功率放大器非线性特性及预失真建模研究

madio

摘 要：
! b9 u3 r, u; ~  _1 \) L本文主要围绕功率放大器的非线性特性以及相应的预失真补偿等问题，在合理假设的基础上，分析处理某功放无记忆效应和某功放有记忆效应的复输入输出数据，采用函数多项式、Saleh等常用方法，构建相应的功放模型和预失真模型，并基于最小二乘法（LS）、递归最小二乘法（RLS）等算法对模型参数进行求解，然后运用NMSE/EVM评价所建模型的准确度。此外，本文还通过估计信号的功率谱密度来计算信号的相邻信道功率比（ACPR），并分析预失真补偿的对带外失真性能的影响。
1 g- P: E2 k7 j/ ]  i9 N对于问题1A：题目中的输出信号相移趋近于0，所以首先假定功放不改变信号的相位，可以直接对幅度的非线性特性进行分析。考虑到该功放的无记忆效应，本文采用了函数多项式和Saleh两种方法对功放进行建模，并通过LS算法和RLS算法推导出模型参数的最优解。在构建多项式模型进行拟合过程中，通过比较不同阶数模型的NMSE值，综合考虑模型复杂度等问题，最终选择出一个合适的阶数。此外，本文还采用了正交函数基对功放模型进行多项式表示，并与原有多项式模型作性能对比。
, H5 S. v  @' _9 p6 R, x对于问题1B：为满足“输出幅度限制”和“功率最大化”两个约束条件，线性化后系统的理想增益g取作数据文件1中的输出信号峰值与输入信号峰值之比。由于预失真补偿可以看作是功放的逆模型，所以同样可以采用函数多项式对预失真器进行建模，并将数据文件中功放的输出信号z(n)g⁄和输入信号x(n)分别当作预失真器的输入和输出进行训练，目标误差函数即预失真器的拟合误差。为了提高模型的线性精度，还可以通过对整个训练反馈系统进行迭代
) A; @7 j( P' U; X+ W5 `7 W- 1 -
以更新预失真器参数，实验结果表明该方法能显著改善模型。在得到性能满意的预失真器模型后，计算实际系统的幅度增益，并运用NMSE/EVM评价所建模型的准确度，总体原则是使预失真和功放的联合模型呈线性后误差最小。
对于问题2A：考虑到该功放的有记忆效应，采用“和记忆多项式”进行建模，并通过LS算法和RLS算法推导出模型参数的最优解。由于题目中该功放的信号数据量比较大，采用RLS算法能够很好地提高模型拟合的精度，通过比较两种算法所对应的NMSE值也可以证明这一点。同样地，模型的阶数和记忆深度也需要综合考虑各种因素得到一个合适的值。此外，还采用了正交函数基对该功放模型进行多项式表示。
对于问题2B：预失真模型也采用“和记忆多项式”进行表示，同时以框图的方式建立预失真处理的模型实现示意图，定义基本实现单元模块（如延时模块等）并确定其之间的关系，组成整体图。同样地，在得到性能满意的预失真器模型后，运用NMSE/EVM评价所建模型的准确度。
对于拓展研究：根据题目给出的数据，本文采用直接法计算出三类信号（输入信号、无预失真补偿的功率放大器输出信号、采用预失真补偿的功率放大器输出信号）的功率谱密度，并用图形的方式表示，然后通过题中给出的计算公式和信道带宽得到ACPR，比较预失真补偿对带外失真性能的影响。
实验结果表明：利用函数多项式等常用模型能够较好地完成问题1和问题2中的任务，拟合得到的信号值误差在模型假设预先定义的范围之内，NMSE值小于-40dB（即EVM值小于1%）。此外，拓展研究的结果也表明预失真补偿能够减小功率放大器的输出信号对邻道信号的干扰，ACPR值下降了16dB左右。
& C* \  g6 n  t  L5 J0 g+ H: {本文主要亮点在于：为保证所用模型的工程可实现性，我们综合考虑了模型的准确度、复杂度等因素，在模型的选取（多项式模型和Saleh模型等）、模型的求解（LS算法和RLS算法等）以及参数个数的选择（多项式阶数和记忆深度）等方面进行了大量对比实验分析，比较不同情况下的NMSE值，最后根据模型假设预先定义的误差允许范围选择满足要求且实现复杂度低的模型，这种方法在实际工程应用中是很常见的。
关键词：功率放大器非线性特性 预失真补偿 功率谱密度

4 U9 h! N, |' _1 T5 K8 K1 ]

mario1233

果然做的比我们的屌

wwyapple

谢谢楼主分享。。。。学习ing