预失真技术综述.doc

《预失真技术综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、预失真技术综述预失真技术综述1.1数据预失真技术数据预失真技术是一种最为简单的预失真补偿技术，该技术是针对信号星廉经过非线性卫星信道后发生扭曲变形这一现彖，通过在成型滤波之前直接修改发送信号的映射星座图，使接收端尽可能接收到理想的星座，从而减小T星信道非线性对整个系统的性能影响。根据预失真值与输入数据的前后码元是占有关，数据预失真分为无记忆数据预失真和有记忆数据预失真［iii］两种。日前这两种技术都是基于无记忆非线性卫星信道进行研究，还没有针对高速的有记忆非线性卫星信道的研究。无记忆数据预失真方法简单，易于实

2、现，但对于有记忆的非线性信道，其补偿性能U经不能满足要求。有记忆的数据预失真可以有效降低码间串扰，提高补偿性能，但随着调制阶数和记忆长度的增加，其存储空间和计算复杂度将迅速增加，实现复杂度过人。1.2信号预失真技术信号预失真是在发送滤波器之后，通过修改发送信号的波形来补偿非线性失真的一种技术，其实现方法分为杳询表和工作函数法两种。杳询表预失真技术产生于上批纪80年代，其实现方式是把高功放的输入功率（或幅度）作为杳询表的索引指针，把高功放的复增益预调整值作为指针对应内容存储在RAM表屮，工作吋根据输入信号的功率

3、或幅度信息查找其对应预调整值，并将其输出给后继电路，达到线性化的H的。日前国内外匕有许多学者对杳询表预失真技术进行了研究。日本s（）nyEricsson移动通信公司提出了一种适用于于持终端的杳询表口适应预失真技术，并在窄带CDMA系统屮进行实验，使功放模块的功率效率增加了48%［iv］。浙江人学的毛文杰等提出了一•种基于双杳询表的自适应预失真结构，可使邻道干扰降低约25dB［v］o但山于常规的查询表不能有效的表示记忆特性，使得传统的杳询表只能对无记忆的窄带信号进行补偿。文献［vi］采用多维表形式表示记忆菲线性

4、特性，但存在结构复杂，收敛慢的问题。工作函数预失真技术是指在非线性信道之前采用数学模型描述其逆特性，从而使整个信道呈现出线性特性。（1）基于WTI模型的自适应预失真技术W-II模型的记忆预失真技术首先利川Wiener模型对记忆高功放进行辨识，得到LTI和无记忆非线性模型的参数，然后根据高功放的输出和系统期望输岀的误差，实现对Hamnierstein预失真器的自适应调整。但山于Kammerstein预失真器是级联模型，其屮LTI的系数和无记忆非线性模型的系数辨识互和关联，导致辨识困难而且效率低。文献［vii］将

5、记忆和非线性模型参数进行分离，然后再分别辨识，一•定程度上提高了收敛速率。文献［viii］根据W-H模型预失真技术的特点，提出一种简化形式，但要分两步对Hammerstein模型进行转换，操作较为复杂。（2）基于volterra级数模型的自适应预失真技术volterra级数被称为有记忆的Taylor级数，是分析记忆非线性系统的有力丁具，但具主要缺点是参数个数会随着系统记忆长度和阶数的增加而迅速增长，#线性较强时，为了获得较高的精确度，需要估计人量的参数。因此，直接将volterra级数运用于非线性信道的建模是

6、菲常困难的，必须对其进行简化改进。国内这方血研究较少，只有文献［ix］对volterra级数模型进行了简化，并采川观测矩阵维数固定的递归最小二乘算法对模型进行自适应辨识。国外zhu［x］［xi］等人对volterra级数的简化进行了研究，但没有研究在预失真方面的应用。L订xii］等人釆用简化的有限阶volterra级数拟合非线性模型，并通过非直接学习结构研究了在OFDM体制下的预失真补偿性能。（3）基于记忆非线性多项式模型的自适应预失真技术记忆多项式模型是一种带抽头延时的菲线性多项式模型。该模型比以上两种模型

7、简单，研究者较多。文献［xiii］通过真接的函数求逆来寻找低阶分析解，计算复杂且只能用于低阶运算。文献［xiv］提出了一种通川的记忆多项式模型，但预失真器的自适丿应采用了间接学习结构，该结构是基于函数的后逆等于前逆，这一般只对线性系统成立，卄线性系统的滤波运算具有不可交换性，因此造成实际的线性化程度不高。文献［xv］采用一种能够肖接使用高效的RLS算法的预失真结构，具有较好的收敛速度。（4）基于神经网络的自适应预失真技术神经网络技术是一种源于20世纪40年代、在最近20年取得重人发展和应用的新技术，神经网络具

8、有非常突出的处理非线性问题的能力，这种能力来源于神经元的非线性激活函数。如果隐藏层的神经元个数足够多，具有单个隐藏层的神经网络结构可以以任意精度逼近任意的连续函数。因此，它是实现非线性映射最有效也是最灵活的T具。日前国内外有关神经网络的研究较多，2004年Naskas提出首先采用无记忆非线性串连线性记忆滤波器结构的神经网络拟合记忆高功放特性［xvi］,再分别实现无记忆菲线性的预失真和记忆预失真，从而