功率放大器非线性特性及预失真建模

madio

摘 要：
本文以功率放大器在无记忆和有记忆两种情况下，根据输入/输出数据，分
别建立非线性数学模型，并且用NMSE 评价所建模型的准确度。根据线性化原
则以及“输出幅度限制”和“功率最大化”约束条件，用均方误差NMSE 作为目标
# a0 x: u: Y5 K7 j  ~; u9 q& D函数，分别建立预失真模型，将功放特性线性化，并用NMSE/EVM 指标评价
模型；最后计算并画出输入信号、无预失真补偿的功率放大器输出信号、采用
! L% B1 @7 k4 o% p% t预失真补偿的功率放大器输出信号这三类信号的功率谱密度图，并用ACPR 衡
8 j  ]( l; F# W# M2 e! a# ~1 C量由于非线性效应所产生的新频率分量对邻道信号的影响程度。
  @5 J  W) [* a0 T+ R2 f& u对于问题1，分别采用Saleh 模型和幂级数模型对无记忆性功放的进行了拟
合，都比较好的模拟了其输入输出特性，并得出指标NMSE 分别为-33.3057 和
-53.4415，通过比较，采用幂级数模型对预失真处理建立数学模型。合理考虑了
“输出幅度限制”和“功率最大化”约束，使目标函数NMSE 达到合理的值。通过
预判g 的取值范围，采用步长迭代法对g 进行搜索，在满足约束条件和目标函
5 a& o( |: U" q# H- D6 c8 t% P8 N数的情况下，得出g=1.865，并求得了预处理模型的参数和各项指标；
对于问题2，对于有记忆功放特性，分析比较Wiener 模型、Hammerstein 模
型和记忆多项式模型，采用记忆多项式模型对有记忆功放建立模型，用NMSE
' Q! H1 T/ c- o评价其准确性，此时NMSE=-44.5408。对于预失真处理模型，采用间接学习法，
用LS 算法和步长迭代算法求得预失真处理函数的系数和g 以及各项参数，求
* I& U1 g  t/ Y% _  }得最佳g=9.489。
9 Z  Z* N# f, z1 M对于问题3，采用了周期图法和最大熵法模型计算输入信号、无预失真补偿
7 A0 L3 r8 a( {* J& a* z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，
) t1 m  [8 h! I* q通过图形特征比较出最大熵法噪声小、平滑度高的优越性，取得了较平滑的功
率谱密度曲线，并从图中截点获得传输信道和邻信道的宽度，再通过矩形法模
1 G8 h) p1 `0 @  q- 3 -
型对功率谱密度积分，求出采用补偿前后的ACPR 值由-30.7666 减小为
-35.7587，验证了本文采用的预失真模型有效地减小了非线性效应所产生的新频
率分量对邻道信号的影响。
% a+ z6 p; N5 T2 @# g/ ^关键词：幂级数模型 记忆多项式模型 步长迭代法 LS 算法 最大熵法
& @2 A- x# N6 _/ w( ]
, ]( t8 h- |6 o! c* S" p1 @

wwyapple

谢谢楼主分享。。。。学习ing