TA的每日心情 | 奋斗 2024-7-1 22:21 |
|---|
签到天数: 2014 天 [LV.Master]伴坛终老
- 自我介绍
- 数学中国站长
 群组: 数学建模培训课堂1 群组: 数学中国美赛辅助报名 群组: Matlab讨论组 群组: 2013认证赛A题讨论群组 群组: 2013认证赛C题讨论群组 |
摘 要:6 `6 M5 ^ g* ~/ _3 V
随着现代微波电路仿真技术与数字预失真技术的发展,功率放大器行为模型的研究
+ c# f6 h5 g+ Y& p* J4 Z8 [已经成为功率放大器研究领域的重要方向之一,而采用多项式结构描述放大器的特性是
/ [4 b [0 x4 X3 Y+ P! C9 B* I行为模型研究中最主要的方法。本文主要研究了无记忆功率放大器和有记忆功率放大器
+ C$ Z9 P' n& l a6 c的多项式结构的系统建模,放大器的预失真处理技术,以及非线性放大器对输出信号频3 f' [7 |5 H, Q
谱的影响。& \- w$ m9 F; v; x. b A, g
本文的主要工作及创新可概括如下。
5 z# }/ O: W7 { Y8 [% R1. 构建无记忆功率放大器基于一般多项式及和多项式的正交、非正交模型,利用
0 @1 C" Y& l+ R& R! e* `最小二乘(LS)算法求解模型参数。通过数据仿真可知,和多项式及正交和多项
; s4 T/ Q j6 D0 o) e6 _式模型优于一般多项式模型,当多项式为12 阶时,其归一化均方误差(NMSE)
* C" ]# T2 t0 O" L. a达到-100dB;并且在阶数较大时,正交和多项式模型性能优于和多项式模型,
' K" j$ ` x6 k u) \1 c) F具有更高的稳定性。( ?% i$ y% K0 L% F
2. 建立无记忆功率放大器的和多项式预失真模型,通过系统逆辨识获取预失真处0 h+ Z' f/ c* c0 c: p1 R
理器输出端的理想信号,将整体系统简化为预失真模块处理过程。利用最小均
) ~7 D! O& ?9 @. C; B* g/ |/ |方(LMS)和LS 算法求解预失真模型参数,并对预失真补偿效果进行评价。
/ D& ^7 a9 V/ b3 E5 t实验结果表明,本文构建的预失真模型能够使功放整体输出具有较好的线性特& G% F1 @' l: ]; r
性,且逼近理想特性曲线。随着多项式阶数的增加,通过本文正交和多项式预
8 D: |0 b* R/ F" M# x失真模型处理后,功放输出的归一化均方误差(NMSE)和误差矢量幅度(EVM)' D6 ]$ d- P6 X7 E+ p0 G5 n5 Q% d
2$ J) Z* J: v# r( a9 I& Y b* y
逐渐减小, 当阶数大于 10 时,正交和多项式模型 NMSE NMSE小于 -61 dB ,EVM 低 于 0.1% 。
7 N8 e2 T( h% O1 T3. 构建有记忆功率放大器和多项式模型, 并利用 LS 算法 求解模型 参数。 仿真结 果表明,随着多项式阶数和系统记忆深度的增加模型精越高 果表明,随着多项式阶数和系统记忆深度的增加模型精越高 果表明,随着多项式阶数和系统记忆深度的增加模型精越高 果表明,随着多项式阶数和系统记忆深度的增加模型精越高 ;当多 项式 大于 5阶, 系统记忆深度 系统记忆深度 大于 5时,系统的 时,系统的 NMSE NMSE低于 -45dB 45dB,而传统多 ,而传统多 项式模型仅为 -34 dB 。 b3 |5 J; O. f' Z. i6 K/ t$ L+ G
4. 建立有记忆功率放大器的预失真和多项式模型,根据线性约束、输出幅度限制 建立有记忆功率放大器的预失真和多项式模型,根据线性约束、输出幅度限制 建立有记忆功率放大器的预失真和多项式模型,根据线性约束、输出幅度限制 建立有记忆功率放大器的预失真和多项式模型,根据线性约束、输出幅度限制 和功率最大化约束,获取预失真处理器想输 出信号,通过 LS 算法解其参 数。通过 NMSE NMSE和 EVM 分析可知,当 给定 功率放大器的阶数为 5,记忆深度 为 5时,解算得预失真器的多项式阶数等于 时,解算得预失真器的多项式阶数等于 5,记忆深度等于 ,记忆深度等于 3时的系统最优 , 此时的 NMSE NMSE等于 -45dB 45dB ,EVM 为 0.3% 。为了使预失真系统能够应对实际运 。为了使预失真系统能够应对实际运 用中放大器特性随着环境变化导致的预失真效问题,本文提出一种基于功 用中放大器特性随着环境变化导致的预失真效问题,本文提出一种基于功 用中放大器特性随着环境变化导致的预失真效问题,本文提出一种基于功 用中放大器特性随着环境变化导致的预失真效问题,本文提出一种基于功 放逆辨识 的自适应预失真处理 模块 ,模 块求解 采用最小均方 算法 (LMS)(LMS)(LMS)(LMS)(LMS)。
4 M+ z. h- e0 C* N9 H5. 通过周期图法估计信号的功率谱密度,算输入出相邻道比 通过周期图法估计信号的功率谱密度,算输入出相邻道比 (ACPR) (ACPR)(ACPR)(ACPR)(ACPR)。 输入信号的 输入信号的 输入信号的 输入信号的 输入信号的 ACPR ACPR等于 -78.4687 dB ,未经 预失真处理的 预失真处理的 预失真处理的 预失真处理的 预失真处理的 预失真处理的 功放系统 功放系统 功放系统 功放系统 输出信号的 输出信号的 输出信号的 输出信号的 输出信号的 ACPR ACPR等于 -37.2605 dB ,预失真处理后的 功放输出信号,预失真处理后的 功放输出信号ACPR ACPR等于 -51 .9625dB 。
4 J; ^. c; _5 D: f) d: o- M关键词 :正交多项式模型 , 系统逆辨识最小二乘 算法, 最小均方算法 ,自适应 预失真系统
7 F5 ^4 u* I" A# n
! c# P, V6 n, P+ ^5 L. X P |
zan
|