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:
/ n3 {1 E+ g9 k/ d0 A/ G1 V3 k0 ?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, @9 |3 r3 D/ k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
: O7 r3 e6 m" E$ j3 `1 f( I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2 J' \3 ?; s6 w! ?3 t
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% C- h% f; |9 W) _1 B( H- m
谱的影响。. \! n# D- o' ~# [
本文的主要工作及创新可概括如下。
5 I' U: T- k3 F6 n4 S0 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
6 X7 u9 c. M4 d! `% D1 ]# Z6 k* I: k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 B5 g( K2 {, Q# o, T3 J. H. S1 X
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)
+ ^% z/ I! j9 s/ D7 A- Y q' n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,
0 ]' d& d* [4 \+ D9 J9 @具有更高的稳定性。
0 T. s# m- e* R% b7 w2. 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
9 Q8 b" U2 }9 ~0 p5 x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) d3 F! e5 s n9 x7 y$ ^/ m
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。
6 ]; n i; N2 u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3 O9 x. F- w3 T! _3 W
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
9 _: D) W8 [; c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)
$ q2 N! G. \+ O5 t0 I2( J; b! e4 e4 Y( n; M8 ]
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% 。
' j+ o4 p# |, y" |( v+ O3. 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 。
0 S5 V% @9 M9 h: b( ^$ N! o4. 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)。
5 K1 k4 @5 j- o. b' x. f2 w, [5. 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 。
/ ?- K+ v" T: T: d# V9 B- e3 a( ]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. r% Y' c& L* V \0 h# _
1 \" p8 ?& K* |* f/ ? |
zan
|