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:& }8 p% s( v, W# ~, S7 J
信号的功率放大是电子通信系统的关键功能之一,其实现模块称为功率放大- x; _8 y7 {2 q7 G' ^: Y
器(PA,Power Amplifier),简称功放。为了提高功率放大器的效率,通常又要
% \" V: M; l" L- j0 |求其工作在饱和状态,这必然就会带来严重的非线性。功放的非线性失真会使得. T8 B S: P* s6 s) X; ~. F
原始信号的频谱扩展,从而对邻近信道造成较大的干扰。功率放大器的线性化,+ r* v, V, |$ ^
是解决其效率和线性度矛盾的有效方法,能够使功放在输出高功率和高效率的同/ e" I, L5 ^% v6 b8 e. G2 w
时,保持良好的线性度。常用预失真技术[1](Predistortion)。本文主要研究对象为3 ^0 P: x( Y$ r8 J4 N8 z
预失真技术中的功放模型的建立及预失真算法的研究。) B- p: Y* {+ y' w5 Q1 B5 n6 }
对于问题一,我们首先建立了无记忆功放的泰勒级数模型,利用最小二乘估
/ H; r7 X4 b$ G/ U7 g+ [计得到不同阶数的NMSE 指标(图4.1),综合考虑选取阶数为10,此时
( ]! g! J% \' h+ ONMSE=-94.5dB 。为了解决最小二乘估计阶数增加后的不稳定性,将观测矩阵正( n" x1 o4 E R# p2 D6 o+ j
交化后,采用最小二乘估计得到不同阶数对应的NMSE 指标(图4.3),阶数为
# _6 O- b2 Q) Z10 时,NMSE=-97.5dB。为了避免求逆运算,采用LMS 自适应算法来求解,由8 V/ A. F# |4 U& c8 y
于数据有限,无法达到收敛,性能比较差(图4.7),但重复利用数据40 次后,
5 P' H% B) l0 x; N O. c* a( l性能有所改善,NMSE=-42.6dB(图4.8)。
l% A2 I# \+ ~: i# N对于无记忆预失真器同样建立泰勒级数模型,由于数据有限,自适应算法很
* A& B: j, Z' |' ~) w难收敛,所以采用直接学习结构,将功率放大器的输出减小g 倍后作为输入,g8 X, I+ y6 Z" M( K
为理想的线性放大倍数,功率放大器的输入作为输出,通过拟合得到的系统即为
+ w5 Y- l7 G D% t8 F! i4 c预失真器。对于模型的求解,分别使用了最小二乘估计,施密特正交化后求解,% {, Q( K+ V7 f" o
估计出预失真器参数。最后用NMSE 评价预失真系统,预失真器在10 阶时,可. y5 `' Q( o; F, ~* l) {; j# h
以达到NMSE=-59.03dB。此时线性化放大倍数可以达到理论最大值gmax 1.8265。
- [0 Z$ y9 o8 S `) N对于问题二,首先建立了有记忆功放的“和记忆多项式”模型,它是在无记
* q) j+ y) M- w) l忆泰勒级数的基础上加入了时延项,利用最小二乘估计得到在不同阶数K,记忆
. x9 v$ P6 v* T7 }# A/ g深度M 下,NMSE 的变化曲线图(图4.14)。我们选取有记忆功放“和记忆多项
0 `' _. Y0 Q0 C/ O9 h式”模型的阶数K=3 ,记忆深度M=5,此时NMSE=-45.05dB。
( J6 }# y$ P% P/ ?2
3 n4 R' W; S( z+ S, W6 H在有记忆预失真的建模中,预失真器的模型同样为“和记忆多项式”模型,! r* m, H) s- a2 ]4 b* P
依据计算量和NMSE 的变化情况,我们首先确定有记忆功放的模型参数为阶数6 m8 F8 _2 H0 i! }2 E
K=3,记忆深度M=5。我们分别使用直接学习法和间接预失真学习法求解模型。3 j9 ]# d4 I+ k7 @1 l3 B5 ]7 H5 l9 e
我们得出了预失真器在不同阶数K,记忆深度M 下,预失真补偿后系统的NMSE) R3 T9 a2 D- j
的变化曲线图(图4.17、图4.19)。对于直接学习法,最佳的阶数和记忆深度为* [! y0 R' ?* ]: e# L# U( q+ u
K=3、M=5,此时NMSE=-45.4dB,线性化放大倍数g=9.4528;对于间接预失真
4 C# n/ g5 v* |4 f学习法,最佳的阶数和记忆深度为K=4、M=4,我们提出一种改进的间接预失真$ s4 K! F( {0 h# w
学习结构图(图4.15),求得NMSE=-44.1dB、g 9.456。
- ?8 i0 U( d" U/ w2 s0 N对于问题三,我们利用直接法求信号的功率谱密度函数,得到输入信号、无
% g. C) k: ^7 M: \0 s; V1 i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
+ s4 l# Z5 J; ~2 E& b, i0 G4 s率谱图,并计算各自的ACPR。输入信号ACPR=-78.5dB,无预失真输出信号
( e: M1 l" Z% n( pACPR=-37.3dB,直接学习法和间接学习法的有预失真输出信号的相邻信道功率
$ _! |$ f! M, c y4 M比分别为ACPR=-52.2dB、ACPR=-50.1dB。比较ACPR 可以直观的发现,采用
0 Z. U6 g4 Q( J( l8 e预失真补偿的功率放大器的频谱泄露明显减小。
8 r# J8 `. B0 b+ D# J
: r: d! v" R, q R$ y$ R |
zan
|