高训练速度、较强功能性的级联型数字预失真方法。其中,详细描述了基于多项式求逆的学习结构的数字预失真原理,以及用于处理数字预失真-功率放大器系统回路中延迟的自适应延时补偿方法。借助实际的仿真,验证了级联型数字预失真相比单一结构
3、的预失真,具有更佳的有益效果。再次,针对双通道信源激励的Doherty功率放大器,对比了两种并联结构的二维数字预失真器,即2-DDMP模型和2-DDVR模型。其中,通过结合直接学习结构与间接学习结构,提出了提取模型参数更精准的双环路学习结构。借助实际的测试,就信号的各项非线性指标,进一步说明了两种2-D模型各自的有益效果。最终,又针对双通道激励的包络跟踪功率放大器,介绍了将信号的包络的非线性项考虑在内的三维数字预失真。由于常规的记忆多项式模型通常导致矩阵运算的病态条件,进而从减少数字预失真系数和消除病态条件的角度,分别优选了3-DDMP模型和3-DFS模型。借助实际的测试,进一
4、步体现了两种模型各自的特点。说明了为提高运算精度,在模型系数较多时,优选地采用3-DFS模型以避免不利的病态条件。关键词:多信道通信级联型数字预失真2-D数字预失真3-D数字预失真ABSTRACTABSTRACTAstocomplywiththepaceofincreasingrequirementofthelinearityofpoweramplifier(PA),theresearchofdigitalpredistortion(DPD)techniquehasbeenasignificantfocusinthisfield.Inthecaseoftheprevalence
5、ofthe4thgenerationmobilecommunicationtechnology(4G),thedistortioncausedbyPAcanbeparticularlycomplicatedinmultibandcommunications.ItshallbeapparentlydistinguishedfromthecommunicationviasinglechannelthatthesolutionofDPDwilldiffer.Inthecontextofmultibanddigitalpredistortiontechnique,herein,them
6、ainresearchisspecifictothemodelandalgorithmofDPD.InaccordancewithdifferentmultibandcommunicationsandPAs,itisrespectivelypresentedthedetaileddescriptionsofacascadeddigitalpredistortionmethodology,a2-dimension(2-D)DPDmodelanda3-dimension(3-D)DPDmodel.Preferably,first,apluralityofbasicDPDmodels
7、aredescribedherein.Then,threespecificproblemsofmultibandcommunications,directedatwhichitiscontemplatedtwoapplicableDPDstructures,i.e.cascadeddigitalpredistortionandmultidimensionalpredistortion.Additionally,threetypicalDPDvalidationplatformsareintr
此文档下载收益归作者所有