运用记忆多项式构建稳定的数字基带预失真毕业论文

《运用记忆多项式构建稳定的数字基带预失真毕业论文》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、运用记忆多项式构建稳定的数字基带预失真摘要-----功率放大器本质上是一种非线性装置，几乎应用于所有的通信系统。数字基带预失真是一种进行线性化功率放大器极其有效地方式，但是大多数现有的体系结构都假设功放是无记忆非线性化的。对于更宽的大带宽应用如宽带码分多址接入或宽带正交频分复用来说，功放的记忆效果就不能再被忽略，而且无记忆预失真的效果也有限。这篇论文不是集中在一个特定的功放模型和建立相应的预失真，而是直接地集中研究预失真的结构。特别是，我们为预失真提出了一个记忆多项式模型并用间接学习实现它。线性化性能在一个三载波WCDMA信号上实现。关键词------通信系统非线性化，非线性

2、系统，多项式，功率放大器，Volterra级数一．简介功放是通信系统中不可或缺的组成部分，它本质上是非线性的。大家都知道，功放效率和它的线性化近似成反比关系。因此，非线性功放从效率的角度考虑是可取的。高效率付出的代价是非线性化引起的频谱再生，这就导致了邻近信道干扰。它也会引起带内失真，降低误码率性能。因为它们很高的峰均功率比，对应于信号包络大的波动，像CDMA和OFDM这样更新的传输格式对于功放的非线性化尤其的脆弱。为了遵照管理机构制定的频谱模糊规则并且减小误码率，就必须进行功放线性化。在所有的线性化技术中，数字基带预失真是最有效的。预失真是放在功放前的一个功能模块。因为功放

3、的压缩特性，它产生的非线性化会越来越大。理想的情况下，对于预失真--功放环来说，我们想让功放输出正比于输入。对于一个无记忆的功放（例如当前输出仅决定于输入）无记忆的预失真是足够的。在过去的十年中，对于无记忆预失真已经有了透彻的研究。对于更宽的宽带应用如WCDMA或WOFDM，功放的记忆效果就不能被忽略。并且,应用在无线基站中的更高功率的放大器就显示了它的记忆效果。记忆效果可能被电或电热引起。无记忆预失真对应于有记忆的功放将导致很差的线性化性能。大部分的研究者首先从找到一个好的功放模型着手线性化的问题。Volterra级数是一个一般的有记忆非线性模型并且应用于温和的非线性的模型

4、。Volterra级数模型一个严重的缺点是大量的系数必须被提取出来。Volterra级数模型的预失真通常运用第P级反转技术实施，这种技术非常复杂。首先要记住的是一个Volterra系统精确的反转是很难构建的而且第P级反转仅仅是一种近似。最近，为了捕捉功放以及与之相关的宽带信号的记忆非线性效果，Volterra模型的两个特殊情况已被提出。一个是wiener模型，例如被Clarketal提出的一个线性时不变系统后边跟一个无记忆非线性系统。功放用wiener建立模型的优势是相应的预失真是hammerstein系统；如一个无记忆非线性后边跟一个线性时不变系统，而且预失真器作为功放的精

5、确反转器是有可能的。Volterra模型另一种特殊的情况是被kim提出的记忆多项式模型。和volterra模型相似，记忆多项式的精确反转也很难获得，但是另一个记忆多项式作为一个近似的反转被建立。也存在许多其他的功放模型，比如在注释【7】中提到的平行wiener模型。很难判断哪个功放模型是最好的，因为它取决于功放类型，传输数据格式等等。并且，最精确的功放模型也许对预失真器不是最符合的。在我们感兴趣的应用中，预失真器的线性化才是最终目标，然而精确的功放建模仅仅是第二位的。二．记忆多项式模型让我们举个例子考虑，一个基带线性三次方模型，输入为x(n),输出为z(n)(1)线性和立方核

6、和刻画非线性系统。如果Q=0，则（1）式简化为：(2)上式是一个无记忆非线性系统。如果，除了对角线上q1=q2=q3,则（1）就变成：(3)我们把（3）作为一个记忆多项式。把这个记忆多项式作为无记忆非线性化和全volterra非线性化之间的一个折衷。当这许多的参数在Q+1级时，捕捉记忆效果非常好。这和全volterra系统相反，全volterra系统的参数在上，此处K是非线性化级数。三．间接学习法结构图1显示了用在预失真器中的间接学习结构框图。标有“预失真器”反馈路径把作为它的输入，G是线性化功放的增益，作为输出。真正的预失真器是反馈路径的复制，它由x(n)作为输入，z(n)

7、作为输出。理想情况下，我们想要y(n)=Gx(n)，则补偿=z(n)，错误差e(n)=0，给出y(n)和z(n)，我们的任务是找到反馈路径中服从预失真器的参数。当错误能量达到最小时，运算就收敛了。图1.预失真器的间接学习结构为了使e(n)=0与y(n)=Gx(n)相对应，我们需要假设功放非线性化是不变的。在这，我们认为功放特性随时间变化不是很快；功放特性的改变是由于温度漂移，老龄化等长时间持续不变的因素决定的。当收集到足够的y(n)和z(n)数据样本时，训练部分就能离线处理数据，这降低了预失真系统的处理