功放数字预失真模型与处理算法研究

论文摘要

随着移动互联与信息爆炸时代的到来,有限的频谱资源上需要承载越来越大的数据流量。为了实现该目标,各种非恒包络宽带调制技术陆续在新一代通信互联技术中被广泛采用。新一代无线通信信号与传统通信信号相比具有更大的带宽、更高的峰均功率比,这些特点往往会造成发射通路中以功放为代表的模拟器件呈现记忆性与非线性,导致发射信号产生带内失真和带外频谱扩展,因此功放线性化技术成为发射通路设计的关键技术。而基带数字预失真技术以其设计的灵活性与功能的完整性在多种线性化技术中具有较高性价比,也成为当前研究的热点领域。本文运用自动控制领域的非线性逆系统理论与信号处理领域的自适应滤波技术,围绕非线性行为模型的设计和建模展开了深入的研究和具体的探讨,主要贡献和创新如下：1.系统性地归纳和总结了数字预失真领域和非线性行为模型领域的主要理论和技术以及该领域近期的科研成果。2.以非线性自回归滑动平均模型为例,推导出了基于三种学习架构的三种参数提取算法,并通过仿真实验对预失真学习方法和参数提取算法进行了分析和比对,验证了非线性自回归滑动平均模型的优越性能。文中介绍的三种算法基本上可以满足所有参数化预失真器的建模需要,尤其是其中用于直接参数提取的非线性X滤波递推最小二乘算法,该算法具有收敛速度快、稳定性强、适用范围广对功放建模精度要求不高等特点。3.将单型规范分段线性函数模型引入到功放数字预失真领域。文中对该模型的特点和预失真器的设计与辨识进行了大量的分析、实验与讨论,并采用基底拟合的思路在不提高其维度与参数规模的情况下首次推导出两种特殊的复值单型规范分段线性函数模型,从而最终构造出能够描述记忆非线性失真特征的行为模型,使其由一个单独的非线性行为模型拓展为一组具有相同基底构成的行为模型类。4.针对多维查找表结构的非线性自回归滑动平均模型的一些局限,综合非线性自回归滑动平均函数和特殊复值单型规范分段线性函数的各自特点,提出了一种新的预失真器实现架构。该架构具有多维查找表结构的类似特点,能够在单FPGA或DSP芯片上实现,并最终通过一块FPGA实验板验证了该设计的可行性和有效性。5.针对预失真器实现过程中必须面对的数字输入信号与输出反馈数字信号的同步问题,设计了一种整数倍延迟时间估计+分数倍延迟时间估计的环路延迟估计方法,该方法可以根据实际情况灵活配置,能够达到较高的最终估计精度,文中还通过软件和硬件环境下的仿真实验,验证了环路延迟估计和调整的有效性与可靠性。6.为验证文中所述理论与算法,构建了对应的软件仿真和硬件实验环境。尤其是硬件实验环境的搭建为测试预失真器的真实性能提供了一种必要手段,并为后续预失真产品的设计提供了借鉴。通过该平台已经完成了部分测试验证工作。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.3 本文主要工作和内容安排
• 第二章 功放非线性特征与数字预失真理论
• 2.1 功放的非线性失真
• 2.1.1 非线性特性的时域和频域描述
• 2.1.2 功放的记忆效应
• 2.1.3 主要量化指标
• 2.1.3.1 基础指标
• 2.1.3.2 功放效率
• 2.1.3.3 误差向量幅度
• 2.1.3.4 归一化均方误差
• 2.1.3.5 邻近信道功率比
• 2.2 常见行为模型结构
• 2.2.1 功放与预失真器行为建模的本质
• 2.2.2 无记忆类非线性行为模型
• 2.2.2.1 AM-AM、AM-PM曲线模型
• 2.2.2.2 多项式（幂级数）模型
• 2.2.2.3 查找表模型
• 2.2.3 记忆类非线性行为模型
• 2.2.3.1 Wiener-Hammerstein类行为模型
• 2.2.3.2 类Volterra模型
• 2.2.3.3 多盒模型
• 2.2.3.4 神经网络类模型
• 2.3 数字预失真相关理论
• 2.3.1 数字预失真器种类
• 2.3.2 预失真学习架构
• 2.3.3 预失真训练信号的选择
• 2.3.4 线性化合成增益的选择
• 2.3.5 功放效率提高的理解
