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:0 h6 G u; E( f, i
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/ S( w$ C" r% J9 O, e; A
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
1 Q1 Y1 P; \ {+ N. X6 S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
0 m, |0 U$ ^6 O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
# m3 h+ i5 E3 \9 J% `9 ^+ ^9 j4 V: F谱的影响。1 B+ e: q/ B+ i8 g5 D- |& R& R# X
本文的主要工作及创新可概括如下。
0 \6 K' q) O$ Z. v% R. b; s( U1. 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! ^" S( w; T7 j) o' y1 [
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, u* K/ m) D1 s$ B
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)" D) F: v, b; }2 R0 c5 G
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,
8 \9 H( O# i# H4 `$ X5 W2 v具有更高的稳定性。; S! p( R! T' y
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) L% v Z [' N& K5 t, [- [
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
& P1 g* G, w4 f2 a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。
7 M I7 x0 E8 X) Z' h6 l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
. _$ D9 E* {: y$ o3 |& `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; W5 x3 k7 _( f- 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)
; j4 N! W( H, [( d* z$ z* x2
`2 w% H3 x6 F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% 。
6 t) Z# M$ V5 y' _, V4 s6 u3. 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 。
. f. \0 i8 D7 ^" t$ ?9 a( n n4. 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)。
& E7 Z6 Q4 W( P; {' r5. 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 。
/ a% S7 V1 t4 J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
1 { d' i" }& l% O: D! |7 \5 Y3 C" D. p7 t
|
zan
|