中继卫星高速数传系统中发射端数字信号处理技术研究

论文摘要

数据中继卫星系统（DRSS）以其高覆盖率、大容量、使用灵活等优点成为航天领域的一个重点发展方向,其返向通信链路高速数据传输是它的主要业务之一。高速数据传输系统发射端的数字信号处理面临着运行速度快、计算量大等难点;且发射端射频设备的非理想因素容易导致宽带信号失真、频谱扩散、系统性能下降。为解决这些问题,论文重点研究了基带信号成形滤波、宽带正交调制器I/Q失配预校正、高功率放大器（HPA）自适应预失真线性化等关键技术。首先,论文完成了高速成形滤波器的设计和实现。从系统误比特率（BER）性能和硬件可实现性两个角度,对成形滤波器的参数进行了精心设计;在FPGA中实现了基于查找表的高速成形滤波器,并利用成形滤波器的多相实现结构完成了对I/Q两路信号的自动同步。其次,论文研究了宽带正交调制器I/Q失配预校正方法。研究了宽带正交调制器I/Q失配模型,并给出了一种时域内I/Q失配测量方法;推导了TCM-8PSK信号在正交调制器I/Q失配条件下的星座图、BER性能;研究了宽带正交调制器I/Q失配的预校正方法,并将之应用到工程系统中,利用修改成形滤波器的抽头系数实现I/Q失配的预校正,不需要占用另外的硬件资源。然后,论文研究了HPA有记忆效应的非线性特性及其线性化技术。在对HPA有记忆效应的非线性模型总结的基础上,提出了一种基于并行滤波器组的扩展Volterra-Wiener模型;完善了TCM-8PSK信号在HPA有记忆效应非线性条件下的性能分析,包括信号星座图、功率谱密度（PSD）、BER性能等;对HPA常用线性化技术进行了介绍,对每种技术的基本原理、优缺点作了详细比较。最后,论文研究了HPA基带自适应预失真线性化技术。对基于Volterra级数和扩展Volterra-Wiener模型的自适应预失真算法进行了推导和仿真,仿真结果表明这两种算法系统收敛速度较慢;提出了将离散小波变换（DWT）应用到预失真模型中的方法,以减小输入序列的相关性,提高系统的收敛速度;针对强非线性HPA提出了一种基于离散小波神经网络（DWNN）的HPA数字自适应预失真算法,充分利用了神经网络对强非线性系统很强的学习和逼近能力。仿真结果表明,基于离散小波神经网络的自适应预失真算法与基于RBF神经网络的算法相比较,大大减少了系统的计算量,并提高了系统的收敛速度和HPA线性化性能。

论文目录

• 目录
• 表目录
• 图目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.1.1 跟踪与数据中继卫星系统
• 1.1.2 高速数据传输发展现状
• 1.2 课题研究内容
• 1.3 论文的主要工作及内容安排
• 第二章 高速成形滤波器的设计与实现
• 2.1 引言
• 2.2 成形滤波器的设计
• 2.2.1 滚降系数α
• 2.2.2 采样频率
• 2.2.3 滤波器长度
• 2.2.4 量化位数
• 2.3 成形滤波器的实现
• 2.3.1 成形滤波器的结构
• 2.3.2 成形滤波器的硬件实现
• 2.3.3 利用成形滤波器解决I/Q自动同步问题
• 2.4 本章小结
• 第三章 宽带正交调制器I/Q失配预校正方法研究
• 3.1 引言
• 3.2 宽带正交调制器I/Q失配模型与测量
• 3.2.1 I/Q失配模型
• 3.2.2 I/Q失配测量
• 3.2.3 实验结果
• 3.3 宽带正交调制器I/Q失配对系统性能影响
• 3.3.1 TCM-8PSK系统在理想条件下的性能
• 3.3.2 I/Q失配系统模型
• 3.3.3 TCM-8PSK系统在I/Q失配条件下的性能
• 3.3.4 仿真实验结果
• 3.4 宽带正交调制器I/Q失配预校正方法研究
• 3.4.1 直流偏置的补偿
• 3.4.2 载波幅度相位失配的预校正
• 3.4.3 乘法器对I/Q信号幅度相位失配的预校正
• 3.4.4 测试结果
• 3.5 本章小结
• 第四章 HPA非线性特性及其线性化技术
• 4.1 引言
• 4.2 高功率放大器非线性模型
• 4.2.1 HPA无记忆非线性模型
• 4.2.2 HPA有记忆效应的非线性模型
• 4.3 高功率放大器非线性对系统性能影响
• 4.3.1 TCM-8PSK系统在非线性条件下的性能
• 4.3.2 HPA对其他调制系统的性能影响
• 4.4 非线性高功率放大器线性化技术
• 4.4.1 前馈线性化技术
• 4.4.2 负反馈线性化技术
• 4.4.3 EE&R线性化技术
• 4.4.4 LINC线性化技术
• 4.4.5 Callum线性化技术
• 4.4.6 预失真线性化技术
• 4.5 本章小结
• 第五章 HPA基带自适应预失真线性化技术
• 5.1 引言
• 5.2 基带自适应预失真线性化技术介绍
• 5.2.1 查找表预失真技术
• 5.2.2 参数化预失真技术
• 5.3 基于Volterra级数的数字自适应预失真算法
• 5.3.1 Volterra级数的基本性质
• 5.3.2 基于Volterra级数的自适应预失真算法
• 5.3.3 基于扩展Volterra-Wiener模型的自适应预失真算法
• 5.3.4 仿真试验结果
• 5.4 基于离散小波变换的Volterra自适应预失真算法
• 5.4.1 离散小波变换
• 5.4.2 基于DWT的Volterra级数的自适应预失真算法
• 5.4.3 基于DWT的扩展Volterra-Wiener模型的自适应预失真算法
• 5.4.4 性能分析
• 5.4.5 仿真试验结果
• 5.5 基于神经网络的数字自适应预失真算法
• 5.5.1 改进的直接学习型结构
• 5.5.2 基于RBF神经网络的自适应预失真算法
• 5.5.3 基于小波神经网络的自适应预失真算法
• 5.5.4 仿真实验结果
• 5.6 本章小结
• 第六章 结束语
• 致谢
• 参考文献
• 攻读博士期间发表的论文
• 攻读博士期间参加的科研项目