• 2.4 本章小结
• 第三章 非线性自回归滑动平均（NARMA）预失真器
• 3.1 NARMA模型
• 3.1.1 模型描述
• 3.1.2 模型结构
• 3.2 稳定性问题
• 3.3 三种参数提取算法
• 3.3.1 后逆参数提取算法
• 3.3.2 功放求逆参数提取算法
• 3.3.2.1 功放行为建模
• 3.3.2.2 模型求逆
• 3.3.3 直接参数提取算法
• 3.3.3.1 NFXLMS算法
• 3.3.3.2 NFXRLS算法
• 3.3.3.3 Filtered-X算法小结
• 3.4 仿真实验与结果讨论
• 3.4.1 NARMA功放行为建模
• 3.4.2 稳定性判定
• 3.4.3 NFXLMS算法与NFXRLS算法的性能比较
• 3.4.4 三种参数提取算法的比较
• 3.4.5 与记忆多项式模型的比较
• 3.5 本章小结
• 第四章 单型规范分段线性（SCPWL）预失真器
• 4.1 SCPWL函数模型
• 4.1.1 模型描述
• 4.1.2 基函数特性
• 4.1.3 模型的最小二乘解
• 4.2 多种SCPWL预失真器
• 4.2.1 串行实值SCPWL预失真器
• 4.2.1.1 模型结构
• 4.2.1.2 参数提取算法
• 4.2.2 并行实值SCPWL预失真器
• 4.2.2.1 模型结构
• 4.2.2.2 参数提取算法
• 4.2.3 复值SCPWL预失真器
• 4.3 仿真实验与结果讨论
• 4.3.1 两种极坐标预失真器AM-PM预失真单元的关系
• 4.3.2 三种SCPWL预失真器的比较
• 4.3.3 与功率回退法的比较
• 4.3.4 与多项式预失真器的比较
• 4.3.5 与LUT预失真器的比较
• 4.4 本章小结
• 第五章 特殊复值SCPWL预失真器
• 5.1 两种特殊复值SCPWL函数模型
• 5.1.1 特殊复值SCPWL函数模型Ⅰ
• 5.1.2 特殊复值SCPWL函数模型Ⅱ
• 5.1.3 两种特殊复值模型的比较与分析
• 5.2 模型对测量噪声的敏感度分析
• 5.2.1 测量噪声对多项式模型的影响
• 5.2.2 测量噪声对特殊复值SCPWL函数模型Ⅰ的影响
• 5.2.3 测量噪声对特殊复值SCPWL函数模型Ⅱ的影响
• 5.2.4 三种模型对测量噪声的敏感度比较
• 5.3 记忆类SCPWL函数模型
• 5.3.1 记忆SCPWL模型
• 5.3.2 记忆SCPWL预失真器建模过程
• 5.3.3 记忆类SCPWL模型的构造思路
• 5.4 仿真实验与结果讨论
• 5.4.1 SCPWL函数对多项式模型基底的拟合
• 5.4.2 多种行为模型建模能力的比较
• 5.4.3 记忆SCPWL模型的预失真性能
• 5.4.4 测量噪声对预失真器性能的影响
• 5.5 本章小结
• 第六章 基于SCPWL函数的NARMA模型预失真器设计
• 6.1 多维查找表结构NARMA模型的局限性
• 6.2 基于SCPWL函数的NARMA模型
• 6.2.1 特殊复值SCPWL函数的引入
• 6.2.2 SCPWL-NARMA模型结构
• 6.2.2.1 基本预失真单元
• 6.2.2.2 模型实现结构
• 6.2.3 与Multi-LUT NARMA模型的比较
• 6.3 SCPWL-NARMA预失真器建模思路
• 6.4 环路延迟估计
• 6.4.1 整数倍环路延迟估计算法
• 6.4.2 分数倍环路延迟估计算法
• 6.4.2.1 插值滤波器
• 6.4.2.2 参数提取算法
• 6.4.3 软件仿真实验
• 6.4.3.1 整数倍环路延迟估计
• 6.4.3.2 分数倍环路延迟估计
• 6.4.3.3 环路延迟调整效果
• 6.4.4 环路延迟估计实施思路
• 6.5 硬件实验仿真
• 6.5.1 硬件实验平台的构建
• 6.5.2 环路延迟补偿
• 6.5.3 系统线性化效果
• 6.6 本章小结
• 第七章 总结与展望
• 7.1 论文总结
• 7.2 未来展望
• 致谢
• 参考文献
• 攻博期间取得的研究成果