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:
# E/ X; \1 f* |& p$ |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
$ X W8 |3 H# F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
$ U4 s3 V2 L7 t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9 ~0 p) {: r/ }) K# x
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$ E5 n' u$ Z9 o" v4 C! r) Y
谱的影响。
6 E F6 u. N6 I: v1 _/ @" D! M本文的主要工作及创新可概括如下。9 t2 M4 p; q. N" s2 L0 Q+ X
1. 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
# _/ R. `+ I m% u$ H' h: O B4 i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4 n E) F. q V" F$ @; E
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)% \3 Y8 _& H0 Y9 R, b
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,
, F" u9 T- B& l具有更高的稳定性。
+ V8 K4 Z# y" Z6 W( N+ J f! f2. 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* `/ d: F N, \# B7 a! {
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
J5 Y L8 T H# y. n4 X% R: K, }/ O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。
1 F- R' |6 P) a5 v3 I4 F9 P, I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. z% S2 [9 P" J/ X- k1 N- M! E+ G' {
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
) J, T# m) U& U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)
8 N2 q& T3 |& t. w- I2
, y" K: o& C( p. t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% 。 O' S* I) p: b2 }4 \9 Y2 W' D" Z
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 。, ^* ?2 t3 T9 D; m: y4 @
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)。
7 g" [5 c2 z7 C/ O E) t5. 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 。0 o X% w1 T$ F' o; q- S( b
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
3 B# X8 f2 z! R+ ~ W/ r( F/ c) l
! D! O8 ^! F3 X. P* [# T) f) W W8 [8 f |
zan
|