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:
5 z. E8 W7 \7 W3 z9 p* O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
- e% q& P5 t6 v6 k0 i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! M0 }( A0 p. f
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* d$ M; h# s5 _& C! U
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6 p- M" f; x+ @* A5 V( l
谱的影响。
. u8 ^* z6 p: a1 v7 ^& u% V& g0 J% S本文的主要工作及创新可概括如下。
( c: O, W- u9 E8 a% Z: d% y+ l: Z1. 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
: \5 ?5 K. r- g. S5 Q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* Z2 A' ~7 L, A: g; X! t
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)
}* v$ w1 L3 e6 q& T/ j, u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,
/ S s2 h5 K5 n- z, \具有更高的稳定性。
5 n- c0 z$ E! S* s6 @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+ |. w. q# _) H. o) q( Y
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6 T4 I, {1 t5 R/ _
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。! _4 r; c7 q* w4 V6 H8 E
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
N8 a2 h9 X8 ^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
" d# I5 p+ H8 Z# @9 t. T z2 y; z, {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)
! W" H, u9 K% g/ r- U2
; v# b) c) {3 J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% 。
. w' L) V/ X2 i+ ~7 U6 K- ^3. 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 。" E* E: @% \2 _: m# g3 s
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)。8 u4 l7 ]& M+ U4 T: \
5. 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 。
/ s# e2 S! A' {& X) p I) p! r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 U2 E4 p2 J- [& Y. \" y. ]
& a* w8 W8 T# k/ b |
zan
|